Details

Данная работа посвящена изучению возможностей использования технологий искусственного интеллекта с целью выявления, анализа и прогнозирования рисков, возникающих в критичной логистической инфраструктуре, а также подготовке предложений по совершенствованию системы риск-менеджмента в ООО «Арман». Задачи, которые решались в ходе исследования: 1. Исследование современных подходов к управлению рисками ИИ. 2. Анализ специфики критичной логистической инфраструктуры и категорий рисков. 3. Разработка системы машинного обучения. 4. Формирование архитектуры мультикомпонентной модели управления рисками. Объект исследования – процессы управления рисками в критичной логистической инфраструктуре предприятия (на примере ООО «Арман»). Предмет исследования – методы и инструменты искусственного интеллекта, применяемые для выявления, оценки и прогнозирования рисков. В теоретической части рассмотрены сущность искусственного интеллекта и методов машинного обучения, понятие критичной логистической инфраструктуры, нормативная база управления рисками и концепция доверенного искусственного интеллекта. В аналитической части выполнен анализ финансово-хозяйственной деятельности и рисков ООО «Арман» за 2021–2024 годы и идентифицированы ключевые финансовые, логистические и контрагентские риски предприятия. В проектной части разработана мультикомпонентная система управления рисками на основе ансамбля из пяти моделей машинного обучения (XGBoost, Isolation Forest, LSTM, GNN, BERT). Пилотная апробация на выборке из 50 контрагентов подтвердила работоспособность архитектуры (F1 = 0,86, ROC-AUC = 0,93).

The given work is devoted to the study of the possibilities of using artificial intelligence technologies in order to identify, analyze and predict risks arising in critical logistics infrastructure, as well as to prepare proposals for improving the risk management system at Arman LLC. The research set the following goals: 1. Research of modern approaches to AI risk management. 2. Analysis of the specifics of critical logistics infrastructure and risk categories. 3. Development of a machine learning system. 4. Formation of the architecture of a multicomponent risk management model. The object of the research is risk management processes in the critical logistics infrastructure of the enterprise (using the example of Arman LLC). The subject of the research is artificial intelligence methods and tools used to identify, assess and predict risks. The theoretical part examines the essence of artificial intelligence and machine learning methods, the concept of critical logistics infrastructure, the regulatory framework for risk management and the concept of trusted artificial intelligence. In the analytical part, the analysis of the financial and economic activities and risks of Arman LLC for 2021-2024 was carried out and the key financial, logistical and counterparty risks of the enterprise were identified. In the project part, a multicomponent risk management system has been developed based on an ensemble of five machine learning models (XGBoost, Isolation Forest, LSTM, GNN, BERT). The pilot testing on a sample of 50 contractors confirmed the architectures operability (F1 = 0.86, ROC-AUC = 0.93).