Металлургический завод «Электросталь Тюмени» (филиал ОАО «УГМК-Сталь»), Тюмень, Россия:
Е. А. Шихов, ведущий инженер по АСУТПиП, эл. почта: pover@ya.ru

Описаны решения одной из задач оптимизации производственного цикла, целью которой является повышение удельной производительности участка прокатного стана средствами оптимизации планирования производственного задания на оперативный период. Представлен конкретный проект внедрения изменений в бизнес-процесс планирования загрузки прокатного производства, основанный на математической гипотезе. Сформулированы авторская постановка задачи, ее математическая модель и алгоритм автоматизированного конфигурирования системного вывода. В краткой форме представлены результаты экономического обоснования эффективности, а также прикладные ожидания от внедрения системы. Исследование является актуальным с точки зрения цифровой трансформации бизнеса; призвано оказать существенное влияние на потенциальное экономическое будущее базового предприятия. Представления знания об объектах в виде математических моделей связаны с пониманием универсальности законов природы и наличием прикладной необходимости. Автор оперирует набором прикладных данных реального металлургического предприятия. Работа имеет теоретический и прикладной элементы новизны, основана на авторских материалах и разработках управления проектом, выполненных в рамках корпоративной программы ОАО «УГМК».

1. Таха Хэмди А. Введение в исследование операций. 7-е изд. : пер. с англ. — М. : Издательский дом «Вильямс», 2007. — 912 с.
2. Аксентьев А. В. Методы оптимальных решений : сб. задач / А. В. Аксентьев. — 2-е изд. — Тюмень : Издательство Тюменского государственного ун-та, 2013. — 444 с.
3. Ризниченко Г. Ю. Лекции по математическим моделям в биологии. — Москва – Ижевск : Издательство НИЦ «Регулярная и хаотическая динамика», 2011. — 560 с.

4. Кауффман Дж., Матсик Б., Спенсер К. SQL Программирование. — М. : Изд-во БИНОМ Лаборатория знаний, 2002. — 715 с.
5. Скопич Д. В., Князев С. В., Усольцев А. А., Шихов Е. А. Проектирование автоматизированных систем управления в литейном производстве // Теория и практика литейных процессов : тр . Всероссийской научно-практической конференции, посвященной 80-летию кафедры литейного производства СибГИУ. — Новокузнецк : Изд. центр СибГИУ, 2012. С. 145–150.
6. Шихов Е. А., Ромашкина Г. Ф. Информационно-аналитическая модель комплексного управления технологией производства и экономикой предприятия // Инновационные технологии в машиностроении : сб. тр. VII М еждународной научно–практической конференции, Юргинский технологический институт. — Томск : Издательство Томского политехнического университета, 2016. С. 287–291.
7. Безручко Б. П., Смирнов Д. А. Математическое моделирование и хаотические временные ряды. — Саратов : ГосУНЦ «Колледж», 2005. — 320 с.
8. Блехман И. И., Мышкис А. Д., Пановко Н. Г. Прикладная математика: предмет, логика, особенности подходо в. С примерами из механики : уч. пособие. — 3-е изд., испр. и доп. — М. : УРСС, 2006. — 376 с.
9. Billings S. A. Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Tempora l Domains, Wiley, 2013. — 574 р.
10. Whishaw I. Q., Hines D. J., Wallace D. G. Dead reckoning (path integration) requires the hippocampal formation: Evidence from spontaneous exploration and spatial learning tasks in light (allothetic) and dark (idiothetic) tests // Behavioural Brain Research. 2001. Vol. 127. P. 49–69.
11. Frigg R., Hartmann S. Models in Science. The Stanford Encyclopedia of Philosophy, 2006.
12. Ратцек У. Оптимизация производства и минимизация затрат при обработке новых материалов // Черные металлы. 2009. № 6. С. 63–67.