CC BY
14
СПб.: ЗАО «ЦНИИМФ», 2007. - 504 с.
2. Общие и специальные правила перевозки наливных грузов 7-М. — М.: В /О «Мортехннформреклама», 1985. — 456 с
3. Правила и особенности перевозки наливных грузов. [Электронный ресурс]/ - Режим доступа:https://www.contlease.ш/artides/pravMa-i-osobennosti-perevozki-nalivnykh-gшzov/, свободный. -Загл. с экрана..
© Баляев Д.Д., 2023
УДК 004.896
Карпович А.В.
студент 2 курса, Гданьский политехнический университет, Польша, г. Гданьск
МАШИННОЕ ОБУЧЕНИЕ И ЕГО РОЛЬ В РАЗВИТИИ ПРОМЫШЛЕННОСТИ
Аннотация
Машинное обучение активно внедряется в промышленности и сегодня является своего рода трендом развития инновационно-активных промышленных компаний. Целью выполненного исследования явилось раскрытие сущности машинного обучения в контексте современных взглядов на данное явление и определение его роли в развитии умного производства.
Ключевые слова
Искусственный интеллект, компьютерное обучение, рынок искусственного интеллекта, промышленные приложения, умное производство.
Введение. Промышленность занимает высокий удельный вес в структуре национального продукта и оказывает существенное влияние на развитие национальной экономики, рост ВВП, формирование доходов и благосостояние населения, развитие внутренней и внешней торговли, политическую и социальную стабильность любого государства. В настоящее время конкурентоспособность промышленного производства обеспечивается за счет внедрения современных систем автоматизации и роботизации, развертывания информационно-аналитических систем управления бизнес-процессами [1, с. 64].
В последние десятилетия научные исследования в области развития методов машинного обучения сделали весомый шаг вперед. Машинное обучение является основой разработки прикладных программных продуктов для промышленных предприятий и одним из ключевых факторов, способствующих трансформации традиционной производственной системы до уровня «Индустрия 4.0». Однако, следует отметить, что масштабное развертывание интеллектуальных систем управления производственными и бизнес-процессами процессами в промышленности характерно лишь для небольшого кластера крупных международных компаний таких как Honeywell International Inc., Rockwell Automation Inc., Siemens AG и некоторых других.
Результаты исследования. Машинное обучение - это совокупностью методов и алгоритмов (рис. 1), которые позволяют в автономном режиме обнаруживать закономерности в данных, а затем использовать их для прогнозирования или для выполнения других видов принятия решений в условиях
неопределенности [4, с. 1]. В своем развитии оно прошло путь от первой компьютерной обучающей программы игры в шашки, написанной в 1952 году А. Сэмюэлом, до адаптивных программ, способных учиться на собственном опыте и постоянно совершенствоваться на основе обратной связи из внешней среды, что позволяет признать наличие тесной связи его с искусственным интеллектом [2, с. 329; 3, с. 463].
Контролируемое обучение
• наивная байесовская классификация:
• линейная и логистическая регрессия;
• машины опорных векторов
Неконтролируемое обучение
кластеризация к -средннх: анализ основных компонентов; автоэнкодеры
Полуконтролируемое обучение
• симбиоз алгоритмов контролируемого и неконтролируемого обучения
Обучение с подкреплением
State -Action-Re ward- State-Action (SARSA) Q-Lcammg
Deep Q-Netwoiks (Глубокие Q-сети)
Федеративное обучение
• глубокие нейронные сети;
• федеративный стохастический градиентный спуск (Ь есЙСЮ);
• федеративное усреднение |Т«1Л\<^)
Рисунок 1 - Классификация основных методов машинного обучения
В настоящее время все больше и больше крупных промышленных компаний вкладывают средства в развитие производственных технологий, основанных на машинном обучении. Внедрение этих технологий позволяет снижать затраты на рабочую силу, содействует развитию системы бездефектного изготовления продукции, сокращает внеплановые простои, обеспечивает улучшение организации и управления компанией и многое другое, тем самым способствуя развитию «умного» производства.
«Умное» производство основано на интеграции различных технологий, программных систем и датчиков для создания целостной интеллектуальной экосистемы, которая может отслеживать, анализировать и автоматизировать производственные операции в режиме реального времени. Для оптимизации производственных процессов и повышения операционной эффективности оно использует такие технологии как Интернет вещей (IoT), машинное обучение (ML), искусственный интеллект (AI) и аналитику больших данных (Big Data).
