Авторы

Методика построения комплексной математической модели управления рисками предприятия металлургической промышленности

Представленный авторами подход учитывает специфику информационных процессов одной из наиболее сложных областей менеджмента организации. Предложенный математический аппарат может быть реализован в составе специализированной системы поддержки принятия решений. Читать дальше...

Метод интеллектуального управления информационными ресурсами промышленного предприятия

Успешность функционирования современного промышленного предприятия в значительной степени определяется эффективностью использования имеющегося ресурсного потенциала, в том числе информационного. Это обусловливает актуальность задачи разработки интеллектуальных методов управления информационными ресурсами промышленных предприятий. Читать дальше...

Технология динамического контроллинга в промышленности

Экономическая эффективность современных промышленных предприятий в значительной степени определяется эффективностью реализуемых процессов стратегического управления и контроля, которая, в свою очередь, зависит от выбранного методического аппарата постановки конечных и промежуточных целей организации и определения способов их достижения. В связи с этим возрастает роль механизмов стратегического и оперативного контроля, который основан на анализе информационных потоков, характеризующих внутреннюю среду предприятия. Читать дальше...

Нейро-нечеткий метод построения моделей сложных объектов

В настоящее время роль информационных технологий в различных сферах человеческой деятельности постоянно возрастает, при этом наблюдается смена приоритетов в направлении их использования. Если раньше информационные технологии использовались в основном только для хранения, извлечения и передачи информации, то сейчас существенное внимание уделяется развитию алгоритмов интеллектуального анализа данных. Одно из направлений в этой области — использование аппарата гибридных нейронных сетей. Читать дальше...

Конфигурирование информационных и транспортных сетей в условиях неопределенности

Рассмотрена проблема управления проектами по развитию информационно-транспортных сетей предприятия, представлена формализованная постановка задачи. Изложена модификация алгоритма муравьиных колоний на основании использования аппарата нечеткой логики и нечетких продукционных правил, позволяющая учитывать неопределенность спроса в различных узлах.

Трехуровневая нечеткая когнитивная модель для анализа процессов инновационного развития региона

Авторами доказана необходимость применения когнитивных карт для моделирования процессов инновационного развития региона. Определены основные особенности моделирования инновационной деятельности с использованием нечетких когнитивных карт. Разработан новый вид нечетких когнитивных карт, позволяющих учитывать неопределенность и изменчивость системных характеристик.

Модель оценки траекторий для управления проектами в сфере наукоемкой промышленной продукции

Simulation modeling and fuzzy logic in real-time decision-making of airport services

Способы интеграции информационных систем субъектов экономической деятельности при использовании аутсорсинга

Управление жизненным циклом экономической информационной системы с применением теории децентрализованных приложений

Формирование структуры интеллектуальной системы анализа и рубрицирования неструктурированной текстовой информации в различных ситуациях

Разработка экономической информационной системы автоматизированного анализа неструктированных текстовых документов

Алгоритмы формирования изображений состояний объектов для их анализа глубокими нейронными сетями

Применение нечетких деревьев решений для рубрицирования неструктурированных текстовых документов небольшого размера

Анализ влияния архитектуры входных слоев свертки и подвыборки глубокой нейронной сети на качество распознавания изображений

Рубрицирование текстовой информации на основе голосования интеллектуальных классификаторов

Одним из приоритетов государственной политики России выступает практическая реализация концепции электронного правительства. Важным элементом этой концепции является организация эффективного взаимодействия органов власти и граждан, которая, помимо оказания государственных услуг, должна включать в себя обработку электронных обращений (заявлений, жалоб, предложений и т.п.). Исследования показывали, что скорость и оперативность обработки обращений в значительной степени зависит от качества определения тематических рубрик, т.е. решения задачи рубрицирования. Проведенный анализ обращений граждан, поступающих на электронную почту и официальные сайты различных органов власти, выявил ряд специфических особенностей (небольшой размер, наличие ошибок в тексте, свободный стиль изложения, рассмотрение нескольких проблем), которые не позволяют успешно применять традиционные подходы к их рубрицированию. Для решения указанной проблемы было предложено использовать различные методы интеллектуального анализа неструктурированных текстовых данных (в частности, нечетко-логические алгоритмы, нечеткие деревья решений, нечеткие пирамидальные сети, нейро-нечеткие классификаторы, сверточные и рекуррентные нейронные сети). В статье описаны условия применимости шести интеллектуальных классификаторов, предложенных для рубрицирования электронных обращений граждан. В их основе лежат такие факторы, как размер документа, степень пересечения тематических рубрик, динамичность их тезаурусов и объемом накопленной статистической информации. Для ситуации, когда конкретная модель не может произвести однозначный выбор тематической рубрики, предложено использовать метод голосования классификаторов, который позволяет существенно снизить вероятность ошибок рубрицирования на основе взвешенного агрегирования решений, полученных несколькими моделями, отобранными с помощью нечетко-логического вывода. Читать дальше...

