SCI Библиотека

Темой исследования являются большие системы водного транспорта, в частности порты, судоходные компании, судостроительные и судоремонтные предприятия, логистические центры, шлюзованные судоходные каналы, регулируемые внутренние водные пути, которые как объекты автоматизированного управления предъявляют следующие требования к его надежности: обеспечение на необходимом уровне безопасности и надежности отдельных технических узлов и подсистем и информационных потоков, циркулирующих в человеко-машинном контуре управления в условиях нарастающей цифровизации транспорта (аналогичное требование должно быть установлено для разрабатываемого программного обеспечения); использование облачных технологий хранения больших данных, что требует учета на стадии проектирования защитных мероприятий как технического, так и алгоритмического характера; разработка на стадии проектирования методики обобщенной интегрированной прогнозной оценки надежности АСУ как основы рассмотрения альтернативных вариантов ее структуры и состава ввиду функциональной разнородности широкого спектра технических устройств, входящих как в субъект, так и в объект управления. Отмечается, что при этом должна быть учтена высокая подверженность объектов воднотранспортной системы многообразным рискам и уязвимостям, как сезонным, так и постоянно действующим (тем самым определяется актуальность разработки метода построения интегральной оценки надежности АСУ для объектов водного транспорта как цели исследования). В рамках общей задачи предлагается решение следующих вопросов: определение размерности и структуры интегрального показателя; включение качественно описываемых уязвимостей, имманентно присущих объекту управления и контуру управления; построение математической модели функционирования проектируемой АСУ; построение на этой основе имитационной модели управления с целью анализа «узких мест», в наибольшей степени влияющих на ухудшение оценки; использование теоретико-вероятностной методики активного управления рисками на стадии рассмотрения альтернативных вариантов отдельных частей проекта. Методологическую основу исследования составляют общие положения прикладной теории вероятностей, теория планирования эксперимента на имитационной модели, оптимизация проектного показателя надежности средствами математического программирования. Результатом работы является метод построения интегрального показателя проектной надежности контура автоматизированного управления для больших систем водного транспорта, агрегирующего вероятности проявления разнородных уязвимостей технических узлов, информационных уязвимостей в точках выхода в облачную среду и потенциальных ошибок в программном обеспечении.

Целью настоящей работы является исследование методов моделирования и формализованного описания управления технологическими процессами, связанными с повышением надежности функционирования систем водного транспорта посредством снижения вероятности реализации транспортных рисков.

В рамках поставленной цели решена задача разработки математических методов учета частичного запаздывания защитного эффекта в моделях управления рисками в условиях усиления требований к безопасной цифровизации водного транспорта при наличии широкого спектра риск-факторов как инженерно-материального, так и информационного характера. Теоретико-вероятностный подход к оптимизации затрат на снижение рисков в аспекте совместного рассмотрения этих затрат и возможных потерь от реализации рисков получил в настоящее время развитие в отраслевых исследованиях на водном транспорте.

Отмечается, что вне рамок рассматриваемых моделей остается возможное и подчас неизбежное запаздывание эффекта, поскольку затраты на антирисковые мероприятия не реализуются мгновенно в полной мере (по аналогии с распределенно-лаговом анализом незавершенного строительства, получившим развитие в условиях плановой экономики в ХХ в.).

Показано, как процедуры снижения рисковых потерь, формально определяемых как средние значения ожидаемых суммарных (рисковых и управленческих) потерь, могут быть дополнены как в моделях управления рисками на графах, так и в моделях математического программирования методами распределенно-лаговых моделей, что позволяет повысить их адекватность.

Результатом проведенного исследования является разработка оптимизационных математических моделей, учитывающих возможное запаздывание эффекта от дополнительных затрат, снижающих в целом рисковый ущерб.

