Архив номеров за 2025 год

Аннотация

Целью данной статьи является исследование преимуществ и ограничений цифровой трансформации морских портов с учетом сложностей взаимодействия со всеми стейкхолдерами, определение источников главных барьеров, сдерживающих максимальный эффект цифровой трансформации. Интеграция передовых технологий анализируется в контексте цифровизации процессов обработки грузов, повышения операционной эффективности и обеспечения бесперебойного взаимодействия между участниками деятельности.
Исследование выявляет ключевые преимущества цифровизации портов. Вместе с тем отмечаются препятствия на пути внедрения цифровых технологий. Результаты исследования свидетельствуют о том, что для успешного внедрения цифровых решений в морских портах необходимы гармонизированные усилия государственных органов, заинтересованных сторон частного сектора и поставщиков технологий для обеспечения целостной и эффективной цифровой экосистемы. В исследовании делается вывод о том, что цифровая трансформация необходима для повышения эффективности морских портов, обеспечения долгосрочной устойчивости и адаптации к меняющемуся ландшафту международной торговли.

Ключевые слова: морской порт, умный порт, цифровая трансформация, цифровизация, экономическая эффективность цифровизации

Список источников:

1.  Новикова Т. О. Роль морского транспорта в международной торговле // Евразийский научный журнал. 2016. № 8 [Электронный ресурс]. – Режим доступа: https://journalpro.ru/upload/uf/4f7/4f73e9bbc4e8ae35c0e2597eb8c29c7b.pdf
2.  Куприяновская Ю. В., Куприяновский В. П., Климов А. А., Намиот Д. Е., Долбнев А. В., Синягов С. А., Липунцов Ю. П., Арсенян А. Г., Евтушенко С. Н., Ларин О. Н. Умный контейнер, умный порт, BIM, интернет вещей и блокчейн в цифровой системе мировой торговли // Международный журнал открытых информационных технологий  [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/umnyy-konteyner-umnyy-port-bim-internet-veschey-i-blokcheyn-v-tsifrovoy-sisteme-mirovoy-torgovli
3.  Панамарева О. Н. Особенности цифровой трансформации транспортной отрасли и ее влияние на развитие портов России // Вестник МФЮА. 2022. № 2. С. 76–99 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/osobennosti-tsifrovoy-transformatsii-transportnoy-otrasli-i-ee-vliyanie-na-razvitie-portov-rossii
4.  Масюк Н. Н., Блюдик А. Р. Современные тенденции цифровой трансформации в морской отрасли // ЕГИ. 2022. № 44 (6). C. 203–207 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/ sovremennye-tendentsii-tsifrovoy-transformatsii-v-mors koy-otrasli
5.  Климов А. А., Куприяновский В. П., Аленьков В. В., Анисимов К. О., Володин А. Б., Куприяновская Ю. В. Умные технологии в портах и в судоходстве, как связанные цифровые двойники берега и судна в мультимодальном окружении // Международный журнал открытых информационных технологий.  2020. № 3. С. 75–91 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/umnye-tehnologii-v-portah-i-v-sudohodstve-kak-svyazannye-tsifrovye-dvoyniki-berega-i-sudna-v-multimodalnom-okruzhenii
6.  Карапетянц И. В., Толстых Т. О., Шкарупета Е. В. Трансформация логистических процессов в цифровой экономике // РЕГИОН: системы, экономика, управление. 2017. № 3 (38). С. 104–110 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/transformatsiya-logisticheskih-protsessov-v-tsifrovoy-ekonomike
7.  Зуб И. В., Ежов Ю. Е., Анголенко Т. С. Информационные системы как инструмент повышения производительности морских портов // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. 2022. Т. 14. № 2. С. 218–229. DOI: 10.21821/2309-5180-2022-14-2-218-229.
8.  Горнова А. М., Долгих А. Д. Судоходство в аспекте кибербезопасности  //  Арктическое  обозрение. 2019. № 5. С. 52–58.
9.  Дементьев Д. С., Ашов И. В. Морская кибербезопасность – ситуация и проблемы // Комплексные исследования в рыбохозяйственной отрасли. Материалы VI Международной научно-технической конференции студентов, аспирантов и молодых ученых. Владивосток, 2021. – Дальневосточный государственный технический рыбохозяйственный университет, 2021. – С. 300–304.
10. Перспективы использования технологии blockchain в целях обеспечения информационной безопасности на морском транспорте / Е. В. Каменная [и др.] // Транспортное дело России. 2018. № 6. С. 194–197.
11. Цыгута А. Н., Амплеева А. В. Кибербезопасность, как один из факторов развития морской отрасли // Транспорт: проблемы, цели, перспективы (Транспорт 2020). Материалы Всероссийской научно-технической конференции. Пермь, 2020. – Пермский филиал ФГБОУ ВО «Волжский государственный университет водного транспорта», 2020. – С. 65–68.
12. Дериглазов А. П., Павлова Е. А. Исследование факторов, влияющих на выбор инструментов цифровой трансформации маркетинговых компаний // Вестник академии знаний. 2024. № 2. С. 148–152.
13. Elmasry T. et al. Digital Middle East: Transforming the Region into a Leading Digital Economy // McKinsey& Company. Официальный сайт [Электронный ресурс]. – Режим доступа: http://www.mckinsey.com/global-them es/middle-east-and-africa/digital-middle-east-transforming-the-region-into-a-leading-digital-economy (In Eng.).
14. Цыганов В. В. О стратегическом управлении транспортно-логистической инфраструктурой РФ // Автоматизация в промышленности. 2024. № 5. С. 41–44. DOI 10.25728/avtprom.2024.05.08.
15.  Архитектура Национальной цифровой платформы для грузоперевозок презентована на «ЦИФРОВОЙ ТРАНСПОРТАЦИИ» // Эксперты безопасности. Информационное агентство [Электронный ресурс]. – Режим доступа: https://securityexp.ru/tpost/uav9mzyhz1-arhitektura-natsionalnoi-tsifrovoi-platf#subscribe

