Построение технологического ландшафта инновационных решений на основе интеллектуального анализа данных

Обложка

Цитировать

Полный текст

Аннотация

Актуальность исследования обуславливается развитием цифровых технологий и цифровой трансформацией предприятий. Сложность представляет моделирование автоматизации бизнеса и управление инновациями, требующее методик управления прикладными исследованиями и учета готовности технологий. Целью данной статьи является построение модели автоматизации в среде аналитического и имитационного моделирования Orange. Для достижения поставленной цели исследования используются описательные методы, аналитические методы и методы обнаружения данных. Объектом исследования являются подходы к построению технологического ландшафта. Предметом исследования является анализ моделей и инструментов, основанных на интеллектуальном анализе данных. Результатом исследования является разработанная модель автоматизации на основе интеллектуального анализа данных, реализуемая в виде концептуальной схемы, которая может быть использована для построения технологического ландшафта инновационных решений на предприятиях и сделаны выводы о целесообразности использования данной модели.

Полный текст

Доступ закрыт

Об авторах

Владимир Александрович Шиболденков

Московский государственный технический университет им. Н. Э. Баумана (национальный исследовательский университет)

Автор, ответственный за переписку.
Email: vshiboldenkov@bmstu.ru

Кандидат экономических наук, доцент, заместитель заведующего кафедры бизнес-информатики

Россия, Москва

Даниил Махбубович Кхан

Московский государственный технический университет им. Н. Э. Баумана (национальный исследовательский университет)

