|
|
 Вивчарь Роман Михайлович, Лазутин Александр Владимирович, Смирнов Александр Иванович, Черкасов Сергей Александрович, Зайцев Алексей Иванович, Киричек Руслан Валентинович
Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича,
Санкт-Петербург, 193232, Российская Федерация
ООО «Цифра»,
Москва, 119311, Российская Федерация
АО «Апатит»,
Череповец, 162622, Российская Федерация
DOI 10.31854/2307-1303-2025-13-3-26-38
EDN WBAGVR
|
|
 Полный текст
 XML JATS
Аннотация
Постановка задачи: разработка концепции развития предприятий по производству минеральных удобрений, направленной на совершенствование интегрированных автоматизированных систем информационно-аналитического обеспечения процесса принятия решений по управлению всеми стадиями производства. Целью работы является представление разработанной концепции развития АО «Апатит», направленной на совершенствование информационно-аналитического сопровождения производства минеральных удобрений для повышения эффективности этого процесса. Новизна разработанной концепции заключается в обеспечении инновационного характера управления производством за счет создания возможности полного информационно-аналитического обеспечения процессов выработки и принятия решений на всех стадиях производства. Результат: разработана концепция развития АО «Апатит», в рамках которой предлагается совершенствование информационно-аналитического сопровождения производства, которое позволит обеспечить его инновационный характер за счет использования интеллектуальных цифровых технологий. Приведены первичные результаты реализации концепции, представляющие собой платформу промышленного интернета вещей ZIIOT, базовые компоненты цифровизации MES ZIAK, а также распределенную систему управления EXTERNUM. В рамках концепции развития для достижения ее целей разработана сквозная процедура информационно-аналитического сопровождения производства на базе цифровой платформы Zyfra IIOT Platform, конструктора Zyfra Industrial Automation Kit и интеллектуальных технологий. Практическая значимость: реализация концепции позволит повысить оперативность и обоснованность решений по управлению производством минеральных удобрений, снизить затраты и потери, улучшить взаимодействие между всеми подразделениями производства, а также повысить эффективность деятельности персонала.
Ключевые слова
автоматизированная система управления производством, производство, Zyfra, управление производством
Библиографическая ссылка на статью
Вивчарь Р. М., Лазутин А. В., Смирнов А. И., Черкасов С. А., Зайцев А. И., Киричек Р. В. Концепция развития холдинга химической промышленности на основе использования интеллектуальных цифровых технологий // Информационные технологии и телекоммуникации. 2025. Т. 13. № 3. С. 26‒38. DOI: 10.31854/2307-1303-2025-13-3-26-38. EDN: WBAGVR
Reference for citation
Vivchar R., Lazutin A., Smirnov A., Cherkasov S., Zaycev A., Kirichek R. Concept for the Development of a Chemical Industry Holding Company Based on the Use of Intelligent Digital Technologies // Telecom IT. 2025. Vol. 13. Iss. 3. PP. 26‒38. (in Russian). DOI: 10.31854/2307-1303-2025-13-3-26-38. EDN: WBAGVR
|
|
Литература
1. Смирнов А. В., Левашова Т. В., Пономарев А. В. Поддержка принятия решений на основе человеко-машинного коллективного интеллекта: современное состояние и коллективная модель // Информационно-управляющие системы. 2020. № 2 (105). С. 60‒70. DOI: 10.31799/1684-8853-2020-2-60-70. EDN: IMLZXK
2. Охтилев М. Ю., Соколов Б. В., Юсупов Р. М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006. 410 с. EDN: QMPREP
3. Брехт Э. А., Коншина В. Н. Применение нейронной сети YOLO для распознавания дефектов // Интеллектуальные технологии на транспорте. 2022. № 2 (30). С. 41‒47. DOI: 10.24412/2413-2527-2022-230-41-47. EDN: ZRAQDL
4. Гудфеллоу Я., Бенджио И., Курвиль А. Глубокое обучение. М., 2018. 652 c.
5. Тихонов А. А. Большие данные и глубокое машинное обучение в искусственных нейронных сетях // Наука и образование сегодня. 2018. № 6 (29). С. 35‒38. EDN: XRHGYX
6. Andersen B., Fagerhaug T. Root Cause Analysis: Simplified Tools and Techniques // Journal for Healthcare Quality. 2002. Vol. 24. Iss. 3. PP. 46‒47.
