ОБ ИСПОЛЬЗОВАНИИ МАШИННОГО ОБУЧЕНИЯ ПРИ МОДЕЛИРОВАНИИ БИЗНЕС-ПРОЦЕССОВ (2024)
В условиях высокой конкурентности, а также активизации внутреннего производственного рынка предприятиям нужно быстро адаптироваться к современным условиям. Очевиден рост количества малых производственных предприятий, которые участвуют в тендерах на электронных торговых площадках и предлагают свои услуги крупным предприятиям, особенно этот рост заметен в области военно-промышленного комплекса. Заказчики предпочитают сотрудничать с малыми предприятиями, которые адаптивны к условиям заказа, а также имеют не только короткие сроки исполнения заказа, но еще и гибкую систему ценообразования благодаря низким административным и бюрократическим издержкам. Такие предприятия при росте объема заказов сталкиваются с проблемами в части организации бизнес-процессов. В работе авторами построена модель процесса «Контроль качества» с использованием метода BPMN на основе практики малого предприятия, которая может являться основой для обучения системы машинного обучения по построению модели бизнес-процессов. В качестве области искусственного интеллекта предложена обработка текстов на естественном языке, что позволит предприятиям использовать данную унифицированную технологию для сокращения издержек на разработку и описание бизнес-процессов.
Идентификаторы и классификаторы
Рост санкций привел к переориентации крупных производителей на внутренний рынок, не
только потребительский, но и производственный. Это положительно сказалось на развитии малого и среднего бизнеса в России. Примером данного факта является график, представленный на рис. 1, отражающий объем закупок продукции производственного назначения у малых российских предприятий за 2020-2023 гг. На графике видно резкий скачок, начиная с 2022 года.
Список литературы
- Lowe R., Pow N., Serban Iu.V., Pineau J. The Ubuntu Dialogue Corpus: A Large Dataset for Research in Unstructured Multi-Turn Dialogue Systems // https://arxiv.org/pdf/1506.08909.pdf
- Bengio Y., Courville A., Vincent P. Representation learning: A review and new perspectives. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 35(8):1798–1828, 2013.
- Агузумцян Р.В., Великанова А.С., Польщиков К.А., Игитян Е.В., Лихошерстов Р.В. 2021.
О применении интеллектуальных технологий обработки естественного языка и средств виртуальной реальности для поддержки принятия решений при подборе исполнителей проектов. Экономика. Информатика, 48(2): 392–404. DOI 10.52575/2687-0932-2021-48-2-392-404. - Астапов Р.Л., Мухамадеева Р.М. Автоматизация подбора параметров машинного обучения и обучение модели машинного обучения / Актуальные научные исследования в современном мире. 2021.
№ 5-2(73). С. 34-37. - Горбунов П.М., Мацкевич Ю.А., Чубарь А.В. Машинное обучение. Автоматизация подбора модели машинного обучения. Материалы XIII Всероссийской научно-технической конференции с международным участием «Робототехника и искусственный интеллект». 2021. С. 155-160.
- Девятков В.В., Кадырбаева А.Р. Верификация знаний, полученных при изучении моделей бизнес-процессов // Вестник Московского государственного технического университета им. Н.Э. Баумана. Серия Приборостроение. 2020. № 4 (133). С. 99-113.
- Демироглу Н.Б. Автоматизация бизнес-процессов как условие эффективности малого бизнеса // Вестник Алтайской академии экономики и права. 2020. № 11-2. С. 212-216.
- Жихарев А.Г., Корсунов Н.И., Маматов Р.А., Щербинина Н.В., Пономаренко С.В. 2022. О разработке адаптивной образовательной платформы с использованием технологий машинного обучения. Экономика. Информатика, 49(4): 810–819. DOI 10.52575/2687-0932-2022-49-4-810-819.
- Иванова И.К. Государственное регулирование экономики России в условиях западных санкций // Инновационная экономика: перспективы развития и совершенствования. 2023. № 2 (68). С. 80-85.
- Киселёв Д.С., Трифонов П.В. Использование машинного обучения для оптимизации бизнес-процессов // Экономика и управление в машиностроении. 2019. № 2. С. 8-11.
- Козлов В.П., Прокофьева Н.В. Санкции как глобальные испытания экономики мира и их влияние на экономику России // Материалы XVII международной научно-практической конференции «Экономика и управление: ключевые проблемы и перспективы развития». Краснодар, 2023. С. 164-170.
- Леванда Д.Ю., Удахина С.В. Проблема автоматизации в госзакупках // Сборник научных трудов III Международной научно-практической конференции «Модернизация российской экономики: прогнозы и реальность». 2017. С. 435-437.
