Перейти к основному контенту Перейти к главному меню навигации Перейти к нижнему колонтитулу сайта
##common.pageHeaderLogo.altText##
Известия ЮФУ
Технические науки
  • Текущий выпуск
  • Предыдущие выпуски
    • Архив
    • Выпуски 1995 – 2019
  • Редакционный совет
  • О журнале
    • Официально
    • Основные задачи
    • Основные рубрики
    • Специальности ВАК РФ
    • Главный редактор
ISSN 1999-9429 print
ISSN 2311-3103 online
  • Вход
  1. Главная /
  2. Найти

Найти

Расширенные фильтры
Опубликовано после
Опубликовано до

Результаты поиска

##search.searchResults.foundPlural##
  • СИСТЕМА АВТОМАТИЗАЦИИ ДОКУМЕНТООБОРОТА И МОНИТОРИНГА ИНЦИДЕНТОВ ЭКОНОМИЧЕСКОЙ БЕЗОПАСНОСТИ НА ОСНОВЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

    А.Е. Анпилогова , В.А. Анпилогов
    31-41
    2025-07-24
    Аннотация ▼

    Автоматизация документооборота - ключевой элемент оптимизации процессов и повышения эффективности. Автоматизация документооборота на базе искусственного интеллекта улучшает управление инцидентами экономической безопасности, оптимизируя рабочие процессы и снижая затраты. Переход на автоматизированный документооборот в России связан со сложной нормативно-правовой базой и масштабными затратами на внедрение на предприятиях. Автоматизация помогает соблюдать требования законодательства и снижает риски юридических и финансовых последствий. Интеграция цифровых подписей повышает эффективность утверждения документов. Внедрение систем автоматизации поддерживает национальные цели цифровой трансформации. Автоматизация документооборота сокращает зависимость от бумажных процессов и способствует созданию централизованных цифровых хранилищ. Внедрение систем автоматизации документооборота требует стратегического подхода и тщательного планирования. Автоматизация документооборота обеспечивает экономию времени, сокращение ошибок и повышение соответствия нормативным стандартам. В статье рассмотрены теоретические основы BPM, интеграция цифровых технологий и нормативные аспекты, специфичные для России. Предложенная система сочетает мониторинг с ИИ и IoT, обеспечивает обработку данных в реальном времени, автоматизирует создание юридических документов и отчетов. Система автоматизации рабочих процессов базируется на интеграции данных, технологиях искусственного интеллекта и seamless-решениях. Система объединяет технологии мониторинга, алгоритмы распознавания лиц и анализа поведения, централизованную базу данных и модуль связи. Система формирует отчеты и юридические документы, заверенные QES, и обеспечивает взаимодействие с правоохранительными органами и службами безопасности.  Результаты внедрения: снижение операционных расходов на 30–40% и уменьшение потерь на 50%. Система соответствует стандартам цифровой трансформации и поддерживает модернизацию национальной экономики

  • МОДЕЛЬ РАСПРЕДЕЛЕНИЯ КООПЕРАТИВНЫХ ТРАНСПОРТНЫХ ЗАДАЧ ДЛЯ ГЕТЕРОГЕННЫХ РОБОТОТЕХНИЧЕСКИХ СИСТЕМ

    Ш. Гун
    220-232
    2026-07-07
    Аннотация ▼

    Развитие интеллектуальных складских систем и автоматизации логистических процессов требует эффективных решений для распределения задач в гетерогенных многороботных комплексах, особенно при кооперативной транспортировке крупногабаритных и тяжёлых грузов. Целью работы является разработка и верификация гибридной модели идентификации и распределения кооперативных транспортных задач (КТЗ) в складской среде с учётом многокритериальной оптимизации. Дан краткий обзор публикаций по применению миварных технологий и методов машинного обучения при математическом моделировании сложных робототехнических систем. Предложен двухуровневый подход, включающий миварную систему принятия решений для автоматической идентификации КТЗ и модель распределения на основе алгоритма комбинированного аукциона. Необходимое количество роботов-транспортировщиков (РТ) определяется миварной системой принятия решений с учетом размеров и массы груза. Разработанная математическая модель распределения КТЗ направлена на повышение эффективности и надежности благодаря учету ключевых динамических факторов (гетерогенность, избыточность и путевые затраты). Имитационные эксперименты с 30 РТ и 100 задачами показали преимущество предложенного метода над базовыми стратегиями (Random, Nearest Neighbor, Greedy Capacity): при обработке
    6 КТЗ снижение общей стоимости составило до 40,7%, а при 12 задачах – дополнительное снижение на 10,8% при сохранении 100% успешности. Установлена способность модели к эффективному масштабированию, проявляющаяся в дополнительном снижении затрат на 10,8% при увеличении числа задач. Результаты свидетельствуют о робастности, адаптивности и высокой практической применимости модели для интеграции в современные интеллектуальные складские системы, обеспечивающие работу с диверсифицированным ассортиментом грузов

1 - 2 из 2 результатов

links

Для авторов
  • Подать статью
  • Требования к рукописи
  • Редакционная политика
  • Рецензирование
  • Этика научных публикаций
  • Политика открытого доступа
  • Сопроводительные документы
Язык
  • English
  • русский

journal

* не является рекламой

index

Индексация журнала
* не является рекламой
Информация
  • Для читателей
  • Для авторов
  • Для библиотек
Адрес редакции: 347900, г. Таганрог, ул. Чехова, д. 22, А-211 Телефон: +7 (8634) 37-19-80 Электронная почта: iborodyanskiy@sfedu.ru
Публикация в журнале бесплатна
Больше информации об этой издательской системе, платформе и рабочем процессе от OJS/PKP.
logo Сайт разработан командой ЦИИР