Машинное обучение для поддержки принятия решений в сфере качества на промышленном предприятии

Авторы

  • Константин Анатольевич Конев Уфимский университет науки и технологий

DOI:

https://doi.org/10.52575/2687-0932-2023-50-3-689-703

Ключевые слова:

машинное обучение, принятие решений, ситуационно-онтологическая методология разработки систем поддержки принятия решений, метод дерева решений, обеспечение качества, Python, испытания продукции в промышленности

Аннотация

Статья посвящена описанию подходов к реализации методологии ситуационно-онтологического проектирования систем поддержки принятия решений в сфере обеспечения качества для продукции на машиностроительном предприятии. Исследование проводилось с целью подтверждения возможности реализации данной методологии с использованием методов машинного обучения на основе библиотек Python для цифрового анализа данных об испытаниях с принятием по ним решений. Актуальность проведения данного исследования обусловлена необходимостью решения проблемы, связанной с повышенными требованиями к профессиональной подготовке сотрудников, занятых в сфере обеспечения качества. Их работа связана с принятием многочисленных разнородных решений, для которых, как известно, эффективным инструментом является система поддержки принятия решений. Новизна предложенного решения заключается в новаторском подходе к ситуационно-онтологическому проектированию систем поддержки принятия решений, а также в применении методов машинного обучения на основе библиотек Python при формировании системы поддержки принятия решений для процесса испытаний продукции машиностроительного предприятия. Результаты исследования демонстрируют реализуемость предложенной методики.

Скачивания

Данные скачивания пока недоступны.

Биография автора

Константин Анатольевич Конев, Уфимский университет науки и технологий

кандидат технических наук, доцент, доцент кафедры автоматизированных систем управления, Уфимский университет науки и технологий, г. Уфа, Россия

Библиографические ссылки

Список источников

Проект "Цифровая экономика РФ" [Электронный ресурс]. Министерство экономического развития Российской Федерации. – Режим доступа: http://economy.gov.ru/minec/activity/sections/ict/calculate/koap.html?c=koap (дата обращения: 30.05.2023).

Материал о системе мониторинга заболеваемости гриппом [Электронный ресурс]. РИА Новости. – Режим доступа: https://ria.ru/20191025/1560152349.html (дата обращения: 30.05.2023).

Специалист по качеству: Профессиональный стандарт № 40.062. Утв. приказом Министерства труда и социальной защиты РФ № 276н от 22.04.2021: 26 с.

Системы менеджмента качества. Требования: ГОСТ Р ИСО 9001-2015. 2015. М.: Стандартинформ: 23 с.

Список литературы

Антонов, В.В., Конев К.А. 2021. Интеллектуальный метод поддержки принятия решений в типовой ситуации / В.В. Антонов. Онтология проектирования, т.11, 1(39): 126-136. DOI 10.18287/2223-9537-2021-11-1-126-136.

Баганов Н.А. и др. 2022. Оценка качества ремонта автотракторных двигателей. Технический сервис машин, 2(147): 67-75. – DOI 10.22314/2618-8287-2022-60-2-67-75.

Голуб И.А., Черемухина Ю.Ю. 2022. Анализ результатов приемо-сдаточных испытаний. Наука и бизнес: пути развития, 5(131): 202-205.

Жуков Н.Н. 2020. Введение в разработку на языке Python: Учебное пособие. СПб.: "НИЦ АРТ": 66 с. ISBN 978-5-907260-30-6.

Кацер Ю.Д. и др. 2019. Методы обнаружения неисправностей оборудования АЭС, 4: 5-27. DOI 10.26583/npe.2019.4.01.

Клыков Ю. И. 1974. Семиотические основы ситуационного управления. М.: МИФИ, 169 с.

Конев К.А., Антонов В.В. и др. 2020. Основы концепции онтологического моделирования бизнес-процессов для задач принятия решений. Современные наукоемкие технологии. 12-1: 71-77. DOI 10.17513/snt.38413.

Мурзагулов Д.А., Замятин А.В. 2018. Адаптивные алгоритмы машинного обучения в правлении технологическими процессами. Автоматизация. Современные технологии, т. 72, 8: 354-361.

Паклин Н.Б., Орешков В.И. 2013. Бизнес-аналитика: от данных к знаниям. СПб.: Питер, 704 с.

Поспелов Д.А. 1986. Ситуационное управление: теория и практика. М.: Наука, 138 с.

Шапиро О.М., Фаринский В.А. 2018. Применение искусственного интеллекта в промышленном производстве. Новые технологии и оборудование для машиностроения и металлообработки: сборник научных статей международной конференции (Минск, 25-27 сентября 2018 г.). Минск: Технологии машиностроения: 141-148.

Bruce Silver. 2017. BPMN Quick and Easy Using Method and Style: Process Mapping Guidelines and Examples Using the Business Process Modeling Standard., Cody-Cassidy Press: 286 р. ISBN-13 978-0982368169

Bustillo A. et al. 2021. Machine-learning for automatic prediction of flatness deviation considering the wear of the face mill teeth. Journal of Intelligent Manufacturing: 1-18 DOI 10.1007/s10845-020-01645-3.

Fubao Zhu et al. 2018. A Classification Algorithm of CART Decision Tree based on MapReduce Attribute Weights. International journal of performability engineering, v. 14, 1: 17-25.

Li W. et al. 2021. A Survey of Learning-Based Intelligent Optimization Algorithms. Archives of Computational Methods in Engineering, 28(5), 3781–3799. V:10.1007/s11831-021-09562-1

McKinney Wes. 2017. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython 2nd Edition, O’Reilly Media: 724 p. ISBN 9781449319793

Shields B.J. et al. 2021. Bayesian reaction optimization as a tool for chemical synthesis. Nature, v. 590, 7844: 89-96. DOI 10.1038/s41586-021-03213-y.

Sweigart A. 2015. Automate the Boring Stuff with Python: Practical Programming for Total Beginners. No Starch Press: 504 p. ISBN 1593275994.

Project "Digital Economy of the Russian Federation" [Electronic resource]. Ministry of Economic Development of the Russian Federation. Available at: http://economy.gov.ru/minec/activity/sections/ict/calculate/koap.html?c=koap (Accessed: 30.05.2023) (in Russian).

Material on the influenza incidence monitoring system [Electronic resource]. RIA News. Available at: https://ria.ru/20191025/1560152349.html (Accessed: 30.05.2023) (in Russian).

Quality Specialist: Professional Standard No. 40.062. Approved by order of the Ministry of Labor and Social Protection of the Russian Federation No. 276n dated April 22, 2021: 26 p. (in Russian).

Quality management systems. Requirements: GOST R ISO 9001-2015. 2015. Moscow. Standartinform: 23 p. (in Russian).


Просмотров аннотации: 14

Поделиться

Опубликован

2023-09-30

Как цитировать

Конев, К. А. (2023). Машинное обучение для поддержки принятия решений в сфере качества на промышленном предприятии. Экономика. Информатика, 50(3), 689-703. https://doi.org/10.52575/2687-0932-2023-50-3-689-703

Выпуск

Раздел

СИСТЕМНЫЙ АНАЛИЗ И УПРАВЛЕНИЕ