CC BY
17Применение современных техник машинного обучения в обеспечении эффективности отраслевых стоимостных расчетов на примере гражданского судостроения
сч сч о сч
сч
о ш т
X
<
т о х
X
Калмыков Виктор Алексеевич
ведущий инженер, АО "ЦКБ "Коралл", vickalmykov@gmail.com Досиков Василий Станиславович
доктор экономических наук, доцент, доцент экономического факультета, МГУ имени М.В. Ломоносова, dosikov@mail.ru
Трофимова Екатерина Алексеевна
стажер-исследователь, аспирант факультета компьютерных наук, НИУ ВШЭ, etrofimova@hse.ru
В статье рассмотрены проблемы организации стоимостных расчетов в российском гражданском судостроении на современном этапе его развития. Обоснована необходимость совершенствования отраслевого ценообразования на основе внедрения передовых информационных технологий и показана эффективность использования современных техник машинного обучения в решении прикладных задач калькулирования себестоимости высокотехнологичной судостроительной продукции. Результаты исследования ориентированы на повышение эффективности хозяйственной деятельности предприятий и организаций сферы гражданского судостроения, а также могут быть использованы профильными федеральными органами исполнительной власти в целях разработки и обоснования основ государственной промышленной политики. Ключевые слова: ценообразование, стоимостные расчеты, судостроение, сетецентрические системы, управление данными, машинное обучение, градиентный бустинг.
Введение
Долгосрочное развитие российской экономики неразрывно связано с формированием эффективной отраслевой структуры производства, предполагающей активную разработку и внедрение технологических инноваций, лежащих в основе создания высокотехнологичной продукции. Российское гражданское судостроение как системообразующая отрасль отечественной промышленности, производящая высокотехнологичную продукцию с высокой долей добавленной стоимости, не является исключением [1].
Залогом текущего и перспективного повышения конкурентоспособности продукции российского гражданского судостроения на внутреннем и внешнем рынках напрямую зависит от внедрения передовых технологических инноваций, в том числе в сфере накопления и обработки информационных данных в обеспечение принятия более эффективных управленческих решений [2].
Результаты анализа научных работ современных российских ученых в рассматриваемой предметной области исследований свидетельствуют о том, что цифро-визация отрасли судостроения требует:
системного подхода (см. Северин Р.А. "Подход к проведению цифровизации на российских высокотехнологичных судостроительных предприятиях" [3]);
определения приоритетных направлений "цифрового прорыва" на горизонтах среднесрочного и долгосрочного программно-целевого планирования отрасли (см. Марченко С.С., Маржохов А.В. "Перспективы развития отечественного гражданского судостроения" [4]);
гармонизации функционирования уже существующих и используемых предприятиями и организациями отрасли судостроения систем автоматизации хозяйственных процессов (см. Таранов А.Е., Скулябин М.А., Алексеев Ю.С. "Подходы и направления цифровизации деятельности Крыловского государственного научного центра" [5]);
внедрения в хозяйственную практику отраслевых предприятий и организаций перспективных цифровых инструментов, существенно усовершенствующих производственно-технологические процессы (см. Майорова К.С., Мамаджарова Т.А. "Актуальность внедрения цифровых технологий в судостроительную промышленность Российской Федерации" [6]);
перехода к качественно новому уровню информационного обмена и обработки данных между участниками отраслевой кооперации (см. Горин Е.А. "Цифровые технологии в отечественном судостроении" [7]);
ориентации на глобальную конкурентоспособность всей цепочки кооперации в процессе серийного производства высокотехнологичной отраслевой продукции (см. Дмитриев Н.Д. "Цифровая трансформация судостроения" [8]).
Разделяя в целом представленные научные взгляды российских ученых на исследуемую предметную область, а также в их развитие следует отметить, что динамичное развитие информационных технологий предъявляет новые требования к организации процесса ценообразования и калькулирования себестоимости продукции гражданского судостроения - эффективному обеспечению отраслевых стоимостных расчетов.
Сегодня наиболее остро потребность в новом и более прогрессивном инструментарии накопления и обработки управленческой информации наблюдается в сегменте организаций-проектантов, обеспечивающих требуемый уровень НИОКР, в частности - в сфере разработки стоимостных расчетов и управления данными о стоимости проектируемых объектов гражданского судостроения.
