Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://open.mgimo.ru/handle/123456789/23300
Полная запись метаданных
Поле DCЗначениеЯзык
dc.contributor.authorChernyshev, E.K.en
dc.contributor.authorAzarov, V.N.en
dc.contributor.authorChekmarev, A.V.en
dc.contributor.authorЧернышев, Е.К.ru
dc.contributor.authorАзаров, В.Н.ru
dc.contributor.authorЧекмарев, А.В.ru
dc.date.accessioned2026-05-25T13:20:10Z-
dc.date.available2026-05-25T13:20:10Z-
dc.date.issued2025
dc.identifier.citationChernyshev E. K., Azarov V. N., Chekmarev A. V. Smart Quality Management System of a Digital Enterprise Based on Neural Networks. 2025. https://doi.org/10.1109/qmtisit67022.2025.11468789en
dc.identifier.citationЧернышев Е. К., Азаров В. Н., Чекмарев А. В. Интеллектуальная система управления качеством цифрового предприятия на основе нейронных сетей. 2025. https://doi.org/10.1109/qmtisit67022.2025.11468789ru
dc.identifier.urihttps://open.mgimo.ru/handle/123456789/23300-
dc.description.abstractThe article presents an intelligent quality management system of a digital enterprise based on selflearning neural networks for the design of oil product pipelines. The system combines deep learning methods with physics-informed neural network models, which makes it possible to optimize pipeline parameters in real time, predict emergency situations and adapt to changing operating conditions. The proposed approach demonstrates a 30-40% increase in the accuracy of calculations compared to traditional methods while reducing the time spent on design.en
dc.description.abstractВ статье представлена интеллектуальная система управления качеством цифрового предприятия на основе самообучающихся нейронных сетей для проектирования нефтепродуктопроводов. Система объединяет методы глубокого обучения с физически информированными моделями нейронных сетей, что позволяет оптимизировать параметры трубопровода в реальном времени, прогнозировать аварийные ситуации и адаптироваться к изменяющимся условиям эксплуатации. Предложенный подход демонстрирует повышение точности расчетов на 30-40% по сравнению с традиционными...ru
dc.language.isoen
dc.subjectneural networksen
dc.subjectquality managementen
dc.subjectdigital enterpriseen
dc.subjectoil product pipelinesen
dc.subjectdeep learningen
dc.subjectphysics-informed modelsen
dc.subjectreal-time optimizationen
dc.subjectemergency predictionen
dc.subjectadaptive systemsen
dc.subjectнейронные сетиru
dc.subjectуправление качествомru
dc.subjectцифровое предприятиеru
dc.subjectнефтепродуктопроводыru
dc.subjectглубокое обучениеru
dc.subjectфизически информированные моделиru
dc.subjectоптимизация в реальном времениru
dc.subjectпрогнозирование аварийru
dc.subjectадаптивные системыru
dc.titleSmart Quality Management System of a Digital Enterprise Based on Neural Networksen
dc.titleИнтеллектуальная система управления качеством цифрового предприятия на основе нейронных сетейru
dc.typejournal articleen
dc.typeстатьяru
publication.article.doihttps://doi.org/10.1109/qmtisit67022.2025.11468789
dc.identifier.doi10.1109/qmtisit67022.2025.11468789
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.