Цель исследования состоит в разработке на платформе «1С: Предприятие» интеграционного модуля для синхронизации и обмена данными между типовой отраслевой конфигурацией «1С: Альфа-Авто» и автоматизированной системой управления дилерской сетью АО «АвтоВАЗ» в части реализации требований автопроизводителя по передаче дилерскими центрами данных по продажам автомобилей. Настройка интеграционного взаимодействия систем реализована с учетом требований к формату обмена и составу данных, принимаемых в систему управления дилерской сетью из внешних систем. Интеграционный модуль предназначен для настройки автоматической передачи данных по рабочим листам из учетной системы дилера в систему управления дилерской сетью производителя. Кроме обеспечения загрузки и выгрузки данных рабочих листов модуль предоставляет функционал для синхронизации информации между отраслевым прикладным решением «1С: Альфа-Авто» и системой управления дилерской сетью АО «АвтоВАЗ». Для этого в системе «1С: Альфа-Авто» добавлена управляемая форма с двумя вкладками-страницами (для выгрузки рабочих листов и загрузки справочников из системы управления дилерской сетью) и кнопкой выбора настроек подключения к системе управления. Это позволяет обновлять данные в обеих системах одновременно, минимизируя вероятность ошибок и несоответствий. Для пользователей разработанного модуля составлена подробная инструкция с общей информацией об интеграционном модуле и пошаговым описанием их действий для синхронизации справочников и алгоритма передачи данных по рабочим листам в систему управления дилерской сетью АО «АвтоВАЗ», доступ к которой добавлен на основную форму обработки. Разработанный интеграционный модуль направлен на реализацию требований АО «АвтоВАЗ» к дилерским центрам по настройке интеграционного взаимодействия их учетных систем с системой управления для централизованного автоматизированного управления дилерской сетью и взаимоотношениями с клиентами. Интеграция позволит повысить эффективность работы дилерской сети и удовлетворенность клиентов посредством обеспечения единого формата их обслуживания по стандартам дилерской сети, персонализации взаимодействия и выстраивания омниканальной модели.

Цели. Целью статьи является разработка принципиальных основ для методов логической интеграции информационных систем (ИС) в организациях, а также получение количественной оценки топологической значимости процесса интеграции ИС.

Методы. Использованы методы экспертных систем для логической интеграции информации, а также методы интеллектуального анализа данных из различных ИС. Для количественной оценки топологической значимости процедуры интеграции ИС используются методы теории графов, а для вычисления топологических инвариантов топологии взаимной связи ИС – методы дискретной топологии.

Результаты. Рассмотрены вопросы и проблемы интеграции ИС в крупных организациях, а также методы интеграции ИС, основанные на физическом и логическом принципах. Показаны сложности, которые возникают при физической интеграции ИС, и преимущества их интеграции на основе логических принципов. Установлено, что логическая интеграция обладает рядом важных достоинств, но при этом возникают новые проблемы, которые необходимо решать. Предложены схема логической интеграции ИС и алгебраический метод количественной оценки топологической значимости интеграции – важного числового показателя при логической интеграции ИС. Рассмотрены методы обучающихся экспертных систем для интеллектуального анализа данных. Использование экспертных систем является принципиальным решением для организации логической интеграции ИС.

Выводы. При интеграции ИС в организациях целесообразно использовать логическую интеграцию, сохраняющую логику отдельных ИС. Применение логической интеграции позволяет проводить интеллектуальный анализ данных, используя различные ИС. Использование экспертных систем при логической интеграции дает возможность создать новый логический слой для осуществления поддержки принятия решений в организации.

Потребление электроэнергии является ключевым фактором устойчивого развития в энергетической отрасли, и точное прогнозирование его изменений имеет важное значение для эффективного управления большими электро-энергетическими системами и ресурсами. Целью данного исследования является разработка математической (регрессионной) модели для прогнозирования поведения электропотребления на каждый час следующих суток для энергосбытовых компаний современными методами машинного обучения и искусственного интеллекта. Рассматриваются различные методы искус-ственного интеллекта, применяемые для моделирования и прогнозирования потребления электроэнергии. К этим методам относятся: линейная модель, случайный лес и две реализации градиентного бустинга над решающими деревьями. Научный подход, основанный на технологии искусственного интеллекта Boosting, позволяет максимально снизить ошибку прогнозирования электропотребления в крупных энергетических компаниях. Авторами разработана новая, полезная и качественная регрессионная модель, адекватно описывающая экспериментальные данные по потреблению электроэнергии за каждый час суток. Выполнено тестирование разработанной регрессионной моде-ли на реальных производственных данных энергетической компании. Проведенное исследование и полученные результаты позволяют авторам сделать вывод о том, что разработанная математическая модель методом машин-ного обучения LightGBM может быть использована энергосбытовыми компаниями для почасового планирования электропотребления при подаче заявок на оптовый рынок электроэнергии и мощности (ОРЭМ) на несколько дней вперед. Исследование было выполнено на языке программирования Python.

В рамках научно-исследовательской работы «Алтайский вектор евразийской экономической интеграции: вызовы трансграничности, эффекты, стратегические задачи и приоритеты для Алтайского края» (FZMW-2023-0015) была поставлена задача разработать базу данных показателей развития трансграничных регионов России, Казахстана, Монголии и Китая за период 1990-2021 гг. Для решения поставленной задачи были использованы статистические данные из официальных источников. База данных содержит 68 показателей социально-экономического развития регионов Большого Алтая, группированных в 10 структурных блоков. Временное разрешение данных - 1 год. Данные были предварительно проанализированы на предмет наличия выбросов и несогласованностей. На основе эконометрических методов выполнена обработка по восстановлению краткосрочных пропусков во временных рядах данных. Сформированная база данных представляет уникальный набор социально-экономических и климатических индикаторов для трансграничной территории исследования, позволяющая решать задачи моделирования и анализа динамики сельскохозяйственного производства в постсоветский период.

