Миварная система обработки информации и принятия решений для группового управления гетерогенными складскими роботами

<jats:p>В статье рассматривается проблема группового управления функционально гетерогенными складскими роботами – роботами-погрузчиками (РП), роботами-транспортировщиками (РТ) и роботами-разгрузчиками (РР). Целью исследования является разработка миварной системы обработки информации и принятия решений, обеспечивающей динамическую классификацию транспортных задач, выбор исполнителей по критерию совместимости и адаптивное управление энергетическими ресурсами парка при сохранении линейной вычислительной сложности логического вывода и полной объяснимости решений. Предложена классификация транспортных задач на три типа – индивидуальную, кооперативную и коллективную транспортировку – на основе системы булевых индикаторов, динамического приоритета и проверки габаритно-весовых ограничений. Для коллективной транспортировки разработан механизм пространственной кластеризации грузов с двухрежимной маршрутной оптимизацией (полный перебор и комбинация ближайшего соседа с 2-opt). Для кооперативной транспортировки крупногабаритных грузов введён аукционный механизм формирования команд РТ, минимизирующий составную целевую функцию с учётом избыточности грузоподъёмности, гетерогенности скоростей и путевых затрат. Для каждого типа роботов сформулированы уравнения состояния, работоспособности и энергетической достаточности. Математическая модель преобразована в миварную базу знаний из 302 правил «ЕСЛИ–ТО» и верифицирована на платформе КЭСМИ. Новизна работы состоит в одновременном учёте функциональной гетерогенности парка, трёхкатегорийной классификации задач и адаптивного энергетического управления в рамках единой миварной базы знаний – аспектов, ранее рассматривавшихся изолированно. Экспериментальная проверка на имитационной системе (склад 1000×1000 м, 140 роботов, 300 задач) показала коэффициент выполнения задач 98,9–99,9 %, что на 14–18 п.п. превышает базовые алгоритмы. Метод сохраняет работоспособность при отказе до 30 % роботов и при увеличении доли кооперативных задач до 30 %.</jats:p> <jats:p>This paper addresses the problem of group control of functionally heterogeneous warehouse robots – loading robots (LR), transport robots (TR), and unloading robots (UR). The aim is to develop a Mivar-based information processing and decision-making system that provides dynamic classification of transport tasks, executor selection via a compatibility criterion, and adaptive fleet energy management while preserving linear inference complexity and full decision explainability. A three-category task classification – individual, cooperative, and collective transportation – is proposed, implemented through Boolean indicators, dynamic priority computation, and dimensional-weight constraint verification. For collective transportation, a spatial clustering mechanism with dual-mode route optimization (exhaustive search and nearest-neighbor combined with 2-opt) is developed. For cooperative transportation of oversized cargo, a combinatorial auction mechanism for TR team formation is introduced, minimizing a composite cost function accounting for payload redundancy, speed heterogeneity, and travel costs. State, operability, and energy sufficiency equations are formulated for each robot type. The mathematical model is transformed into a Mivar knowledge base of 302 IF-THEN rules and verified on the KESMI platform. The novelty lies in the simultaneous integration of fleet functional heterogeneity, three-category task classification, and adaptive energy management within a unified Mivar knowledge base – aspects previously addressed only in isolation. Experimental validation on a simulation system (1000×1000 m warehouse, 140 robots, 300 tasks) demonstrated a task completion rate of 98.9–99.9%, exceeding baseline Nearest Neighbor and Greedy algorithms by 14–18 percentage points. The method maintains operability under failure of up to 30% of robots and with cooperative task shares reaching 30%.</jats:p>