CC BY
12
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПРОЕКТНОЙ ДЕЯТЕЛЬНОСТИ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ ЗА СЧЁТ ВНЕДРЕНИЯ ГИБКИХ IT
ТЕХНОЛОГИЙ Зинкина М.Л.
Зинкина Мария Львовна- студент, кафедра управление инновациями на транспорте, Федеральное государственное автономное образовательное учреждение высшего образования Российский
университет транспорт, г. Москва
Аннотация: в статье рассмотрены способы и проблемы внедрение цифровых технологий на железнодорожный транспорт, а также влияние данных решений на цифровую экономику. Внедрение цифровых технологий - сложный процесс, требуемый огромной проработки перед запуском в такой крупной сфере, как железнодорожный транспорт, так как это может привести к пагубным последствиям.
Ключевые слова: железнодорожный транспорт, цифровая трансформация, цифровая экономика, искусственный интеллект.
IMPROVING THE EFFICIENCY OF PROJECT ACTIVITIES IN RAILWAY TRANSPORT THROUGH THE INTRODUCTION OF FLEXIBLE IT
TECHNOLOGIES Zinkina M.L.
Zinkina Maria Lvovna- student, DEPARTMENT OF INNOVATION MANAGEMENT IN TRANSPORT, FEDERAL STATE AUTONOMOUS EDUCATIONAL INSTITUTION OF HIGHER EDUCATION "RUSSIAN UNIVERSITY
OF TRANSPORT, MOSCOW
Abstract: the article discusses the ways and problems of introducing digital technologies to rail transport, as well as the impact of these solutions on the digital economy.
The introduction of digital technologies is a complex process that requires a huge study before launching in such
a large area as rail transport, as this can lead to harmful consequences.
Keywords: railway transport, digital transformation, digital economy, artificial intelligence.
Цифровые технологии, искусственный интеллект (ИИ) и крупномасштабная аналитика, обозначаемая термином "большие данные", все больше меняют Современные ИТ-системы работают с широким спектром форматов данных, пользовательских спецификаций и неоднозначной семантики. Эта ситуация усугубляется тенденцией к хранению растущих объемов неструктурированных данных не в реляционных базах данных. Хотя наличие этих неструктурированных данных, возможно, лучше, чем их отсутствие, и современные алгоритмы могут частично извлечь полезную информацию даже из неструктурированных данных - их очень трудно обрабатывать. Как следствие, перед анализом обычно необходимы трудоемкие процедуры фильтрации и предобработки данных [1].
Кроме того, запуск алгоритмов на неструктурированных, нестандартизированных данных может привести к ошибкам, которые искажают результаты анализа. Такие ошибки трудно обнаружить в больших наборах данных, поскольку огромный объем данных затрудняет прогнозирование, обнаружение и исправление всех возможных ошибок. Это может привести к систематическим ошибкам, которые компрометирует достоверность результатов анализа и которые в конечном итоге могут подорвать доверие к цифровым технологиям.железнодорожный транспорт. Эти технологии опираются на растущие объемы цифровых данных. Поэтому для использования алгоритмов ИИ и анализа больших данных на полную мощность и их максимального ввода крайне важно обрабатывать информацию из различных подсистем. Всеобъемлющий анализ данных может, например, потребовать информации от отдельных подразделений и различных датчиков. Аналогичным образом, несколько источников данных часто необходимы, когда данные скудны, а требуется большой пул сопоставимых данных, что может привести к необходимости обмена информацией между системами, учреждениями и странами.
Проблемы внедрения IT-решений на железной дороге
Сегодняшняя цифровая структура контента железнодорожного транспорта затрудняет крупномасштабную обработку данных в ИТ-системах.
Эта проблема становится еще более актуальной при использовании искусственных нейронных сетей и алгоритмов глубокого обучения. Поскольку такие методы по существу являются "черными ящиками"
для пользователей, важно, чтобы их расчеты основывались на прочной основе. Для этого нужны данные с четкой структурой и однозначной семантикой. В противном случае современные алгоритмы ИИ могут принести больше вреда, чем пользы. Чтобы избежать этих сложностей и предоставить алгоритмам ИИ и технологиям больших данных возможность корректного использования, необходимо обеспечить интероперабельность.
