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

Целью данной работы является разработка и опытная реализация концепции информационной системы (ИС) для точного земледелия, обеспечивающей сбор, обработку, анализ и визуализацию данных о состоянии почвы, растений и окружающей среды. Такая ИС способствует принятию обоснованных решений по управлению посевами, оптимизации использования ресурсов и созданию основы для интеграции с системами управления предприятием (ERP), что в итоге приводит к повышению эффективности и устойчивости сельскохозяйственного производства. Информационно-аналитическая основа представленного исследования охватывает совокупность международных стандартов, регламентирующих процессы разработки и реализации проектов в сфере ИКТ, специализированные публикации и монографии, посвященные вопросам проектирования управленческих ИС и ведения точного земледелия, а также эмпирический материал, полученный на основании практического опыта организаций.
Методологические подходы включают содержательный анализ литературных источников, проведение сопоставительного анализа известных методик формирования ИС, исследование внутренней структуры технологических процессов и инструментариев сельскохозяйственных предприятий, а также современные статистические методы.
Результатом стало создание концепции ИС, предназначенной для сельскохозяйственных предприятий с акцентом на точное земледелие. Данная система предназначена для комплексной обработки, детального изучения и графического представления сведений относительно состояния почвенного покрова, роста сельскохозяйственных культур и факторов внешней среды.
Апробация пилотного варианта ИС на сельскохозяйственном предприятии показала, что ее применение способствует повышению урожайности и снижению затрат на удобрения. Такая ИС может быть положена в основу создания цифрового сельскохозяйственного предприятия, а результаты исследования могут быть использованы для разработки нормативно-справочной документации по внедрению цифровых технологий для точного земледелия.

Ключевые слова: ГИС, информационная система, машинное обучение, оптимизация затрат, точное земледелие, урожайность, цифровая трансформация, цифровое сельское хозяйство

Список источников:

1. Помазкина Л. В. Оценка воздействия среды на функционирование агроэкосистем // Сборник статей XIII Международной научно-практической конференции European Research: в 2 частях. Том Часть 1. 2017. – Пенза: Наука и Просвещение, 2017. – С. 31–34.
2. Thiruvengadam V., Yang Y., Chen B. A Review of Precision Agriculture Technologies for Site-Specific Nutrient Management // Agronomy. – 2022. – №. 12 –  (8). – C. 1767. (In Eng.).
3. Gebbers R., Adamchuk V. I. Precision Agriculture and Food Chain Management // Computers and Electronics in Agriculture. – 2010. – № 73 (2). – С. 172–183. (In Eng.).
4. Stafford J. V. Implementing Precision Agriculture in the 21st Century // Journal of Agricultural Engineering Research. – 2000.  – № 76 (3).  – С. 267–275. (In Eng.).
5. McBratney A. B., Whelan B. M., Ancev T., Bouma J. Future Directions of Precision Agriculture // Precision Agriculture. – 2005.  – № 6 (1).  – С. 7–23. (In Eng.).
6. Adamchuk V. I., Hummel J. W., Fidelibus M. W., Green M. T. On-the-go Soil Sensors for Precision Agriculture // Computers and Electronics in Agriculture. –  2004. – № 44 (1). – C. 71–91. (In Eng.).
7. Viscarra Rossel R. A., Adamchuk V. I., Sudduth K. A., Hummel J. W. Global Relationships for Soil Property Estimation from Visible and Near-Infrared Spectra // Soil Science Society of America Journal. – 2011. – № 75 (5). – С. 1788–1803. (In Eng.).
8. Hunt E. R., Jr, Cavigelli M. A., DaughtryC. S. T., Walthall C. L., Kim M. S. Remote Sensing of Crop Leaf Area Index Near Saturation // Agronomy Journal. – 2005. – № 97 (6). – С. 1619–1627. (In Eng.).
9. Berni J. A. J., Zarco-Tejada  P. J., Suárez  L., Ferrio J. P., Araus J. L. Thermal and Narrowband Multispectral Remote Sensing for Vegetation Monitoring from an Unmanned Aerial Vehicle // IEEE Transactions on Geoscience and Remote Sensing. – 2009. – № 47 (3). – C. 722–738. (In Eng.).
10. Auernhammer H. Precision Farming – the Environmental Challenge // Computers and Electronics in Agriculture. 2001. № 30 (1–3). C. 31–45. (In Eng.).
11. Lark R. M., Stafford J. V., Bolam H. C. Analysis of Spatial Variation in Soil and Crop Properties // Advances in Agronomy. – 2003. – № 81. – C. 203–276. (In Eng.).
12. Pierce F. J., Nowak P. Aspects of Precision Agriculture // Advances in Agronomy. – 2003. – № 68. – С. 1–85. (In Eng.).
13. Robert P. C. Precision Agriculture: A Challenge for Crop Nutrition Management // Plant and Soil. – 2002. – № 247 (1). – C. 143–153. (In Eng.).
14. Bongiovanni R., Lowenberg-DeBoer J. Precision Agriculture and Sustainability // Agronomy Journal. – 2012. – № 104 (3). – C. 663–680. (In Eng.).
15. Walter A., Finger R., Huber R., Buchmann N. Opinion: Smart Farming Needs Sound Agronomy // Proceedings of the National Academy of Sciences. – 2017. – № 114 (22). – C. 5908–5911. (In Eng.).
16. Eastwood C. R., Brooker A., Uysal I., Dennett A. Cloud Computing for Agricultural Development // Journal of Agricultural Science. – 2019. – № 157 (6). – C. 461–472. (In Eng.).
17. Kamilaris A., KartakoulisA., Prenafeta-Boldú, F. X. A Review of the Use of Blockchain for IoT Data Management and Security // IoT. – 2017. – № 1 (3). – C. 1–27. (In Eng.).
18. Liakos K. G., Busato P., Moshou D., Pearson S., Bochtis D. Machine Learning in Agriculture: A Review // Sensors. – 2018. – № 18 (8). – C. 2674. (In Eng.).
19. Veres M., Văduva C., Baciu C. Data Mining Techniques for Precision Agriculture: A Systematic Review // Agriculture. – 2022. – № 12 (10). – C. 1694. (In Eng.).
20. Barnes N. M., Cox P. G. The Integration of Precision Agriculture Information into a Whole Farm Management System // Precision Agriculture. – 2000. – № 2 (3). – C. 285–295. (In Eng.).
21. Klopfenstein C., Trent D. Integrating Precision Agriculture Technologies with Enterprise Resource Planning Systems // Precision Agriculture. – 2003.  – № 4 (4). – C. 383–394. (In Eng.).
22. Swinton S. M., Lowenberg-DeBoer J. Evaluating the Profitability of Site-Specific Farming // Site-Specific Management for Agricultural Productivity. – 2001. – C. 495–520. (In Eng.).
23. Uri N. D. Agriculture and the Environment: The Issue of Nutrient Runoff // Ecological Economics. – 2000. – № 33 (1). – C. 69–81. (In Eng.).
24. Обухова А. С. и др. Цифровые технологии как фактор обеспечения конкурентоспособности в аграрном производстве // Вестник аграрной науки. – 2022. – № 4 (97). – С. 112–116.
25. Зубарев Ю. Н. и др. Использование беспилотных летательных аппаратов в сельском хозяйстве // Вестник ПФИЦ. – 2019. – № 2. – С. 47–51.
26. Kazlauskas M. et al. The Comparison Analysis of Uniform-and Variable-rate Fertilizations on Winter Wheat Yield Parameters Using Site-Specific Seeding // Processes. – 2022. – Т. 10. – № 12. – С. 2717. (In Eng.).
27. Georgiadis N. et al. Research Article Advances in Agriculture, Horticulture and Entomology AAHE-184 ISSN 2690-1900.

