Как ИИ и математика помогают решать задачи железнодорожной логистики
В НИИАС прошло заседание Научно-технического совета института, посвящённое применению машинного обучения и математического моделирования в логистике и организации перевозочного процесса. В обсуждении приняли участие специалисты НИИАС, Центра инжиниринга перспективных технологий МГУ, Департамента квантовых коммуникаций, Центральной дирекции закупок и снабжения.
➡️ Одна из тем - математические модели для управления поставками. Эксперты НИИАС представили модель оптимизации поставок щебня непосредственно к местам ремонтно-путевых работ, а также модель логистической цепочки поставок материально-технических ресурсов на полигоне Приволжской железной дороги.
Отдельный блок посвятили искусственному интеллекту. Участники обсудили применение машинного обучения для прогнозирования деградации верхнего строения пути и использование ИИ для прогнозирования времени следования поездов на сети РЖД.
▫️Ещё одно направление - квантовые вычисления. Эксперты рассмотрели возможности квантового и квантово-подобного отжига для решения логистических задач, а также практические перспективы применения квантовых вычислений на железнодорожном транспорте.
Обсуждение объединило разные подходы к одной задаче - поиску более эффективных инструментов для планирования поставок, содержания инфраструктуры и организации движения поездов.
#технологииНИИАС
В НИИАС прошло заседание Научно-технического совета института, посвящённое применению машинного обучения и математического моделирования в логистике и организации перевозочного процесса. В обсуждении приняли участие специалисты НИИАС, Центра инжиниринга перспективных технологий МГУ, Департамента квантовых коммуникаций, Центральной дирекции закупок и снабжения.
➡️ Одна из тем - математические модели для управления поставками. Эксперты НИИАС представили модель оптимизации поставок щебня непосредственно к местам ремонтно-путевых работ, а также модель логистической цепочки поставок материально-технических ресурсов на полигоне Приволжской железной дороги.
Отдельный блок посвятили искусственному интеллекту. Участники обсудили применение машинного обучения для прогнозирования деградации верхнего строения пути и использование ИИ для прогнозирования времени следования поездов на сети РЖД.
▫️Ещё одно направление - квантовые вычисления. Эксперты рассмотрели возможности квантового и квантово-подобного отжига для решения логистических задач, а также практические перспективы применения квантовых вычислений на железнодорожном транспорте.
Обсуждение объединило разные подходы к одной задаче - поиску более эффективных инструментов для планирования поставок, содержания инфраструктуры и организации движения поездов.
#технологииНИИАС