Памяти главного редактора А. А. Емельянова

20 сентября 2020 г. скоропостижно скончался известный российский учёный Александр Анатольевич Емельянов – доктор экономических наук, профессор, Почётный работник высшего профессионального образования Российской Федерации, профессор Национального исследовательского университета «Московский энергетический институт», главный редактор журнала «Прикладная информатика / Journal of Applied Informatics», член правления НП «Национальное общество имитационного моделирования», лауреат общественного рейтинга «ТОП-100 самых цитируемых российских учёных по данным РИНЦ» в научном разделе «Информатика». Читать дальше...

Создание цифрового двойника химико-технологической системы с использованием языка Python

В настоящее время при моделировании сложных технологических процессов в киберфизических системах все более широкое распространение получают процедуры создания так называемых цифровых двойников (ЦД), которые являются виртуальными копиями реальных объектов и отражают их основные свойства и характеристики на различных этапах жизненного цикла. Применение цифровых двойников позволяет в реальном времени отслеживать текущее состояние моделируемой системы, а также предоставляет дополнительные возможности для инжиниринга и более глубокой настройки входящих в нее компонентов для повышения уровня качества выпускаемой продукции. Развитию технологии «цифровой двойник» способствует происходящая в настоящее время Четвертая промышленная революция, характеризующаяся массовым внедрением в производство киберфизических систем. Указанные системы основаны на использовании новейших технологий обработки и представления данных и обладают сложной структурой информационных связей между ее компонентами. При создании цифровых двойников элементов подобных систем целесообразно использовать языки программирования, которые позволяют реализовывать визуализацию моделируемых процессов, а также предоставляют удобный и развитый аппарат для работы со сложными математическими зависимостями. Подобными характеристиками обладает язык программирования Python. В статье в качестве примера киберфизической системы рассматривается химико- технологическая система на основе обжиговой машины конвейерного типа. Данная система предназначена для реализации процесса производства окатышей из отходов добычи апатит- нефелиновых руд. В статье описаны различные аспекты создания цифрового двойника ее элементов, осуществляющих химико-технологический процесс сушки применительно к единичному окатышу. Цифровой двойник реализован с использованием языка программирования Python 3.7.5, и предусматривает визуализацию протекания процесса в виде трехмерной интерактивной модели. Визуализация выполнена с применением библиотеки VPython. Приводится описание алгоритма работы программного обеспечения цифрового двойника, вид интерфейса информационной системы, формат входной и выходной информации, а также результаты моделирования исследуемого химико-технологического процесса. Показано, что разработанный цифровой двойник может применяться в трех вариантах: самостоятельно (Digital Twin Prototype), в качестве экземпляра цифрового двойника (Digital Twin Instance), а также в составе совокупности цифровых двойников (Digital Twin Aggregate). Читать дальше...

Валерию Павловичу Мешалкину – 80 лет

Выдающийся ученый Валерий Павлович Мешалкин – академик Российской академии наук (РАН), доктор технических наук, профессор, директор Международного института логистики ресурсосбережения и технологической инноватики (МИЛРТИ (НОЦ)), заведующий кафедрой логистики и экономической информатики РХТУ им. Д. И. Менделеева, главный научный сотрудник Института общей и неорганической химии им. Н. С. Курнакова РАН; заслуженный деятель науки РФ, заслуженный работник высшей школы РФ, почетный работник высшего профессионального образования РФ (2005 г.), лауреат премии Правительства РФ в области науки и техники и премии Президента РФ в области образования, лауреат конкурса преподавателей вузов «Золотые имена высшей школы России – 2018», сопредседатель редакционного совета журнала «Прикладная информатика» – достиг восьмидесятилетней вехи на своем жизненном пути. Вместе с коллегами по редакционному совету, авторами и читателями нашего журнала мы от всей души поздравляем Валерия Павловича с юбилеем и посвящаем ему данную публикацию. Читать дальше...

