|
DOI: 10.14489/vkit.2026.10.pp.012-020
Бурцев Д. В., Ершова И. В.
АРХИТЕКТУРА И ПРИНЦИПЫ ФУНКЦИОНИРОВАНИЯ ПРОГРАММНО-МЕТОДИЧЕСКОГО ОБЕСПЕЧЕНИЯ УПРАВЛЕНИЯ КОНТРАКТНЫМ ПРОИЗВОДСТВОМ
(с. 12-20)
Аннотация. Контрактное производство позволяет предприятиям, не имеющим необходимой инфраструктуры или мощностей, воспользоваться ресурсами и опытом профессионального производителя. Такой вид аутсорсинга позволяет избежать сложностей, связанных с управлением заводом, увеличить мощности существующих линий или добиться большей экономии за счет масштаба производства. В условиях современной динамичной бизнес-среды и при наличии высокого уровня неопределенности выбор контрактного производителя является непростой задачей. Основная цель программной реализации – снижение уровня информационной асимметрии между участниками контрактного производства за счет интеграции данных, обеспечения их трассируемости и внедрения интеллектуальной поддержки принятия решений. С учетом этих факторов формализованы архитектура и принципы функционирования программно-методического обеспечения управления контрактным производством. Их апробация подтвердила практическую применимость программно-методического обеспечения и его эффективность в снижении рисков, связанных с асимметрией информации, а также в повышении обоснованности управленческих решений при выборе контрактного производителя.
Ключевые слова: контрактный производитель; неопределенность; принятие решений; алгоритм; программный комплекс; точность; данные.
Burtsev D. V., Yershova I. V.
ARCHITECTURE AND PRINCIPLES OF FUNCTIONING OF SOFTWARE AND METHODOLOGICAL SUPPORT FOR CONTRACT PRODUCTION MANAGEMENT
(pp. 12-20)
Abstract. Contract manufacturing enables companies lacking the necessary infrastructure or capacity to draw on the resources and expertise of a professional manufacturer. This form of outsourcing helps to avoid the complexities associated with managing a factory, increase the capacity of existing production lines, or achieve greater economies of scale. However, selecting a contract manufacturer is no easy task, particularly in today’s dynamic business environment and given the high level of uncertainty. The primary objective of the software implementation is to reduce the level of information asymmetry between the parties involved in contract manufacturing by integrating data, ensuring its traceability, and introducing intelligent decision-making support. In view of the above, this article formalises the architecture and operating principles of the software and methodological framework for managing contract manufacturing. Testing of the authors’ proposal has confirmed the practical applicability of the software and methodological support and its effectiveness in reducing risks associated with information asymmetry, as well as in improving the soundness of management decisions when selecting a contract manufacturer.
Keywords: Contract manufacturer; Uncertainty; Decision-making; Algorithm; Software package; Accuracy; Data.
Д. В. Бурцев (ООО «Проектно-инжиниринговая компания «Корунд», Москва, Россия)
И. В. Ершова (Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, Екатеринбург, Россия) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
D. V. Burtsev (LLC “Design and engineering company “Korund”, Moscow, Russia)
I. V. Yershova (Ural Federal University named after the first President of the Russian Federation B. N. Yeltsin, Yekaterinburg, Russia) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
1. Пономарева С. В., Винокур И. Р. Имитационное моделирование оценки экономической эффективности системы управления знаниями и производственными бизнес-процессами промышленного предприятия // Экономика и управление: проблемы, решения. 2025. Т. 16, № 1. С. 36–45.
2. Халтурин Р. А., Судоргин Р. О. Теоретическое обоснование модели поиска оптимальных решений в сложных системах управления ресурсами // International Journal of Advanced Studies. 2025. Т. 15, № 1. С. 214–233.
3. Rafiq Ahmad Khan. A Fuzzy-AHP Decision-Making Framework for Optimizing Software Maintenance and Deployment in Information Security Systems // Journal of Software: Evolution and Process. 2025. Vol. 37. Is. 1. Р. 4–9.
4. Pavel Novoa-Hernández, David A. Pelta Helping to Choose a Robust Alternative: A Sensitivity Analysis and a Software Tool for Multi-Criteria Decision-Making // Expert Systems. 2025. Vol. 42. Is. 4. Р. 3–5.
5. Бржозовский Б. М., Мартынов В. В. Создание и развитие высоконадежных информационно-управляющих систем с элементами искусственного интеллекта для перспективных технологических комплексов // Наукоемкие технологии в машиностроении. 2024. № 7(157). С. 34–42.
6. Conrad Kabali AppRaise: Software for Quantifying Evidence Uncertainty in Systematic Reviews Using a Posterior Mixture Model // Journal of Evaluation in Clinical Practice. 2025. Vol. 31. Is. 6. Р. 78–84.
