Детальная информация
| Название | Использование инструментов машинного обучения для повышения показателей качества процессов = Using machine learning tools to improve process quality indicators // Управление инновациями в условиях цифровой трансформации = Innovation management in the context of digital transformation: сборник докладов Всероссийской студенческой учебно-научной конференции, 7–8 апреля 2023 года |
|---|---|
| Авторы | Лисовик Роман Андреевич ; Культин Никита Борисович |
| Организация | Санкт-Петербургский политехнический университет Петра Великого |
| Выходные сведения | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2023 |
| Коллекция | Общая коллекция |
| Тематика | Машинное обучение ; бизнес-процессы ; интегральный показатель качества ; качество ; прогнозирование интенсивности отказов ; business processes ; integral quality indicator ; quality ; failure rate prediction |
| УДК | 004.85 |
| Тип документа | Статья, доклад |
| Язык | Русский |
| DOI | 10.18720/SPBPU/2/id23-587 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Ключ записи | RU\SPSTU\edoc\71590 |
| Дата создания записи | 14.08.2023 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
| Группа | Анонимные пользователи |
|---|---|
| Сеть | Интернет |
Рассмотрена возможность применения технологии машинного обучения для повышения показателей качества процессов. Обоснована актуальность проблемы. Целью работы является обзор технологии машинного обучения, способов повышения качества процессов при помощи данной технологии. Рассмотрены основные виды машинного обучения (МО). В качестве областей использования технологии в управлении качеством бизнес-процессов, изучены автомобильная промышленность и оценка поставщиков. Установлено, что машинное обучение в автомобилестроении позволяет прогнозировать неисправности, снижает время выполнения процесса. Помимо этого, алгоритм дерева решений позволяет проводить классификацию поставщиков, что является одним из критериев внедрения СМК. Показано, что машинное обучение обладает большим потенциалом в решении различных задач.
The possibility of applying machine learning technology to improve process quality indicators is considered. The relevance of the problem is justified. The purpose of this paper is to review machine learning technology, ways to improve the quality of processes using this technology. The main types of machine learning (ML) are considered. The automotive industry and supplier evaluation are studied as areas of technology use in business process quality management. It is found that machine learning in automotive industry can predict faults, reduce process execution time. In addition, the decision tree algorithm allows the classification of suppliers, which is one of the criteria for QMS implementation. It is shown that machine learning has great potential in solving various problems.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
