Актуальность темы определяется значительным потенциалом машинного обучения и искусственного интеллекта в повышении производительности труда. В контексте текущего движения к внедрению философии бережливого производства, повышения производительности труда, зеленой энергетике,  устойчивому развитию, оптимизации использования энергии и повышением качества выпускаемой продукции становится все более важной. Искусственный интеллект и машинное обучение предлагают мощные инструменты для достижения этих целей. Целью исследования является: - Построение Бизнес-процессов управления качеством на машиностроительном предприятии АО «Силовые Машины» с помощью программного обеспечения с применением технологий искусственного интеллекта для обработки данных – компьютерное зрение. Объект исследования: Процессы управления качеством на машиностроительном предприятии АО «Силовые Машины», с акцентом на процессах дефектоскопии сварных швов. Объект исследования включает в себя как текущие методы контроля качества, так и потенциал внедрения инновационных технологий, основанных на искусственном интеллекте и машинном обучении, для оптимизации и повышения эффективности данных процессов. Предмет исследования: Разработка и апробация программного обеспечения для дефектоскопии сварных швов, основанного на применении нейросетевых алгоритмов, в контексте бизнес-процессов управления качеством на предприятии. Предмет исследования охватывает анализ и сравнение нейросетевых методов с традиционными подходами в дефектоскопии, разработку и тестирование нового программного решения, а также оценку его эффективности и влияния на бизнес-процессы предприятия. Были решены следующие задачи:  Проанализирован текущий бизнес-процесс управления качества сварных изделий  на предприятии АО «Силовые Машины» завод «Электросила» Цех №11 для выявления его недостатков.  Проанализирован, изучен, проведен сравнительный анализ нейросетевых и классических методов обработки данных в процессах управления качеством.  Исследование и анализ нейросетевых алгоритмов и обучения с в контексте их применимости к задачам дефектоскопии.  Разработка приложения для дефектоскопии сварных швов, основанного на применении нейросетевых алгоритмов  Апробация разработанного программного обеспечения по дефектоскопии сварных швов и оценка разработанного приложения в реальных условиях производственного процесса.  Оценка эффективности измененного бизнес-процесса и последующие возможности оптимизации  Методы исследования: Методы искусственного интеллекта, включая нейронные сети, анализ данных, математическое моделирование и статистический анализ. Основные результаты исследования: Разработанный метод показал обещающие результаты при тестировании на симулированных и реальных данных, что демонстрирует его потенциал для применения в бизнес-процессе контроля качества продукции предприятия АО «Силовые Машины» Область применения результатов ВКР: Энергетическая индустрия, Металлообработка, Управление качеством, дефектоскопия. Научной новизной является: Разработка нового подхода к построению бизнес-процесса управления качеством продукции с применением сквозных технологий. Выводы: Результаты данного исследования показывают, что нейросетевые алгоритмы для дефектоскопии показывают обнадеживающие результаты которые позволяют проектировать бизнес процессы с уклоном на большую эффективность и производительность.

Masters thesis topic: "Building business processes based on end-to-end technologies". The relevance of the topic is determined by the significant potential of machine learning and artificial intelligence in increasing labor productivity. In the context of the current movement towards the implementation of lean manufacturing philosophy, increasing labor productivity, green energy, sustainable development, optimizing energy use, and improving the quality of produced goods becomes increasingly important. Artificial intelligence and machine learning offer powerful tools to achieve these goals. The aim of the study is:  Building Quality Management Business Processes at the "Power Machin" JSC machine-building enterprise using software with the application of artificial intelligence technologies for data processing - computer vision. Object of Research: Quality management processes at the machine-building enterprise JSC "Power Machines", with a focus on the defectoscopy processes of weld seams. The research object encompasses both current quality control methods and the potential for implementing innovative technologies based on artificial intelligence and machine learning to optimize and enhance the efficiency of these processes. Subject of Research: The development and testing of software for the defectoscopy of weld seams, based on the application of neural network algorithms, within the context of quality management business processes at the enterprise. The subject of research includes the analysis and comparison of neural network methods with traditional approaches in defectoscopy, the development and testing of a new software solution, as well as evaluating its effectiveness and impact on the business processes of the enterprise. The following tasks were solved:  The current business process for managing the quality of welded products at the AO "Silovye Mashiny" Elektrosila Plant, Workshop №11, was analyzed to identify its shortcomings.  Study and Comparative analysis of neural network and classical data processing methods.  Research and analysis of neural network algorithms and training in the context of their applicability to defectoscopy tasks.  Development of an application for the defectoscopy of welds, based on the application of neural network algorithms.  Testing the developed software for the defectoscopy of welds and evaluating the developed application in real conditions of the production process.  Evaluation of the efficiency of the modified business process and subsequent optimization opportunities.  Research methods: Artificial intelligence methods, including neural networks, data analysis, mathematical modeling, and statistical analysis. Main research results: The developed method showed promising results when tested on simulated and real data, demonstrating its potential for application in the business process of quality control of products at "Power Machines" JSC. Field of application of the research results: Energy industry, Metalworking, Quality management, defectoscopy. The novelty of the research is: Developing a new approach to building a quality management business process for products using end-to-end technologies. Conclusions: The results of this study show that neural network algorithms for defectoscopy demonstrate promising results that allow designing business processes with a focus on greater efficiency and productivity.