- Левукова В.А. Интеллект и когнитивные вычисления: руководство по искусственному интеллекту для бизнеса // ВСборник научных статей XII Всероссийской научно-практической конференции «Российская наука: актуальные исследования и разработки». Самара, 2021. С. 26-29.
- Михайлова А.В., Потемкин П.А., Ковцур М.М. Технологии машинного обучения для экономик и анализа бизнес-процессов // Сборник cтатей Круглого стола «Безопасность в профессиональной деятельности» в рамках II Всероссийской научно-практической конференции «Инновационные технологии и вопросы обеспечения безопасности реальной экономики» ITES-2020. Санкт-Петербург, 2020. С. 94-102.
- Окунева Е.С., Прилепская Ю.В. Использование искусственного интеллекта и машинного обучения в современных бизнес-процессах // Материалы III Международной научно-практической конференции «Актуальные вопросы современной экономики». Санкт-Петербург – Витебск – Астана – Донецк 9-10 ноября 2023 года. Санкт-Петербург, 2023. С. 75-79.
- Ольшевская И., Кравчук А. Автоматизация бизнес-процесса как одна из основных методологий его совершенствования // InterConf. 2022. № 18(95). С. 40-51.
- Померанцев Г.А. Формирование модели бизнес-процесса в условиях санкционной нагрузки // Экономика: вчера, сегодня, завтра. 2020. Т. 10. № 11-1. С. 92-102.
- Тасуева Х.З.А., Албогачиева Л.А., Николаева С.Г. Автоматизация бизнес-процессов с использованием системного подхода // Научно-технический вестник Поволжья. 2023. № 12. С. 393-395.
- Хайритдинов Д.У.У., Сайдалиева Ф.Х. Понятие об искусственном интеллекте и адаптивное обучение, как один из возможностей использования искусственного интеллекта в образовании // Сборник статей XLIX Международной научно-практической конференции «Фундаментальные и прикладные научные исследования: актуальные вопросы, достижения и инновации». Пенза, 2021. С. 10-12.
- Цитульский А.М., Иванников А.В., Рогов И.С. NLP – обработка естественных языков // StudNet. 2020. Т. 3. № 6. С. 467-475.
- Юнусбаев Р.И. Обработка естественного языка (NLP) // Научно-Исследовательский Центр “Science Discovery”. 2023. № 12. С. 157-161.
Список источников
- Хаммер М. Реинжиниринг корпорации: манифест революции в бизнесе: перевод с английского / М. Хаммер, Дж. Чампи; [пер. Ю. Корнилович]. – [3-е изд.]. – Москва: Манн, Иванов и Фербер, 2010.
- Вьюгин В.В. Математические основы машинного обучения и прогнозирования. М.: 2013, 2018. – 484 с.
- Свод знаний по управлению бизнес-процессами: BPM CBOK 3 / Под ред. А.А. Белайчука, В.Г. Елифёрова; Пер. с англ. – М.: Альпина Паблишер, 2016 – 480 с.
Выпуск
Другие статьи выпуска
В данной статье представлен сравнительный анализ трех передовых алгоритмов глубокого обучения с подкреплением: Deep Deterministic Policy Gradient (DDPG), Proximal Policy Optimization (PPO) и Soft Actor-Critic (SAC), реализованных в библиотеке Stable Baselines 3. Целью исследования является оценка эффективности и применимости каждого из алгоритмов для задачи управления беспилотным автомобилем в сложной и динамичной среде, предоставляемой симулятором CARLA, с акцентом на такие ключевые показатели, как суммарная дистанция, суммарное вознаграждение, средняя скорость, отклонение от центра дорожной полосы и доля успешных эпизодов. Авторы подробно описывают методологию экспериментального тестирования, включая настройку параметров обучения и критерии оценки производительности. Результаты экспериментов демонстрируют различия в производительности алгоритмов, выявляя их сильные и слабые стороны в контексте автономного вождения. Статья вносит вклад в понимание преимуществ и ограничений каждого алгоритма в контексте автономного вождения и предлагает рекомендации по их практическому применению.