Email: kkh-daniil@yandex.ru

Магистрант кафедры бизнес-информатики

Россия, Москва

Список литературы

  1. Wang C-H, Gu Y-W. Sales Forecasting, Market Analysis, and Performance Assessment for US Retail Firms: A Business Analytics Perspective. Applied Sciences. 2022. V.12, No 17: 8480. https://doi.org/10.3390/app12178480.
  2. Bhurtel M., Danda B.R. Unveiling the Landscape of Operating System Vulnerabilities. Future Internet. 2023. V. 15. No 7: 248. https://doi.org/10.3390/fi15070248.
  3. Frontistis Z, Lykogiannis G, Sarmpanis A. Machine Learning Implementation in Membrane Bioreactor Systems: Progress, Challenges, and Future Perspectives. Review Environments. 2023. V. 10, No 7: 127. https://doi.org/10.3390/environments10070127.
  4. Nicoletti B, Appolloni A. Artificial Intelligence for the Management of Servitization 5.0. Sustainability. 2023. V. 15. No 14: 11113. https://doi.org/10.3390/su151411113
  5. Tubis A.A., Grzybowska K., Król B. Supply Chain in the Digital Age: A Scientometric–Thematic Literature Review. Sustainability. 2023. V. 15. No 14: 11391. https://doi.org/10.3390/su151411391.
  6. Dijkstra T.K., Henseler J. Consistent and asymptotically normal PLS estimators for linear structural equations. Computational Statistics & Data Analysis. 2015. No 81. P. 10-https://doi.org/10.1016/j.csda.2014.07.008.
  7. Дробкова О.С., Дроговоз П.А. Применение экономикоматематической модели оценки уровня интеграции предприятий промышленного комплекса // Креативная экономика. 2023. Т. 17. № 1. С. 165-182. doi: 10.18334/ce.17.1.116675.
  8. Erkmen T., Günsel A., Altındağ E. The role of innovative climate in the relationship between sustainable IT capability and firm performance. Sustainability, 2020. V. 12. No 10, 4058. https://doi.org/10.3390/su12104058.
  9. Schmidt D., Butturi M.A., Sellitto M.A. Opportunities of Digital Transformation in Post-Harvest Activities: A Single Case Study of an Engineering Solutions Provider. AgriEngineering. 2023. V. 5, No 3. P. 1226-1242. https://doi.org/10.3390/agriengineering5030078.
  10. Kashevarova N.A., Panova D.A. Space industry of the People’s Republic of China: Ecosystem transformation, in XLV Academic Space Conference, AIP Conference Proceedings 2549, 080030 (2023); https://doi.org/10.1063/5.0108953.
  11. Pellicelli M. Gaining Flexibility by Rethinking Offshore Outsourcing for Managing Complexity and Disruption. Engineering Proceedings. 2023. V. 39. No 1: 37. https://doi.org/10.3390/engproc2023039037.
  12. Fedorova E., Drogovoz P., Nevredinov A., Kazinina P., Qitan C. Impact of MD&A sentiment on corporate investment in developing economies: Chinese evidence // Asian Review of Accounting. 2022. V. 30. No 4. P. 513-539. doi: 10.1108/ARA-08-2021-0151.
  13. Fedorova E.A., Grishchenko Yu.I., Grishchenko A.V., Drogovoz P.A. Evaluation of information disclosure in annual reports of extractive industry companies // Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2021. V. P. 172-176. https://doi.org/10.33271/nvngu/20214/172.
  14. Голубев С.А., Ефремов А.А., Горохова А.С. Разработка методологии научно-технологического прогнозирования на основе инструментов ТРИЗ. Экономический анализ. 2021. № 187(1-2). С. 223-231. https://doi.org/10.21003/ea.V187-22.
  15. Травушкина А.А., Щелокова А.Н., Шиболденков В.А., Юсуфова О.М. Обзор перспектив развития технологии цифровых двойников продуктов, услуг и сервисов в секторе материального производства // Вопросы инновационной экономики. 2022. Т. 12. № 3. doi: 10.18334/vinec.12.3.115215.
  16. Latyshev V.I. Modeling and engineering support of strategic decisions in the security management of financial and economic objects, in Modelling in engineering 2020, AIP Conference Proceedings 2383, 070016 (2022); https://doi.org/10.1063/5.0083620.
  17. Shiboldenkov V.A. Review of economic and mathematical modeling tools for the innovation diffusion process, in Modelling in engineering 2020, AIP Conference Proceedings 2383, 070002 (2022); https://doi.org/10.1063/5.0074533.
  18. Boavida R., Navas H., Godina R., Carvalho H., Hasegawa H. A. (2020) Combined Use of TRIZ Methodology and Eco-Compass tool as a Sustainable Innovation Model. Applied Sciences. V.10, No 10:3535. https://doi.org/10.3390/app10103535.
  19. Кашеварова Н.А., Куликова М.Е., Ряскина А.Д. Анализ роли интеллектуальной собственности в рамках концепции устойчивого развития // Конкурентоспособность в глобальном мире: экономика, наука, технологии. 2022. № 6. С. 209-214.
  20. Некрасов А.М., Некрасова М.А. Повышение роли профессионального обучения и повышения квалификации без отрыва от работы // Экономика и предпринимательство. 2021. № 4. С. 675-677.
  21. Tyulin A.E., Chursin A.A., Drogovoz P.A., and Yudin A.V., Investigation of Processes Determining the Dominance of Unique Products in Sales Markets, in XLIV Academic Space Confer-ence, AIP Conference Proceedings 2318, 070013 (2021); https://doi.org/10.1063/5.0035790.
  22. Vannusov D.D., Dadonov V.A., Tereshchenko M.V. Organizational features of innovative CAD implementation in existing production systems // IX Czarnowski Readings. MATEC Web of Conferences. 2020. V. 311. Art. No 02009. doi: 10.1051/matecconf/202031102009.
  23. Шиболденков В.А., Панова Д.А. Анализ данных производственного процесса в реальном времени: инновационная аналитическая платформа с использованием технологии искусственного интеллекта компании Sight Machine Incorporated // Креативная экономика. 2020. Т. № 12. doi: 10.18334/ce.14.12.111489.
  24. Zaid A.A., Jaaron A.A.M., Talib B.A. The impact of green human resource management and green supply chain management practices on sustainable performance: An empirical study. Journal of Cleaner Production. 2018. No 204. P. 965–979. https://doi.org/10.1016/j. jclepro.2018.09.062.
  25. Zhang Y., Luo Y., Zhang X., Zhao J. How Green Human Resource Management Can Promote Green Employee Behavior in China: A Technology Acceptance Model Perspective. Sustainability. 2019. V. 11. 5408. https://doi.org/10.3390/su11195408.
  26. Зименков Р.И. Новые явления в зарубежной деятельности американских ТНК // Инвестиции в России. 2020. Том 303. № 4. С. 26-34.
  27. Кашеварова Н.А., Горожанкин В.О., Слободянский П.А. Концептуальная модель ИТ-решения для автоматизации патентных исследований // Вестник университета. 2020. № 5. С. 58-64. doi: 10.26425/1816-4277-2020-5-58-64.
  28. Гарина И.О. Технико-экономические аспекты разработки и внедрения специализированной онтологии для управления жизненным циклом продукции в машиностроительной отрасли // Вопросы инновационной экономики. 2020. Т. 10. № 3. doi: 10.18334/vinec.10.3.110602.
  29. Юсуфова О.М., Шиболденков В.А., Андреева А.А. Анализ технологий цифровой логистики для автоматизации и сервисной интеграции складских процессов организации // Вопросы инновационной экономики. 2020. Том 10. № 3. doi: 10.18334/vinec.10.3.110285.
  30. Юсуфова О.М., Шиболденков В.А., Пономарёва Е.И. Анализ технологий управления производственными потребностями сложной системы в условиях неопределенности // Креативная экономика. 2020. Т. 14. № 5. doi: 10.18334/ce.14.5.100961.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Оценка зрелости инновационных решений

Скачать (185KB)
Метаданные
3. Рис. 2. Модель автоматизации построения технологического ландшафта (цифры обозначают поток подачи данных из виджета Preprocess Text)

Скачать (166KB)
Метаданные

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».