7. Мельчакова А. И., Мажанов М. О., Иевкова Е. В. Методы анализа корневых причин несоответствий при производстве // Приоритетные направления инновационной деятельности в промышленности: сборник научных трудов по итогам одиннадцатой международной научной конференции (Казань, 29‒30 ноября 2020 г.). Ч. 3. М.: ООО «Конверт», 2020. С. 89‒91. EDN: MBQQPW
8. Демидько Е. В. Теоретические подходы к анализу причин изменения прибыли предприятия // Управленческий учет. 2023. № 6. С. 164‒169. DOI: 10.25806/uu62023164-169. EDN: VNUSCD
9. Михайлова К. Э., Петуховская В. Р., Сокольчик П. Ю. Моделирование подсистем АСУТП в среде динамического моделирования технических систем SIMINTECH // Химия. Экология. Урбанистика. 2020. Т. 4. С. 298‒302. EDN: BNDVUA
10. Завгородняя А. С. Методика принятия решений в адаптивном управлении устойчивым развитием сельскохозяйственных предприятий // Фундаментальные исследования. 2020. № 9. С. 36‒40. DOI: 10.17513/fr.42840. EDN: KDFCVI
11. Билятдинов К. З. Методика оценки устойчивости технических систем // Научно-технический вестник Поволжья. 2020. № 10. С. 25‒28. EDN: LVVDFM
|
|
|
Саратова Татьяна Евгеньевна
МИРЭА ‒ Российский технологический университет,
Москва, 119454, Российская Федерация
DOI 10.31854/2307-1303-2025-13-3-18-25
EDN YIPKKQ
|
|
Полный текст
XML JATS
Аннотация
Актуальность. Современное образовательное пространство переживает трансформацию, обусловленную глобальной цифровизацией, развитием информационных технологий и необходимостью повышения качества образования. Целью статьи является разработка модифицированной архитектуры цифровой образовательной среды для повышения эффективности интеллектуального сопровождения учебного процесса. Реализация адаптивного взаимодействия участников образовательного процесса осуществляется за счет компонентов интеллектуального сопровождения с оценкой результатов взаимодействия для последующего принятия решений в процессе обучения на примере структуры высших учебных заведений. Методы. Для выявления функций рассмотренных подсистем цифровой среды использовали структурно-функциональный анализ. В интересах разработки концептуального представления архитектуры образовательной среды применяли моделирование с учетом логических связей между компонентами среды. Результат. В статье проведен анализ базовых компонентов архитектуры цифровых сред образовательных организационных структур, разработана модифицированная архитектура цифровой образовательной среды для интеллектуального сопровождения образовательного процесса. Научная новизна заключается в разработке модифицированной архитектуры цифровой среды с обоснованием информационного и коммуникационного компонентов для реализации интеллектуального взаимодействия участников образовательного процесса. Практическая значимость проявляется в повышении эффективности адаптивного взаимодействия участников образовательного процесса за счет интеллектуального сопровождения на базе модифицированной архитектуры цифровой образовательной среды с информационным и коммуникационным компонентами.