Как показывает анализ сложившейся ситуации, в отрасли имеется существенное методологическое и инструментальное отставание в части эффективного обеспечения стоимостных расчетов и управления данными о стоимости проектируемых объектов гражданского судостроения, что объясняется следующими причинами:
прежняя (советская) система централизованного сбора и обработки стоимостной информации в сфере гражданского судостроения разрушена. Старые связи, обеспечивавшие системное накопление информации, ее обработку и выпуск соответствующих отраслевых нормативов, методик и рекомендаций, более не существуют;
современные условия рыночного взаимодействия субъектов хозяйствования на сегодняшний день не создали новых и эффективных инструментов мотивации проектантов, строителей, заказчиков к самостоятельной системной и постоянной передаче стоимостной информации для нужд отрасли гражданского судостроения;
отраслевые организации-проектанты в своем подавляющем большинстве не управляют процессами строительства, вследствие чего не имеют в своем распоряжении доступа к декомпозированной фактической стоимости строительства спроектированных ими же объектов.
Таким образом, отраслевые организации-проектанты вынуждены работать в условиях выраженной информационной асимметрии, и не располагают едиными специализированными информационными системами и программными продуктами по систематизации, управлению и анализу накапливаемой ими стоимостной информации [9].
В настоящем исследовании рассматривается комплекс вопросов, включающих:
инновационный потенциал цифровых сетецентриче-ских систем управления данными в сфере разработки стоимостных расчетов и управления данными о стоимости проектируемых объектов гражданского судостроения, а также перспективы их разработки и внедрения в хозяйственной практике субъектов судостроительной промышленности России;
применение современных инструментов, алгоритмов и техник машинного обучения в обеспечении эффективности отраслевых стоимостных расчетов.
Методология
В процессе исследования использовались общенаучные методы: анализ, синтез, формализация и конкретизация, композиция и декомпозиция, верификация и экспертное оценивание.
Авторские расчеты производились с использованием прикладных математических методов анализа данных - градиентного бустинга как техники машинного обучения - в программной среде "XGBOOST" для "Python".
Градиентный бустинг (Gradient Boosting) является современной и эффективной техникой машинного обучения, используемой для решения широкого круга прикладных задач классификации и регрессии, которая строит предсказательные расчетные модели в форме ансамбля слабых предсказывающих моделей - "деревьев" решений [12,13].
Цель алгоритмов машинного обучения состоит в определении так называемой "функции потерь" и ее ми-нимизизации.
Математические основы градиентного бустинга сводятся к следующему типовому алгоритму. Пусть в качестве "функции потерь" выступает среднеквадратичная ошибка прогноза (Mean Square Error, MSE):
Loss Function = MSE = £(y; - уf)2 , где (1)
y; - фактическое значение i-го показателя;
yf - прогнозное значение i-го показателя;
Loss Function - "функция потерь";
MSE - среднеквадратическая ошибка прогноза (предсказания).
Используя градиентный спуск и обновляя прогноз (предсказание) с заданной скоростью обучения (Learning Rate) для исследуемой выборочной совокупности данных, алгоритм определяет такие расчетные значения прогнозируемых показателей, для которых величина MSE минимальна:
yf+i = yf -yf) /5yf
(2)
^ yf+i= У?-<**2£(уг-уП, где (3)
а - заданная скорость обучения (Learning Rate); £(у; ~Vi) - сумма отклонений (остатков). Иными словами, машинное обучение с использованием техники градиентного бустинга постоянно обновляет прогноз (предсказание) таким образом, чтобы сумма отклонений фактических значений показателей от их прогнозных значений стремилась к нулю.
Понятие "цифровой сетецентрической системы управления данными": обзор литературы, обобщение современных научных воззрений и их переосмысление контекстно к сфере гражданского судостроения
Возникновение понятия сетецентризма связывается с публикацией в журнале "Proceedings" в 1998 году статьи "Network Centric Warfare: It's Origin and Future", авторами которой выступили Джон Гарстка (John Garstka) и Артур Себровски (Arthur Cebrowski) [10]. В дальнейшем представленная в статье концепция получила свое дальнейшее развитие в работе "Network Centric Warfare: Developing and Leveraging Information Superiority" в соавторстве с Дэвидом Альбертсом (David Alberts) и Фредериком Штэйном (Frederick Stein) [11].
Термин "сетецентрический" использовался авторами для определения модели ведения войны по принципу выстраивания системы, состоящей из трех подсистем: информационной, сенсорной и боевой. Современное понимание термина "сетецентрический" трактует его следующим образом: "относящийся к или означаю-
X X
о го А с.