Аннотация

Рассматривается концепция организационной проективности как центральный элемент оценки зрелости инновационной компании в сфере управления проектами. Организационная проективность определяется как способность инновационной компании предвидеть изменения, адаптироваться к ним и эффективно реализовывать проекты в условиях неопределённости. Подробно анализируются ключевые аспекты проективности: стратегическое видение, гибкость и адаптивность, культура управления проектами, использование технологий и данных, а также управление знаниями. Предлагаются методы, позволяющие повышать уровень зрелости инновационной компании по каждому из рассмотренных критериев. Приводится иллюстрационный пример.
Научная новизна исследования заключается в комплексном подходе к оценке зрелости инновационной компании в сфере управления проектами через призму организационной проективности. В отличие от традиционных моделей оценки, которые фокусируются на процессах и методологиях, данная работа акцентирует внимание на способности инновационной компании к прогнозированию, адаптации и инновациям. Обоснована структурированная модель организационной проективности, отражающая пять ключевых элементов: стратегическое видение, гибкость, культура управления проектами, использование технологий и управление знаниями. Этот подход позволяет не только оценить текущий уровень зрелости инновационной компании, но и определить направления для её дальнейшего развития. Кроме того, работа вносит вклад в теорию управления проектами, расширяя понимание роли организационной культуры и стратегического мышления в успешной реализации проектов.
Практическая значимость исследования заключается в предоставлении инновационным компаниям конкретных инструментов и рекомендаций для повышения их зрелости в сфере управления проектами. Предлагаются практические шаги по развитию организационной проективности, такие как внедрение гибких методологий, создание культуры изменений, использование современных технологий и систем управления знаниями. Кроме того, работа может быть полезна для руководителей и менеджеров проектов, которые стремятся интегрировать управление проектами в стратегическое планирование и сделать его неотъемлемой частью организационной культуры.