В работе рассматриваются проблемы и решения, связанные со слиянием баз данных в сфере авиационных перевозок с различными измерениями. Основное внимание уделяется техническим и методологическим аспектам интеграции данных, таким как несовместимость форматов, преобразование данных, нормализация и стандартизация. Применение методов ETL-процессов, интеграционных платформ, и OLAP-кубов позволяет эффективно управлять данными, обеспечивать их согласованность и актуальность. Представлены примеры использования OLAP-анализа для интеграции данных, что позволяет улучшить аналитические возможности, оптимизировать маршруты и повысить качество обслуживания. В результате, применение предложенных методов способствует более обоснованным управленческим решениям и повышению эффективности бизнес-процессов в авиационной отрасли.

Статистика является одной из наиболее важных дисциплин, предоставляющих инструменты и методы для поиска структуры и более глубокого понимания данных, а также наиболее важной дисциплиной для анализа и количественной оценки неопределенности. Рассмотрим влияние статистики на наиболее важные этапы в науке о данных

В настоящем исследовании рассматривается проблема разработки системы мониторинга и анализа инвестиционной привлекательности субъекта Российской Федерации на основе технологий Big Data. Актуальность данной темы обусловлена необходимостью привлечения инвестиций в экономику регионов и повышения их конкурентоспособности в условиях глобализации и цифровизации. Цель исследования заключается в создании эффективной системы мониторинга и анализа инвестиционной привлекательности субъекта РФ, способной обрабатывать и анализировать огромные массивы структурированных и неструктурированных данных из различных источников, таких как государственные информационные системы, социальные сети, новостные порталы, данные геолокации и др. В работе применяются методы интеллектуального анализа данных (data mining), машинного обучения, статистического анализа, а также технологии распределенной обработки данных (Hadoop, Spark). Предложена архитектура системы, включающая модули сбора, предобработки, хранения, анализа данных и визуализации результатов. Разработана методика оценки инвестиционной привлекательности региона на основе комплексного анализа более 150 показателей, характеризующих экономический потенциал, инфраструктуру, человеческий капитал, инновационную активность и инвестиционный климат субъекта РФ. С помощью методов машинного обучения (Random Forest, Gradient Boosting) построены прогнозные модели, позволяющие оценивать инвестиционную привлекательность региона на краткосрочную и долгосрочную перспективу. Апробация разработанной системы проведена на примере Новосибирской области. Результаты анализа показали, что Новосибирская область входит в топ-15 регионов РФ по уровню инвестиционной привлекательности, однако имеет ряд проблемных зон, в частности, недостаточно развитую транспортно-логистическую инфраструктуру и дефицит высококвалифицированных кадров в сфере IT. На основе полученных результатов даны рекомендации по повышению инвестиционной привлекательности региона. Разработанная система мониторинга и анализа на основе технологий Big Data может быть масштабирована и адаптирована для других субъектов РФ, что будет способствовать повышению эффективности управленческих решений в сфере инвестиционной политики и экономического развития регионов.

В статье исследуется влияние качества данных на эффективность моделей машинного обучения на предприятиях хлебопекарной отрасли в условиях больших данных. Актуальность темы обусловлена растущей ролью аналитики данных в оптимизации хлебопекарного производства и необходимостью обеспечения надежности используемых предиктивных моделей. Цель работы - выявить ключевые параметры качества данных, определяющие точность и практическую применимость моделей машинного обучения в хлебопекарной индустрии. В исследовании использован комплекс методов, включающий статистический анализ массивов производственных данных хлебозаводов, экспертные интервью (n=20) и сравнительное тестирование моделей на разных по качеству обучающих выборках. Установлено, что: 1) полнота, точность и согласованность данных являются ключевыми факторами, влияющими на обобщающую способность моделей; 2) использование предобработки данных (очистка, трансформация) позволяет повысить точность предсказаний выхода хлебобулочных изделий в среднем на 10-15%; 3) модели, обученные на качественных данных, демонстрируют втрое более высокую стабильность на тестовой выборке; 4) качество прогнозирования ключевых показателей процесса хлебопечения у адаптивных моделей может превосходить существующие нормативы на 8-12%. Результаты подтверждают критическую значимость управления качеством данных для реализации потенциала машинного обучения в хлебопекарной индустрии. Предложена методика аудита качества технологических данных хлебозаводов, ориентированная на специфику задач моделирования и оптимизации. Дальнейшие исследования связаны с разработкой инфраструктурных и управленческих решений по обеспечению качества данных в условиях цифровизации хлебопекарного производства.