122 Комп'ютерні науки
Постійне посилання колекціїhttps://dspace.mipolytech.education/handle/mip/678
Переглянути
3 результатів
Результати пошуку
Документ Дослідження та проектування бази даних позицій обпалювальної машини(ТОВ "ТЕХНІЧНИЙ УНІВЕРСИТЕТ "МЕТІНВЕСТ ПОЛІТЕХНІКА", 2024) Таточенко, Р. О.; Tatochenko, R. O.; Костіков, О. А.Метою магістерської роботи є проектування бази даних позицій обпалювальної машини для обпалення окатишів, яка буде використовуватися для вибору даних для прогнозування вмісту вологи в окатишах на виході з машини. Знання цього прогнозу дозволить зменшити кількість окатишів, які направляються на повторну обробку, що зменшить кількість ресурсів, які витрачаються на виробництво вихідної продукції. Об’єктом дослідження є технологічний процес виготовлення окатишів у випалювальній машині. Предметом дослідження є методи та засоби проектування бази даних позицій випалювальної машини для прогнозування характеристик вихідної продукції. При виконанні роботи проаналізовано технологічний процес виготовлення окатишів. Огляд та аналіз існуючого технологічного процесу дозволив виявити його недоліки. Одним із недоліків є ручне вимірювання вологості окатишів після виходу з обпалювальної печі. Було запропоновано на основі зміни даних за часом, що будуть зберігатися у розробленій базі даних, робити прогноз вихідної вологості окатишів. Для досягнення цієї мети була спроектована база даних позицій обпалювальної печі на хмарній платформі Microsoft Azure. Вибір цієї платформи пов’язаний з великою кількістю даних, що будуть зберігатися в базі даних. Обґрунтовано доцільність цього рішення, бази даних. Для прогнозу вологості окатишів на виході із печі розроблена багатофакторна модель лінійної регресії. Був обранийй список факторів для цієї моделі, проведено дослідження факторів на мультиколінеарність. Виконана перевірка розробленої регресійної моделі на адекватність. Проведено розрахунок економічного ефекту від впровадження прогнозної моделі в технологічний процес обпалення окатишів.Документ Дослідження методів машинного навчання для аналізу та прогнозування закупівельних даних(ТОВ "ТЕХНІЧНИЙ УНІВЕРСИТЕТ "МЕТІНВЕСТ ПОЛІТЕХНІКА", 2024) Кріпак, С. А.; Kripak, S. A.; Москаленко, В. В.Закупівельні процеси є важливою та невід'ємною частиною функціонування бізнес-структур та організацій, забезпечуючи можливість отримання ресурсів, матеріалів та послуг для підтримки їх операцій та досягнення стратегічних бізнес-цілей. Отже, в умовах стрімко мінливого ринкового середовища та стану світової економіки аналіз закупівельних даних і прогнозування поведінки ринку стають ключовими для своєчасної реакції на такі зміни з метою прийняття ефективних управлінських рішень. Робота присвячена дослідженню методів машинного навчання та їх застосування для аналізу й прогнозування закупівельних даних. Практичне значення дослідження полягає у визначенні певних переваг використання методів машинного навчання для оптимізації процесів управління закупівлями. Дослідження направлене на аспекти використання машинного навчання для прогнозування обсягів планування та оптимізації закупівель. Розглянуто переваги та недоліки методів машинного навчання для прогнозування, виявлення аномалій і ризиків у закупівельних процесах. Увагу приділено практичному застосуванню різних методів машинного навчання, зокрема окремих нейронних мереж для задачі класифікації в управлінні закупівлями. У результаті дослідження сформульовано технічне завдання на розробку програмного продукту "Система управління закупівлями".Документ Дослідження та проектування програмного рішення для прогнозування обсягів попиту металопрокату на основі нейронних мереж(ТОВ "ТЕХНІЧНИЙ УНІВЕРСИТЕТ "МЕТІНВЕСТ ПОЛІТЕХНІКА", 2024) Ляшенко, С.; Lyashenko, S.; Мінц, О. Ю.Метою дослідження є розробка ефективних методів та інформаційних технологій для прогнозування обсягів продажів металопрокату. Задачі включають аналіз існуючих методів прогнозування, вивчення сучасних моделей, їх застосування в галузі комп’ютерних наук, а також вивчення інформаційних технологій для обробки та аналізу даних. Результатами роботи є розроблена модель для вдосконалення методу прогнозування обсягів попиту металопрокату, поєднуючи аналіз існуючих підходів та використання передових методів, зокрема нейронних мереж. Для підтвердження важливості покращення методу прогнозування розроблена модель була протестована на тестових значеннях. Результати роботи засвідчують економічну ефективність розробки та впровадження повноцінного методу для підвищення точності прогнозування. Інтеграція розробленого модуля в бізнес-процес компанії сприятиме оптимізації стратегій продажів, зниженню витрат і, в результаті, підвищенню прибутку компанії. Такий підхід не лише покращує конкурентоспроможність компанії на прибуток бізнесу, але й сприяє створенню стабільної моделі в умовах нестабільного економічного середовища.