Пошук академічних текстів

Інформація × Реєстраційний номер 0825U000891, Дисертація доктора філософії На здобуття Доктор філософії Дата захисту 18-03-2025 Статус Запланована Назва роботи Інформаційна технологія адаптивного управління підприємством з використанням слабких сигналів Здобувач Назаркевич Ганна Ярославівна, Керівник Цмоць Іван Григорович Опонент Березька Катерина Миколаївна Опонент Мулеса Оксана Юріївна Рецензент Висоцька Вікторія Анатоліївна Рецензент Дубук Василь Іванович Опис У дисертаційній роботі розв’язано актуальну науково-прикладну задачу в галузі інформаційних систем та технологій – розроблення нових і вдосконалення існуючий методів, моделей та програмно-апаратних засобів інформаційної технології адаптивного управління підприємтством з використанням слабких сигналів. Дисертаційна робота складається зі вступу, чотирьох розділів, висновків, списку літературних джерел та додатків. Розроблено інформаційну технологію адаптивного управління підприємством з використанням слабких сигналів. Проведено аналіз методів та засобів адаптивного управління смарт-підприємством з використанням слабких сигналів. Невизначеність та наявність ризиків виявлення слабких сигналів є неминучими при управління смарт-підприємством. Тому виникає необхідність розробити методи адаптивного управління, які би забезпечували гнучкість підприємства, його рентабельність та формування якісних даних на підприємстві, їх збору, обробки та збереження, застосування хмарних сховищ та технологій, використання апаратних рішень. Удосконалено методи аналізу ієрархій при побудові функцій управління смарт-підприємства. У першому розділі “Аналіз методів, алгоритмів та засобів адаптивного управління смарт-підприємством з використанням слабких сигналів” проаналізовано сучасні технології, які вимагають від підприємств нових рішень, які пов’язані з Інтернет- Things, хмарними технологіями. Це дає змогу автоматизувати багато процесів та побудувати нові архітектурні мережі. Таким чином проектуємо підприємство з забезпеченням збору, збереженням даних та можливістю швидкого аналізу зовнішнього та внутрішнього середовища. Показано основні проблеми, з якими стикається смарт-підприємство. У другому розділі “Методи адаптивного управління смарт-підприємством з використанням слабких сигналів” розроблено системи управління смарт-підприємством, які спрямовані на виявлення слабких сигналів та базуються на визначенні взаємовпливів між підприємством та зовнішнім середовищем. Успішне функціонування підприємства досягається на основі лінійної та логістичної регресії з виділенням адаптивних методів управління. Удосконалено метод аналізу ієрархій, який дає можливість враховувати взаємодію та взаємозалежність зовнішніх і внутрішніх факторів впливу, здійснити їх класифікацію, кількісне оцінювання та визначити домінуючі фактори впливу на підприємство. У третьому розділі “ Розроблення системи адаптивного управління смарт-підприємством з використанням слабких сигналів” розроблено управління смарт-підприємством з використанням слабких сигналів на основі опрацювання у реальному часі великих обсягів інформації, які безперервно накопичуються шляхом комплексного моніторингу зовнішнього і внутрішнього середовища підприємства. В основу розроблення смарт-підприємства покладена системна інтеграція, яка ґрунтується на системному підході, який охоплює всі рівні інтеграції процесів, об’єктів, суб’єктів та інфраструктури з врахуванням вимог конкретного застосування. Розробку САУ смарт-підприємства здійснено на основі компонентно-орієнтованої технології, яка передбачає поділ процесу розробки на ієрархічні рівні та алгоритмічне, апаратне та програмне забезпечення. Управління за слабкими сигналами будується на спостереженні та своєчасному виявлені слабких сигналів, прийнятті завчасних дій для використання потенційних можливостей, або усунення загроз. У четвертому розділі “ Реалізація програмних засобів системи адаптивного управління смарт-підприємством з використанням слабких сигналів ” розроблено програмне забезпечення оцінювання сигналів впливу на смарт-підприємство. Розроблено базу даних системи автоматичного управління смарт-підприємством сигналів. Було досліджено dataset, який містив дані по 950 підприємствах. За показниками помилки методи Linear Regression і Random Forest виявилися найточнішими методами з найнижчими значеннями середньої квадратичної помилки (MSE) і середньої абсолютної помилки (MAE). Neural Network також продемонструвала добрі результати, але мала трохи вищі значення помилок порівняно з іншими методами. SVM показав менш точні результати з вищими значеннями помилок і меншою відповідністю даним. Час виконання, Linear Regression став найшвидшим методом, тоді як SVM вимагав найбільше часу для обчислень. Linear Regression і Random Forest показали гарний баланс між точністю і швидкістю. Метод Linear Regression надає просте пояснення через коефіцієнти, які вказують на вплив кожної ознаки на прогнатакиозоване значення. SVM і Random Forest надають менш зрозуміле визначення через свою складну структуру. Neural Network, з одного боку, забезпечує високу точність, але з іншого боку, інтерпретація його результатів може бути складнішою через використання багатьох шарів і внутрішніх зв'язків. Результати прогнозування прибутку можуть сильно залежати від характеристик і якості вхідних даних. Дата реєстрації 2025-03-17 Додано в НРАТ 2025-03-17 Закрити