ОСНОВЫ РЕСУРСОСБЕРЕГАЮЩИХ ТЕХНОЛОГИЙ ХРАНЕНИЯ И ПЕРЕРАБОТКИ ЗЕРНА
##article.abstract##
Ресурсосбережение – совокупность мер по бережливому и эффективному использованию фактов производства (капитала, земли, труда). Обеспечивается это посредством использования ресурсосберегающих и энергосберегающих технологий; снижения фондоемкости и материалоемкости продукции; повышения производительности труда; сокращения затрат живого и овеществленного труда; повышения качества продукции; рационального применения труда менеджеров и маркетологов; использования выгод международного разделения труда и др. Ресурсосбережение, несомненно, способствует росту эффективности экономики, повышению ее конкурентоспособности. В процессе хозяйственной деятельности ресурсы предприятия занимают одно из центральных мест, поэтому вопрос ресурсосбережения и определения оптимального соотношения ресурсов в зерноперерабатывающих предприятиях очень актуален в настоящее время. Финансовая политика в области ресурсов направлено воздействует на долговременное состояние предприятия, а также определяет его текущее состояние. Она диктует тенденции экономического развития, перспективный уровень научно-технического прогресса, состояние производственных мощностей предприятия. В непростых условиях становления российской экономики максимально повысился интерес к проблеме эффективного и рационального использования ресурсов предприятия. Оптимизация управленческих решений в области ресурсов требует пристального внимания к вопросам оценки эффективного анализа будущего положения. Особенности финансовой политики предприятия говорят о необходимости всесторонней комплексной экономической оценки различных вариантов использования ресурсов. В свою очередь, выбор наиболее подходящей стратегии зависит от реальных экономических условий, которые требуют гибкого изменения сложившейся практики управления финансами предприятия для нормализации всего производственного процесса.
##submission.citations##
1. Astrom, K. J., & Wittenmark, B. Adaptive Control, 2nd Edition, Addison-Wesley
2. Sutton, R. S., & Barto, A. G. Reinforcement Learning: An Introduction, MIT Press
3. Goodfellow, I., Bengio, Y., & Courville, A. Deep Learning, MIT Press, 2016.
4. Haykin, S. Neural Networks and Learning Machines, 3rd Edition, Pearson, 2009.
5. Kutz, J. N. Data-Driven Modeling & Scientific Computation: Methods for Complex Systems & Big Data, Oxford University Press, 2013.
6. Russell, S., & Norvig, P. Artificial Intelligence: A Modern Approach, 3rd Edition, Prentice Hall, 2010.
7. Yang, C., Wang, J., & Li, X. IoT-Based Intelligent Control Systems for Industrial Applications, Springer, 2020.
8. Dounis, A. I. Artificial Intelligence for Energy Conservation in Buildings, Elsevier
9. Patil, R. A., & Rane, R. A. Optimization Algorithms for Smart Manufacturing Systems, CRC Press, 2021.
10. Rahmat, M. F., Wahyudi, & Ahmad, I. Adaptive and Intelligent Control of Industrial Systems, Springer, 2016.
11. LeCun, Y., Bengio, Y., & Hinton, G. Deep Learning, Nature, 2015.
12. Bishop, C. M. Pattern Recognition and Machine Learning, Springer, 2006.
13. Zadeh, L. A. Fuzzy Sets, Information and Control, 1965.
14. Bolzern, P., Spinelli, W. Adaptive Control of Industrial Processes, IEEE Transactions, 2003.
15. Monostori, L. AI and Machine Learning in Smart Manufacturing, CIRP Annals, 2018.
16. Юсупов, М. Т., & Сабиров, У. К. (2019). ОПТИМИЗАЦИЯ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА СУШКИ ВИНОГРАДА. In Высшая школа: научные исследования (pp. 124-127).
https://elibrary.ru/item.asp?id=41307473
17. Yusupov, A. A., Sabirov, U. K., Begijonov, M. S., & Valiyev, D. H. (2023). Analysis of common errors and methods of calibration of ultrasonic level meter. In E3S Web of Conferences (Vol. 402, p. 03051). EDP Sciences. https://www.e3s-conferences.org/articles/e3sconf/abs/2023/39/e3sconf_transsiberia2023_03051/e3sconf_transsiberia2023_03051.html
18. Сабиров, У. К. (2020). Интегрированные функциональные комплексы систем управления. Universum: технические науки, (11-1 (80)), 36-38. https://cyberleninka.ru/article/n/integrirovannye-funktsionalnye-kompleksy-sistem-upravleniya
19. Сабиров, У. К. (2019). ПРИМЕНЕНИЕ ФОРСАЙТ-ТЕХНОЛОГИЙ ДЛЯ
СТРАТЕГИЧЕСКОГО ПЛАНИРОВАНИЯ РАЗВИТИЯ НАУЧНОГО ПОТЕНЦИАЛА ВУЗА. In Высшая школа: научные исследования (pp. 98-100). https://elibrary.ru/item.asp?id=44197410
20. Сабиров, У., & Рустамова, С. (2021). Анализ факторов, определяющих эффективность управленческих решений. Экономика и инновационные технологии, (6), 110-117.
https://inlibrary.uz/index.php/economics_and_innovative/article/view/12187
21. Сабиров, У. К., & Уришев, Б. А. (2019). К ВОПРОСУ О СТРАТЕГИЧЕСКОМ ПЛАНИРОВАНИИ РАЗВИТИЯ НАУЧНОГО ПОТЕНЦИАЛА ВУЗА. Интернаука, (43-1), 58-60. https://elibrary.ru/item.asp?id=41396356
22. Ulugbek, S., & Azizbek, O. (2024). SUT MAHSULOTLARINI SIFATILI SAQLASHNING NOQAT'IY MANTIQQA ASOSLANGAN TIZIMINI ISHLAB CHIQISH. FAN, JAMIYAT VA INNOVAYSIYALAR, 2(14), 31-38. http://humoscience.uz/index.php/fji/article/view/13
23. Сабиров, У. (2024). BOSHQARUV TIZIMINING BARQARORLIK MEZONLARI VA KO ‘RSATKICHLARI. Научно-технический журнал «Машиностроение», (2), 46-57.
https://journal.andmiedu.uz/index.php/mashinasozlik/article/view/71
