Досліджено питання підвищення ефективності процесів технологічної підготовки гнучкого виробництва, зокрема, за рахунок автоматизації прийняття рішень у разі вибору засобів упорядкування середовища (ЗУС) в таких системах. Запропоновано новий підхід до автоматизації процесу керування вибором ЗУС на основі нейро-фаззі технології, що дозволяє враховувати нечіткість і лінгвістичні невизначеності в описах складових задачі, зокрема, об'єктів виробництва за їх ідентифікації й узгодженні з ЗУС. Для уніфікації процедур прийняття рішень в гнучких комп'ютерно-інтегрованих системах (ГКІС) надано концепцію єдиного семантично-узгодженого середовища прийняття рішень та агентно-орієнтований підхід до її реалізації. Розроблено методику автоматизованого вибору ЗУС з урахуванням лінгвістичних невизначеностей та створено нейро-фаззі модель узгодження компонентів структури задачі вибору складу технологічного оснащення для ГКІС. Створено організаційну структуру й алгоритмічне забезпечення системи підтримки прийняття рішень для автоматизації процесу керування вибором складу системи упорядкування середовища.

Розроблено базові чотирирівневі структури ІАСУ для підприємства та п'ятирівневі структури для підприємств регіону. Показано, що в основу розроблення сучасних ІАСУ покладено системну інтеграцію, яка грунтується на системному підході, який охоплює всі рівні інтеграції процесів, об'єктів, суб'єктів та інфраструктури, враховуючи вимоги конкретного застосування та ефективності їх застосування. Визначено завдання та сформовано вимоги до інтелектуальних компонентів ІАСУ, розкрито особливості інтелектуального аналізу, задач видобування даних і типи закономірностей, які можна виявити за цими методами. Розглянуто роботу машини опорних векторів і визначено математичні операції, на яких грунтується її робота. Проаналізовано вибрані архітектури нейронних мереж для реалізації інтелектуальних компонентів ІАСУ. Розглянуто нейропарадигми, які найчастіше використовують під час інтелектуального аналізу даних. Розроблено інтелектуальні компоненти попереднього опрацювання та оцінювання даних в ІАСУ. Висвітлено підходи до розроблення інтелектуальних компонентів ІАСУ для розв'язання задачі класифікації на основі нейронних мереж та машини геометричних перетворень. Розроблено архітектуру нейромережевого комплексу для прогнозування часових послідовностей. Визначено множину необхідних параметрів налагодженя та сукупність внутрішніх і зовнішніх критеріїв для синтезу автоасоціативної нейронної мережі оптимальної складності та оцінювання якості її функціонування, вироблено практичні рекомендації зі здійснення оптимізованої процедури налагодження.