Research indexJournal article
Формализация хрупкости транспортно-логистических систем и архитектура предиктивно-тянущего управления запасами
Пивоваров, Гашкова
Herald of the Ural State University of Railway Transport13 Aug 2026
NobleIDark:/48914/w1/20261105/8C6CB17BDOI10.20291/2079-0392-2026-2-114-126
Формализация хрупкости транспортно-логистических систем и архитектура предиктивно-тянущего управления запасами
Пивоваров, Гашкова · Herald of the Ural State University of Railway Transport · 2026 · Subscription
NobleIDark:/48914/w1/20261105/8C6CB17BDOI10.20291/2079-0392-2026-2-114-126
The full text is at the publisher
You can read the abstract here, or open it at the publisher.
Abstract
В статье анализируются ограничения традиционных тянущих систем в условиях стохастичности современных цепей поставок. Формализуется авторское понятие хрупкости транспортно-логистических систем как структурной уязвимости к нелинейным возмущениям. Предложена концепция предиктивно-тянущего управления запасами, базирующаяся на замещении физических активов цифровым буфером. Предложена архитектура системы с использованием нейронных сетей класса Transformer и методов обучения с подкреплением (алгоритм PPO класса Actor-Critic). Результаты исследования обеспечивают переход к проактивным моделям управления и формируют теоретический базис для последующей программной реализации и эмпирической верификации модели на реальных данных. The article analyzes the limitations of traditional pulling systems in the context of the stochasticity of modern supply chains. The author formalizes the concept for fragility of transport and logistics systems as a structural vulnerability to nonlinear disturbances. The concept of predictive-pull inventory management based on the replacement of physical assets with a digital buffer is proposed. The architecture of the system using Transformer class neural networks and reinforcement learning methods (Actor-Critical class PPO algorithm) is proposed. The results of the study provide a transition to proactive management models and form a theoretical basis for subsequent software implementation and empirical verification of the model based on real data.