Ключевые слова: адаптация к изменениям, зрелость компании, организационная проективность, проектное управление, стратегическое управление

Список источников:

1. Трофимова Е. В., Трофимов В. В. Теоретические основы построения системы оценок уровня зрелости проектного управления инновационным развитием социально-экономических систем // Инновации и инвестиции. 2025. № 2.
2. Тарасьев А. А. и др. Разработка методического подхода к оценке зрелости компании в области управления проектами // Московский экономический журнал. 2022. Т. 7. № 11. C. 564–572.
3. Шишова М. А., Чернова А. В. Организационная проективность как фактор успешного управления проектами // Управление и информационные технологии. 2019. № 4 (15). С.123–130.
4. Кречетов С. Д. Обзор современных моделей зрелости организационного управления проектами // В сборнике: Развитие современной науки и технологий в условиях трансформационных процессов. сборник материалов XI Международной научно-практической конференции. – Санкт-Петербург, 2023. – С. 77–83.
5. Найдис И. О. Анализ моделей зрелости управления проектами // Modern Science. 2020. № 6-1. С. 144–151.
6. PMBOK® Guide. – Project Management Institute (PMI), 2021. – 250 С. (In Eng.).
7. Capability Maturity Model Integration (CMMI) for Development Version 3.0. [Электронный ресурс]. – Режим доступа: https://kpmg.com/in/ en/services/advisory/consulting/business-consulting/ transformation-business-excellence/capability-maturity-model-integration-cmmi.html (In Eng.).
8. Крюков В. В., Разумова Ю. В. Модель оценки зрелости системы проектного управления предприятиями региона // Азимут научных исследований: экономика и управление. 2022. Т. 11. № 2 (39). С. 40–44.
9. Взаимосвязь документов ОСУП с процессами и областями знаний в соответствии со сводом знаний по УП (PMBOK) [Электронный ресурс]. – Режим доступа: http://pmdoc.ru

Аннотация

В статье анализируется современная инновационная политика российских университетов. Обзор зарубежных подходов к планированию и реализации инновационной политики высших учебных заведений, а также российского опыта позволил выявить ключевые особенности инновационной политики. Выявлена роль государственной политики при формировании и реализации инновационной политики вузов. На основе проведенного анализа основных направлений инновационной политики российских вузов, участвующих в государственной программе «Приоритет 2030», сделан вывод о том, что одним из ключевых подходов к совершенствованию инновационной политики университета является развитие инновационных экосистем, базисом которых выступают взаимодействия вуза с акторами внешней среды. Предложена систематизация основных направлений инновационной политики университетов, которая включает в себя совершенствование семи основных процессов: образовательного, научно-исследовательского, предпринимательского, формирование связей с работодателями и другими стейкхолдерами, развитие инфраструктуры, цифровизации и цифровой трансформации и организационно-управленческих процессов. На основе проведенного анализа литературы и источников, исследования опыта проведения инновационной политики российскими университетами, предложена систематизация основных форм и видов инновационной политики. Предложена схема, определяющая роль и место инновационной политики университета в инновационной экосистеме, которая может использоваться университетами при формировании стратегий развития с учетов внедрения экосистемного подхода.

Ключевые слова: инновации, инновационная политика, конкурентоспособность вуза, развитие человеческого капитала, университет, экосистема

Список источников:

1.  Федеральный закон от 23.08.1996 N 127-ФЗ (ред. от 08.08.2024) «О науке и государственной научно-технической политике» // СПС «КонсультантПлюс» [Электронный ресурс]. – Режим доступа: https://www.consul tant.ru/document/cons_doc_LAW_11 507/
2.  Федеральный закон «Об инновационных научно-технологических центрах и о внесении изменений в отдельные законодательные акты Российской Федерации» от 29.07.2017 N 216-ФЗ (ред. от 08.08.2024) // СПС «КонсультантПлюс» [Электронный ресурс]. – Режим доступа: https://www.consultant.ru/document/ cons_doc_LAW_221172/
3.  Национальная программа «Цифровая экономика Российской Федерации», утвержденная протоколом заседания Президиума Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам от 4 июня 2019 г. № 7 // Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации. Официальный сайт [Электронный ресурс]. – Режим доступа: https://digital.gov.ru/ru/activity/directions/858/
4.  Национальный проект «Наука и университеты» // Минобрнауки России. Официальный сайт [Электронный ресурс]. – Режим доступа: https://национальныепроекты.рф/projects/nauka-i-universitety/
5.  Постановление Правительства Российской Федерации от 13.05.2021 № 729 «О мерах по реализации программы стратегического академического лидерства «Приоритет 2030» // СПС «КонсультантПлюс» [Электронный ресурс]. – Режим доступа: https://www.consul tant.ru/document/cons_doc_LAW_38 4628/
6.  Рейтинг «Индекс изобретательской активности российских университетов» – 2023 // Исследовательское подразделение медиахолдинга «Эксперт». Официальный сайт [Электронный ресурс]. – Режим доступа: https://expert-ural.com/analytics/ ratings/reyting-indeks-izobretatelskoy-aktivnosti-rossiyskih-universitetov
7.  Koroleva D., Khavenson T., Tomasova D. Genesis and Predictive Ability of Ecosystem Approach in Education // Foresight and STI Governance. 2023. Т. 17. № 4. С. 93–109. (In Eng.).
8.  Ситникова С. Е. Инновационная политика развития локальных экономических систем в России и зарубежных странах // Экономика и предпринимательство. 2024. № 4 (165). С. 204–207.
9.  Митяков С. Н., Митяков Е. С., Горина Т. В. Система показателей оценки инновационной политики высшего технического учебного заведения // Экономика, предпринимательство и право. 2024. Т. 14. № 4. С. 1207–1228.
10. Patanakul P., Pinto J. K. Examining the Roles of Government Policy on Innovation // Journal of High Technology Management Research. 2017. Т. 25. № 2. С. 97–107. (In Eng.). DOI: 10.1016/j.hitech.2014.07.003.
11. Mani S. Government, innovation, and technology policy: an international comparative analysis // International Journal of Technology and Globalisation. 2004. Т. 1. №. 1. С. 29–44. (In Eng.). DOI: 10.1504/IJTG.2004.004549.
12. Aranha E. A., Carvalho S. Innovation Policy, Open Innovation and Business Model in the University // Journal of Technology Management & Innovation. 2022. Т. 17. № 1. С. 110–121. (In Eng.).
13. Результаты конкурса «Студенческий стартап» // Фонд содействия инновациям. Официальный сайт [Электронный ресурс]. – Режим доступа: https://fasie.ru/competitions/?PROGRAM_ID=945
14.  Рейтинг вузов России hh.ru // Группа компаний HeadHunter. Официальный сайт [Электронный ресурс]. – Режим доступа: https://spb.hh.ru/ universityRating

Аннотация

В сегодняшних реалиях авиационная отрасль сталкивается с вызовами роста пассажиропотока (на 5,8% ежегодно до 2040 года), а также с повышенными ожиданиями пассажиров в вопросах обеспечения качества и скорости обслуживания. Статья посвящена исследованию инновационной концепции развития аэропортов – «Аэропорт 4.0». Это новый подход к управлению аэропортами, направленный на повышение их эффективности, безопасности и удобства для пассажиров за счёт использования современных цифровых технологий. Цель исследования заключается в оценке потенциала и готовности российских аэропортов к внедрению концепции «Аэропорт 4.0». В статье рассмотрены примеры успешного применения концепции «Аэропорт 4.0» в мировых аэропортах, а также проведена оценка степени цифровой зрелости крупнейших аэропортов России, таких как Шереметьево и Пулково. Внедрение концепции «Аэропорт 4.0» представляет собой актуальное и перспективное направление развития авиационной отрасли. Исследование показало, что данная концепция не только повысит конкурентоспособность отечественных аэропортов, но и позволит отрасли успешно адаптироваться к современным вызовам. Это подчеркивает необходимость продолжения научных исследований в данной области, поскольку концепция «Аэропорт 4.0» находится на стадии становления и требует дальнейшего теоретического и практического осмысления.