Предварительная оценка прагматической ценности информации в задаче классификации на основе глубоких нейронных сетей

Предложен метод предварительной оценки прагматической ценности информации в задаче классификации состояния объекта на основе глубоких рекуррентных сетей долгой краткосрочной памяти. Цель проводимого исследования состояла в разработке метода прогноза состояния контролируемого объекта при минимизации количества используемых прогностических параметров, достигаемой с помощью предварительной оценки прагматической ценности информации. Это особенно актуальная задача в условиях обработки больших данных, характеризуемых не только значительными объемами поступающей информации, но и скоростью ее поступления и полиформатностью. Генерация больших данных сейчас происходит практически во всех сферах деятельности, что обусловлено широким внедрением в них Интернета вещей. Метод реализуется двухуровневой схемой обработки входной информации: на первом уровне применяется алгоритм машинного обучения «случайный лес», который имеет значительно меньшее количество настраиваемых параметров, чем рекуррентная нейронная сеть, используемая на втором уровне для окончательной и более точной классификации состояния контролируемого объекта или процесса. Выбор «случайного леса» обусловлен его способностью к оценке важности переменных в задачах регрессии и классификации. Это используется при определении прагматической ценности входной информации на первом уровне схемы обработки данных. Для этого выбирается параметр, который отражает указанную ценность в каком-либо смысле, и на основе ранжирования входных переменных по уровню важности осуществляется их отбор для формирования обучающих наборов данных для рекуррентной сети. Алгоритм предложенного метода обработки данных с предварительной оценкой прагматической ценности информации реализован в программе на языке MatLAB и показал свою работоспособность в эксперименте на модельных данных. Читать дальше...

Рубрицирование текстовых документов на основе нечетких отношений различия

Одним из ключевых направлений информатизации деятельности органов государственной власти является разработка и внедрение систем автоматизированной обработки электронных обращений (заявлений, жалоб, предложений) физических и юридических лиц, поступающих на официальные веб-сайты и порталы органов власти федеральных округов, администраций областей и других территориальных образований. Важную роль при решении данной задачи играет рубрицирование, которое заключается в распределении обращений по тематическим рубрикам, определяющих направления деятельности департаментов, осуществляющих их обработку и подготовку соответствующего ответа. Результаты анализа специфических особенности таких текстовых сообщений (небольшой размер, отсутствие разметки, наличие ошибок, нестационарность тезауруса и т. п.) подтвердили невозможность применения традиционных подходов к рубрицированию и обосновали целесообразность применения методов интеллектуального анализа данных. В статье предложен новый подход к анализу и рубрицированию электронных неструктурированных текстовых документов, поступающих на официальные веб-сайты и порталы органов государственной власти. Он предполагает формирование древовидной структуры рубричного поля, основанной на нечетких отношениях различия между синтаксическими характеристиками документов. Анализ основывается на определении нечеткого соответствия этих документов по синтаксическим характеристикам со значениями центров кластеров, проводимого последовательно от корня к листьям построенного нечеткого дерева решений. Предлагаемый метод рубрицирования программно реализован и апробирован при автоматизированной обработке и анализе обращений (заявлений, жалоб и предложений) граждан, поступающих в Администрацию Смоленской области. Это позволило обеспечить оперативную и качественную актуализацию рубрик и анализ документов в условиях нестационарности состава тезауруса и значимости слов рубрик. Читать дальше...