Самым большим препятствием для применения ИИ и технологий больших данных на железнодорожном транспорте является, возможно, не отсутствие алгоритмов, а отсутствие подходящих данных для разработки ИИ и приложений для больших данных. Поэтому использование упомянутых выше международных стандартов и терминологий может помочь обеспечить алгоритмы структурированными и значимыми данными и способствовать использованию ИИ и больших данных на железнодорожном транспорте.
Цифровая трансформация железнодорожного транспорта не всегда требует сложной аналитики или сложных алгоритмов ИИ. Во многих случаях, нужно просто сделать правильную информацию доступной для нужного пользователя [2]. Часто важные части железнодорожной информации теряются по мере того, как они перемещаются через различные подсистемы. Например, железнодорожная транспортная информация иногда даже не может быть распространена в различных департаментах одной и той же дороги из-за правил защиты данных.
Это приводит к неэффективности принятия решений и может создавать серьезные риски. Предоставление поставщикам транспортных услуг необходимой информации может помочь избежать такой неэффективности и повысить качество обслуживания. В этом контексте особенно важно содействовать использованию интероперабельных электронных железнодорожных записей. Важно отметить, что, делая соответствующую информацию легко доступной, интероперабельные ИТ-системы должны облегчить жизнь работникам железнодорожного транспорта [3].
Рост цифровых технологий часто вызывает опасения, что придется проводить больше времени с документацией и вводом данных и меньше времени останется на принятие решений.
Повышение эффективности проектной деятельности на жд транспорте за счет внедрения гибких ^-решений
ИТ-системы могут снизить нагрузку на документацию (например, избегая повторного ввода данных) и упростить громоздкие процессы поиска информации. Интероперабельность может также способствовать проведению научных исследований в области железнодорожного транспорта. Это особенно важно в области реальных данных: использование интероперабельных форматов для реальных данных открывает различные возможности для исследователей.
Во-первых, если реальные данные интероперабельны, они могут быть использованы для крупномасштабных наблюдений на региональном, национальном или глобальном уровнях.
Во-вторых, реальные данные являются сокровищницей для ИИ и методов машинного обучения, обсуждаемых выше. Будучи в состоянии найти закономерности и корреляции в наборах данных, эти методы могут помочь аналитикам оценить новые гипотезы, которые впоследствии могут быть исследованы более тесно в запланированных испытаниях (в этих испытаниях важно исключить ложные корреляции и определить причинно-следственные связи). Если данные структурированы в соответствии с международными стандартами [3,5], их гораздо легче анализировать, а усилия, необходимые для фильтрации и предварительной обработки данных, сокращаются.
Это может ускорить процесс исследования и сделать разработку сценариев анализа более гибкой: если аналитики знают, что данные будут соответствовать определенным форматам и семантике, анализ может быть запрограммирован без прямого доступа к данным. Вместо этого анализ достаточно сформировать удаленно, а затем передать на сайт данных для расчета результатов.
Это может разблокировать источники данных, которые в противном случае оказались бы недоступны (из-за, например, строгих правил защиты данных). Это также может улучшить качество исследований, поскольку анализы могут быть запрограммированы различными экспертами, а не только теми, кто имеет прямой доступ.
Аналогичным образом, интероперабельные данные могут гарантировать, что один анализ может быть проведен со многими различными источниками данных, содержащими данные из различных департаментов. В целом, интероперабельность может генерировать новые идеи в обслуживании железнодорожного транспорта, что позволяет более эффективно анализировать существующие источники данных.
Инновационные интерфейсы и стандартные терминологии позволяет сделать обмен данными между различными международными структурами.
Цифровая трансформация железнодорожного транспорта зависит от интероперабельных и стандартизированных данных [5]. Данные могут помочь реализовать весь потенциал ИИ и технологии больших данных, улучшить коммуникацию железнодорожной транспортной отрасли, сделать
железнодорожные исследования более эффективными и способствовать международному сотрудничеству.
Поскольку внедрение 1Т-решений требует совместных усилий работников железнодорожного транспорта, аналитиков, ИТ-экспертов, инженеров по обработке данных и политиков, это важно сделать важной темой в железнодорожном транспорте. В конечном итоге усилия по повышению эффективности проектной деятельности на ж/д транспорте могут принести огромные дивиденды: с учетом международных стандартов и железнодорожной транспортной терминологии инновации могут проложить путь к взаимосвязанной цифровой инфраструктуре, которая преодолеет барьеры между отдельными специалистами, организациями и странами.