Ключевые слова: авиационная отрасль, концепция «Аэропорт 4.0», умный аэропорт, цифровая трансформация, цифровизация, цифровые технологии

Список источников:

1. Evolution Of Airports – Travel Trends In The Next 30 Years // Oliver Wyman Forum [Электронный ресурс]. – Режим доступа: https:// www.oliverwymanforum.com/mobility/2023/jun/air port-evolution-travel-trends-by-2050.html (In Eng.).
2. Annual Review 2023 // IATA [Электронный ресурс]. – Режим доступа: https://www.iata.org/en/ publications/annual-review/ (In Eng.).
3. Rajapaksha Aruna, and Nisha Jayasuriya. Smart Airport: A Review on Future of the Airport Operation // Global Journal of Management and Business Research. 2020. № 20 (3). С. 25–34. (In Eng.).
4. François M., Filipas I., Zaharia S. E. Transition 4.0 for the Airport Industry // IFAC-PapersOnLine. 2023. Т. 56.2. C. 3698–3703. (In Eng.).
5. Ali S., Shamandi N. Smart Airport: Application of Internet of Things for Confronting Airport Challenges // International Journal of Computer and Systems Engineering. 2022. Т.16. №. 12. С. 598–608 (In Eng.).
6. da Silva J. R., Konarzewski K. A. Aeroportos Inteligentes: O Embarque Para O Futuro: Smart Airports: Boarding to the Future // Revista Brasileira de Aviação Civil & Ciências Aeronáuticas. 2022. Т. 2. № 1. С. 7–24. (In Eng.).
7. Головченко Г. В., Чинючин Ю. М, Далецкий С. В. Анализ приоритетов и тенденций автоматизации российских аэропортов // Научный вестник ГосНИИ ГА. 2021. №. 37. С. 84–94.
8. Зубарева В. С., Букринская Э. М. Цифровая трансформация аэропортов. «Умный аэропорт» // Экономика и бизнес: теория и практика. 2020. №. 11-2. С. 10–14.
9. Ермаков А. А. Цифровая трансформация в авиационной индустрии // Московский экономический журнал. 2023. № 1. С. 294–304.
10. Наумкин А. Д. Пути цифровой трансформации процессов взаимодействия аэропортов и авиакомпаний // Кибернетика и программирование. 2019. №. 4. С. 15–25.
11. Halpern Nigel, et al. Ready for Digital Transformation? The Effect of Organizational Readiness, Innovation, Airport Size and Ownership on Digital Change at Airports // Journal of Air Transport Management. 2021. T. 90. C. 101949. (In Eng.).
12. Airport Digital Transformation from Operational Performance to Strategic Opportunity // Amadeus [Электронный ресурс]. – Режим доступа:  https://doingbusiness.ro/article/amadeus-airport-40-study-digital-airport-transformation-4167 (In Eng.).
13. Тецлав И. А. Методы и средства управления системой обслуживания пассажиров в аэропорту в условиях неопределенности: дис. канд. техн. наук: 2.9.6. - СПб, 2023.
14. Global Passenger Traffic Expected to Recover by 2024 and Reach 9.4 Billion Passengers // ACI World [Электронный ресурс]. – Режим доступа:https://aci.aero/2023/09/27/global-passenger-traffic-expected-to-recover-by-2024-and-reach-9-4-billion-passengers/ (In Eng.).
15. Smart Airport Market Report. IMARC Group [Электронный ресурс]. – Режим доступа:  https://www.imarcgroup.com/smart-airport-market (In Eng.).
16. Atlanta to Expand Biometric Technology to Entire International Terminal // Cities Today [Электронный ресурс]. – Режим доступа: https://cities-today.com/atlanta-to-expand-biometric-technology-to-entire-international-terminal/?utm_so urce=chatgpt.com (In Eng.).
17. Шереметьево представил отраслевому сообществу уникальную цифровую экосистему управления аэропортом // Международный аэропорт Шереметьево [Электронный ресурс]. – Режим доступа:  https://www.svo.aero/ru/press_center/press_ releases/sheremetyevo-presented-to-the-industry-community-a-unique-digital-airport-management-ecosystem
18. Объемы перевозок через аэропорты России в 2021 году // Федеральное агентство воздушного транспорта [Электронный ресурс]. – Режим доступа: https://favt.gov.ru/novosti-novosti/?id=8875
19. Пассажиропоток аэропортов России 2022 // Аvia Adv [Электронный ресурс]. – Режим доступа: https://www.avia-adv.ru/stat/airports-ru-2022.htm
20. Российские аэропорты. Статистика по пассажиропотоку за 2023 год // Аvia Adv [Электронный ресурс]. – Режим доступа: https://www.avia-adv.ru/news/2024/03-13.htm
21. Global Air Travel Demand Continued Its Bounce Back in 2023 // IATA [Электронный ресурс]. – Режим доступа: https://www.iata.org/en/pressroom/ 2024-releases/2024-01-31-02/ (In Eng.).
22. Tan Jia Hao, Tariq Masood. Airport 4.0: Technology Adoption Framework for Airports [Электронный ресурс]. – Режим доступа: https://arxiv.org/abs/2112.14333 (In Eng.). DOI: 10.48550/arXiv.2112.14333.

