В статье рассматриваются современные тенденции и новейшие технологии, применяемые для цифровизации бизнес- процессов. Основное внимание уделяется таким подходам, как автоматизация процессов, роботизация (RPA), использование искусственного интеллекта (AI), машинного обучения (ML), Интернета вещей (IoT), больших данных (Big Data), облачных вычислений (Cloud Computing), ERP-систем, блокчейна и аналитики данных. Приведены преимущества, риски и возможности совместного использования данных подходов. Статья подчеркивает важность интеграции этих технологий для повышения эффективности и точности управления бизнесом. В статье также рассмотрены примеры успешной интеграции перечисленных технологий в различных отраслях, что позволяет оценить их эффективность на практике. Особое внимание уделяется анализу возможных рисков и способов их минимизации при внедрении цифровых решений. Обсуждаются перспективы дальнейшего развития цифровизации в контексте глобальных экономических изменений и перехода к Индустрии 4.0. В рамках исследования использовались методы анализа и синтеза, а также систематизация и обобщение данных, полученных из практического опыта применения указанных технологий в бизнесе. Данное исследование подчеркивает важность интеграции указанных технологий для повышения эффективности и точности управления бизнес- процессами, а также акцентирует внимание на том, что успешное внедрение цифровых технологий требует комплексного подхода и учета возможных рисков.
Статья посвящена комплексному анализу цифровой трансформации как ключевого вектора модернизации современного бизнеса. Авторы рассматривают цифровую трансформацию не только как технологический, но и как организационно-культурный и управленческий процесс. Проанализированы ключевые драйверы и барьеры цифровых преобразований, а также представлены методы оценки их эффективности - от KPI и ROI до комплексных фреймворков и кейс-анализа. Особое внимание уделено влиянию цифровизации на бизнес-модели, роль лидерства и устойчивое развитие. В статье представлены межотраслевые примеры (здравоохранение, финансы, производство), иллюстрирующие реальные практики внедрения. Работа опирается на современные научные исследования и прикладные подходы к измерению успеха цифровых трансформаций.
Одним из важных аспектов, влияющих на лояльность покупателей магазина розничной торговли, являются скорость и удобство обслуживания, что важно в условиях роста конкуренции среди торговых точек для совершения повседневных покупок. Наличие очередей для значительной доли покупателей может оказаться решающим фактором при выборе между двумя торговыми точками. Авторы рассмотрели два подхода имитационного моделирования для решения этих проблем: дискретно-событийное и пешеходное моделирование. Обозначены достоинства и недостатки каждого метода, построены модели двух типов для типичного супермаркета «у дома», расположенного на первом этаже жилого здания. Доказана принципиальная возможность использования программного продукта Anylogic для решения обозначенных задач.
Целью данной статьи является изучение практики зарубежных транснациональных корпораций в области использования искусственного интеллекта и машинного обучения для управления цепочками поставок в условиях глобальных кризисов. Методологическим основанием данной статьи явился комплексный подход, позволивший использовать совокупность методов (анализа, классификации и обобщения), позволивших системно и последовательно исследовать опыт транснациональных корпораций в решении проблемы использования новейших достижений в области машинного обучения и использования искусственного интеллекта в управлении цепочками поставок в условиях глобальных кризисов. В результате исследования автором выделены и систематизированы основные причины, требующие использования машинного обучения искусственного интеллекта в управлении цепочками поставок в условиях глобальных кризисов. Практическая ценность данной статьи определяется возможностью использования полученных результатов в целях дальнейшей разработки проблемы, связанной с использованием искусственного интеллекта и машинного обучения для управления цепочками поставок в условиях глобальных кризисов. Сделан вывод, что система машинного обучения, позволяющая расширять возможности искусственного интеллекта, дает возможность транснациональным компаниям принимать решения на основе исторической и текущей информации о спросе и предложении, формируя точные прогнозы относительно функционирования цепочек поставок в условиях турбулентной внешней среды. Интеллектуальные системы машинного обучения (ИСМО) предоставляет транснациональным корпорациям инструмент, который способствует сокращению расходов и увеличению доходов, позволяет поддержать имидж надежного поставщика.
Основной проблемой любого подхода к машинному обучению является однофазность всего процесса. Исходное пространство признаков преобразуется таким образом, чтобы все данные соответствовали более-менее стандартным нормальным распределениям, после чего запускается модель, и в результате получаются выходные данные. Однако в настоящей статье рассматривается другая сторона вопроса. А что будет, если нелинейным способом преобразовать исходное пространство признаков и уже к новому пространству применить некоторый алгоритм? Представлено техническое объединение исправления геометрии пространства и последующее решение задачи формирования векторных образов для объектов панельных данных. В конце исследования приведено сравнение результатов как с ранее предложенными моделями, так и самого алгоритма с собой с учетом модификаций функций потерь. Результат показывает преимущество совместного обучения рассмотренных моделей упрощения пространства и моделей, используемых для решения некоей последующей задачи (например, построения векторных образов и кластеризации объектов). Основной упор сделан на аналитику панельных данных, однако идеология вполне поддается обобщению на любые направления, где присутствует множество дескриптивных векторов, характеризующих некоторый объект (для сохранения общности он не конкретизируется).
