АЛГОРИТМ ИНТЕЛЛЕКТУАЛИЗАЦИИ ПРЕДУПРЕЖДЕНИЯ СБОЕВ АСУ НА ОСНОВЕ ПРЕДИКТИВНОЙ АНАЛИТИКИ

А. А. Личман, О. Ю. Чередникова

Об авторах

А. А. Личман, О. Ю. Чередникова

Личман А.А. – аспирант, ассистент, ФГБОУ ВО ДонНТУ, кафедра компьютерной инженерии, 283001, Донецк, ул. Артема, 58. Область научных интересов: алгоритмы интеллектуализации и автоматизации, компьютерное моделирование, нейронные сети

Чередникова О.Ю. – к.т.н. доцент, ФГБОУ ВО ДонНТУ, кафедра компьютерной инженерии, 283001, Донецк, ул. Артема, 58, Область научных интересов: операционные сети, системное программирование, компьютерное моделирование, нейронные сети

Скачать PDF

УДК: 004.032.26
DOI: 10.24412/2413-7383- 2025-3-38-148-156
Язык: Русский

Аннотация: Внедрение автоматизированных систем управления затронуло практически все ключевые отрасли экономики. С конца прошлого века и по сей день среда, в которой существуют производства постоянно меняется, и автоматизированные системы управления вынуждены меняться вместе с ней. Так, в последние десять лет частичная интеллектуализация произ-водств позволяет оптимизировать расходы. Предиктивная(прогнозная) аналитика – один из самых эффективных инструментов оптимизации. В данной статье при помощи статистиче-ского метода ARIMA и алгоритма машинного обучения случайный лес был внедрен алгоритм интеллектуализации. Проанализированы результаты внедрения алгоритма.

Ключевые слова: ARIMA, АСУ, интеллектуализация, временные ряды, машинное обучение, оптимизация

Список литературы

1. Pikalyov YA.S. Obzor arhitektur sistem intellektual'noj obrabotki estestvenno-yazykovyh tekstov. Problemy iskusstvennogo intellekta. 2020. № 4 (19). S. 45 -68.
2. Burlaeva E.I. Zori S.A. Sravnenie nekotoryh metodov mashinnogo obucheniya dlya analiza tekstovyh dokumentov. Problemy iskusstvennogo intellekta. 2019. № 1 (12). S. 42-51.
3. Ковальчук Ю. Н. Прогнозирование временных рядов с использованием комбинированных моделей ARIMA и машинного обучения / Ковальчук Ю. Н. Павлова Н. А. Математическое моделирование. 2021. Т. 33, № 4. С. 56-67.
4. Antsyferov S.S. Sigov A.S. Tekhnologic heskie osnovy postroeniya intellektual'nyh system. Problemy iskusstvennogo intellekta. 2016. № 1 (2). S. 34 -44.
5. Бобровский А. Ю. Прогнозирование временных рядов с использованием модели ARIMA / Бобровский А. Ю. М.: Научный мир, 2015. 210 с.
6. Гусев В. В. Машинное обучение для анализа данных: от линейных моделей до нейронных сетей / Гусев В. В. СПб.: БХВ-Петербург, 2018. 256 с.
7. Гаврилов И. В. Методы машинного обучения в прогнозировании временных рядов / Гаврилов И. В. Журнал вычислительной математики и математической физики. 2019. Т. 59, № 6. С. 877- 886.
8. Иванов Д. М. Введение в модели ARIMA для анализа временных рядов / Иванов Д. М. М.: "Финансовый мир", 2017. 190 с.
9. Куликов А. В. Алгоритмы и методы оптимизации для анализа больших данных / Куликов А. В. СПб.: Наука, 2019. 180 с.
10. Яковлев И. И. Методы анализа и предсказания временных рядов с использованием ARIMA и нейросетей / Яковлев И. И. СПб.: Бизнес -пресс, 2018. 08 с.
11. Agafonova M.S. Development of the adaptation management mechanism of an industrial enterprise. Successes of Modern Natural Science, 2011. pp. 71 -72.
12. Чувиков, Д.А. Модели и алгоритмы реконструкции и экспертизы аварийных событий дорожно - транспортных происшествий: дис. … канд. технич. наук: 05.13.01 / М. 2017. 318 с.
13. Сайт информационного агентства РИА. [Электронный ресурс]. Режим доступа: https://ria.ru/20221017/predpriyatiya -1824081417.html
14. Тельнов, Ю. Ф. Развитие архитектур цифровых предприятий. Научные труды Вольного экономического общества России. 2021. Т. 230, № 4. С. 230 -235. DOI 10.38197/2072 -2060-2021-230-4-230-235. EDN RVLEES.
15. Ромащенко, М.А. Васильченко, Д.В. Пухов, Д.А. Использова ние нейросетевых алгоритмов для визуального контроля топологии печатных плат. Вестник ВГТУ. 2022. № 3.
16. Коновалова Г.И. Концептуальные и методологические основы цифровой трансформации машиностроительного предприятия. Организатор производства. 2023. № 1.
17. Новикова, В. Д. Большие данные в промышленности. Современная наука: актуальные вопросы и перспективы развития: материалы Международной (заочной) научно -практической конференции, София, Болгария, 25 декабря 2019 года. София, Болгария: Научно -издательский цент р "Мир науки" (ИП Вострецов Александр Ильич), 2019. С. 225 -228. EDN PYARHB.
18. Айларова, З. К. Дзакоев, З. Л. Цифровая модернизация производственных систем предприятий. Экономика и управление: проблемы, решения. 2019. Т. 6, № 1. С. 128 -132. EDN NXWCHB.
19. Тихонов, И.А. И нтеллектуализация предприятий электронной промышленности и управление рисками // И.А. Тихонов, С.С. Анцыферов. Проблемы искусственного интеллекта. 2023. № 4 (31). 29-39. http://search.rads-doi.org/project/14374/object/210540 doi: 10.34757/2413-7383.2023.31.4.004
20. Теплова, О.В. П ринципы распознавания психоэмоционального состояния личности в автоматизированных системах управления // О.В. Теплова, О.А. Криводубский. Проблемы

Выпуск: 3(38)'2025
Раздел: АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ И ПРОИЗВОДСТВАМИ
Как цитировать: А. А. Личман, О. Ю. Чередникова. АЛГОРИТМ ИНТЕЛЛЕКТУАЛИЗАЦИИ ПРЕДУПРЕЖДЕНИЯ СБОЕВ АСУ НА ОСНОВЕ ПРЕДИКТИВНОЙ АНАЛИТИКИ // Проблемы искусственного интеллекта. - 2025. - № 3 (38). - С. 148-156. - https://paijournal.guiaidn.ru/ru/2025/3(38)-13.html

Назад к выпуску 3(38)'2025