В данной статье представлены результаты анализа актуальных исследований применения холакратических моделей управления для высокотехнологичных отраслей экономики как Российской Федерации, так и за её пределами. Актуальность исследований в области применения концептуальных моделей управления в организационных системах обусловлена вызовами конкуренции эффективных бизнес-моделей и непрерывной оптимизации внутренних издержек высокотехнологичных предприятий. Проблема быстрого перехода от классических каскадных и дивизионных моделей к холакратическим обусловлена потребностями экономики в появлении методов и моделей управления, которые обеспечат качественные процессные и экономические изменения без негативного влияния на цепочку поставок и процесс создания товаров или услуг с высокой добавленной стоимостью. В рамках настоящего исследования представлено сравнение классических методов управления в организационных системах против холакратических. Проблемный анализ также учитывал математические особенности сравнения существующих моделей управления. Результаты исследования, представленные в настоящей статье, говорят о том, что начинает формироваться потребность в методологии быстрого перехода на холакратические модели управления в организационных системах, а также создание концептуальной математической модели идеальной холакратической организации. В качестве выводов можно отметить наличие функционально-процессных разрывов при переходе на новую модель, в том числе их математические аспекты при заданных условиях.
В статье были рассмотрены такие IDS/IPS как Snort, Suricata, Fail2Ban и OSSEC, имеющие открытый исходный код. Проанализированы их механизмы обеспечения сетевой безопасности, включая архитектуру, функции, инструменты и реализуемые задачи. Рассмотрена возможность интеграции этих систем с отечественными операционными системами. В заключении подчеркивается, что IDS/IPS являются лишь одним из многих слоев защиты, которые должны быть внедрены для эффективного обеспечения безопасности. Только комплексный подход к безопасности может являться ключом к защите от современных киберугроз.
В статье обсуждается задача инструментальной поддержки процедур построения и использования с применением системно-объектного подхода трехмерной классификации (СО3К). Показаны на конкретных примерах возможности прогнозирования и поддержки управления с помощью СО3К. Представлены результаты исследования существующего инструментария концептуального классификационного моделирования (онтологического инжиниринга), показывающие, что с его помощью невозможно обеспечит построение и использование СО3К. В целях создания инструментального программного обеспечения, поддерживающего построение и использование СО3К, разработан набор функциональных требований к нему в виде UML-диаграммы вариантов использования (прецедентов) и диаграмм активности как потоков событий к ним.
В работе рассматриваются различные методы стеганографии, используемые для внедрения контрольной информации в цифровые изображения. Основное внимание уделяется принципам работы, преимуществам и недостаткам каждого метода. Рассмотрены классические и современные методы, такие как LSB, FFT, PVD, MPVD, DCT, S-UNIWARD, WOW, HUGO и Steghide. Анализируются их устойчивость к стегоанализу, стеганографическая емкость и вычислительная сложность. Понимание этих методов позволяет повысить эффективность и безопасность использования стеганографических техник в различных практических задачах.
При развитии информационных технологий, обеспечение и защита данных на веб-сервисах имеет важное значений. Для обеспечения безопасности применяют различные методы и одним из главных есть процесс аутентификации пользователей. Применяют разные методы аутентификации: парольную, двухфакторную аутентификацию, биометрическую, многофакторную, на основе искусственного интеллекта и блокчейн технологий. Несмотря на их многообразие, каждый метод имеет свои преимущества и недостатки. Текущие тенденции в области аутентификации включают комбинирование различных методов для повышения надежности и улучшение пользовательского опыта. Перспективы развития данной технологии связаны с поиском новых способов балансировки между безопасностью и удобством использования, а также постоянным обновлениям и адаптацией методов к изменяющимся угрозам безопасности. В данной статье проводится исследование различных методов аутентификации на веб-сервисах с целью выявления их эффективности, преимуществ и недостатков.
В работе предложено решение одной из задач, возникающих при построении современных систем безопасности движения в морских акваториях, а именно, оценивание размеров информативных фрагментов на изображении, которые представляется целесообразным использовать при обнаружении посторонних объектов на изображении морской поверхности. Оценивание размеров информативных фрагментов предложено осуществлять на основании вычисления среднего расстояния между контурами видимых на изображении элементов волн, такими как их гребни, впадины и др. Контуры данных элементов волн определяются на основе оператора Кэнни. Оценивание размеров информативных фрагментов выполняется вдоль столбцов и строк анализируемого изображения. Проведены вычислительные эксперименты, иллюстрирующие работоспособность разработанного алгоритма. Полученные оценки размеров информативных фрагментов изображений морской поверхности представляется целесообразным применять при их анализе, в частности, при решении задач обнаружения посторонних объектов на изображениях морской поверхности.
Издательство
- Издательство
- БелГУ
- Регион
- Россия, Белгород
- Почтовый адрес
- 308015, г. Белгород, ул. Победы, 85
- Юр. адрес
- 308015, г. Белгород, ул. Победы, 85
- ФИО
- Полухин Олег Николаевич (Руководитель)
- E-mail адрес
- Info@bsu.edu.ru
- Контактный телефон
- +7 (472) 2559809
- Сайт
- https:/bsuedu.ru