Детальная информация

Цель работы – разработка и программная реализация комплексной методики выявления и предиктивного устранения узких мест во внутренней логистике на основе анализа потоковых данных. Предмет исследования – математические модели и архитектурные паттерны программной обработки потоковых данных для графовой диагностики и предиктивного выявления логистических узких мест. В работе спроектирована микросервисная архитектура приёма телеметрии на FastAPI и PostgreSQL 16, разработано аналитическое ядро на Pandas и NetworkX с метрикой посреднической центральности, построена LSTM-модель прогнозирования заторов с горизонтом 15 минут, реализованы модули оптимизации флота погрузчиков (Erlang-C с MFD-демпфированием) и интерактивный дашборд на Streamlit. Результаты работы могут быть использованы в распределительных центрах для проактивного предотвращения заторов, оптимизации маршрутов погрузочной техники и снижения времени цикла обработки заказов.

The purpose of the work is the development and software implementation of an integrated methodology for detection and predictive elimination of bottlenecks in internal logistics based on stream data analysis. The subject of research is mathematical models and architectural patterns for software processing of streaming data for graphbased diagnostics and predictive identification of logistics bottlenecks. The work delivers a microservice telemetry ingestion architecture built on FastAPI and PostgreSQL 16, an analytical core on Pandas and NetworkX using betweenness centrality, an LSTM-based predictive model with a 15-minute horizon, fleet optimization modules (Erlang-C with MFD damping) and an interactive Streamlit dashboard. The results can be used in distribution centers to proactively prevent bottlenecks, optimize forklift routing and reduce order processing cycle time.