Существует множество предложений о том, как разработать и поддерживать корпоративный уровень цифровой трансформации, но слишком мало идей, как управление данными встраивать в цифровую трансформацию. Некоторые идеи носят чисто теоретический характер, а большинство относятся к конкретным прикладным задачам определенной компании, что затрудняет их адаптацию другими компаниями.
Стандарты и цифровая трансформация
Своевременное и согласованное принятие технических стандартов, вероятно, будет играть ключевую роль в контексте цифровой трансформации.
Стандарты могут способствовать постоянной цифровизации промышленности путем развития совместимости между продуктами и процессами; они также могут передавать информацию между экономическими агентами и компьютерами, гарантируя при этом соответствующий уровень качества и безопасности.
Важно отметить, что стандарты могут также содействовать инновациям и освоению новых цифровых технологий [9]. Специалисты давно признают ключевую роль стандартов в общих усилиях по устранению барьеров и раскрытию потенциала роста экономики.
Прогресс в области новых технологий во всем мире ускоряется в геометрической прогрессии, и разработка новых стандартов в этой области отвечает этому прогрессу. Поэтому необходимы скоординированные усилия по разработке технологических стандартов, которые не только более чутко реагируют на насущные потребности, но и являются гибкими, открытыми, более тесно связанными с исследованиями и инновациями и, что важно, лучше связанными друг с другом.
Новые передовые технологии производства опираются в первую очередь на новые цифровые технологии, такие как Интернет вещей (1оТ), большие данные (BigData), робототехника и искусственный интеллект (ИИ), которые не работают изолированно, а основаны на связанных системах, обеспечивающих коллективные решения.
Применение этих технологий будет распространяться на широкий круг областей экономической деятельности, включая здравоохранение, образование, сельское хозяйство, транспорт, производство и электросети и т.д.
Влияние внедрения гибких ^-решений на цифровую экономику
Цифровая экономика [10-13] - главное направление современного развития экономики, включая сферу транспорта. Поскольку управление транспортом является пространственным и использует пространственную информацию и геоданные, то в сфере транспорта цифровая экономика тесно связана с пространственной экономикой [4].
Ядром цифровой экономики является цифровой сектор ИТ/ИКТ, производящий цифровые товары и услуги. «Цифровая экономика» (ЦК) может быть определена как часть экономики, сформированная исключительно за счет информационных (цифровых) технологий. ЦК использует бизнесмодели [5], использующие цифровые технологии и цифровые услуги. Она состоит из цифрового сектора плюс новые цифровые и платформенные услуги. Самый широкий охват - использование ИКТ во всех экономических областях - называют "цифровой экономикой".
Цифровая экономика составляет около 5% мирового ВВП и 3% глобальной занятости [12]. За этим стоит значительная неравномерность: на сегодняшний день львиная доля цифровой экономики в мировом регионе является глобальный. Цифровизации экономики предлагает потребителю новые скоростные услуги и ускоряет процесс их получения и использования. Применение цифровых пространственных моделей и геоинформационных технологий обеспечивает повышенную безопасность, автоматизацию и интеграцию технологий и средств транспорта. Услуги, предлагаемые цифровыми методами, обладают более широкими возможностями в сравнении с не цифровыми услугами.
Цифровизация транспортной сферы увеличивает пропускной способности всех видов транспорта. В тоже время, при этом возрастают угрозы типа кибератак, угрожающие безопасности движения и жизни. Решение задач безопасности состоит в разработке защищенного аппаратного и программного комплекса управления. Цифровые технологии совершенствуют логистику и инфраструктуру. Одним их примером цифровизации транспорта является цифровая железная дорога (ЦЖД). В более широком смысле можно
говорить о цифровом транспорте [10]. В то же время существуют терминологические особенности в области цифровизацией.
В данной научно-исследовательской работе рассмотрены способы и проблемы внедрение цифровых технологий на железнодорожный транспорт, а также влияние данных решений на цифровую экономику.
Внедрение цифровых технологий - сложный процесс, требуемый огромной проработки перед запуском в такой крупной сфере, как железнодорожный транспорт, так как это может привести к пагубным последствиям.