Ключевые слова
цифровая образовательная среда, адаптивная обратная связь, интеллектуальное сопровождение, система дистанционного обучения
Библиографическая ссылка на статью
Саратова Т. Е. Интеллектуально ориентированная архитектура цифровой образовательной среды // Информационные технологии и телекоммуникации. 2025. Т. 13. № 3. С. 18‒25. DOI: 10.31854/2307-1303-2025-13-3-18-25. EDN: YIPKKQ
Reference for citation
Saratova T. Intelligently Oriented Architecture Digital Educational Environment // Telecom IT. 2025. Vol. 13. Iss. 3. PP. 18‒25 (in Russian). DOI: 10.31854/2307-1303-2025-13-3-18-25. EDN: YIPKKQ
|
|
Литература
1. Смирнова Л. Е. Модель оценивания знаний как условия развития познавательной активности учащихся // Вестник Чувашского университета. 2006. № 3. С. 350‒354. EDN: JWZWPV
2. Яновская О. А., Кыдырмина Н. А. Архитектура цифровых технологий в образовании // Education. Quality Assurance. 2021. № 4(25). С. 33‒39. EDN: FMVJRS
3. Кытманов А. А., Горелова Ю. Н., Зыкова Т. В., Пихтилькова О. А., Пронина Е. В. Концептуальный подход к цифровой трансформации образовательного процесса в вузе // Russian Technological Journal. 2024. № 12(5). С. 98--110. DOI: 10.32362/2500-316X-2024-12-5-98-110. EDN: WAZLGB
4. Везиров Т. Г. Цифровая образовательная среда вуза как фактор профессионального развития магистра педагогического образования // Копылов Ю. А., Чернышева Е. И., Алексеева И. А. Инновационные направления профессиональной подготовки в России и за рубежом. Ульяновск: Зебра, 2024. С. 373‒387. EDN: PKGMTO
5. Бочкина Е. В. Способы взаимодействия между преподавателями и студентами в образовательных пространствах вуза // Международный журнал гуманитарных и естественных наук. 2022. № 7-1(70). С. 107‒109. DOI: 10.24412/2500-1000-2022-7-1-107-109. EDN: GNVVFY
6. Белов А. Б. Проблема обратной связи в общении: обзор психологических исследований // Теоретическая и экспериментальная психология. 2012. Т. 5. № 2. С. 81‒90. EDN: PKAKVN
7. Смоленцева Т. Е. Модификация архитектуры цифровой образовательной среды с технологией организации системы управления базами данных // Научно-аналитический журнал "Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России". 2025. № 3. С. 104--112. DOI: 10.61260/2218-130X-2025-3-104-112. EDN: PRQPZC
|
|
|
Медведев Сергей Алексеевич
Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича,
Санкт-Петербург, 193232, Российская Федерация
DOI 10.31854/2307-1303-2025-13-3-1-17
EDN NKQDLT
|
|
Полный текст
XML JATS
Аннотация
Предмет и цель работы. Технологический стек .NET Framework широко используется в сельскохозяйственных исследованиях при математическом моделировании агроэкосистем. Одним из актуальных направлений исследований являются ансамблевые расчеты. Для проведения таких исследований требуется легковесный механизм удаленного вызова процедур, обеспечивающий эффективное сетевое взаимодействие приложений. Методы: технологический стек .NET Framework с ранее разработанными библиотеками платформы RW.Ring; объектно-ориентированное программирование; приемы работы с сетевыми протоколами TCP и HTTP; методы построения сервис-ориентированной архитектуры. Результат. Разработанный модуль поддерживает разные способы сетевого взаимодействия: механизм удаленного вызова процедур и бинарных команд, а также их интеграцию в клиент-серверную архитектуру. Подчеркнуты преимущества модуля по сравнению с технологией WCF: высокая производительность, компактность кода, минимизация вычислительных ресурсов и гибкость настройки под различные задачи. Модуль поддерживает протоколы TCP и HTTP, что позволяет разработчикам адаптировать его для обработки больших объемов данных, включая сериализацию и аутентификацию пользователей. Рассмотрены примеры применения модуля в исследованиях агроэкосистем, где он обеспечивает анализ влияния климатических изменений на урожайность культур, минимизируя затраты на полевые эксперименты. Модуль упрощает интеграцию в распределенные системы, оптимизирует использование ресурсов и поддерживает оперативное сопровождение полевых исследований. Научная новизна заключается в создании легковесной альтернативы традиционным технологиям сетевого взаимодействия, что снижает издержки и повышает производительность. Предложен более универсальный механизм бинарных команд, дополняющий традиционную сервис-ориентированную архитектуру. Практическая значимость проявляется в повышении эффективности работы исследователей, работающих с большими данными, и в поддержке принятия решений в сельском хозяйстве. Модуль позволяет интегрироваться с системами дистанционного зондирования для автоматического анализа фотоснимков, что расширяет его применение в агропромышленном комплексе. Платформа RW.Ring вносит значительный вклад в развитие цифровых технологий для сельского хозяйства, предлагая инновационный подход к организации распределенных вычислений и сетевого взаимодействия, что делает ее перспективным инструментом для международных научных коллабораций.
