Научный архив: статьи

Изложен новый подход при производстве деталей торфяных машин в условиях многономенклатурного производства. Установлено, что при синтезе технологического маршрута изготовления деталей торфяных машин в условиях непрофильного многономенклатурного производства часто возникает проблема загрузки существующих гибких производственных систем (ГПС). Рекомендовано обеспечивать производство дефицитных деталей торфяных машин в непрофильном производстве за счет рационального распределения технологических задач для каждого гибкого производственного модуля. Указано, что для повышения эффективности технологической подготовки используются системы автоматизированного проектирования технологических процессов, а также отмечено, что они не в полной мере обеспечивают достижение качественного решения, поскольку конкретная ГПС может не соответствовать типовому подходу для рассматриваемой детали. Для решения этой проблемы предложено провести анализ конструкторско-технологических элементов (КТЭ) детали и определить возможные способы их получения с учетом существующего оборудования. Обозначено, что для достижения высокой эффективности и необходимого качества продукции в условиях многономенклатурного производства с постоянно изменяющейся загрузкой гибкого производственного модуля необходимо расширять технологические возможности ГПС за счет использования для имеющихся станков дополнительных технологических модулей, отвечающих за изготовление проблемных КТЭ

Разработана практическая база для реализации 3D-оценки позиции. В первой части статьи проанализироваа система автоматизации минимаркетов, которая использует YOLOv8 для распознавания товаров. Во второй части исследованы методы распознавания и сегментации объектов: применение моделей YOLOv8 для распознавания объектов и U-Net для семантической сегментации 3D-моделей. Сделан вывод, что данные работы являются составляющими для решения задачи 3D-оценки позиции и представляют собой обзор решений нескольких небольших задач с использованием нейронных сетей

Создание генерального плана является ответственным этапом при проектировании промышленного предприятия. На практике для расстановки объектов на плане (зданий, сооружений и т. д.) используется ручной подход, при котором проектировщики самостоятельно размещают объекты. Создание проекта является творческим процессом, а количество вариантов проектирования может быть достаточно большим. Фактически формируются и сравниваются между собой лишь несколько альтернативных вариантов компоновки, из которых в дальнейшем выбирается наилучший. Однако этот выбор нередко основывается на субъективном мнении специалиста и не всегда гарантирует оптимальное решение. Кроме того, оценка вариантов и принятие окончательного решения зависят от квалификации и опыта задействованных инженеров. В связи с этим необходимо автоматизировать этот процесс для создания более качественных проектов за более короткий срок. Цель данной работы - описать формирование генерального плана с математической точки зрения и создать универсальную математическую модель, подходящую для всех возможных вариантов расположения объектов относительно друг друга. На основе полученных результатов данной работы в будущих исследованиях можно будет определить оптимальные численные методы для размещения объектов на генеральном плане. Эффективность применения методов оптимизации зависит от точности математических моделей, используемых для описания задачи. Модели должны точно отражать все ключевые аспекты реальной ситуации, чтобы результаты оптимизации были пригодны для практического использования.

Проблема и цель. В статье изучена проблема автоматизации непрерывной работы двухреакторной биогазовой установки в соответствии с требованиями наилучших доступных технологий.

Методология. Разработан алгоритм автоматизации работы двухреакторной биогазовой установки непрерывного действия и модернизация системы управления.

Результаты. Проведены исследования автоматизации технологического процесса анаэробного сбраживания биомассы с получением биогаза. Разработана функциональная схема автоматического технического комплекса управления работой двухреакторной биогазовой установки.

Заключение. Применение разработанной схемы автоматизации позволит оперативно, без участия оператора, регулировать параметры процессов гидролиза и метаногенеза, проходящих при разных температурах, таких как уровень субстрата ±0,3 м, рН ±0,1, температура ± 1° C. Автоматизация перекачивания субстрата через теплообменник и работы мешалок позволит более полно реализовать метановый потенциал субстратов за 25 суток.

В современном мире искусственный интеллект быстро становится важным конкурентным преимуществом и используется всё более широко - от анализа данных и прогнозирования до управления беспилотными автомобилями. В условиях постоянно меняющейся среды искусственный интеллект видится как технология, способная улучшить планирование и коммуникацию между членами команды проекта, снизить бюджет, сделать принятие решений более эффективным и повысить успешность реализации проектов.