Аннотация

В статье предлагается подход к моделированию инновационных процессов наукоемких предприятий с использованием экономико-математических моделей. Актуальность исследования обусловлена необходимостью точной оценки отдачи от инвестиций в инновации в условиях высокой технологической динамики и нестабильной внешней среды. Предложенная модель учитывает временные задержки (лаги) между финансированием и результатами, а также эффекты памяти, отражающие снижение эффективности без постоянного инновационного развития. Модель описывает динамику доходности как функцию от объема финансирования инновационной и текущей деятельности и внутреннего состояния предприятия. Формализуется понятие конкурентоспособности, вводятся количественные показатели, отражающие чувствительность предприятия к инновационным воздействиям. Также обозначается необходимость учета оптимального распределения ресурсов между инновационными проектами с учетом ограничений и особенностей технологического развития.
Новизна исследования заключается в применении аппарата конечных автоматов для анализа состояния предприятия и построения прогностической модели, интегрированной в систему цифрового управления инновациями. Представленный подход позволяет обеспечить обоснованную поддержку управленческих решений, связанных с выбором и финансированием инновационных направлений развития наукоемких организаций.

Ключевые слова: инвестиции, инновационные процессы, конкурентоспособность, наукоемкое предприятие, экономико-математическое моделирование

Список источников:

1. Dodgson M., Gann D., Phillips N. The Oxford Handbook of Innovation Management. – Oxford: Oxford University Press, 2023. – 680 p. (In Eng.).
2. Dosi G., Marengo L., Pasquali C. How knowledge shapes the evolution of innovation systems // Research Policy. – 2021. – Т. 50. – №. 9. – С. 104330. (In Eng.).
3. Fichman R. G., Dos Santos B. L., Zheng Z. Digital Innovation as a Fundamental and Powerful Concept in the Information Systems Curriculum // MIS Quarterly. – 2022. – T. 46. – № 1. – C. 223–251. (In Eng.).
4. Kline S. J., Rosenberg N. An Overview of Innovation // In: The Positive Sum Strategy: Harnessing Technology for Economic Growth. – Washington: National Academies Press, 2021. –  С. 275–305. (In Eng.).
5. Шамин Р. В. Использование конечных автоматов в анализе экономических систем // Журнал прикладной информатики.– 2021.– № 4.–С. 22–30.
6. Гуляев В. В. Математическое моделирование в экономике. – М.: Юрайт, 2021. – 312 с.
7. Чурсин А. А. Конкурентоспособность наукоемких предприятий: теория и практика. – М.: Инфра-М, 2020. – 302 с.

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

Аннотация

В статье рассматриваются ключевые задачи и методы по оптимизации и управлению запасами в логистической системе для минимизации общих затрат на хранение товаров на складе, а также оптимизации затрат на размещение заказов с учетом объема заказа относительно спроса. Цель работы – разработать математическую модель для задачи нелинейного программирования для минимизации затрат с учетом нелинейных функций спроса и затрат на хранение, а также ограничений по запасам и количеству заказов. Авторами сформулирована нелинейная задача оптимизации товарных запасов как задача нелинейного программирования, для решения которой был применен генетический алгоритм. Для практического применения разработаны программы на языке Python. Разработанный инструментарий позволяет находить решения для сложных нелинейных задач оптимизации товарных запасов, что дает возможность компании снизить общие операционные расходы, увеличить товарооборот, улучшить клиентский сервис, минимизировать избыточные товарные запасы, оптимизировать ресурсы и повысить финансовые показатели компании.

Ключевые слова: генетический алгоритм, нелинейное программирование, оптимизация запасов, управление запасами

Список источников:

1. Кагаев А. Д. Управление запасами в современных организациях // Экономика и социум. 2024. № 5–1 (120). C. 1957–1960.
2. Егоров В. И. Сравнение отечественных и зарубежных методик в области управления запасами // Время науки. 2024. № 2. C. 16–19.
3. Вихтенко Э. М., Зубков Д. В. Исследование алгоритмов NSGA-III и AGE-MOEA-II для решения задач многокритериальной оптимизации // Инженерный вестник Дона. 2024. № 6 (114) [Электронный ресурс]. – Режим доступа: http://www.ivdon. ru/ru/magazine/archive/n6y2024/9259
4. Чеботарев С. С., Хайтбаев В. А., Бутченко В. В. Численные методы оптимизации логистических систем в процессе управления запасами // Научные проблемы водного транспорта. 2024. №. 80. – С. 207–220.
5. Адаев Р. Б., Севостьянов П. А. Управление запасами с помощью компьютерных моделей // Научные исследования 2024: актуальные теории и концепции: сборник материалов XLIX-ой международной очно-заочной научно-практической конференции, в 3 т., том 2, 8 мая, 2024 – Москва: Издательство НИЦ «Империя», 2024. – 177 с.
6. Адаев Р. Б., Севостьянов П. А. Цифровые методы принятия решений в задачах управления запасами материальных ресурсов производства // Научный аспект. 2024. № 7 [Электронный ресурс]. – Режим доступа: https://na-journal.ru/7-2024-informacionnye-tekhnologii/14269-cifrovye-metody-prinyatiya-reshenii-v-zadachah-upravleniya-zapasami-materialnyh-resursov-proizvodstva
7. Свиридова В. В. Инновационные подходы в оптимизации систем управления складами и запасами промышленного предприятия // Экономика и социум. 2024. № 5–1 (120). C. 1613–1617.
8. Ионов К. Е. Актуальные проблемы управления запасами  //  Вестник науки.  2022.  № 4 (49). C. 52–59.
9. Леонтьев А. С. Задача управления запасами в условиях неопределённости. Модель оптимального выбора стратегии управления запасами при случайном спросе и ненадёжных поставщиках // Актуальные исследования. 2024. №. 15 (197). С. 51–57.
10. Николаев В. В. Повышение эффективности управления запасами в кризисных условиях // Экономический вектор. 2022. № 2 (29). С. 38–42.
11. Копылов Д. Г. Совершенствование логистического управления запасами на предприятии ТЭК // Вестник науки. 2024. № 7 (76). Т. 2. С. 53–58.
12. Ипатьева И. А., Эльяшевич И. П. Модели и методы управления запасами скоропортящихся сырья и материалов: Обзор публикаций с 2016 по 2021 г. // Вестник Московского университета. Серия 6. Экономика. 2022. № 3. C. 177–231.
13. Доронин В. А. Применение генетического алгоритма для оптимизации складских запасов // Новые информационные технологии в автоматизированных системах. 2006. № 9. С. 117–123.
14. Гвоздинский А. Н., Малышкин В. А., Тищенко И. В. Применение методов эволюционной оптимизации в задачах управления запасами // Автоматизированные системы управления и приборы автоматики. 2011. № 157. С. 102–106.
15. Прохоренко О. В. Использование эволюционных методов при планировании перевозки в цепях поставок // Наука, образование, кадры. 2016. С. 23–28.

Аннотация

Нарастающая конкуренция среди разработчиков IT-проектов требует постоянно увеличивать скорость разработки. Это, в свою очередь, негативно сказывается на качестве и стоимости готового продукта. При этом снижение скорости и качества и повышение стоимости связаны не с низкой квалификацией отдельно взятого разработчика, а с плохой организацией процесса разработки. Предметом исследования являются наиболее популярные методологии и подходы и используемые в них методы и инструменты. Цель исследования заключается в систематизации знаний о современных методах и инструментах, определении их совместимости, оценки положительных и отрицательных сторон для понимания целесообразности по их комбинации, направленной на сокращение ограничений. В рамках исследования проведён обзор литературы для выявления методов и инструментов, используемых в наиболее популярных методологиях и подходах. Особое внимание уделено их применимости и ограничениям. Подготовлен и проведён опрос среди представителей отрасли с целью определения используемых на практике методов и инструментов. На основе анализа данных, полученных в процессе обзора литературных источников и опроса, были составлены рекомендации по выбору и использованию методов и инструментов для обеспечения применимости в большем количестве случаев и снижения ограничений.

