Optimization of resource allocation in the transport system

Capa

Citar

Texto integral

Resumo

Background. The study considers the problem related to the distribution of resources within the transport system. It shows how a multi-criteria model is formed. A short-term (current allocation of resources) and a long-term (strategic allocation of resources) task is highlighted. The substantiation of the use of a multi-criteria approach is given. The structure of the transport system is presented in the form of a graph. The principles of resource allocation in the transport system under various conditions are considered in detail. The features of solving the problem related to the optimization of the transport system from the point of view of the distribution of interdependent limited resources are considered. The proposed approaches are universal, allowing you to consider the features of various transport companies.

Purpose. Development of a model that allows optimizing the distribution of resources within the transport system.

Materials and methods. The main research methods are related to the application of graph theory and the multi-criteria model.

Results. In the paper, the basic principles and features of the distribution of resources in the transport system are considered in detail. Due to the invariance of the models used, they can be used in a variety of transport companies, it is only necessary to configure the appropriate parameters. The results of the work can be used in logistics companies to improve the efficiency of their work.

Sobre autores

Andrey Preobrazhenskiy

Voronezh Institute of High Technologies

Autor responsável pela correspondência
Email: app@vivt.ru
ORCID ID: 0000-0002-6911-8053
Código SPIN: 2758-1530
Scopus Author ID: 14122417700
Researcher ID: A-5832-2019

Doctor of Technical Sciences, Professor, Professor of the Department of Information Systems and Technologies

 

Rússia, 73a, Lenin Str., Voronezh, 394043, Russian Federation

Tatyana Avetisyan

College of Voronezh Institute of High Technologies

Email: vtatyana_avetisyan@mail.ru
ORCID ID: 0000-0003-3559-6070
Código SPIN: 3062-9901
Scopus Author ID: 58079888600

teacher

 

Rússia, 73a, Lenin Str., Voronezh, 394043, Russian Federation

Yakov Lvovich

Voronezh Institute of High Technologies

Email: office@vivt.ru
ORCID ID: 0000-0002-7051-3763
Código SPIN: 9029-3251
Scopus Author ID: 57193738839

Doctor of Technical Sciences, Professor, Professor of the Department of Information Systems and Technologies

 

Rússia, 73a, Lenin Str., Voronezh, 394043, Russian Federation

Bibliografia

  1. Dunaenko, N. A., & Kudryavtseva, T. Yu. (2022). Resource management and digitalization of transport logistics. Economic Sciences, 4(209), 81–89. https://doi.org/10.14451/1.209.80. EDN: https://elibrary.ru/GDAIEF
  2. Mirkina, O. N. (2024). Digitalization in the activities of Russian transport enterprises. Transportation and Information Technologies in Russia, 14(2), 145–157. https://doi.org/10.12731/2227-930X-2024-14-2-317. EDN: https://elibrary.ru/OEOUCC
  3. Maltseva, M. V. (2018). Human resource management in the quality management system of a transport enterprise. Bulletin of the University, 2, 64–69. https://doi.org/10.26425/1816-4277-2018-2-64-69. EDN: https://elibrary.ru/YUPHVX
  4. Konovalova, T. V., Dombrovsky, A. N., Nadiryan, S. L., & Kotsurba, S. V. (2024). Formation and ways to optimize transport costs of a manufacturing enterprise. Transportation and Information Technologies in Russia, 14(2), 169–180. https://doi.org/10.12731/2227-930X-2024-14-2-283. EDN: https://elibrary.ru/JCLRUR
  5. Karagodin, V. I. (2024). Distribution of ground transport and transport-technological means across facilities and types of work considering their technical condition. Transportation and Information Technologies in Russia, 14(3), 77–99. https://doi.org/10.12731/2227-930X-2024-14-3-309. EDN: https://elibrary.ru/SFOAPK
  6. Korol, R. G. (2024). Modeling transport processes in the formation and development of cross-border infrastructure. Transportation and Information Technologies in Russia, 14(4), 134–153. https://doi.org/10.12731/2227-930X-2024-14-4-323. EDN: https://elibrary.ru/LTYYNJ
  7. Tunik, A., & Sushchenko, O. (2013). Usage of vector parametric optimization for robust stabilization of ground vehicles information measuring devices. Proceedings of National Aviation University, 4(57), 23–32. EDN: https://elibrary.ru/RTUFUX
  8. Dandanyan, A. N., Khaidarova, L. A., & Kurganova, M. V. (2020). Solving nonlinear programming problems under Kuhn-Tucker conditions. Science of the XXI Century: Current Development Trends, 1–2, 24–27. EDN: https://elibrary.ru/JLDZQK
  9. Zastavny, V. P., & Savchuk, V. V. (2011). Approximation of convolution classes by linear operators of a special type. Mathematical Notes, 90(3), 351–361. https://doi.org/10.4213/mzm8545. EDN: https://elibrary.ru/RLRHON
  10. Fomicheva, I. V., Yudina, O. V., & Polyakov, D. V. (2024). Expert assessment of the relative responsibility of the manager in the execution of business plan subsystems. Scientific Research and Development. Economics, 12(1), 36–40. https://doi.org/10.12737/2587-9111-2024-12-1-36-40. EDN: https://elibrary.ru/VBAGYC

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © Preobrazhenskiy A.P., Avetisyan T.V., Lvovich Y.E., 2025

Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–NãoComercial–SemDerivações 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».