За последние пятнадцать лет системы радиочастотной идентификации (RFID) стали неотъемлемым элементом деятельности современных предприятий, позволяя эффективно отслеживать запасы и контролировать перемещение товарных потоков в рамках цепочек поставок. Наиболее широко технология применяется в розничной и оптовой торговле. Однако RFID-технологии играют ключевую роль в цифровизации и других отраслей, включая автомобилестроение, здравоохранение, фармацевтику и логистику. В статье представлен обзор современных методов поддержки принятия решений в управлении товарными запасами с применением RFID-технологий. Методологическую основу исследования составляет систематизированный подход к поиску и отбору научных публикаций, отражающих процессы внедрения и оптимизации RFID-систем в логистике и управлении запасами. Представленный обзор охватывает следующие аспекты: возможности применения RFID-технологии в различных отраслях, подходы и способы интеграции RFID с моделями систем поддержки принятия решений (СППР) в различных отраслях промышленности, ключевые критерии выбора технологий для управления товарными запасами, а также перспективы и возможности их интеграции с цифровыми инновациями.
Актуальность настоящего исследования обусловлена экспоненциальным ростом мобильного трафика данных и фундаментальными ограничениями современных мобильных сетей, делающими традиционные централизованные подходы к обработке информации малоэффективными.
Цель исследования - комплексный анализ ограничений современных мобильных сетей в контексте передачи больших объемов данных и оценка возможности компенсации этих ограничений за счет распределенных вычислений на мобильных устройствах, включая исследование влияния термального троттлинга на производительность смартфонов в условиях длительной вычислительной нагрузки.
Методы. Использованы экспериментальные измерения скорости передачи данных, синтетические тесты производительности, стресс-тесты для анализа троттлинга и сравнительный анализ мобильных и стационарных систем.
Результаты. В работе представлен комплексный анализ реальной производительности сетей 4G, 3G и 2G, выявивший критические проблемы: нестабильность соединения (колебания скорости в 4G от 10-15 Мбит/с с провалами до 5 Мбит/с), высокие задержки передачи и катастрофическое падение пропускной способности в сетях предыдущих поколений. Экспериментальные данные демонстрируют, что передача файла объемом 2 ГБ в оптимальных условиях 4G занимает 20 минут, тогда как в 3G этот показатель достигает 2 часов, а в 2G становится практически не реализуемой задачей. В качестве альтернативного подхода исследуется концепция распределенных вычислений на мобильных устройствах. Проведенные сравнительные тесты производительности между флагманскими смартфонами (Samsung Galaxy S24) и стационарными системами выявили, что при однопоточных вычислениях разрыв составляет лишь 15 %, однако ключевым ограничивающим фактором выступает термальный троттлинг, приводящий к потере 45-50 % производительности уже через 12-18 минут интенсивной нагрузки.
Выводы. Полученные результаты обосновывают принципиальную возможность создания эффективных распределенных вычислительных систем на базе кластеров мобильных устройств, однако указывают на необходимость разработки специализированных алгоритмов балансировки нагрузки и управления тепловыми режимами, что определяет направления дальнейших исследований в данной области.
В условиях ужесточения санитарных требований и постоянного роста цен на энерго- и водоресурсы процессы CIP-очистки становятся все более значимыми с точки зрения затрат пивоваренного предприятия. Оптимизация традиционными методами затруднена, процессы нелинейны, зависят от состава производимого продукта и требуют строгого соблюдения условий безопасности, особенно при работе со стеклянной тарой. С учетом этих факторов была сформулирована задача разработки комплексного цифрового решения, позволяющего управлять CIP-процессом более эффективно.
Цель исследования - создание цифрового двойника станции CIP, способного в реальном времени формировать оптимальный по ресурсопотреблению профиль режимов - с учетом расхода, температуры и времени - и обеспечивать его прямое исполнение в среде промышленной SCADA. В основе решения лежит математическая модель, включающая сопряженную систему неявных разностных уравнений, описывающих процессы тепло- и массообмена, а также гидравлический баланс трубопроводной сети.
Методы. Оптимизация осуществляется на базе итерационного алгоритма динамического программирования, который минимизирует совокупные затраты пара, электроэнергии и химических реагентов при соблюдении гигиенических норм остаточного загрязнения.
Результаты. Для обеспечения совместимости с промышленной SCADA-средой реализована автогенерация кода в формате S-функции для переноса модели из MATLAB/Simulink без необходимости дополнительной адаптации. Проверка решения в реальных условиях была проведена на пилотной линии с производительностью 60 000 бутылок в час. В течение 30 последовательных суточных циклов цифровой двойник показал стабильность и высокую точность, отклонения от логов SCADA-системы не превышали 0,4 °C по температуре и 1,2 % по расходу раствора.
Выводы. Внедрение оптимизированных профилей позволило сократить длительность полного цикла CIP на 10-15 %, а потребление щелочи и пара снизить в среднем на 20 % при сохранении микробиологической чистоты оборудования. Полученные результаты подтверждают не только техническую реализуемость предлагаемого подхода, но и его экономическую целесообразность.