Ключевые слова: автоматизация процессов, гибкие методологии, гибридные методологии, методологии разработки программного обеспечения, программная инженерия, традиционные методологии, Agile, DevOps, SCRUM

Список источников:

1. Akinsola J.E.T., Ogunbanwo A.S., Okesola O.J., Odun-Ayo I.J., Ayegbusi F.D., Adebiyi A.A. Comparative Analysis of Software Development Life Cycle Models (SDLC) // Advances in Intelligent Systems and Computing, Springer, Cham. – 2020. – Т. 1224. – С. 310–322. – DOI: 10.1007/978-3-030-51965-0_27. – Текст: электронный. (In Eng.).
2. Shafiee S., Wautelet Y., Hvam L., Sandrin E., Forza C. Scrum Versus Rational Unified Process in Facing the Main Challenges of Product Configuration Systems Development // Journal of Systems and Software. – 2020. – Т. 170. – DOI: 10.1016/j.jss. 2020.110732. – Текст: электронный. (In Eng.).
3. Ibrahim M., Aftab S., Bakhtawar B., Ahmad M., Iqbal A., Aziz N., Javeid M., Ihnaini B. Exploring the Agile Family: A Survey // International Journal of Computer Science and Network Security. – 2020. – T. 20 (10). – C. 163–179. – DOI: 10.22937/IJCSNS. 2020.20.10.22. – Текст: электронный. (In Eng.).
4. Saravanos A., Curinga M. Simulating the Software Development Lifecycle: The Waterfall Model // Applied System Innovation. – 2023. – T. 6 (6). – C. 108. – DOI: 10.3390/asi6060108. – Текст: электронный. (In Eng.).
5. Graessler I., Hentze J. The New V-Model of VDI 2206 and its Validation // Automatisierungstechnik. – 2020. – T. 68 (5). – C. 312–324. – DOI: 10.1515/ auto-2020-0015. – Текст: электронный. (In Eng.).
6. Žužek T., Kušar J., Rihar L., Berlec T. Agile-Concurrent hybrid: A Framework for Concurrent Product Development Using Scrum // Concurrent Engineering: Research and Applications. – 2020. – T. 28 (1). – C. 1–10. – DOI: 10.1177/1063293X20958541. – Текст: электронный. (In Eng.).
7. Grebic B., Stojanović A. Application of the Scrum Framework on Projects in IT Sector // European Project Management Journal. – 2021. – T. 11 (2). – C. 37–46. – DOI: 10.18485/epmj.2021.11.2.4. – Текст: электронный. (In Eng.).
8. Morandini M., Coleti T.A., Oliveira E., Corrêa P.L.P. Considerations About the Efficiency and Sufficiency of the Utilization of the Scrum Methodology: A Survey for Analyzing Results for Development Teams // Computer Science Review. – 2021. – T. 39. – DOI: 10.1016/j.cosrev.2020.100314. – Текст: электронный. (In Eng.).
9. Saeedi K., Visvizi A. Software Development Methodologies, HEIs, and the Digital Economy // Educ. Sci. – 2021. – T. 11 (2). – C. 73. – DOI: 10.3390/educsci11020073. – Текст: электронный. (In Eng.).
10. Orlov E. V., Rogulenko T. M., Smolyakov O. M., Oshovskaya N. V., Zvorykina T. I., Rostanets V. G., Dyundik E. P. Comparative Analysis of the Use of Kanban and Scrum Methodologies in IT Projects // Universal Journal of Accounting and Finance. – 2021. – T. 9 (4). – C. 693–700. – DOI: 10.13189/ ujaf.2021.090415. – Текст: электронный. (In Eng.).
11. Hamzah A., Mazni O., Rohaida R. The State of the Art of Agile Kanban Method: Challenges and Opportunities // Independent Journal of Management & Production. – 2021. – T. 12 (8). – C. 2535–2550. – DOI: 10.14807/ijmp.v12i8.1482. – Текст: электронный. (In Eng.).
12. Alsaqqa S., Sawalha S., Abdel-Nabi H. Agile Software Development: Methodologies and Trends // International Journal of Interactive Mobile Technologies. – 2020. – T. 14 (11). – C. 246–270. – DOI: 10.3991/ijim.v14i11.13269. – Текст: электронный. (In Eng.).
13. Necmettin O., Busra O.K., Mehmet G. Towards a Better Understanding of Agile Mindset by Using Principles of Agile Methods // Proceedings of the Federated Conference on Computer Science and Information Systems. – 2020. – T. 21. – C. 721–730. – DOI: 10.15439/2020F46. – Текст: электронный. (In Eng.).
14. Jayakody J.A.V.M.K., Wijayanayake J. Challenges for Adopting Devops in Information Technology Projects // International Research Conference on Smart Computing and Systems Engineering (SCSE), Colombo, Sri Lanka. – 2021. – C. 203–210. – DOI: 10.1109/SCSE53661.2021.9568348. – Текст: электронный. (In Eng.).
15. Angara J., Prasad S., Gutta S. DevOps Project Management Tools for Sprint Planning, Estimation and Execution Maturity // Cybernetics and Information Technologies. – 2020. – T. 20 (2). – C. 79–92. – DOI: 10.2478/cait-2020-0018. – Текст: электронный. (In Eng.).
16. Akbar M.A., Khan A.A., Islam N., Mahmood S. DevOps Project Management Success Factors: A Decision-Making Framework // Softw: Pract Exper. 2024. – T. 54 (2). – C. 257–280. – DOI: 10.1002/spe. 3269. – Текст: электронный. (In Eng.).