Метод классификации перемешивающих устройств с использованием глубоких нейронных сетей с расширенным рецептивным полем

Представлены результаты исследования, целью которого являлась разработка метода и программного инструментария для определения класса перемешивающего устройства по показателю его коэффициента сопротивления на основе обработки экспериментальных данных. В настоящее время основными методами исследования перемешивающих устройств являются методы конечных элементов, а также процедуры оценки параметров турбулентного переноса с использованием лазерной доплерометрии и химического анализа проб. Указанные методы предполагают наличие дорогостоящего оборудования и обеспечивают при этом результаты только для отдельных типов оборудования. Это затрудняет распространение полученных выводов на широкий класс устройств с различной конструкцией перемешивающего винта. Предлагаемый метод подразумевает обработку результатов эксперимента, в рамках которого на дне заполненного прозрачной жидкостью сосуда расположен точечный источник света, формирующий направленный вертикально вверх луч. В сосуд помещается перемешивающее устройство с изменяемой частотой вращения. Далее применяется двухканальная обработка видеосигнала на поверхности перемешиваемой жидкости и временной последовательности, характеризующей изменение частоты вращения лопастей устройства. В каналах предложено использовать нейронные сети различных архитектур: в одном канале сверточную, а в другом – рекуррентную сеть. Результаты функционирования каждого канала обработки данных агрегируются на основе мажоритарного правила. Новизна предлагаемого метода с вычислительной точки зрения заключается в расширении рецептивного поля для каждой из сетей за счет взаимного преобразования изображений и временных последовательностей. В результате каждая из сетей обучается на большем объеме данных с целью выявления скрытых закономерностей. Это в конечном итоге приводит к повышению точности классификации, что подтверждается результатами апробации предложенного метода с использованием разработанного в среде MatLab программного приложения. Читать дальше...

Многоуровневые алгоритмы оценки и принятия решений по оптимальному управлению комплексной системой переработки мелкодисперсного рудного сырья

Представлены результаты исследований, целью которых была разработка многоуровневых алгоритмов принятия решений по управлению энергетической и ресурсной эффективностью, техногенной и экологической безопасностью комплексной многостадийной системы переработки мелкодисперсного рудного сырья (МСПМРС). Отличительной особенностью такой системы является ее многомерность и многомасштабность, проявляющаяся в наличии двух вариантов реализации технологических процессов переработки мелкодисперсного рудного сырья (МРС), необходимости учета взаимодействия входящих в систему агрегатов, а также иерархии описания процессов, протекающих в них, – механических, теплофизических, гидродинамических, физико-химических. Такое разнообразие процессов характеризует междисциплинарность исследований и сложность получения аналитических, взаимоувязанных математических моделей. Эта ситуация инспирировала применение для описания и анализа процессов методы искусственного интеллекта, такие как глубокое машинное обучение и нечеткая логика. Научная составляющая результатов исследования заключается в разработанной обобщенной структуре МСПМРС, концептуальной основе многоуровневых алгоритмов оценки и принятия решений по оптимальному управлению этой системой, предложенном составе параметров и форме критерия оптимизации. Задача исследования состояла в проведении анализа возможных вариантов переработки рудного сырья, выработке концепции построения МСПМРС, допускающей возможность оптимизации ее функционирования по критерию энергоресурсоэффективности при обеспечении требований экологической безопасности. Анонсировано применение эволюционных алгоритмов для решения задачи оптимизации МСПМРС по критерию минимума энергоресурсопотребления и конкретизированы ее этапы. Представлена структура блока нейронечеткого анализа информации о параметрах процессов в МСПМРС, в основе которого лежит использование глубоких рекуррентных и сверточных нейронных сетей, а также системы нечеткого логического вывода. Приведены результаты имитационного эксперимента по апробации программной реализации данного блока в среде MatLab. Читать дальше...

Интеллектуальная модель управления рисками нарушения характеристик электромеханических устройств в многостадийной системе переработки рудного сырья

Представлены результаты исследований по разработке структуры интеллектуальной модели управления рисками нарушения характеристик электромеханических устройств в многостадийной системе переработки рудного сырья. Такие устройства задействованы на всех циклах технологического процесса, поэтому оценка указанного риска для них является актуальной задачей. Предложен метод оценки рисков, в основе которых лежит оценка времени полезного использования оборудования, выполняемого на основе прогноза характеристик глубокой рекуррентной нейронной сетью с дальнейшим обобщением получаемых результатов оценки в блоке нечеткого вывода. Применялись рекуррентные нейронные сети с долгой краткосрочной памятью, являющиеся одним из самых мощных аппаратов решения задач регрессии временных рядов, в том числе прогнозирования их значений на длительные интервалы. Применение глубоких нейронных сетей для прогноза характеристик электромеханических устройств позволило получить высокую точность прогноза, что, в свою очередь, позволило применить относительно менее точный рекуррентный метод наименьших квадратов для итерационного процесса оценки времени полезного использования оборудования. Такой подход дал возможность построить вычислительный процесс оценки с постоянным ее уточнением по мере поступления новых результатов измерений характеристик электромеханических устройств. Представлены результаты модельного эксперимента с программной реализацией предложенного метода, выполненной в среде MatLab 2021a, которые показали согласованность работы программных модулей и получение результата оценки риска, согласующегося с предполагаемой динамикой его изменения. Читать дальше...