7. Иващук О. А., Ольшанский А. М. Применение контролируемых алгоритмов для автоматизации построения расписаний // Вестник компьютерных и информационных технологий. 2026. № 2. С. 35–45.
8. Merve Özdeş Demir, Oumout Chouseinoglou. Factors affecting architectural decision-making process and challenges in software projects: An industrial survey // Journal of Software: Evolution and Process. 2024. Vol. 36. Is. 10. Р. 12–19.
9. Лопатин Д. В. Влияние информационных технологий на принятие решений в условиях неопределенности // Вестник науки. 2024. Т. 3, № 5(74). С. 1136–1141.
10. Трифонов П. В. Применение моделей машинного обучения и больших данных для повышения эффективности и инновационного развития промышленных предприятий // Кузнечно-штамповочное производство. Обработка материалов давлением. 2024. № 12. С. 59–66.
11. Javid Ali Liakath. Deadline-Aware Task Scheduling in Fog-Cloud Computing Using Multi-Agent Reinforcement Learning and Software-Defined Network Security // Concurrency and Computation: Practice and Experience. 2025. Vol. 37. Is. 25–26. Р. 56–63.
12. Юртаев А. Г. Обоснование целесообразности применения эвристических алгоритмов при решении задач многокритериальной оптимизации методом поиска Парето-фронта // Вестник компьютерных и информационных технологий. 2026. № 1. С. 3–11.
13. Ибрагимов Д. Н., Кибзун А. И. Программная реализация алгоритмов решения задачи быстродействия для линейных систем с дискретным временем // Вестник компьютерных и информационных технологий. 2025. № 3. С. 12–20.
1. Ponomareva, S. V., & Vinokur, I. R. (2025). Simulation modeling of assessing economic efficiency of knowledge management and production business processes of an industrial enterprise. Ekonomika i upravlenie: problemy, resheniya, 16(1), 36–45. [in Russian language].
2. Khalturin, R. A., & Sudorgin, R. O. (2025). Theoretical justification of a model for finding optimal solutions in complex resource management systems. International Journal of Advanced Studies, 15(1), 214–233. [in Russian language].
3. Khan, R. A. (2025). A fuzzy-AHP decision-making framework for optimizing software maintenance and deployment in information security systems. Journal of Software: Evolution and Process, 37(1), 4–9.
4. Novoa Hernández, P., & Pelta, D. A. (2025). Helping to choose a robust alternative: A sensitivity analysis and a software tool for multi-criteria decision-making. Expert Systems, 42(4), 3–5.
5. Brzhozovsky, B. M., & Martynov, V. V. (2024). Creation and development of highly reliable information-control systems with elements of artificial intelligence for advanced technological complexes. Naukoemkie tekhnologii v mashinostroenii, (7), 34–42. [in Russian language].
6. Kabali, C. (2025). AppRaise: Software for quantifying evidence uncertainty in systematic reviews using a posterior mixture model. Journal of Evaluation in Clinical Practice, 31 (6), 78–84.
7. Ivashchuk, O. A., & Olshansky, A. M. (2026). Application of supervised algorithms for automating schedule construction. Vestnik komp'yuternykh i informatsionnykh tekhnologiy, (2), 35–45. [in Russian language].
8. Demir, M. Ö., & Chouseinoglou, O. (2024). Factors affecting architectural decision making process and challenges in software projects: An industrial survey. Journal of Software: Evolution and Process, 36(10), 12–19.
9. Lopatin, D. V. (2024). Influence of information technologies on decision-making under uncertainty. Vestnik nauki, 3(5), 1136–1141. [in Russian language].
10. Trifonov, P. V. (2024). Application of machine learning models and big data to improve efficiency and innovative development of industrial enterprises. Kuznechno-shtampovochnoe proizvodstvo. Obrabotka materialov davleniem, (12), 59–66. [in Russian language].
11. Liakath, J. A. (2025). Deadline aware task scheduling in fog-cloud computing using multi-agent reinforcement learning and software-defined network security. Concurrency and Computation: Practice and Experience, 37(25–26), 56–63.
12. Yurtaev, A. G. (2026). Justification of the feasibility of using heuristic algorithms in solving multi-criteria optimization problems by the Pareto front search method. Vestnik komp'yuternykh i informatsionnykh tekhnologiy, (1), 3–11. [in Russian language].
13. Ibragimov, D. N., & Kibzun, A. I. (2025). Software implementation of algorithms for solving the speed problem for linear discrete-time systems. Vestnik komp'yuternykh i informatsionnykh tekhnologiy, (3), 12–20. [in Russian language].
|
Current Issue
Разработка концепции и создание сайта - ООО «Издательский дом «СПЕКТР»