Список литературы/References
1. Цветков В.Я. Интеллектуализация транспортной логистики // Железнодорожный транспорт. -2011. -№4. - С.38-40.
2. Цветков В.Я., Розенберг И.Н. Интеллектуальные транспортные системы - Saarbrücken, 2012. - 297с.
3. Бубнова Г.В., Лёвин Б.А. Цифровая логистика-инновационный механизм развития и эффективного функционирования транспортно-логистических систем и комплексов //International journal of open information technologies. - 2017. - Т. 5. - №. 3.
4. Макаренко С.И, Олейников А.Я., Черницкая Т.Е. Модели интероперабельности информационных систем // Системы управления, связи и безопасности, №4, 2019. С.215-245.
5. Цветков В.Я., Кужелев П.Д. Железная дорога как геотехническая система //Успехи современного естествознания. -2009. - №4. - С.52.
6. Ожерельева Т.А. Информационное управление подвижными объектами // Государственный советник. - 2018. - №4(24). - С.29-37.
7. Лёвин Б.А., Цветков В.Я. Цифровая железная дорога: принципы и технологии // Мир транспорта. -2018. - Т. 16. - №3 (76). - С.50-61.
8. Буравцев А.В. Цифровая железная дорога как сложная организационно-техническая система // Наука и технологии железных дорог. - 2018. Т.2.- 1(5). - С.69-79.
9. Bulturbayevich M.B., Jurayevich M.B. The impact of the digital economy on economic growth //International Journal of Business, Law, and Education. - 2020. - Т. 1. - №. 1. - С.4-7. 2.
10. Bukht R., Heeks R. Defining, conceptualising and measuring the digital economy //Development Informatics working paper. - 2017. - №. 68. 3.
11. PopkovaE.G. Digital economy: Complexity and variety vs. rationality. - 2020.
12. Tsvetkov V.Ya. Spatial Relations Economy // European Journal of Economic Studies, 2013, № 1(3). - P.57-60.
13. Инновационный менеджмент. Учебник / под общ. рсд. Л.П. Гончаренко. -М.: Юрайт, 2015.-488 с.
14.Хомкин К.Л. Инновационный проект. Подготовка для инвестирования. М.: Издательский дом «Дело» РАНХиГС, 2013. 120 с.
15. Тукксль ИЛ., Сурина Л.В., Культин Н.Б. Управление инновационными проектами. - СПб.: БХВ-Петербург, 2017. - 416 с.
16. Поляков И.А., Мотовилов О.В., Лукашов Н.В. Управление инновационными проектами. М.: Юрайт, 2017. 330 с.
17.Мельников Р.М. Оценка эффективности общественно значимых инвестиционных проектов методом анализа издержек и выгод. Учебное пособие. - М.: Проспект, 2017. - 238 с.
18. Патрушкова Е., Большакова Е. Оценка экономической эффективности инновационных кластерных проектов. - М.: Райпапит Асабепнс РиЬНвЫпд, 2014. - 164 с.
19. Бариленко В.И., Бердников В. В., Гавель О.К., Керимова Ч.В. Информационно-аналитические методы оценки и мониторинга эффективности инновационных проектов. М.: Русайнс, КноРус медиа, 2015. -84 с.
20. Ратиер С.В., Архипова М.Ю., Нижегородцев Р.М. Эконометрические методы управления рисками инновационных проектов. - М.: ЕсШопа1 1Ж83, 2017.-272 с.
21. Проскурин В.К. Анализ, оценка и финансирование инновационных проектов. Учебное пособие. М.: Вузовский учебник, Инфра-М, 2016. 136 с.
22. Вайтенков Я.В. Тсбекин А.В., Тсбскин П.А. Толкаченко Г.Л. Управление рисками инновационно-инвестиционных проектов / Под ред проф. А.В. Тсбскина. - М.: Русайнс, 2017. - 240 с.
23. Ковалев П. Успешный инвестиционный проект. Риски, проблемы и решения. М.: Альпина Паблишер, 2017. -432 с.
24. Котлер Ф. Маркетинг от А до Я. 80 концепций, который должен знать каждый менеджер. - М,: Альпина Паблишер, 2017. - 211 с.