Нечеткологическая модель многостадийной химико-энерготехнологической системы переработки мелкодисперсного рудного сырья

Представлены результаты исследования, целью которого являлось построение программной модели многостадийной комплексной системы переработки мелкодисперсного рудного сырья. В роли такого сырья могут выступать отходы переработки на горно-обогатительных комбинатах апатит-нефелиновых и других видов руд, в больших объемах скапливающиеся в хвостохранилищах. Они создают значительную экологическую угрозу на прилегающих к комбинатам территориях за счет выветривания, пылеобразования, проникновения в почву и водоносные горизонты опасных для здоровья человека химических соединений и веществ. Поэтому совершенствование существующих производственных процессов, разработка новых технологических систем для горно-обогатительных комбинатов, включая применение принципов экономики замкнутого цикла, вторичной переработки отходов, обосновывает актуальность выбранного направления исследований. В основе предложенной программной модели лежит применение обучаемых деревьев систем (блоков) нечеткого вывода первого и второго типов. Такой подход позволил избежать излишнего усложнения баз правил нечеткого вывода при использовании только одного нечеткого блока при построении многопараметрической модели всей многостадийной комплексной системы. Применение нескольких блоков нечеткого вывода, описывающих поведение отдельных агрегатов системы и их конфигурирование в соответствии с физической структурой системы, позволяет использовать относительно простые наборы правил отдельных блоков. Совместный подбор их параметров при обучении дерева нечетких блоков позволяет достигать высокой точности получаемых решений. Новизну результатов исследования составляет предложенная программная нечеткологическая модель комплексной системы переработки мелкодисперсного рудного сырья. Представлены результаты имитационного эксперимента, проведенного в среде MatLab с использованием сгенерированного в Simulink синтетического набора данных. Результаты показали, что обученная нечеткологическая модель обеспечивает хорошую точность воспроизведения параметров и переменных из тестовой части синтетического набора. Научная новизна предлагаемого алгоритма заключается в расширении перцептивного поля для каждой из сетей за счет взаимного преобразования изображений и временных последовательностей друг в друга. За счет этого каждая из сетей обучается на большем объеме данных и выявляет больше закономерностей. Это в конечном итоге приводит к повышению качества классификации, что подтверждается результатами апробирования предложенного алгоритма с использованием разработанного в среде MatLab программного приложения. Читать дальше...

Нечеткая динамическая онтологическая модель для поддержки принятия решений по управлению энергоемкими системами на основе прецедентов

В статье рассмотрены особенности применения прецедентного подхода при управлении сложными энергоемкими системами в условиях необходимости учета различных энергетических, технических, экологических и эксплуатационных показателей, а также неопределенности влияния множества внутренних и внешних факторов. Это приводит к наличию большого объема слабоструктурированной информации, которая может быть представлена с помощью различных шкал, что определяет перспективность применения прецедентного подхода. Описана предложенная нечеткая онтологическая модель для поддержки принятия решений на основе прецедентов, отличающаяся использованием динамических концептов, а также концептов в виде разношкальных числовых и лингвистических переменных. Предложен алгоритм оценки близости прецедентов на основе онтологической модели, отличающийся учетом динамических аспектов изменения состояния управляемых систем. Представлены разработанные алгоритмы нечеткого логического вывода для поддержки принятия решений на основе прецедентов, которые позволяют использовать в качестве входных характеристик нечеткой продукционной модели как лингвистические, так и числовые переменные, а также различные логические связи между предпосылками правил. Описано программное обеспечение, реализующее разработанные модель и алгоритмы. Особое внимание уделено модулю модифицированного нечеткого логического вывода, выполненного с помощью средств языка Python 3.8.7. Для реализации пользовательского интерфейса указанного модуля применялась кросс-платформенная графическая библиотека Tkinter. Приведены результаты вычислительных экспериментов с использованием реальных данных, полученных при эксплуатации энергоемкой системы переработки мелкодисперсного рудного сырья, включающей обжиговую машину конвейерного типа. В качестве критерия эффективности управленческого решения рассматривалась минимизация удельных совокупных затрат на тепловую и электрическую энергию. Полученные результаты показали, что предложенные модель и программные средства позволяют получить результат, сопоставимый с результатом использования сложных аналитических зависимостей, обеспечивая при этом сокращение временных и финансовых затрат. Читать дальше...