Ключевые слова
машинное обучение, теория массового обслуживания, нагрузка, математическое моделирование, миграция, балансировка
Библиографическая ссылка на статью
Медведев С. А. Сетевой модуль платформы RW.Ring // Информационные технологии и телекоммуникации. 2025. Т. 13. № 3. С. 1‒17. DOI: 10.31854/2307-1303-2025-13-3-1-17. EDN: NKQDLT
Reference for citation
Medvedev S. Network Module of the RW.Ring Platform // Telecom IT. 2025. Vol. 13. Iss. 3. PP. 1‒17. (in Russian). DOI: 10.31854/2307-1303-2025-13-3-1-17. EDN: NKQDLT
|
|
Литература
1. Poluektov R.A., Fintushal S.M., Oparina I.V., Shatskikh D.V., Terleev V.V., et al. Agrotool -- A system for crop simulation // Archives of Agronomy and Soil Science. 2002. Vol. 48. Iss. 6. PP. 609--635. DOI: 10.1080/0365034021000041597. EDN: PWGBSR
2. Antoniadou T., Wallach D. Evaluating Decision Rules for Nitrogen Fertili-Zation // Biometrics. 2000. Vol. 56. Iss. 2. PP. 420--426. DOI: 10.1111/j.0006-341X. 2000.00420.x. EDN: FOXTOT
3. Palosuo T., Hoffmann M.P., Rötter R.P., Lehtonen H.S. Sustainable intensification of crop production under alternative future changes in climate and technology: The case of the North Savo region // Agricultural Systems. 2021. Vol. 190. P. 103135. DOI: 10.1016/j.agsy.2021.103135. EDN: HXFNNC
4. Anacleto R., Figueiredo L., Almeida A., Novais P. Server to Mobile Device Communication: A Case Study // Proceedings of the 4th International Symposium on Ambient Intelligence -- Software and Applications. Advances in Intelligent Systems and Computing. Heidelberg: Springer, 2013. Vol. 219. PP. 79--86. DOI: 10.1007/978-3-319-00566-9_11
5. Самойлов А.Н., Бородянский Ю.М., Волошин А.В. Метод и распределенная индуктивная процедура машинного обучения фотограмметрического алгоритма для решения задач определения геометрических параметров объектов по предварительно обработанным цифровым изображениям // Инженерный вестник Дона. 2020. № 12(72). С. 220--230. EDN: JPKSEI
6. Jones J.W., Keating B.A., Porter C.H. Approaches to modular model development // Agricultural Systems. 2001. Vol. 70. Iss. 2-3. PP. 421--443. DOI: 10.1016/ S0308-521X(01)00054-3
7. Van De Glind G., Brynte C., Skutle A., Kaye S., Konstenius M., et al. The International Collaboration on ADHD and Substance Abuse (ICASA): Mission, Results, and Future Activities // European Addiction Research. 2020. Vol. 26. Iss. 4-5. PP. 173--178. DOI: 10.1159/000508870. EDN: DMWBGM
8. Medvedev S., Terleev V., Vasilyeva O. Non-visual platform components for a system of polyvariant calculation of dynamic models of the production process // Proceedings of the XXII International Scientific Conference Energy Management of Municipal Facilities and Sustainable Energy Technologies. E3S Web Conf. 2021. Vol. 244. P. 09008. DOI: 10.1051/e3sconf/202124409008. EDN: KPEVFO
9. Gastermann B., Stopper M. Windows Communication Foundation hosting methods for distributed industrial applications // Annals of DAAAM and Proceedings of the 20th International DAAAM Symposium «Intelligent Manufacturing & Automation: Focus on Theory, Practice and Education». Vienna: DAAAM Internat., 2009. PP. 1925--1926.
10. van Renesse R., Tanenbaum A.S., van Staveren H., Hall J. Connecting RPC-Based Distributed Systems using Wide-Area Networks // Proceedings of the 7th International Conference on Distributed Computing Systems. IEEE, 1987. PP. 28--34.
11. Wiener R. Remoting in C# and .NET // Journal of Object Technology. 2004. Vol. 3. Iss. 1. PP. 83--100. DOI: 10.5381/jot.2004.3.1.c8
12. Медведев С.А., Черяев А.С. Перспективы создания универсального сервиса удалённых ансамблевых расчётов динамических моделей продукционного процесса культурных растений // Агрофизика. 2020. № 3. С. 45--52. DOI: 10.25695/AGRPH.2020.03.07. EDN: FOXJMR
|
|
|
Статья
Метаданные статьи распространяются по лицензии