В статье решается актуальная проблема управления распределенными организационными системами складского типа (РОСС-СТ) в условиях экстремальной энтропии среды, характерной для современной электронной коммерции. Показано, что традиционные методы дискретно-событийного и агентного моделирования сталкиваются с вычислительным «проклятием размерности» и эффектом отложенной реактивности, что исключает их прямое применение для управления логистическими сетями в режиме реального времени. На основе интеграции системного анализа и теории активных систем предложена математическая формализация и декомпозиция совокупного вектора неопределенности на три базовые компоненты: внешнюю стохастическую, внутреннюю технологическую и поведенческую (субъективную). Главным результатом исследования является разработка структурно-функциональной архитектуры гибридной интеллектуальной системы управления на базе динамического цифрового двойника организации. Описана работа трех взаимосвязанных контуров (предиктивно-аналитического, динамической диспетчеризации и адаптивно-мотивационного), в которых тяжеловесные пошаговые симуляции замещаются быстродействующими нейросетевыми суррогатными моделями. Обосновано, что предложенный подход обеспечивает миллисекундное перестроение бесконфликтных траекторий сборки и позволяет осуществлять непрерывную косвенную идентификацию латентных состояний персонала (уровня утомляемости и мотивации), эффективно минимизируя информационную асимметрию и оппортунистическое поведение агентов.
The article addresses the urgent problem of managing distributed warehouse-type organizational systems under conditions of extreme environmental entropy typical for modern e-commerce. It is shown that traditional discrete-event and agent-based modeling methods face the computational "curse of dimensionality" and delayed reactivity, precluding their direct application for real-time logistics network control. Based on the integration of systems analysis and the theory of active systems, mathematical formalization and decomposition of the aggregate uncertainty vector into three basic components is proposed: external stochastic, internal technological, and behavioral (subjective). The main result of the study is the development of structural and functional architecture for a hybrid intelligent control system based on a dynamic digital twin of the organization. The operation of three interconnected loops (predictive-analytical, dynamic dispatching, and adaptive-motivational) is described, where heavy step-by-step simulations are replaced by high-speed neural network surrogate models. It is substantiated that the proposed approach provides sub-millisecond rebuilding of conflict-free picking trajectories and enables continuous indirect identification of latent personnel states (fatigue and motivation levels), effectively minimizing information asymmetry and opportunistic agent behavior.
The authors declare that there are no conflicts of interest present.