X
го m
о
2 О M
to
сч сч о сч
сч
о ш Ш X
<
т о х
X
щий характерное свойство надежного, глобально взаимосвязанного сетевого окружения (включающего инфраструктуру, системы, процессы и людей), в котором данные для совместного пользования предоставляются пользователям, приложениям и платформам своевременно и бесшовно" [17,18,23].
Таким образом, в основу сетецентрического подхода к организации управления данными ложится концепция "глобальной информационной решетки" (ГИР), а именно - глобально взаимосвязанное, сквозное множество информации, способное к накоплению, хранению, распространению и управлению информацией по запросу от субъектов - операторов ГИР, согласно их правам и уровням доступа. гИр включает в себя собственные и арендованные коммуникации, аппаратно-техническое и программное обеспечение, данные, службы безопасности и прочие решения в области архитектуры информационных систем.
Применение принципа сетецентризма в решении задач по проектированию систем управления данными позволяет обеспечивать не только вертикальную интеграцию между источниками информации в ней, но и широкие возможности по формированию и развитию горизонтальных связей между обширным пулом разнородных поставщиков, обработчиков и потребителей информации, циркулирующей в границах системы. Это создает условия для реализации принципа «полной ситуационной осведомленности» - максимально возможного использования источников первичной информации, доступных для всех уровней управленческой иерархии.
Цифровая сетецентрическая система управления данными (ЦССУД) должна обладать следующими характеристиками [20,21,22]:
принцип программно-технической организации системы - распределенная система. Для нее характерно распределение функций и ресурсов между множеством узлов (элементов) и отсутствие единого центра управления, что компенсирует угрозу выхода из строя всей сети при нарушении режима работы одного из узлов (элементов);
узлы (элементы) ЦССУД должны представлять собой полностью автономные подсистемы, способные продолжить функционирование без критически значимых потерь, в случае программно-технического сбоя или демонтажа общей структуры системы;
ЦССУД должны быть масштабируемы, т.е. предусматривать возможности расширения или сужения в соответствии с управленческими задачами;
информационные ресурсы в ЦССУД, предназначенные для совместного пользования (в соответствии с правами доступа), должны предоставляться своевременно и "бесшовно";
"бесшовная" интеграция для передачи данных подразумевает обеспечение "упрощенной" миграции данных во время взаимодействия комплекса программных систем, входящих в состав ЦССУД. Основными механизмами для обеспечения "бесшовности" служат формирование структурированных совместных баз данных и модульная архитектура ЦССУД.
Сетецентрическую среду формируют три элемента: физический блок, информационный блок и блок знаний. Физический блок включает в себя программно-аппаратные инструменты, в состав информационного блока входят семантика и синтаксис среды, а в блоке знаний объединены когнитивный и социальный механизмы системы (рис. 1).
Сетецентрическая среда
Информационный блок
Блок знаний
Смысловое значение информации и данных
Правила, протоколы, формат данных
Когнитивный механизм
Механизмы обработки и интерпретации данных
Социальный механизм
Механизмы взаимодействия
субъектов сетецентрической системы
Рис. 1 - Элементы среды сетецентрической системы
Реализация принципа сетецентризма в организации систем управления данными позволяет добиться так называемой «эмерджентности» - эффекта проявления в системе качеств и свойств, не характерных каждому из ее элементов, взятому по отдельности. Состояние "эмер-джентности" достигается путем повышения уровня самоорганизации подсистем, объединенных в единую структуру в соответствии с концепцией сетецентризма [19].
Основываясь на обобщении современных воззрений о сетецентризме, дадим актуальное определение ЦССУД контекстно к гражданскому судостроению. Под цифровой сетецентрической системой управления данными (ЦССУД) в гражданском судостроении следует понимать такую модель организации программно-технических механизмов и средств управления потоками информационных ресурсов, которая соответствует принципу распределенного сетевого управления и для которой характерно состояние "эмерджентности".
Инновационный потенциал разработки и внедрения цифровых сетецентрических систем управления данными в сфере гражданского судостроения
Реализация цифровых сетецентрических решений в практике осуществления стоимостных расчетов применительно к проектируемым объектам гражданского судостроения несет в себе значительный инновационный потенциал.
В первую очередь, ЦССУД способны радикальным образом изменить современные процессы планирования работ, выполняемые на всех этапах жизненного цикла проектируемого объекта. При этом изменениям подвергается как техническая компонента процесса планирования, так и экономическая.
