Застосування штучних нейронних мереж та технологій форсайту у здійсненні технологічного реінжинірингу сучасного промислового виробництва

Abstract

У статті розглянуто питання щодо механізму обґрунтування вибору напрямів технологічного реінжинірингу. Визначено, що ефективність перетворень у першу чергу залежить від методів, інструментів вибору напрямів радикального перетворення технологічної основи виробничого підприємства та взагалі від технологічної політики. Обґрунтування напрямів технологічного реінжинірингу пов’язано із великим обсягом взаємозалежних змінних інноваційних перетворень і потребує фундаментального аналізу їх поведінки і впливу на виробничий процес. На сьогодні нейронні мережі є одним з найвідоміших і ефективних інструментів інтелектуального аналізу даних, який розвивається завдяки досягненням в області теорії штучного інтелекту та інформатики. Інтелектуальні системи на основі штучних нейронних мереж, нечіткої логіки дозволяють вирішувати завдання виконання прогнозів, оптимізації, розпізнавання образів і управління. Для навчання мережі необхідно мати набір значень вхідних величин (чинників) і відповідних кожному окремому набору значень потрібної вихідної величини. Такий підхід цілком збігається із задачами вибору напрямів технологічного реінжинірингу на підприємствах інноваційного кластеру. З цією метою визначено суттєві зовнішні иа внутрішні фактори, що здійснюють вплив на ефективність кластерної політики. На відміну від внутрішніх, зовнішні у найбільшій міри дозволяють вирішувати завдання виконання прогнозів, оптимізації, розпізнавання образів і управління. В умовах недосконалої регіональної інноваційної системи та враховуючи цей фактор, для ефективності вирішення задач здійснення технологічного реінжинірингу промислового виробництва запропоновано методику, яка поєднує форсайт-прогнозування перспектив технологічного реінжинірингу підприємств з теорією штучних нейронних мереж. Запропоновано механізм взаємодії штучних нейронних мереж і форсайт методу у визначенні напрямів технологічного реінжинірингу на основі регіональної кластерної політики.

The article deals with the issue of the justification mechanism for the choice of directions of technological reengineering. It was determined that the effectiveness of the transformations primarily depends on the methods, tools for choosing directions for the radical transformation of the technological basis of the production enterprise and, in general, on the technological policy. The justification of the directions of technological training engineering is connected with a large volume of interdependent variables of innovative transformations and requires a fundamental analysis of their behaviour and impact on production process. Today, neural networks are one of the most famous and effective tools for intelligent data analysis, which is developed thanks to achievements in the field of artificial intelligence theory and computer science. Intelligent systems based on artificial neural networks and fuzzy logic allow solving the tasks of forecasting, optimization, pattern recognition and management. To train the network, it is necessary to have a set of values of input values (factors) and corresponding to each separate set of values of the desired output value. Such an approach completely coincides with the tasks of choosing the directions of technological reengineering at the enterprises of the innovation cluster. For this purpose, significant external and internal factors influencing the effectiveness of the cluster policy have been determined. In contrast to internal, external to the greatest extent allow solving the tasks of forecasting, optimization, pattern recognition and management. In the conditions of an imperfect regional innovation system and taking into account this factor, for the efficiency of solving the tasks of technological reengineering of industrial production, a methodology is proposed that combines foresight forecasting of the prospects of technological reengineering of enterprises with the theory of artificial neural networks. The mechanism of interaction of artificial neural networks and the foresight method in determining directions of technological reengineering based on regional cluster policy are proposed.