В данной статье анализируется влияние санкций недружественных стран на развитие цифровизации в российском горнодобывающем секторе. Несмотря на растущий интерес к цифровым технологиям, уровень их внедрения в российской горнодобывающей промышленности остаётся ограниченным. В статье рассматриваются ключевые направления цифровизации в горнодобывающей отрасли, такие как автоматизация процессов, внедрение систем сбора и анализа данных, использование искусственного интеллекта, а также машинного обучения. Приведены основные этапы цифровой трансформации горного производства и наиболее востребованные на сегодняшний день технологии цифровой трансформации. Авторами подчёркивается важность дальнейшего развития цифровизации в российской горнодобывающей отрасли для её устойчивого развития и конкурентоспособности на мировом рынке. Отмечена необходимость в дальнейшей активной поддержке от государства и стратегических предприятий, которые необходимы для успешной реализации поставленных Министерством промышленности и торговли РФ задач для достижения национальных целей цифровой трансформации.

Статья посвящена анализу влияния искусственного интеллекта на современный бизнес и перспектив его использования. Целью исследования является изучение и обобщение результатов применения, анализ проблем и перспектив внедрения инновационных разработок на основе технологий искусственного интеллекта российскими компаниями. Методика исследования основана на применении методов наблюдения, сравнения, обзорного анализа, сопоставления информации, обобщения, логической оценки. В результате исследования в статье обоснованы преимущества внедрения технологий искусственного интеллекта в различные сферы российской экономики. Ставится вопрос о возможностях искусственного интеллекта и перспективах его реализации в деятельности человека, в частности, рассматривается тезис о влиянии кибертехнологий на развитие бизнес-процессов в нашей стране, при этом даётся анализ обобщённых данных об эффективности использования искусственного интеллекта отдельными отечественными бизнес-компаниями. Особое внимание уделяется оценке рисков и трудностей, связанных с интеграцией искусственного интеллекта в жизнь общества. Определены задачи государственной значимости по их преодолению.

В статье проанализированы подходы к изучению рисков HR-менеджеров в рамках ключевых современных трендов автоматизации и цифровизации. Трансформационные изменения в сфере управления организацией на сегодняшний день не могли не затронуть и сферу управления персоналом: автоматизируется большинство технологий и процедур, связанных с отбором и оценкой кандидатов, растущую роль играют технологии цифровизации в системе документооборота, внедряется программное обеспечение и другие цифровые технологии, позволяющие производить анализ и обработку больших объемов данных и информации. Технологии автоматизации становятся не только популярными во всем мире, но и необходимыми для продуктивной работы организации и ее конкурентоспособности на рынке труда. Большую популярность набирают онлайн-платформы, направленные на развитие и адаптацию сотрудников в организации. С популяризацией цифровых технологий возникает вопрос о необходимых компетенциях для нынешних специалистов по управлению персоналом на рынке труда и о возможности замены работы специалистов сферы HR технологиями автоматизации. Сможет ли робот заменить работу специалиста кадрового направления, какие возможности и ограничения имеют цифровые технологии и сам специалист по управлению персоналом, - это вопросы, которые затрагивает данная статья. Проведенное исследование позволило сделать выводы о перспективах использования информационных технологий в сфере управления человеческими ресурсами, конкурентоспособности специалистов на нынешнем рынке труда, значимости работы специалиста сферы управления персоналом в реальности, адаптирующейся к использованию в большинстве процессов и систем технологий автоматизации и цифровизации.

Внедрение систем искусственного интеллекта в финансовую сферу вносит революционные изменения в способы анализа, предоставления информации и управления ею. Машинное обучение – разновидность искусственного интеллекта, которая позволяет ему автономно обучаться и совершенствоваться. В отличие от методов традиционного «жесткого» программирования, машинное обучение использует нейронные сети и глубокое обучение для работы с большими объемами данных для выявления закономерностей и аномалий. Гипотеза работы состоит в том, что для финансовой сферы характерны собственные способы применения ИИ, опирающиеся на наиболее распространенные, но отличающиеся от них варианты. Целью настоящей работы является систематизация способов применения моделей искусственного интеллекта в финансовых учреждениях в разрезе структурных подразделений. Применение искусственного интеллекта позволяет финансовым учреждениям создавать модели, направленные на решение конкретных проблем в условиях постоянно обновляющейся информационной среды. В соответствии с поставленной целью, в данной работе рассматриваются следующие аспекты: общее описание задач, решаемых ИИ, преимущества и недостатки применения ИИ; характеристика распространенности систем искусственного интеллекта в финансовой сфере; характеристика области применения искусственного интеллекта в финансовой сфере. Для выполнения работы автор использовал методы синтеза информации, анализа источников, классификации, сравнительного анализа.

