ІНТЕЛЕКТУАЛЬНА ПЛАТФОРМА ДЛЯ ОПТИМІЗАЦІЇ УПРАВЛІННЯ АГРОПРОМИСЛОВОЮ ЕКОНОМІКОЮ НА ОСНОВІ CALS-ТЕХНОЛОГІЙ
DOI:
https://doi.org/10.32689/maup.it.2025.1.14Ключові слова:
інтелектуальна платформа, агропромислове управління, CALS-технології, диференціальні рівняння, нейронні мережі, цифрова трансформація, оптимізація виробництваАнотація
Мета дослідження. Розробка інтелектуальної платформи для оптимізації управління агропромисловою економікою, яка базується на CALS-технологіях та інтегрує сучасні підходи до автоматизації збору, обробки та аналізу даних. Дослідження спрямоване на створення системи, що забезпечує оперативне прогнозування виробничих процесів, оптимізацію управлінських рішень та адаптацію до швидкозмінних ринкових умов, що є актуальним завданням у контексті цифрової трансформації аграрного сектора. Методологія. У дослідженні застосовано комплексний підхід, що включає математичне моделювання динаміки системи за допомогою диференціальних рівнянь, розробку експертного модуля з прогнозування на базі штучних нейронних мереж та розробку алгоритмів оптимізації управлінських рішень. Архітектура платформи включає інтегроване управління даними, модуль налаштування під специфічні умови господарств та блок підтримки прийняття рішень, що забезпечує циклічну адаптацію системи до зовнішніх та внутрішніх впливів. Наукова новизна. Запропоновано новий підхід до управління агропромисловою економікою, що ґрунтується на синергії CALS-технологій із сучасними інформаційними системами. Розроблена математична модель дозволяє не лише прогнозувати зміни ключових показників (виробництво, якість продукції, ринковий попит), але й коригувати управлінські рішення в режимі реального часу. Інноваційність платформи полягає у використанні гібридних методів аналізу даних та інтеграції алгоритмів машинного навчання для підтримки прийняття оптимальних рішень. Висновки. Отримані результати демонструють ефективність застосування розробленої платформи, що дозволяє адаптивно реагувати на зміни ринкових умов та підвищувати конкурентоспроможність агропромислових підприємств. Чисельне моделювання підтвердило можливість оптимізації виробничих процесів через циклічну корекцію інвестицій, що позитивно впливає на обсяг виробництва, якість продукції та рівень ринкового попиту. Запропонована система має високий потенціал для практичного впровадження в аграрному секторі, а також відкриває перспективи подальших досліджень у сфері цифровізації управління економічними процесами.
Посилання
Дригола К. В., Вертелецька О. М., Бойко В. В. Агропромисловий комплекс України в контексті виходу на міжнародний ринок. Економічний простір. 2019. № 146. С. 5–19.
Волікова В. В. Управління конкурентоспроможністю продукції українських товаровиробників на світовому ринку. Молодіжний економічний вісник ХНЕУ ім. С. Кузнеця : електронний журнал. 2021. № 6. С. 39–43.
Кравець М. А., Гріховодов М. С., Казакова Н. А. АПК України на сучасному етапі розвитку (стан і перспективи). Науковий вісник Херсонського державного університету. 2015. Вип. 13. Ч. 1. С. 22–28.
Дергалюк М. О. PEST–аналіз факторів зовнішнього впливу на розвиток АПК регіонів. Проблеми і перспективи економіки та управління. 2021. № (2(10). С. 148–152.
Антонюк Г. Я., Панюра Г. Я. Проблеми розвитку АПК на сільських територіях Львівщини. Соціально-економічні проблеми сучасного періоду України. 2013. Вип. 6 (104). С. 220–228.
Стоволос Н. Б. Модель формування загальнодержавної системи виробництва органічної продукції. Вісник ЖДТУ. Серія : Економічні науки. 2014. № 4 (70). С. 98–102.
Малік М. Й., Шпикуляк О. Г. Розвиток аграрного підприємництва в умовах інституціональних трансформацій. Економіка АПК. 2017. № 2. С. 5–16.
Козловський С. В., Козловський В. О., Бурлака О. М. Стійкість розвитку аграрної галузі регіону як чинник економічного зростання України. Економіка України. 2014. № 9(634). С. 59–73.
MLP (multi-layer perceptron) and RBF (radial basis function) neural network approach for estimating and optimizing 6-gingerol content in Zingiber officinale Rosc. in different agro-climatic conditions / M. Sahoo, S. Dey, S. Sahoo, A. Das, A. Ray, S. Nayak, E. Subudhi. Industrial Crops and Products. 2023. Vol. 198. 116658.
Souza P. R., Dotto G. L., Salau N. P. G. Artificial neural network (ANN) and adaptive neuro-fuzzy interference system (ANFIS) modelling for nickel adsorption onto agro-wastes and commercial activated carbon. Journal of Environmental Chemical Engineering. 2018. Vol. 6. Iss. 6. P. 7152–7160.