Архив статей журнала
Статья посвящена исследованию адаптивных тормозных систем грузовых вагонов, направленных на устранение ключевых недостатков традиционной рычажной передачи. Рассматривается переход на технологию потележечного торможения, позволяющую равномерно распределять усилие между тележками, а также внедрение цифровых решений. Предложены инновационные методы, включая пневмоэлектрические приводы с автоматической регулировкой, распределенную систему мониторинга (датчики вибрации, ИКпирометры) и алгоритмы машинного обучения для прогнозирования износа колодок. Результаты моделирования демонстрируют снижение неравномерности нажатия колодок с 22% до 5%, повышение точности прогноза остаточного ресурса до 92% и сокращение эксплуатационных рисков. Исследование подтверждает эффективность интеграции цифровых технологий и адаптивных механизмов для повышения безопасности и надежности тормозных систем грузовых вагонов.
В статье формализуется таксономия шаблонов проектирования на основе нейронных суррогатных программных моделей. Описывается методология программирования относительно общей для всех шаблонов проектирования программ. Исследование закладывает фундамент для нового класса рабочих процессов инженеров-программистов, основанных на программировании с использованием суррогатов программ.
В статье рассматривается подход к выявлению противоречий между нормативными документами на естественном языке с использованием методов искусственного интеллекта. Внедрение «умных» стандартов, которые позволяют машинам автоматически понимать и применять нормативные требования, является важным этапом цифровой трансформации, однако на практике интеграция таких стандартов с традиционными нормативными документами неизбежна. При этом наличие противоречий между разными стандартами существенно усложняет их автоматическое применение и вызывает сбои в работе информационных систем. Автором предлагается новый подход к автоматизированному выявлению потенциальных противоречий, основанный на кластеризации текстовых данных с последующим анализом дисперсии эмбеддингов нормативных положений. Используется модель больших языковых эмбеддингов «text-embedding-ada-002», что позволяет преобразовать тексты в семантические векторные представления. Далее применяются методы кластеризации и количественный анализ внутрикластерной дисперсии, а также метрика оптимального транспорта (Earth Mover’s Distance) для оценки различий между группами нормативных положений. Проведённые эксперименты на синтетических данных показали, что предложенный подход способен выявлять более 70% искусственно внесённых противоречий, однако выявлено значительное количество ложноположительных результатов, обусловленных влиянием различий в структуре и мета-данных документов. Полученные предварительные результаты демонстрируют возможность автоматизированного выделения областей потенциальных противоречий для последующего экспертного анализа. Практическая значимость работы заключается в создании программного решения, позволяющего автоматизировать поиск противоречий в больших массивах нормативной документации и обеспечить корректность взаимодействия как между системами, так и между человеком и машиной. Материалы статьи будут полезны разработчикам интеллектуальных систем автоматизации нормативной документации и специалистам, занимающимся цифровой трансформацией в сфере стандартизации.
В данной работе представлена методика автоматизированной классификации нормативной документации на основе кластеризации эмбеддингов. Актуальность исследования обусловлена значительным объемом нормативных документов в промышленности и информационных технологиях, что затрудняет их систематизацию и анализ. Предложенный подход включает этапы предобработки текстов, извлечения эмбеддингов, кластеризации с использованием агломеративного метода и интерпретации результатов с помощью генеративных языковых моделей. В ходе экспериментов проведена оценка различных моделей для векторизации текстов, а также выполнена кластеризация с применением косинусной метрики. Результаты показали, что метод обеспечивает высокую точность выделения тематических групп, превосходя традиционные алгоритмы на основе частотного анализа (BoW, TF-IDF).
Данная статья посвящена вопросу эффективного управления трудовыми ресурсами в организации на основе методов предиктивной аналитики. Рассматриваются тенденции современного рынка в контексте проведения эмпирических исследований человеческого капитала. Ввиду малого распространения прогностического подхода и упору на реактивные модели предлагается общая методология для структурирования практической аналитики в компании с использованием алгоритмов машинного обучения, даются рекомендации по ее внедрению.
В статье рассматривается проблема оптимизации производительности систем искусственного интеллекта в реальном времени. Предложена гибридная архитектура мониторинга, сочетающая традиционные методы с машинным обучением. Проведено экспериментальное исследование, показавшее повышение производительности на 25-30% и снижение затрат на инфраструктуру на 25%. Результаты могут применяться для масштабирования существующих ИИ-систем.
В статье описывается управление машиностроительного производств с использованием искусственных глубоких нейронных сетей, входящих в модели дискретного выбора и в модель симуляции физических процессов управления производством. Такие гибридные системы автоматического управления производством намного эффективно и качественно управляют процессами и техническими объектами на производстве