Библиографическое описание:Оптимизация логистических цепочек на железнодорожном транспорте с использованием методов искусственного интеллекта и машинного обучения в России / Г. М. Третьяков, Н. Н. Мазько, А. Б. Фокеев [и др.]. - (Автоматизация управления производством). - Текст : электронный // Кузнечно-штамповочное производство. Обработка материалов давлением. - 2023. - № 12. - С. 87-97. - Библиогр.: с. 97 (15 назв. ). - Электронное дополнение. - ISSN 0234-8241.
Аннотация:Исследование базируется на анализе статистических данных о грузопотоках в РФ, оценке существующих методов маршрутизации и комплексном применении алгоритмов предсказательного анализа. Применяются алгоритмы обработки больших данных, нейронные сети для прогнозирования пиковых нагрузок и генетические алгоритмы для оптимизации расписаний движения. Анализируются результаты внедрения системы предсказательного обслуживания на базе ИИ на примере ОАО "РЖД", показывается снижение времени простоя подвижного состава на 15-20 %. Представляются данные об увеличении точности доставки грузов до 30 % благодаря алгоритмам МО, а также об экономии топлива на уровне 10 % за счет оптимизации маршрутов.
Ключевые слова:логистика, железнодорожный транспорт, искусственный интеллект, машинное обучение, оптимизация, грузопотоки, предсказательный анализ, нейронные сети, генетические алгоритмы, статистические данные о грузопотоках, метод маршрутизации, обработка больших данных, системы предсказательного обслуживания, снижение времени простоя, подвижные составы, оптимизация маршрутов
Рубрики:Транспорт, Железнодорожные перевозки, Экономика, Организация производства