В статье рассматриваются основные направления использования цифровых двойников, их влияние на повышение эффективности управления ресурсами и сокращение затрат. Авторы акцентируют внимание на интеграции цифровых двойников с технологиями Интернета вещей, больших данных и искусственного интеллекта, которые позволяют моделировать и прогнозировать работу производственных систем в режиме реального времени. В исследовании представлены современные подходы к созданию цифровых двойников, а также проведен анализ существующих проблем их внедрения, включая высокие капитальные затраты, нехватку квалифицированных кадров и отсутствие унифицированных стандартов. Основные выводы статьи свидетельствуют о потенциале цифровых двойников в повышении производительности труда, сокращении простоев оборудования и снижении уровня дефектов в продукции. Авторы приходят к заключению, что развитие данной технологии способствует цифровой трансформации, однако требуется реализация подхода, включающего развитие нормативно-правовой базы, государственную поддержку и инвестиции в подготовку специалистов. Особенность работы заключается в системном анализе преимуществ и проблем внедрения цифровых двойников в отрасли российской экономики, а также в предложении перспективных направлений их развития.
За последние пятнадцать лет системы радиочастотной идентификации (RFID) стали неотъемлемым элементом деятельности современных предприятий, позволяя эффективно отслеживать запасы и контролировать перемещение товарных потоков в рамках цепочек поставок. Наиболее широко технология применяется в розничной и оптовой торговле. Однако RFID-технологии играют ключевую роль в цифровизации и других отраслей, включая автомобилестроение, здравоохранение, фармацевтику и логистику. В статье представлен обзор современных методов поддержки принятия решений в управлении товарными запасами с применением RFID-технологий. Методологическую основу исследования составляет систематизированный подход к поиску и отбору научных публикаций, отражающих процессы внедрения и оптимизации RFID-систем в логистике и управлении запасами. Представленный обзор охватывает следующие аспекты: возможности применения RFID-технологии в различных отраслях, подходы и способы интеграции RFID с моделями систем поддержки принятия решений (СППР) в различных отраслях промышленности, ключевые критерии выбора технологий для управления товарными запасами, а также перспективы и возможности их интеграции с цифровыми инновациями.
Поддержание работоспособности и своевременное восстановление после отказа радиоэлектронной аппаратуры (РЭА) программно-аппаратных комплексов (ПАК) является важной задачей. Данную задачу на этапе эксплуатации, как правило, решает система технического диагностирования. Для информационной поддержки обслуживающего персонала при выполнении ими задач технического диагностирования разрабатывается диагностическая модель, которая входит в состав диагностического обеспечения изделия. Очевидным преимуществом при выполнении операций технического диагностирования является автоматизация информационной поддержки обслуживающего персонала при техническом диагностировании с применением вычислительных систем. По результатам проведенных исследований в статье предложена автоматизированная система информационной поддержки технического диагностирования на основе объектно-диагностической декомпозиции радиоэлектронной аппаратуры программно-аппаратного комплекса, которая позволяет существенно сократить среднее время поиска диагностической информации в процессе восстановления РЭА.
В работе проведены исследование и анализ моделей и методов глубокого обучения в задачах распознавания и классификации изображений опухолей мозга. Для сравнения эффективности наиболее актуальных и доступных моделей на основе сверточных нейронных сетей были выбраны модели VGG19, Xception и ResNet152. Наилучшие результаты показала модель Xception. Целью данной работы являются оптимизация и обучение выбранной модели с помощью различных методов для повышения точности диагностики опухолей головного мозга человека. Предложена и реализована стратегия для улучшения этой модели с использованием методов переноса обучения и аугментации данных. Из проведенных тестов следует, что улучшенная модель демонстрирует более высокую точность и устойчивость к различным видам искажений данных, что делает ее более эффективной для задач распознавания и классификации изображений.
Цифровая трансформация бизнеса означает перевод многих процессов на предприятии в цифровой вид, т. е. предполагается выполнение процессов с использованием компьютерной техники и ИТ-технологий. При этом важно организовать эффективную интеграцию уже имеющихся на предприятии процессов с современными ИТ-технологиями. Такая интеграция может касаться не только производства, но и других областей человеческой деятельности. Конечно, и раньше многие отрасли в разной мере подвергались автоматизации, но появление искусственного интеллекта (ИИ) может сгладить разницу между отраслями с автоматизацией разной степени и позволит оптимизировать процессы, даже если какие-то из сфер деятельности не предполагают использование ИИ. Тем не менее процесс цифровизации в подавляющем большинстве случаев даст ускорение принятию решений, если использовать системы ИИ, в частности цифрового двойника. Это оптимизирует сбор данных, что позволит использовать их для создания моделей объектов или систем. Модель в дальнейшем будет применяться для анализа и оптимизации работы без физического присутствия объекта. Все вышеизложенное и определяет актуальность темы идентификации места и роли искусственного интеллекта в цифровой трансформации российского бизнеса. В данной статье авторы размышляют над проблемой «Какие шаги необходимо предпринять для развития новых технологий анализа данных в производстве? И как усовершенствовать среду работы с данными?». В статье дается обзор истории использования искусственного интеллекта в бизнесе. Обсуждаются слабые стороны применения технологий искусственного интеллекта. Предпринимается попытка дать ответ на вопрос: что нужно сделать уже сегодня, чтобы предприятие или организация могли занять лидирующие позиции завтра.