Так, в части технической компоненты планирования производственных процессов ЦССУД предоставляют более широкие возможности по реализации принципов системности и гибкости планирования. Масштабное информационное «насыщение» процессов планирования, реализуемое посредством инструментария ЦССУД, позволяет повысить степень детализации производственных планов и достичь оптимального уровня их точности.
В части экономической компоненты процесса планирования следует отметить непосредственное влияние ЦССУД на точность нормировки труда в процессе проектирования и строительства гражданских судов.
В общем и целом, ЦССУД позволит обеспечить более высокую эффективность накопления и обработки
данных актуальной информацией о производительности труда, экономической эффективности, качестве продукции, сроках ее производства и обслуживания на всем жизненном цикле, что является критически важным фактором в анализе и последующем принятии обоснованных управленческих решений.
В табл. 1 в качестве примера представлен типовой локальный расчетный модуль ЦССУД, который может быть использован в интересах калькулирования себестоимости строительства стандартного плавучего средства, проектируемого и производимого в сфере гражданского судостроения. Логика выполнения работ средствами представленного локального расчетного модуля ЦССУД проиллюстрирована на рис. 2.
Таблица 1
Структура подсистем локального расчетного модуля ЦССУД и зоны их ответственности
Статьи расчета Зоны ответственности
Покупки: Подмодуль расчета стоимости покупок
- материалы
- оборудование
- кабель
- снабжение и т.д.
Производственные (трудовые) затраты: Подмодуль расчета трудовых затрат
- на работы, выполняемые на заводе/верфи
- на работы, выполняемые в море
- на работы по изготовлению специальной оснастки (строительно-монтажной и электромонтажной)
Прочие работы Подмодуль выпуска объектной сметы
Управление покупками и проектом
Итого
| Haipvsjz |
В ело мости
I
Cs?p32 каоиосгей £ ЯрКЛО-ЗаЮЛС
I*"' I
Подмодуль Подмодуль
расче?! расчет*
трудзпсг СТОНМОСГН
покупок.
1 1 т^
Был1 iK КИДЛ.-У 2ШКЯ
■ грудочке - : ь К2 строн?сдытсо ■рудовм зафга
Гцущчсроаа:
З&поддаокфоращ ждавши о :к>.т'J ппк; идчрттте нэп; тр\ л_ покуют. осжктн).
"Тлтгт^атад ifrojmw .тшт.-п.— ,—t ■■■.■■
стони ости ГПрочнерабояг к др;
Рис. 2 - Логика выполнения работ в локальном расчетном модуле ЦССУД
Применение современных техник машинного обучения в обеспечении эффективности отраслевых стоимостных расчетов
В ходе исследования авторами был проведен расчет набора предсказателей по выборке, состоящей из трех условных организаций судостроения, калькулирующих себестоимость пяти типовых плавучих средств (платформ) - табл. 2.
Таблица 2
Прогнозная и фактическая себестоимость строительства плавучих средств (платформ) в разрезе выборочной сово-
Наименова- Плат- Плат- Плат- Плат- Плат-
ние форма 1 форма 2 форма 3 форма 4 форма 5
Организация 1 10 952 125 12 500 969 11 216 351 42 882 561 52 064 061
Организация 2 9 970 947 11 401 789 10 398 807 30 823 639 47 486 194
Организация 12 627 13 280 11 874 34 961 61 755
153 396 936 074 206
Факт 11 681 13 717 9 445 36 112 57 132
953 951 694 950 550
Источник: условный расчетный пример
Расчеты были проведены в программной среде "XGBOOST" для "Python" с использованием композиционных алгоритмов машинного обучения (обучение "с учителем").
В ходе расчетов использовалась техника градиентного бустинга, которая позволила оценить то, насколько прогнозы себестоимости платформ, рассчитанные указанными организациями по отдельности, без объединения в сетецентрическую систему управления данными, эффективны в сравнении с их объединением по сете-центрическому принципу соответственно.
Результаты расчетов, приведенные на схеме рис. 3, показывают, что объединение данных всех рассматриваемых организаций по сетецентрическому принципу (в сетецентирческую систему) приводит к более эффективному расчету предсказателей: минимизации погрешности оценок, повышению регрессионной статистики R2 score (коэффициента детерминации прогностических моделей).
Проведенное на условном расчетном примере моделирование наглядно иллюстрирует эффективность применения инструментов и алгоритмов машинного обучения в решении прикладной отраслевой задачи - формирования прогнозных расчетных оценок при калькулировании себестоимости высокотехнологичной продукции гражданского судостроения - в условиях именно сете-центирического подхода к построению и управлению данными.