Весомый вклад в развитие «умного» производства внесла автомобильная промышленность, где внедрение роботов в технологический процесс позволило минимизировать участие в нем человека. Другим направлением является производство электроники, где машинное обучение используется для оптимизации производственных процессов, анализа данных и улучшения качества продукции. Полученные в результате промышленной автоматизации преимущества и возможности явились своего рода катализатором спроса на технологии машинного обучения в других сферах производственно-хозяйственной деятельности человека. В результате этого компании из разных отраслей стремятся включить интеллектуальное производство в свои процессы, способствуя общему росту рынка «умного» производства. Так, согластно выводам экспертов CMI Consulting LLC, среднегодовой темп роста рынка «умного» производства в ближайшее десятилетие составит не менее 14 % [5].
Рост рынка «умного» производства тесно связан с индустрией информационных технологий, которые играют ключевую роль в существовании и развитии искусственного интеллекта (ИИ). Ожидается, что в ближайшие годы рынок искусственного интеллекта продемонстрирует уверенный рост и к 2030 году вырастет до 1,8 трлн. долл. США (рис. 2).
□ Оптимистичный □ Пессимистичный
Рисунок 2 - Прогноз развития мирового рынка искусственного интеллекта
до 2030 г., млрд. долл. США
Современный рынок искусственного интеллекта охватывает огромное количество отраслей. Он включает все, от цепочек поставок, маркетинга, производства продуктов, исследований, до анализа публикаций в СМИ и разработки на этой основе ценовых прогнозов. Промышленные компании в той или иной степени уже широко используют искусственный интеллект в своей деятельности. Согласно опросам Harvard Business Review - 36 % руководителей указывают, что их основной целью внедрения ИИ является оптимизация бизнес-процессов - автоматизация внутренних бизнес-операций, взаимодействие с клиентами и сотрудниками и получение информации посредством анализа данных. В отечественной практике широкое применение в управлении бизнес-процессами получили ERP-системы планирования ресурсов и CRM-системы управления взаимоотношениями с контрагентами [6, с. 23].
Заключение. Таким образом, выполненные исследования позволяют сделать вывод, что использование машинного обучения в промышленности может улучшить эффективность производства и повысить качество продукции, а, это в свою очередь обеспечит повышение уровня удовлетворенности потребителей промышленных товаров и увеличение прибыли их производителей.
Список использованной литературы:
1. Карпович, А.В. Влияние информационных технологий на инновационное развитие промышленности / А В. Карпови; науч. рук. В. Ф. Карпович // Экономика и маркетинг в промышленности [Электронный ресурс]: материалы студенческой научно-технической конференции, проводимой в рамках международного молодежного форума «Креатив и инновации' 2023», 14-27 апреля 2023 года / редкол.: А. В. Данильченко [и др.]. - Минск: БНТУ, 2023. - С. 64-65.
2. Wiederhold, G. Arthur Samuel: Pioneer in Machine Learning / G. Wiederhold, J. McCarthy // IBM Journal of Research and Development. - 1992. - № 36(3). - P. 329-331. doi:10.1147/rd.363.0329
3. Силкина, Г. Ю. Искусственный интеллект в моделях функционирования и инновационного развития промышленных предприятий / Г. Ю. Силкина, С. Ю. Шевченко // Стратегическое управление развитием цифровой экономики на основе умных технологий / под ред. А. В. Бабкина. - Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2021. - С. 459-501.
4. Murphy, K. P. Machine learning: a probabilistic perspective / K. P. Murphy. - London: MIT press, 2012. -1098 p.
5. Global Smart Manufacturing Market 2023-2032 // Custom Market Insights. - Mode of access: https://www.custommarketinsights.com/report/smart-manufacturing-market/. - Date of access: 26.06.2023.
6. Карпович, В. Ф. Мировой рынок интегрированных систем управления бизнес-процессами организации / В. Ф. Карпович // Новейшие исследования в современной науке: опыт, традиции, инновации: Collected scientific articles of the XIV International scientific conference, Morrisville, 07-08 июня 2022 года. - Morrisville: Lulu Press Inc., 2022. - С. 22-25.
© Карпович А.В., 2023