Аннотация

В статье рассматривается применение больших языковых моделей (LLM) для анализа юридических кейсов. Исследуются их возможности и ограничения при обработке нормативно-правовых документов, а также влияние немонотонной и деонтической логики на корректность выводов. Проведено тестирование моделей GPT-4o, GigaChat и YandexGPT с целью оценки точности обработки правовой информации. Выявлены основные проблемы, включая галлюцинации, некорректные ссылки на законодательство и сложность интерпретации логических парадоксов. Для повышения качества предложены меры по адаптации моделей: использование системного промпта, RAG-хранилища нормативных документов и оптимизация параметров генерации текста. Результаты исследования показали, что доработанная модель позволяет получать более точные юридические консультации и значительно ускоряет процесс анализа правовых вопросов.

Ключевые слова: большие языковые модели, БЯМ, деонтическая логика, немонотонная логика, юриспруденция, чат-бот, GPT, Llama

Список источников:

1. Wang X., Zhang X., Hoo V., Shao Z., Zhang X. LegalReasoner: A Multi-Stage Framework for Legal Judgment Prediction via Large Language Models and Knowledge Integration // IEEE Access. 2024. T. 12. (In Eng.).  DOI: 10.1109/ACCESS.2024.3496666.
2. Gutiérrez J. D. Critical Appraisal of Large Language Models in Judicial Decision-Making // Elgaronline. 2024. (In Eng.). DOI: 10.4337/9781803922171.00033.
3. Nelson J. The Other ‘LLM’: Large Language Models and the Future of Legal Education // European Journal of Legal Education. 2024.  T. 5. № 1. С. 127–155. (In Eng.).
4. Antonelli G. A., Strasser C. Non-Monotonic Logic // Stanford Encyclopedia of Philosophy [Электрон- ный ресурс]. – Режим доступа: https://plato.stanford.edu/entries/logic-nonmonotonic/ (In Eng.).
5. Wright G. H. von. Norm and Action: A Logical Inquiry. – Routledge & Kegan Paul, 1963. – 214 C. (In Eng.).
6. Guha N., Nyarko J., Ho D., Ré C., Chilton A., Chohlas-Wood A., Li Z. LegalBench: A Collaboratively Built Benchmark for Measuring Legal Reasoning in Large Language Models [Электронный ресурс]. – Режим доступа: https://arxiv.org/ pdf/2308.11462 (In Eng.).
7. Martin L., Whitehouse N., Yiu S., Catterson L., Perera R. Better Call GPT: Comparing Large Language Models Against Lawyers [Электронный ресурс]. – Режим доступа: https://arxiv.org/ pdf/2401.16212 (In Eng.).
8. Cheong I., Xia K., Feng K. K., Chen Q. Z., Zhang A. X. I Am Not a Lawyer, But…: Engaging Legal Experts Towards Responsible LLM Policies for Legal Advice [Электронный ресурс]. – Режим доступа: https://arxiv.org/pdf/2402.01864 (In Eng.).
9. Izzidien A., Sargeant H., SteffekF. LLM vs. Lawyers: Identifying a Subset of Summary Judgments in a Large UK Case Law Dataset [Электронный ресурс]. – Режим доступа: https://arxiv.org/pdf/ 2403.04791 (In Eng.).