Аннотация

В исследовании разработан метод моделирования нагрузки системы управления взаимоотношений с жителями региона на примере Центра управления регионом. Такая модель позволяет выявить критические условия для функционирования системы. Это важно для разработки решений, направленных на предотвращение отказов системы, особенно в условиях роста объёма обращений. Для построения такой модели были изучены методы работы с обратной связью и определены системные свойства системы обработки обращений. Для создания модели, отображающей эти свойства и процесс управления, в работе был использован метод дискретно-событийного моделирования. Он подходит для отображения динамики в системах массового обслуживания, позволяет учесть многоступенчатый процесс со случайными событиями, а также тестировать критерии эффективности в различных сценариях. В экспериментальной части работы были использованы сведения о нормативной и фактической скорости маршрутизации обращений, а также несколько наборов данных, прошедших через систему ЦУР. В модели были заданы процессы для этапов работы с обращениями. На основе нормативных требований и фактических данных были сформулированы временные задержки для каждого этапа обработки обращений и произведено моделирование потока обращений в четырёх сценариях с различной нагрузкой и условиями. Результаты показали, что в текущей организационной структуре и с существующими методами маршрутизации в системе присутствует риск нарушения критериев эффективности.

Ключевые слова: данные социальных сетей, дискретно-событийное моделирование, интеллектуальная маршрутизация, системы массового обслуживания, электронное правительство

Список источников:

1. Mayne Q., de Jong J., Fernandez-Monge F. State Capabilities for Problem-Oriented Governance // Perspectives on Public Management and Governance. – 2020. – Т. 3 (1). – С. 33–44. – DOI: 10.1093/ ppmgov/gvz023. – Текст: электронный. (In Eng.).
2. Frederickson H. G. The Lineage of New Public Administration // Administration & Society. –1976. – T. 8 (2). – С. 149–174. – DOI: 10.1177/00 95399776 00800202. – Текст: электронный. (In Eng.).
3. Hurlbert M., Gupta J. The Split Ladder of Participation: A Diagnostic, Strategic, and Evaluation Tool to Assess When Participation Is Necessary // Environmental Science & Policy. – 2015. – T. 50. – C. 100–113. (In Eng.).
4. Thomas J. C. Citizen, Customer, Partner: Rethinking the Place of the Public in Public Management // Public Administration Review. – 2013. – T. 73 (6). – C. 786–796. – DOI: 10.1111/puar.12109. – Текст: электронный. (In Eng.).
5. Alford J., Hughes O. Public Value Pragmatism as the Next Phase of Public Management // The American Review of Public Administration. –2008. – T. 38 (2). – C. 130–148. – DOI: 10.1177/0275074008314 203. – Текст: электронный. (In Eng.).
6. Göbel S. Voting and Social Media-Based Political Participation // Journal of Quantitative Description: Digital Media. – 2021. – T. 1. – DOI: 10.5168 5/jqd.2021.021. – Текст: электронный. (In Eng.).
7. NYC311 // NYC311 portal. – URL: https://portal.311.nyc.gov (дата обращения: 10.04.2025). – Текст: электронный. (In Eng.).
8. Наш город Москва. 2025. – URL: https://gorod.mos.ru (дата обращения: 10.04.2025). – Текст: электронный.
9. Портал «Наш Санкт-Петербург». 2025. –URL: https://gorod.gov.spb.ru (дата обращения: 10.04.2025). – Текст: электронный.
10. Постановление Правительства РФ от 16.11.2020 № 1844 «Об утверждении Правил предоставления субсидии из федерального бюджета автономной некоммерческой организации по развитию цифровых проектов в сфере общественных связей и коммуникаций «Диалог Регионы» на создание и обеспечение функционирования в субъектах Российской Федерации центров управления регионов и Правил создания и функционирования в субъектах Российской Федерации центров управления регионов» // Система «Гарант» [Электронный ресурс]. –URL: https://base.garant.ru/74922838 (дата обращения: 10.04.2025). – Текст: электронный.
11. Об утверждении Положения и структуры Центра управления регионом в Санкт-Петербурге от 23.12.2020 г. 2025. – URL: https://docs.cntd.ru/document/573191625 (дата обращения: 10.04.2025). – Текст: электронный.
12. Федеральный закон от 02.05.2006 № 59-ФЗ «О порядке рассмотрения обращений граждан Российской Федерации». 2025 // Система «Гарант» [Электронный ресурс]. – URL: https://base.garant.ru/12146661 (дата обращения: 10.06.2025). – Текст: электронный.
13. Платформа обратной связи (ПОС). 2025. – URL: https://pos.gosuslugi.ru/docs#pf (дата обращения: 10.04.2025). – Текст: электронный.
14. Постановление Правительства Кировской области от 29.12.2021 № 743-П «Об утверждении Регламента функционирования и информационного обеспечения Центра управления регионом Кировской области». 2025. – URL: https://docs.cntd.ru/document/578062657 (дата обращения: 10.04.2025). – Текст: электронный.
15. Chakravarthy S. R., Shruti S., Rumyantsev A. Analysis of a Queueing Model with Batch Markovian Arrival Process and General Distribution for Group Clearance // Methodology and Computing in Applied Probability. – 2021. – Т. 23 (4). – С. 1551–1579. – DOI: 10.1007/s11009-020-09828-4. – Текст: электронный. (In Eng.).
16. Puha A. L., Ward A. R. Fluid Limits for Multiclass G/GI/N+GI Queues with General Reneging Distributions and Head-of-the-Line Scheduling // Mathematics of Operations Research. – 2022. – T. 47 (2). – C. 1192–1228. – DOI: 10.1287/moor. 2021.1166. – Текст: электронный. (In Eng.).
17. Fuller D. B., Arruda E. F., Ferreira Filho V. J. M. Learning-Agent-Based Simulation for Queue Network Systems // Journal of the Operational Research Society. – 2020. T. 71 (11). – C. 1723–1739. – DOI: 10.1080/01605682.2019.1633232. – Текст: электронный. (In Eng.).
18. Vecillas Martin D., Berruezo Fernández C., Gento Municio A.M. Systematic Review of Discrete Event Simulation in Healthcare and Statistics Distributions // Applied Sciences. – 2025. – T. 15 (4). – C. 1861. – DOI: 10.3390/app15041861. – Текст: электронный. (In Eng.).
19. Dai J.G., Gluzman M. Queueing Network Controls via Deep Reinforcement Learning // Stochastic Systems. – 2022. – T. 12 (1). – C. 30–67. – DOI: 10.1287/stsy.2021.0081. – Текст: электронный. (In Eng.).