1. Загрузка библиотек
from xgboost import XGBRegressor, plot_tree from xgboost import DMatrix, cv, plot_importance import matplotlib.pyplot as plt import pandas as pd import numpy as np
2. Загрузка данных
data = pd.read_excel('data.xls', index_col=1, header =2) data = data.loc[:, ~data.columns.str.contains('AUnnamed')].T data.head()
X X О го А С.
X
го m
о
ю О
м м
сч сч о сч
сч
о ш m
X
ZT <
m о х
X
Наименование
Платформа 1
Платформа 2
Платформа 3
Платформа 4
Платформа 5
Организация 1
Организация 2
Организация 3
Факт
1.095212e +07
1.250097e +07
1.121635e +07
4.288256e +07
5.206406e +07
9.970947e +06
1.140179e +07
1.039881e +07
3.082364e +07
4.748619e +07
1.262715e +07
1.328040e +07
1.187494e +07
3.496107e +07
6.175521e +07
1.168195e +07
1.371795e +07
9.445694e +06
3.611295e +07
5.713255e +07
3. Расчетная регрессионная статистика
data.shape
1. Н аимено-вание
6. c ount
11. m ean
16. st d
21. m in
26. 2
5%
31. 5
0%
36. 7 5%
41. m ax
2. О рганиза-ция 1
3. О рганиза-ция 2
4. О рганиза-ция 3
5. Ф акт
4. Формулировка гипотезы
Гипотеза: предсказание совокупности организаций имеет меньшую ошибку по сравнению с предсказаниями каждой организации в отдельности
5. Построение модели градиентного бустинга по выборке, объектами которой выступают платформы
5.1. Отделение выборки от целевой переменной (в качестве
целевой переменной выступает фактическая себестоимость i-
той платформы):
y = np.array(data['Факт'])
X = np.array(data.drop(['Факт'], axis = 1))
X
array([[10952124.5001685 , 9970946.92162763,
12627152.63868595],
[12500969.00840485, 11401788.97477093,
13280396.41999056],
[11216351.26403637, 10398807.4917433 , 11874936.32900127], [42882560.73687451, 30823638.68714103, 34961073.7289791 ], [52064061.28765272, 47486194.03601772, 61755205.58298461]])_
5.2. Фиксация параметров модели: шаг градиентного спуска (learning_rate); максимальная глубина деревьев (max_depth) ; регуляризация (alpha).
5.3. Обучение модели
params = {'learning_rate': 0.1, 'max_depth': 5, 'alpha': 10} xgb_reg = XGBRegressor(**params) xgb_reg.fit(X, y)
5.4. Предсказания модели y_pred = xgb_reg.predict(X)
Для оценки качества предсказаний используем метрику R2 score :
from sklearn.metrics import r2_score
print('XGBoost model r2 score: {0:0.4f}'. format(r2_score(y, y_pred)))
XGBoost model r2 score: 0.9999
5.5. Определение организаций, чей вклад в модель был максимален:
plot_importance(xgb_reg) plt.figure(figsize = (16, 12)) plt.show()
Feature importance
0 50 100 150 200
F score
fig, ax = plt.subplots(figsize=(30, 30)) plot_tree(xgb_reg, num_trees=1, ax=ax) plt.show()_
Рис. 3 - Схема расчета набора предсказателей для исследуемой выборочности совокупности данных в среде "XGBOOST" с использованием композиционных алгоритмов машинного обучения: описание, программные коды, регрессионная статистика
Обсуждение результатов исследования
Результаты, полученные авторами в ходе исследования, соотносятся с результатами аналогичных исследований современных зарубежных ученых и практиков соответствующей предметной области научного знания.
Так, в серии работ ученых Всемирного морского университета (World Maritime University) Международной морской организации Организации Объединенных Наций (International Maritime Organization of United
Nations) Димитроса Далаклиса (Dimitrios Dalaklis), Матиаса Балдауфа Matthias Baldauf), Момоко Китада (Momoko Kitada) и др., опубликованных в период 20182020 гг., показана эволюция сетецентричеких подходов управления данными и перспективность их практического внедрения в судостроении в условиях масштабной цифровизации процессов жизнедеятельности человека и общества, что полностью соотносится с выводами настоящего исследования [14,15,16].
Научный вклад авторов настоящего исследования состоит в развитии теоретико-методологических подходов к разработке и внедрению цифровых сетецентриче-ских систем управления данными в организациях отечественного гражданского судостроения, а также в обосновании эффективности применения современных техник машинного обучения в решении прикладных задач калькулирования себестоимости высокотехнологичной отраслевой продукции для баз данных, построенных по се-тецентрическому принципу.