10. Sun J., Dai C., Luo Z., Chang Y., Li Y. LawLuo: A Chinese Law Firm Co-Run by LLM Agents [Электронный ресурс]. – Режим доступа: https://arxiv.org/pdf/2407.16252v1 (In Eng.).
11. Parmar M., et all. Towards Systematic Evaluation of Logical Reasoning Ability of Large Language Models [Электронный ресурс]. – Режим доступа: https://arxiv.org/html/2404.15522v1 (In Eng.).
12. Von Wright G. H. Deontic Logic // Mind.  Т. 60. № 237. C. 1–15. (In Eng.).
13. Русскоязычная нейросеть от Сбера // GigaChat [Электронный ресурс]. – Режим доступа: https://giga.chat/
14. БЯМ от Яндекса // YandexGPT 3 [Электронный ресурс].–Режим доступа: https://ya.ru/ai/gpt-3
15. GPT-4o // OpenAI [Электронный ресурс]. – Режим доступа: https://openai.com/index/gpt-4/)
16. Recommendations for Creating System Prompts for LLMs [Электронный ресурс]. – Режим доступа: https://x.com/gdb/status/1878489681702310392?mx=2 (In Eng.).
17. Non-Monotonic Logic // Stanford Encyclopedia of Philosophy [Электронный ресурс]. – Режим доступа:  https://plato.stanford.edu/entries/logic-nonmonotonic/ (In Eng.).
18. Retrieval-Augmented Generation (RAG) Method // Hugging Face [Электронный ресурс]. – Режим доступа: https://huggingface.co/docs/transformers/perplexity (In Eng.).
19. Li H., Dong Q., Chen J., Su H., Zhou Y., Ai Q., Liu Y. LLMs-as-Judges: A Comprehensive Survey on LLM-Based Evaluation Methods [Электронный ресурс]. – Режим доступа: https://arxiv.org/pdf/ 2412.05579 (In Eng.).
20. Юрьев Р. Н., Бессмертный И. А., Груздева А. С. Метрики качества юридических текстов // Экономика. Право. Инновации. 2024. № 2.  С. 81–93.

Аннотация

Исследование посвящено повышению качества управления организационными системами в жилых комплексах на основе анализа ретроспективных данных, формируемых по жалобам жителей. Предлагается информационная система, состоящая из мобильного приложения, веб-платформы и аналитического модуля, которая организует упорядоченное общение между клиентами, руководством многоквартирного дома и аналитической частью. Мобильное приложение позволяет жильцам формировать заявки, которые затем обрабатываются на веб-платформе. Веб-платформа выполняет роль посредника, обеспечивающего получение, анализ и координацию запросов. Модуль аналитики хранит данные заявок и анализирует их с помощью модели прогнозирования жалоб жителей о поломках с использованием временных рядов. Представленная модель основана на методе SARIMA. В процессе предобработки данных проведена ручная классификация типов поломок, удалены дубликаты и выбраны данные по жалобам на неисправности. Для выбора гиперпараметров использовался алгоритм поиска по сетке, обеспечивающий наименьшее значение AIC. Модель была проверена на тестовой выборке и новых данных, ранее неизвестных для нее. Дано обсуждение ограничений исследования и предложены направления для будущих исследований, такие как улучшение качества данных и использование гибридных моделей.

