Автоматизация выбора подрядчиков с применением искусственных нейронных сетей для повышения качества и технологической безопасности

Обложка

Цитировать

Полный текст

Аннотация

Рассмотрены проблемы оценки трудоемкости, определения технологической возможности изготовления изделий, обеспечения качества, оптимизации технологических процессов, формирования базы знаний, машинного обучения и автоматической обработки входящих запросов на предприятиях машиностроительной отрасли. Поднимается проблема обеспечения качества при выполнении государственного заказа, предлагаются решения для исключения возможности субъективных оценок и директивного ценообразования при заключении контрактов во избежание принятия заведомо невыполнимых обязательств. Представлены устоявшиеся практики обработки входящих запросов на машиностроительных предприятиях, выявляются проблемы, анализируется их влияние на технологическую безопасность машиностроительной отрасли. Проведен обзор актуальных российских и зарубежных исследований по теме и предлагаемых решений в области применения инструментов семантического анализа, мультиагентных систем и искусственных нейросетей в работе машиностроительных предприятий.

Об авторах

Андрей Сергеевич Миллер

Балтик Винд Групп

Автор, ответственный за переписку.
Email: a.miller@baltic-wind.de
ORCID iD: 0009-0003-3883-9557

генеральный директор

Гамбург, Германия

Список литературы

  1. Miller AS. Electrolysis of trust. Russia in global politics. 2020. (In Russ.) Available from: https://global affairs.ru/articles/elektroliz-doveriya/?ysclid=le5lkzogow 692554795 (accessed: 10.02.2023)
  2. Miller AS. Leadership generation. Izborsky Club. 2022;2–3(100–101):90–101. (In Russ.) Available from: https://izborsk-club.ru/magazine_files/2022_02.pdf (accessed: 10.02.2023)
  3. Akulova E. Directive pricing: when the state intervenes in the pricing policy of the company. General manager. Personal journal of the manager. Available from: https://www.gd.ru/articles/12032-direktivnoe-tseno obrazovanie?ysclid=lf3841463r389327728 (accessed: 17.03.2023)
  4. Godovannik LB. The Supreme Court has banned the Kirov Plant from delaying the supply of turbines for nuclear icebreakers. Vedomosti Sankt-Peterburg. Available from: https://www.vedomosti-spb.ru/business/articles/2022/07/08/930539-verhovnii-sud-zapretil-kirovskomuzavodu (accessed: 09.02.2023).
  5. Shamakhov VA, Ivchenko BP. Ensuring national security in the Arctic zone of the Russian Federation: monograph. St. Petersburg: IPCz SZIU RANXiGS Publ.; 2019. (In Russ.)
  6. Evseev VI. Economic, Industrial and Social Systems of Modern Russia: State and Transformations (2009– 2020): collection of selected articles, reviews, media publications, comments. St. Petersburg: Fiart Publ.; 2021. (In Russ.)
  7. Vasilkov DV, Tarikov IYa, Miller AS. Problems of expeditious start in production of orders at the enterprise under control of quality management system. Metalworking. 2016;4(94):68–71. EDN: XBJSZN
  8. Brent G. The Silo Mentality: How To Break Down The Barriers. Forbes. 2013. Available from: https://www.forbes.com/sites/brentgleeson/2013/10/02/the-silo-men tality-how-to-break-down-the-barriers/?sh=6260a2a8c7e9 (accessed: 10.03.2023).
  9. Tsetlin M.L. Research on the theory of automata and modeling of biological systems. Moscow: Nauka Publ.; 1969. (In Russ.)
  10. Babaev A.V., Rastrenin T.O. Bespilotny`e letatel`ny`e apparaty. Gruppovaya taktika. Texnika i vooruzhenie [Equipment and weapons]. 2021;5:2–12. (In Russ.)
  11. Leonov A, Litvinov G. Application of the beeadhoc bee colony algorithm for routing to fanet. Vestnik SibGUTI. 2018;1:85–95. (In Russ.)
  12. Vasilkov DV., Tarikov IY, Miller AS. Increase of reliability and efficiency of production technological system at the expense of an intellectual assessment of inquiries with use of mechanisms of artificial neural networks. Metalworking. 2017;3(99):58–64. (In Russ.) 13. Sochnev AN. Petri nets with the states memory. Journal of Siberian Federal University. Engineering and technologies. 2016;9(4):523–528. (In Russ.) https://www.doi.org/10.17516/1999-494X-2016-9-4-523-528
  13. Poezjalova SN, Selivanov SG, Borodkina OA, Kuznetsova KS. Recurrent neural networks and optimization methods of technological processes in the automated systems of technological preparation machine-building production. Vestnik UGATU (Scientific journal of Ufa University of Science and Technology). 2011;15(5(45)): 36–46. (In Russ.) Available from: https://www.elibrary. ru/download/elibrary_18863029_88275887.pdf (accessed: 10.03.2023)
  14. Kohonen T. Self-Organizing Maps. Springer Science & Business Media, 2012.
  15. Kutergin VA. Engineering theories from a constructive point of view: a set of geometries and a set of models of artificial objects. St. Petersburg: Lan Publ.; 2015. (In Russ.)
  16. Reshetnikov EV. Development of a subsystem for geometric analysis of a part. Intelligent systems in manufacturing. 2008;1(11):85–87. (In Russ.)
  17. Yakimovich BA, Korshunov AI, Kuznetsov AP. Theoretical foundations of the structural and technological complexity of products and structural strategies of production systems of mechanical engineering. Izhevsk: IzhSTU Publ.; 2007. (In Russ.)
  18. Eugenev GB. Russian technologies for creation of industry 4.0 systems. Part 2. BMSTU journal of mechanical engineering. 2018;9(702):18–27. (In Russ.) https://www.doi.org/10.18698/0536-1044-2018-9-18-27
  19. Borovkov AI, Shcherbina LA, Maruseva VM, Ryabov Yu.A. World technology agenda and global industrial trends in the digital economy. Innovations. 2018;12(242):34–42. (In Russ.) EDN: VWDZYS
  20. Kim K-Y, Monplaisir L, Rickli J. Flexible Automation and Intelligent Manufacturing: The Human-DataTechnology Nexus. Proceedings of FAIM: International Conference on Flexible Automation and Intelligent Manufacturing, June 19–23, 2022, Detroit, Michigan, USA, 2023.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

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».