Преимуществами и достоинствами авторских предложений являются их актуальность, универсальность, практическая реализуемость и перспективность в контексте совершенствования процесса обеспечения стоимостных расчетов, осуществляемых отраслевыми предприятиями и организациями.
Вместе с тем, следует отметить, что аппаратная реализация авторских предложений может столкнуться с рядом ограничений, вызванных необходимостью выполнения специальных требований, регламентирующих производство судостроительной продукции особого назначения. Данная проблематика не рассматривалась в ходе проводимого исследования и не являлась предметом исследования настоящей статьи. Область исследования настоящей статьи затрагивает исключительно сферу гражданского судостроения.
Заключение
Обоснованная оценка трудозатрат на закладываемые операции, анализ эффективности построения цепочек производственной кооперации, выявление закономерностей в реализации проектных решений с учетом локальных особенностей создаваемых объектов в сфере гражданского судостроения - вот далеко не полный перечень прикладных задач, на решение которых ориентированы ЦССУД.
Использование ЦССУД в интересах осуществления стоимостных расчетов на предприятиях и в организациях сферы гражданского судостроения характеризуется высокой актуальностью, значительным потенциалом и перспективой развития, поскольку ориентировано на обеспечение более качественного сбора отраслевой статистики, повышение эффективности процесса калькулирования себестоимости отраслевой продукции в целом и создает значимый задел в направлении цифровой трансформации отрасли - масштабной цифровизации технологических процессов в гражданском судостроении.
Применение же современных техник машинного обучения при обработке и анализе данных, аккумулируемых в ЦССУД, позволяет существенно повышать эффективность отраслевых стоимостных расчетов за счет формирования более точных прогнозов ключевых элементов себестоимости продукции.
Литература
1. Калмыков В.А., Досиков В.С. Теоретико-методологические подходы к разработке и внедрению цифровых сетецентрических систем управления данными в организациях гражданского судостроения: понятийный аппарат, принципы и инструменты реализации // Вестник Воронежского государственного университета. Серия: Экономика и управление. - № 3. - 2021. - С. 33-42.
2. Калмыков В.А., Досиков В.С. Инновационный потенциал внедрения цифровых сетецентрических систем управления данными в сфере гражданского судостроения // Инновации и инвестиции. - № 9. - 2021. - С. 1417.
3. Северин Р.А. Подход к проведению цифровиза-ции на российских высокотехнологичных судостроительных предприятиях // Актуальные научные исследования в современном мире. - 2021. - № 4-5 (72). - С. 207-209.
4. Марченко С.С., Маржохов А.В. Перспективы развития отечественного гражданского судостроения // Неделя науки Санкт-Петербургского государственного морского технического университета. - 2020. - Т. 1. - № 3-1. - С. 1-51.
5. Таранов А.Е., Скулябин М.А., Алексеев Ю.С. Подходы и направления цифровизации деятельности Кры-ловского государственного научного центра // Труды Крыловского государственного научного центра. - 2019.
- № 2. - С. 233-238.
6. Майорова К.С., Мамаджарова Т.А. Актуальность внедрения цифровых технологий в судостроительную промышленность Российской Федерации // Неделя науки Санкт-Петербургского государственного морского технического университета. - 2019. - Т. 1. - № 1. - С. 132.
7. Горин Е.А. Цифровые технологии в отечественном судостроении // Бюллетень науки и практики. - 2017.
- № 11 (24). - С. 236-242.
8. Дмитриев Н.Д. Цифровая трансформация судостроения // Стратегии бизнеса. - 2017. - № 10 (66). - С. 15-18.
9. Kalmykov V. Digital Network-Centric Systems of Data Management in Civil Shipbuilding Organizations: Development and Implementation // International Journal of Open Information Technologies. - Vol. 9. - № 10. - pp 99102.
10. Cebrowski A. K., Garstka J. J. Network-Centric Warfare: It's Origin and Future // U.S. Naval Institute Proceedings. - Annapolis (Maryland), 1998. - Vol. 124(1). - рр. 2835.
11. Alberts D. S., Garstka J. J., Stein F. P. Network Centric Warfare: Developing and Leveraging Information Superiority. 2-nd Edition (Revised). - US Department of Defense Cooperative Research Program Publications Series, 2001.
- 292 p.