В статье рассматривается процесс облачного управления в рамках цифровизации процессов предоставления государственных услуг и исполнения государственных функций органами власти. Во время проведенного исследования процесс облачного управления определен как один из ключевых бизнес-процессов в рамках предложенной бизнес-модели цифровой трансформации государственных корпораций и компаний с государственным участием. С помощью процессного подхода представлены типичные свойства данного бизнес-процесса. Они могут лечь в основу дальнейшего моделирования, способного максимально точно и полно описать бизнес-процесс с учетом поставленных задач. Дана характеристика бизнес-процесса и выделены пять главных этапов управления им. Обозначены технологии реализации облачного управления и метрики бизнес-процесса. Выделены особенности исследуемого бизнес-процесса, модели предоставления услуг в рамках облачного управления, модели реализации этих услуг и их ключевые преимущества. На основе анализа российского рынка сделан вывод о том, что облачные технологии являются основным и самым значимым сегментом отечественного рынка информационных технологий. Рассмотрена проблематика лоскутной автоматизации в информационной сфере. Особое внимание в статье обращено на риски и угрозы, сопутствующие внедрению облачного управления. Приведены функциональные области этих рисков, описаны процессы риск-менеджмента для их снижения и предотвращения. Отмечается важность реализации облачного управления в общих процессах современного государственного управления, понимание его значимости и необходимости дальнейшего глубокого изучения.

Цель исследования - повышение надежности работы автоматизированной системы управления складским помещением за счет увеличения среднего времени наработки на отказ и оптимизация ее эффективности путем сокращения времени выполнения цикла обработки изделий и равномерного распределения степени заполнения складских секций с помощью технологий имитационного моделирования. Предложен общий вид имитационной модели складского комплекса, включающий конвейер подачи, модуль динамической сортировки, роботизированные станции обработки, сборки и упаковки, трёхсекционный склад ёмкостью 162 места. Управление реализовано на программируемом логическом контроллере семейства Siemens S7-1500 в среде TIA Portal. Предложенная автоматизированная система управления складским помещением позволяет проанализировать влияние случайного распределения изделий по цветовым потокам на время выполнения цикла программы, а также степень заполнения каждой складской секции, фиксируя моменты возникновения производственных заторов и вынужденных остановок. Такой подход предоставляет инженерам инструмент предварительной оптимизации алгоритмов управления до внедрения в реальные технологические процессы. Также представлены результаты проведенных испытаний пяти различных по количеству партий изделий, продемонстрировавшие рост задержек и вынужденных остановок по мере приближения к лимиту хранения и неравномерного заполнения секций. Проведенный анализ показал накопление статистической ошибки во временя выполнения цикла программы, вызванной взаимодействием конвейеров и роботов. Полученные результаты подтверждают эффективность использования имитационного моделирования для предварительной оптимизации складских операций, демонстрируя снижение времени обработки, уменьшение простоев оборудования и повышение общей надежности системы по сравнению с традиционным процессом разработки систем автоматизации технологических процессов. Применение имитационного моделирования позволяет не только минимизировать риски при запуске реального производства, но и разработать индивидуальные рекомендации по модернизации складской инфраструктуры с учетом выявленных узких мест.

В статье предложен метод переналадки мобильных компонентов роботизированного технологического комплекса в условиях многономенклатурного мелкосерийного производства. Целью исследования является разработка системы двухуровневого планирования перемещений мобильного промышленного робота, обеспечивающей его интеграцию с производственным центром для формирования роботизированного технологического комплекса, что позволит оперативно адаптировать производственную систему. Метод сочетает в себе верхнеуровневое планирование, ориентированное на согласование логистики перемещений промышленного робота с общим производственным расписанием, и низкоуровневое, целью которого является обеспечение точного пространственно-временного позиционирования робота в зоне интеграции с производственным центром. Для повышения эффективности поиска траекторий перемещения в зоне интеграции в условиях динамически изменяющейся среды предложено использовать адаптированный алгоритм A* с нейросетевой эвристикой на основе графовой нейронной сети. Приведена архитектура взаимодействия уровней планирования, реализованная с использованием воксельной модели рабочего пространства и системы ROS. Результаты, полученные в ходе экспериментов, демонстрируют преимущество предложенного метода применительно к задачам переналадки роботизированных технологических комплексов. В результате применения предлагаемого метода были достигнуты сокращение времени перепланирования, уменьшение количества перестроений маршрута и сокращение его общей длины по сравнению с методами, основанными на классическом алгоритме A*.