Поддержание работоспособности и своевременное восстановление после отказа радиоэлектронной аппаратуры (РЭА) программно-аппаратных комплексов (ПАК) является важной задачей. Данную задачу на этапе эксплуатации, как правило, решает система технического диагностирования. Для информационной поддержки обслуживающего персонала при выполнении ими задач технического диагностирования разрабатывается диагностическая модель, которая входит в состав диагностического обеспечения изделия. Очевидным преимуществом при выполнении операций технического диагностирования является автоматизация информационной поддержки обслуживающего персонала при техническом диагностировании с применением вычислительных систем. По результатам проведенных исследований в статье предложена автоматизированная система информационной поддержки технического диагностирования на основе объектно-диагностической декомпозиции радиоэлектронной аппаратуры программно-аппаратного комплекса, которая позволяет существенно сократить среднее время поиска диагностической информации в процессе восстановления РЭА.
Данная статья представляет читателям обзор современного состояния и развития искусственного интеллекта (ИИ) в пищевой отрасли. На основе обзора научных трудов отражено собственное видение понятия ИИ. Используются методы обобщения, систематизации, анализа научных трудов по применению технологий ИИ в пищевой отрасли. Приведен ряд популярных нейросетей для генерации рецептов.
Для решения задачи получения целевых продуктов сжигания черного щелока в топке СРК - карбоната и сульфида натрия - выполнена разработка имитационной модели подсистемы сжигания черного щелока в топке СРК. Разработанная имитационная модель подсистемы сжигания черного щелока в топке СРК даст возможность моделировать процессы: горения черного щелока - для изучения влияния различных факторов (состав черного щелока, расход воздуха, температура) на эффективность сжигания и тепловую мощность СРК; восстановления сульфата натрия - для изучения влияния температуры, состава газов и содержания углерода на скорость восстановления сульфата натрия до сульфида натрия в СРК. Применение имитационной модели подсистемы сжигания черного щелока в топке СРК позволит оптимизировать процесс сжигания, минимизировать выбросы загрязняющих веществ в атмосферу, снизить потребление ресурсов и отходов, а также повысить общую эффективность процессов регенерационного цикла.
Рост развития автономного транспорта связан с повышением безопасности на дорогах, снижением столкновений и повышением эффективности логистических операций. На безопасность также влияет такой фактор, как усложнение дорожных условий и задач, связанных с навигацией и управлением автомобиля, и поэтому традиционные алгоритмы управления оказываются недостаточно качественными и эффективными.
Цель исследования - разработка интеллектуальной системы, которая позволяет автономному транспортному средству самостоятельно управлять курсом движения автономного агента (модель автомобиля), который обучается навигации и следованию по заданному курсу с помощью обучения с подкреплением на основе взаимодействия с имитационной средой методом актер-критик.
Материалы и методы. В данной работе для реализации и обучения модели с подкреплением использовалась библиотека Stable-Baselines3 (SB3), построенная на фреймворке PyTorch. В качестве среды обучения использовался симулятор DonkayCar. Для повышения скорости и эффективности обучения был применен алгоритм шумоподавляющего автокодера для выделения зоны интереса.
Результаты. В рамках исследования была проведена серия сравнительных тестов, направленных на оценку влияния различных параметров эффективности обучения модели - ограничение скорости, ограничение угла поворота колес, ширины допустимого отклонения, непрерывности движения, коэффициента дисконтирования, частоты отрисовки кадров.
Выводы. Результаты исследования позволяют сделать выводы о потенциале использования обучения с подкреплением в сфере автономного транспорта, включая необходимость дообучения модели на реальных данных, перспективы масштабирования на транспортные средства различного класса, ограничения, связанные с вычислительными ресурсами и необходимостью безопасной верификации поведения.
В работе проведены исследование и анализ моделей и методов глубокого обучения в задачах распознавания и классификации изображений опухолей мозга. Для сравнения эффективности наиболее актуальных и доступных моделей на основе сверточных нейронных сетей были выбраны модели VGG19, Xception и ResNet152. Наилучшие результаты показала модель Xception. Целью данной работы являются оптимизация и обучение выбранной модели с помощью различных методов для повышения точности диагностики опухолей головного мозга человека. Предложена и реализована стратегия для улучшения этой модели с использованием методов переноса обучения и аугментации данных. Из проведенных тестов следует, что улучшенная модель демонстрирует более высокую точность и устойчивость к различным видам искажений данных, что делает ее более эффективной для задач распознавания и классификации изображений.