Ключевые слова: жилищно-коммунальное хозяйство, инновации, машинное обучение, предиктивное техническое обслуживание

Список источников:

1. Об утверждении Стратегии развития строительной отрасли и жилищно-коммунального хозяйства Российской Федерации на период до 2030 года с прогнозом до 2035 года: Распоряжение Правительства Российской Федерации от 31.10.2022. №3268-р // СПС «КонсультантПлюс» [Электронный ресурс]. – Режим доступа: https://www.consultant.ru/document/cons_doc_LA W_430333/
2. Цифровая экономика: 2024: краткий статистический сборник / В. Л. Абашкин, Г. И. Абдрахманова, К. О. Вишневский, Л. М. Гохберг и др. // НИУ ВШЭ –М.: ИСИЭЗ ВШЭ, 2024. – С. 45–61.
3. Цифровая экономика: 2023: краткий статистический сборник / Г. И. Абдрахманова, С. А. Васильковский, К. О. Вишневский и др. // НИУ ВШЭ – М.: ИСИЭЗ ВШЭ, 2023. – С. 45–59.
4. GovTech Maturity Index (GTMI) Data Dashboard [Электронный ресурс]. – Режим доступа: https://www.worldbank.org/en/data/interactive/2022/ 10/21/govtech-maturity-index-gtmi-data-dashboard (In Eng.).
5. Родин О. А., Кленова Т. В. Возможности и перспективы использования нейросетевых технологий в развитии городского хозяйства // Экономика и бизнес: теория и практика. 2023. № 5-3 (99) [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/vozmozhnosti-i-perspektivy-ispolzovaniya-neyrosetevyh-tehnologiy-v-razvitii-gorodskogo-hozyaystva
6. Мутолапов Р. Х. Цифровизация жилищно-коммунальной сферы: современные тенденции, проблемы и мировая практика // Естественно-гуманитарные исследования. 2022. № 40 (2) [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/tsifrovizatsiya-zhilischno-kommunalnoy-sfery-sovremennye-tendentsii-problemy-i-mirovaya-praktika
7. Zaib Ullah, Fadi Al-Turjman, Leonardo Mostarda, Roberto Gagliardi. Applications of Artificial Intelligence and Machine learning in Smart Cities // Computer Communications. 2020. Т. 154. С. 313–323. (In Eng.). DOI: 10.1016/j.comcom.2020.02.069.
8. Joud Al Dakheel, Claudio Del Pero, Niccolò Aste, Fabrizio Leonforte. Smart Buildings Features and Key Performance Indicators: A review // Sustainable Cities and Society. 2020. Т. 61. (In Eng.). DOI: 10.1016/j.scs.2020.102328.
9. Анализ технического состояния многоквартирных домов // ГИС ЖКХ. [Электронный ресурс]. – Режим доступа: https://dom.gosuslugi.ru/ #!/houses-condition/deterioration
10. Аналитический обзор. Тренды развития искусственного интеллекта в сфере ЖКХ. Август 2020 // Агентство инноваций Москвы – городской институт развития технологического и инновационного предпринимательства [Электронный ресурс]. – Режим доступа: https://innoagency.ru/ files/AI_ Utilities_AIM_August%202020.pdf
11. Салихов М. Р., Юрьева Р. А. Алгоритм прогнозирования состояния оборудования на основе машинного обучения // Приборостроение. 2022. № 9 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/algoritm-prognozirovaniya-sostoyaniya-oborudovaniya-na-osnove-mashinnogo-obucheniya
12. Охтилев М. Ю., Охтилев П. А., Соколов Б. В., Юсупов Р. М. Методологические и методические основы проактивного управления жизненным циклом сложных технических объектов // Приборостроение. 2022. № 11 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/metodologicheskie-i-metodicheskie-osnovy-proaktivnogo-upravleniya-zhiznennym-tsiklom-slozhnyh-tehnicheskih-obektov
13. Новая коммунальная реальность: как нейросети помогают развивать ЖКХ // Росбизнесконсалтинг [Электронный ресурс]. – Режим доступа: https://www.rbc.ru/economics/02/11/2023/ 653fb0f39a7947d6233d7183
14. Искусственный интеллект в ЖКХ: реальный опыт и перспективы // Just Al [Электронный ресурс]. – Режим доступа: https://just-ai.com/blog/iskusstvennyj-intellekt-v-zhkh-realnyj-opyt-i-perspektivy