12. Zhou Z. On the Margin Explanation of Boosting Algorithm. // Proceedings of the 21st Annual Conference on Learning Theory. - 2008. - pp. 479-490.
13. Zhou Z. On the Doubt about Margin Explanation of Boosting. // Artificial Intelligence. - 2013. - Vol. 203. - рр. 1-18.
14. Dalaklis D., Katsoulis G., Kitada M., Schroder-Hin-richs J., Olcer A. A "Net-Centric" Conduct of Navigation and Ship Management // Maritime Technology and Research. -2020. - Vol. 2(2). - рр. 90-107.
X X
о
го А с.
X
го m
о
2 О
м м
сч сч о сч
сч
о ш Ш X
15. Dalaklis D. Exploring the Issue of Technology Trends in the "Era of Digitalization" // IMO World Maritime Day Parallel Event, Szczecin, Poland, 2018. - URL: http://www.imo.org (дата обращения: 20.10.2021).
16. Baldauf M., Kitada M., Mehdi R., Dalaklis D. E-Navi-gation, Digitalization and Unmanned Ships: Challenges for Future Maritime Education and Training // Proceedings of the 12th International Technology, Education and Development Conference, Valencia, Spain, 2018. - pp. 9525-9530.
17. Трахтенгерц Э.А., Пащенко Ф.Ф. Использование сетецентрических принципов в технологиях цифровой экономики // Датчики и системы. - 2018. - № 7 (227). - С. 3-14.
18. Иванюк В.А., Абдикеев Н.М., Пащенко Ф.Ф., Гринева Н.В. Сетецентрические методы управления // Управленческие науки. - 2017. - № 7(1). - С. 26-34.
19. Трахтенгерц Э. А., Пащенко Ф.Ф. Синергетиче-ские эффекты в сетецентрических системах // Датчики и системы. - 2017. - № 11 (219). - С. 3-12.
20. Трахтенгерц Э.А., Пащенко Ф.Ф. Массирование результатов и самосинхронизация в сетецентрических системах // Проблемы машиностроения и автоматизации. - 2017. - № 2. - С. 4-12.
21. Трахтенгерц Э. А., Пащенко Ф.Ф. Некоторые особенности сетецентрического управления в крупномасштабных сетях // Проблемы машиностроения и автоматизации. - 2015. - № 4. - С. 12-21.
22. Мельник Э.В., Иванов Д.Я. Принципы организации децентрализованных сетецентрических информационно-управляющих систем // Вестник компьютерных и информационных технологий. - 2013. - № 4 (106). - С. 25-30.
23. Ефремов А.Ю., Максимов Д.Ю. Сетецентриче-ская система управления - что вкладывается в это понятие // Труды 3-й Всероссийской конференции с международным участием «Технические и программные средства систем управления, контроля и измерения». -Москва: ИПУ РАН, 2012. - С. 158-161.
Application of modern machine learning techniques to ensure the efficiency of industry cost calculations under civil shipbuilding environments
Kalmykov V.A., Dosikov V.S., Trofimova E.A.
JSC "CDB "Corall", Lomonosov Moscow State University, HSE University JEL classification: G20, G24, G28, H25, H30, H60, H72, H81, K22, K34
The article in question touches upon question of the problems of organizing cost calculations under Russian civil shipbuilding environments at the present stage of its development. The necessity of improving industry pricing based on the introduction of advanced information technologies is substantiated and the efficiency of using modern machine learning techniques in solving applied problems of calculating the cost of hightech shipbuilding products is shown. Researching results are aimed at improving the efficiency of economic activity of enterprises and organizations and can also be used by the relevant federal executive authorities in order to develop and justify the foundations of the state industrial policy.
Keywords: pricing, cost calculations, shipbuilding, network centric systems,
data management, machine learning, gradient boosting. References
1. Kalmykov V.A., Dosikov V.S. Theoretical and methodological approaches to development and implementation of digital network-centric systems of data management in civil shipbuilding organizations: concept apparatus, principles and tools // Proceedings of Voronezh State University. Series: Economics and Management. - № 3. - 2021. - pp. 33-42.
2. Kalmykov V.A., Dosikov V.S. Innovative potential of implementation of digital network-centric systems of data management in the civil shipbuilding sphere// Innovation & Investment. - № 9. - 2021. - pp. 14-17.
3. Severin R.A. Approach to digitalization at Russian high-tech shipbuilding enterprises // Aktualnuye nauchnuye isledovanuya v sovremennom myre. - 2021. - № 4-5 (72). - P. 207-209. (In Russian).