В данной статье рассматриваются современные методы обучения с подкреплением, с акцентом на их применение в динамичных и сложных средах. Исследование начинается с анализа основных подходов к обучению с подкреплением, таких как динамическое программирование, методы Монте-Карло, методы временной разницы и градиенты политики. Особое внимание уделяется методологии Generalized Adversarial Imitation Learning (GAIL) и ее влиянию на оптимизацию стратегий агентов. Приведено исследование безмодельного обучения и выделены критерии выбора агентов, способных работать в непрерывных пространствах действий и состояний. Экспериментальная часть посвящена анализу обучения агентов с использованием различных типов сенсоров, включая визуальные, и демонстрирует их способность адаптироваться к условиям среды, несмотря на ограничения разрешения. Представлено сравнение результатов на основе кумулятивной награды и длины эпизода, выявляющее улучшение производительности агентов на поздних этапах обучения. Исследование подтверждает, что использование имитационного обучения значительно повышает эффективность агента, сокращая временные затраты и улучшая стратегии принятия решений. Настоящая работа открывает перспективы для дальнейшего изучения механизмов улучшения разрешающей способности сенсоров и тонкой настройки гиперпараметров.
В статье проводится компьютерное моделирование погодных условий на основе данных атмосферного давления с привлечением теории нечетких множеств. В среде компьютерной математики Maple2021 с привлечением библиотеки линейной алгебры LinearAlgebra был реализован алгоритм расчета детерминированных и интегральных индексов ранжирования для нечетких множеств, которые характеризуют погодные условия. Исследования показали, что при умеренном атмосферном давлении на следующий день наблюдается более солнечная погода по сравнению с ситуацией, когда давление крайне низкое. На конкретных примерах было показано, что интегральные индексы ранжирования обеспечивают более точные результаты, чем детерминированные индексы ранжирования.
Цифровая трансформация бизнеса означает перевод многих процессов на предприятии в цифровой вид, т. е. предполагается выполнение процессов с использованием компьютерной техники и ИТ-технологий. При этом важно организовать эффективную интеграцию уже имеющихся на предприятии процессов с современными ИТ-технологиями. Такая интеграция может касаться не только производства, но и других областей человеческой деятельности. Конечно, и раньше многие отрасли в разной мере подвергались автоматизации, но появление искусственного интеллекта (ИИ) может сгладить разницу между отраслями с автоматизацией разной степени и позволит оптимизировать процессы, даже если какие-то из сфер деятельности не предполагают использование ИИ. Тем не менее процесс цифровизации в подавляющем большинстве случаев даст ускорение принятию решений, если использовать системы ИИ, в частности цифрового двойника. Это оптимизирует сбор данных, что позволит использовать их для создания моделей объектов или систем. Модель в дальнейшем будет применяться для анализа и оптимизации работы без физического присутствия объекта. Все вышеизложенное и определяет актуальность темы идентификации места и роли искусственного интеллекта в цифровой трансформации российского бизнеса. В данной статье авторы размышляют над проблемой «Какие шаги необходимо предпринять для развития новых технологий анализа данных в производстве? И как усовершенствовать среду работы с данными?». В статье дается обзор истории использования искусственного интеллекта в бизнесе. Обсуждаются слабые стороны применения технологий искусственного интеллекта. Предпринимается попытка дать ответ на вопрос: что нужно сделать уже сегодня, чтобы предприятие или организация могли занять лидирующие позиции завтра.
Одним из важных направлений сельского хозяйства является плодовое садоводство, в частности, интенсивные яблоневые сады вносят заметный вклад в сельскохозяйственную отрасль Кабардино-Балкарской Республики. При этом для сохранения урожая необходимо обеспечить своевременное выявление и устранение угроз, связанных с болезнями и вредителями яблок. Учитывая нехватку профильных специалистов, актуальной становится задача разработки автоматизированной системы распознавания болезней и вредителей яблоневых садов. Для этого в рамках исследования была поставлена цель - разработка и оценка применимости интеллектуальной рекомендательной системы для защиты яблоневых садов в КБР. В данной статье описана концепция и приведены результаты разработки системы контроля состояния яблоневых садов, предназначенной для выявления болезней и вредителей на деревьях, а также подбора наиболее подходящего плана защиты растений в зависимости от местоположения сада. Программа представляет собой веб-приложение, созданное на основе фреймворков FastAPI, Vue. js и нейронной сети, отвечающих за распознавание вредителей и болезней яблонь по фотографии и составление оптимального плана их обработки. Приведены результаты обучения нейронной сети на подготовленной выборке фотографий здоровых и зараженных яблок. В качестве основы для нейронной сети использовались различные модели: Roboflow 3.0, RF-DETR, YOLO v11 и YOLO v12. Разработанный сервис позволит диагностировать заболевания яблонь с минимальными задержками по времени, а также обеспечить подбор методов защиты в случае необходимости, что снизит риски потери урожая садоводами. В результате тестирования наилучших показателей достигла модель Roboflow 3.0: mAP составила 91,0 %, precision - 97,5 %, а recall - 88,5 %, что свидетельствует о применимости подхода, но этого недостаточно для внедрения. С целью повышения точности и расширения списка распознаваемых угроз планируется сбор дополнительных фотоматериалов в садах республики, в том числе фотографий листьев и стволов яблоневых деревьев, полученных в различных погодных условиях, и дальнейшее тестирование с участием садоводов республики.
- 1
- 2