Метод решения обратной задачи кинематики на основе обучения с подкреплением при управлении роботами-манипуляторами

Предложен метод решения обратной задачи кинематики для трехзвенного робота-манипулятора на основе одной из разновидностей машинного обучения – обучения с подкреплением. В общем случае эта задача состоит в нахождении законов изменения обобщенных координат захватного устройства манипулятора, обеспечивающих заданные кинематические параметры. При аналитическом решении задачи основой для расчета инверсной кинематики являются параметры Денавита – Хартенберга с дальнейшим выполнением численных матричных вычислений. Однако с учетом кинематической избыточности многозвенных манипуляторов такой подход трудоемкий и не позволяет в автоматизированном режиме учитывать изменения внешней среды в реальном времени, а также особенности области применения робота. Поэтому актуальной исследовательской задачей является разработка решения, в структуре которого присутствует блок самообучения, обеспечивающий решение обратной задачи кинематики в условиях изменяющейся внешней среды, поведение которой заранее неизвестно. В основе предлагаемого метода лежит имитация процесса достижения цели управления роботом (позиционирования захватного устройства манипулятора) в заданной точке пространства методом проб и ошибок. За приближение к цели на каждом шаге обучения вычисляется функция награды, которая используется при управлении роботом. В предложенном методе агентом является рекуррентная искусственная нейронная сеть, а средой, состояние которой наблюдается и оценивается, – робот-манипулятор. Применение рекуррентной нейронной сети позволило учитывать предысторию движения манипулятора и преодолевать сложности, связанные с тем, что в одну и ту же точку рабочей области могут приводить разные сочетания углов между звеньями. Апробирование предложенного метода проводилось на виртуальной модели робота, выполненной с помощью набора инструментов MatLab Robotics System Toolbox и среды Simscape, и оно показало высокую эффективность по критерию «время – точность» предложенного метода решения обратной задачи кинематики. Читать дальше...

Метод прогнозирования оттока клиентов банка на основе ансамблевой модели машинного обучения

Представлены результаты исследований, целью которых была разработка метода прогнозирования оттока клиентов коммерческого банка на основе применения моделей машинного обучения (в том числе глубоких искусственных нейронных сетей) для обработки клиентских данных, а также создание программных инструментов, реализующих указанный метод. Объектом исследования является коммерческий банк, а предметом исследования – его деятельность в B2C-сегменте, включающая коммерческое взаимодействие бизнеса и частных лиц. Актуальность выбранного направления исследований определяется активизацией деятельности банков в сфере внедрения цифровых сервисов по сокращению неоперационных расходов, связанных, в частности, с удержанием клиентов, так как затраты на привлечение новых клиентов значительно выше, чем на сохранение уже имеющихся. Научную новизну результатов исследований составляет разработанный метод прогнозирования оттока клиентов коммерческого банка, а также алгоритм, положенный в основу программного обеспечения, реализующего предложенный метод. В основе предложенной ансамблевой модели прогнозирования лежит три алгоритма классификации: k-средних, случайный лес и многослойный персептрон. Для агрегации выходов отдельных моделей предложено использовать обучаемое дерево систем нечеткого вывода типа Мамдани. Обучение ансамблевой модели выполняется в два этапа: сначала обучаются перечисленные три классификатора, а потом, на основе получаемых на их выходах данных, обучается дерево систем нечеткого вывода. Ансамблевая модель в предложенном методе реализует статический вариант прогноза, результаты которого используются в динамическом прогнозе, выполняемом в двух вариантах – на основе рекуррентного метода наименьших квадратов и на основе сверточной нейронной сети. Проведенные модельные эксперименты на синтетическом наборе данных, взятых с сайта Kaggle, показали, что ансамблевая модель имеет более высокое качество бинарной классификации, чем каждая модель в отдельности. Читать дальше...