4. Marchenko S.S., Marzhokhov A.V. Prospects for the development of domestic civil shipbuilding // Science Week of the St. Petersburg State Marine Technical University. - 2020. - № 3-1. - P. 1-51. (In Russian).
5. Taranov A.E., Skulyabin M.A., Alekseev Yu.S. Approaches and directions of digitalization of the activities of the Krylov State Scientific Center // Proceedings of the Krylov State Scientific Center. - 2019. - № 2. - P. 233-238. (In Russian).
6. Mayorova K.S., Mamadzharova T.A. The relevance of the implementation of digital technologies in the shipbuilding industry of the Russian Federation // Science Week of the St. Petersburg State Marine Technical University. - 2019. - № 1. - P. 1-32. (In Russian).
7. Gorin E.A. Digital technologies in domestic shipbuilding // Bulyeten nauki I praktitki. - 2017. - № 11 (24). - P. 236-242. (In Russian).
8. Dmitriev N.D. Digital transformation of shipbuilding // Bisnes strategii. -
2017. - № 10 (66). - P. 15-18. (In Russian).
9. Kalmykov V. Digital Network-Centric Systems of Data Management in Civil Shipbuilding Organizations: Development and Implementation // International Journal of Open Information Technologies. - Vol. 9. - № 10.
- pp 99-102.
10. Cebrowski A.K., Garstka J.J. Network-Centric Warfare: It's Origin and Future // U.S. Naval Institute Proceedings. - Annapolis (Maryland), 1998.
- Vol. 124(1). - pp. 28-35.
11. Alberts D.S., Garstka J.J., Stein F.P. Network Centric Warfare: Developing and Leveraging Information Superiority. 2-nd Edition (Revised). - US Department of Defense Cooperative Research Program Publications Series, 2001. - 292 p.
12. Zhou Z. On the Margin Explanation of Boosting Algorithm. // Proceedings of the 21st Annual Conference on Learning Theory. - 2008. - pp. 479490.
13. Zhou Z. On the Doubt about Margin Explanation of Boosting. // Artificial Intelligence. - 2013. - Vol. 203. - pp. 1-18.
14. Dalaklis D., Katsoulis G., Kitada M., Schroder-Hinrichs J., Olcer A. A "Net-Centric" Conduct of Navigation and Ship Management // Maritime Technology and Research. - 2020. - Vol. 2(2). - pp. 90-107.
15. Dalaklis D. Exploring the Issue of Technology Trends in the "Era of Dig-italization" // IMO World Maritime Day Parallel Event, Szczecin, Poland,
2018. - URL: http://www.imo.org (Accessed October, 2021).
16. Baldauf M., Kitada M., Mehdi R., Dalaklis D. E-Navigation, Digitalization and Unmanned Ships: Challenges for Future Maritime Education and Training // Proceedings of the 12th International Technology, Education and Development Conference, Valencia, Spain, 2018. - pp. 9525-9530.
17. Trakhtengerts E.A., Pashchenko F.F. Using network-centric principles in digital economy technologies // Datchiki i sistemy. - 2018. - № 7 (227).
- P. 3-14. (In Russian).
18. Ivanyuk V.A., Abdikeev N.M., Pashchenko F.F., Grineva N.V. Network-centric management methods // Upravlencheskiye nauki. - 2017. - № 7(1). - P. 26-34. (In Russian).
19. Trakhtengerts E. A, Pashchenko F.F. Synergetic effects in network-centric systems // Datchiki i sistemy. - 2017. - № 11 (219). - P. 3-12. (In Russian).
20. Trakhtengerts E.A, Pashchenko F.F. Kneading of results and self-synchronization in network-centric systems // Problemy mashinostroyeniya i avtomatizatsii. - 2017. - № 2. - P. 4-12. (In Russian).
21. Trakhtengerts E. A, Pashchenko F.F. Some features of network-centric control in large-scale networks // Problemy mashinostroyeniya i avtomatizatsii. - 2015. - № 4. - P. 12-21. (In Russian).
22. Melnik E.V., Ivanov D.Y. Principles of organization of decentralized network-centric information and control systems // Vestnik komp'yuternykh i informatsionnykh tekhnologiy. - 2013. - № 4 (106). - P. 25-30. (In Russian).
23. Efremov A.Y., Maksimov D.Y. Network-centric control system - what is declared by this concept // Proceedings of the 3rd All-Russian conference with international participation "Hardware and software for control, monitoring and measurement systems." - P. 158-161. (In Russian).
J
<
m о x
X
