Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://open.mgimo.ru/handle/123456789/22391
Полная запись метаданных
Поле DCЗначениеЯзык
dc.contributor.authorAzarov, V.N.en
dc.contributor.authorChekmarev, A.V.en
dc.contributor.authorАзаров, В.Н.ru
dc.contributor.authorЧекмарев, А.В.ru
dc.date.accessioned2026-05-25T13:17:21Z-
dc.date.available2026-05-25T13:17:21Z-
dc.date.issued2024
dc.identifier.citationAzarov V. N., Chekmarev A. V. Process Architecture as a Neural Network and Artificial Intelligence. 2024. https://doi.org/10.1109/qmtisit63393.2024.10762857en
dc.identifier.citationАзаров В. Н., Чекмарев А. В. Архитектура процессов как нейронная сеть и искусственный интеллект. 2024. https://doi.org/10.1109/qmtisit63393.2024.10762857ru
dc.identifier.urihttps://open.mgimo.ru/handle/123456789/22391-
dc.description.abstractThe article considers the possibilities of artificial intelligence (AI) application in digital production management. The authors note that the use of AI technologies opens up many opportunities for increasing efficiency, optimising processes and making more informed decisions in various fields: ‐Demand forecasting and production planning ‐Logistics and supply chain optimisation ‐Predictive maintenance of equipment ‐Automation of routine tasks ‐Analysing big data to uncover hidden patterns AI systems are capable of processing huge amounts of data, identifying complex relationships and offering solutions that humans may not be able to see. This improves flexibility, responsiveness and quality of production management.en
dc.description.abstractВ статье рассматриваются возможности применения искусственного интеллекта (ИИ) в управлении цифровым производством. Авторы отмечают, что использование технологий ИИ открывает множество возможностей для повышения эффективности, оптимизации процессов и принятия более обоснованных решений в различных областях: ‐Прогнозирование спроса и планирование производства ‐Оптимизация логистики и цепочек поставок ‐Предиктивное обслуживание оборудования ‐Автоматизация рутинных задач ‐Анализ больших данных для выявления скрытых закономерностей ИИ си...ru
dc.language.isoen
dc.subjectartificial intelligenceen
dc.subjectdigital production managementen
dc.subjectdemand forecastingen
dc.subjectproduction planningen
dc.subjectlogistics optimizationen
dc.subjectsupply chain optimizationen
dc.subjectpredictive maintenanceen
dc.subjectbig data analysisen
dc.subjectprocess architectureen
dc.subjectneural networken
dc.subjectискусственный интеллектru
dc.subjectуправление цифровым производствомru
dc.subjectпрогнозирование спросаru
dc.subjectпланирование производстваru
dc.subjectоптимизация логистикиru
dc.subjectоптимизация цепочек поставокru
dc.subjectпредиктивное обслуживаниеru
dc.subjectанализ больших данныхru
dc.subjectархитектура процессовru
dc.subjectнейронная сетьru
dc.titleProcess Architecture as a Neural Network and Artificial Intelligenceen
dc.titleАрхитектура процессов как нейронная сеть и искусственный интеллектru
dc.typejournal articleen
dc.typeстатьяru
publication.article.doihttps://doi.org/10.1109/qmtisit63393.2024.10762857
dc.identifier.doi10.1109/qmtisit63393.2024.10762857
local.type.coarhttp://purl.org/coar/resource_type/c_6501-
Располагается в коллекциях:Статьи сотрудников МГИМО во внешних журналах

Файлы этого ресурса:
Нет файлов, ассоциированных с этим ресурсом.


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.