CC BY
5
УДК 004.896
DOI: 10.24412/2071-6168-2024-5-163-164
ВНЕДРЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА КАК НАПРАВЛЕНИЕ ОПТИМИЗАЦИИ КОРПОРАТИВНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ИТ-СЕРВИСАМИ
Р.Ю. Баталин
В данной статье описан процесс оптимизации корпоративной системы управления ИТ-сервисами и конфигурационными единицами благодаря применению возможностей искусственного интеллекта. Развитие информационных технологий и постоянное увеличение объема хранимых массивов данных формируют потребность в их интеллектуальном анализе и управлении.
Ключевые слова: искусственный интеллект, ИТ-актив, корпоративная информационная система.
Основным предназначением корпоративной информационной системы выступает комплексная автоматизация бизнес процессов организации. В частности, одним из элементов корпоративной информационной системы является корпоративная система управления ИТ-сервисами (далее - КСУИТ), которая позволяет автоматизировать процессы по работе с обращениями пользователей и одновременно выступает в качестве системы учета ИТ-активов.
Данная информационная система обрабатывает обращения пользователей для оказания технической поддержки. Пользователи подают обращения по вопросам неисправностей персонального компьютера и корпоративных информационных систем.
Также КСУИТ является системой учета единиц материальных и нематериальных ИТ-активов и формирует единую базу хранения информации об их местонахождении. ИТ-активы вносятся в карточку работника компании.
Вход в систему КСУИТ осуществляется через браузер. Следует отметить, что ввиду растущей потребности в обеспечении информационной защиты и тенденции к использованию отечественных платформ подключение через веб-версию является хорошим вектором на импортозамещение.
При работе со стационарного ПК под учетной записью (далее - УЗ) в домене авторизация в системе происходит автоматически. При работе с других автоматизированных рабочих мест система откроет окно для авторизации, в котором необходимо ввести логин и пароль от своей УЗ. После этого загрузится основное окно системы, которое отображает очередь дел с текущими задачами.
Доступ к ролевым функциям с обеспечением соответствующих прав привязан к УЗ пользователя. Обращения обрабатывает специалист первой линии технической поддержки. Изучив суть проблемы, диспетчер назначает специалистов для работы с обращением, на что требуется определенное количество времени. После чего в системе отслеживается статус работы с обращением.
В целях сокращения времени на обработку обращений предлагается внедрить технологии искусственного интеллекта, которые заключаются в поиске ключевых слов в тексте обращения и автоматическом назначении специалистов для решения данной проблемы.
Искусственный интеллект - «the self-learning algorithm that fulfills routine tasks on its own», т.е. самообучающийся алгоритм, который самостоятельно выполняет рутинные задачи [1, с. 6624]. Также следует отметить, что «Recently, Artificial Intelligence (AI) has emerged as an emerging with advanced methodologies and innovative applications», в последнее время искусственный интеллект (ИИ) стал развиваться благодаря передовым методологиям и инновационным приложениям [2, с. 6624].
Исследователями предлагаются различные классификации систем искусственного интеллекта. Сравнительный анализ представлен в таблице.
Таблица
Сравнительный анализ классификаций систем
_искусственного интеллекта_
Источник Виды ИИ
Черемисин Д.Г., Мкртчян В.Р. Понятие систем искусственного интеллекта и их классификация экспертные системы, нейронные сети (моделируют работу человеческого мозга и используются для распознавания образов, анализа данных и обучения), генетические алгоритмы (имитируют естественный отбор и мутации), распознавание образов (распознавать лица, объекты, образцы и другие элементы на основе изображений или видео), робототехника (аппаратные и программные компоненты) [3, с. 29]
Ватьян А.С., Гусарова Н.Ф., Добренко Н.В. Системы искусственного интеллекта логические модели; сетевые модели; средства обработки неопределенности - нечеткие модели, модели на основе логики Демпстера-Шефера, модели на основе грубых множеств; онтологические модели; нейронные сети [4, с. 94]
Национальный стандарт Российской Федерации «Классификация систем искусственного интеллекта» 1) по степени автономности (автономные, встроенные, гибридные); 2) по степени автоматизации; 3) по архитектурному принципу; 4) по структуре и процессам обработки знаний; 5) по специализации систем ИИ (экспертные, роботы, беспилотные аппараты и т.д.); 6) по методам обработки информации (нейросети, муравьиные алгоритмы, роевые вычисления и т.д.; 7) по функциям в контуре управления; 8) по методам достижения интеграции и интероперабельности СИИ; 9) по опасности последствий; 10) по конфиденциальности; 11) по видам деятельности; 12) по взаимодействию с человеком-оператором [5, с. 8-10]
Филипова И.А. Правовое регулирование искусственного интеллекта 1) реагирующая или реактивная система (принимает решение на основе анализа). 2) система с ограниченной памятью (принимает решение на основе опыта). 3) разумная система (способна распознать мысли и эмоции). 4) система с искусственным самосознанием (может формировать представление о себе и не уступает человеку по мыслительным способностям) [6, с. 19-20]
Известия ТулГУ. Технические науки. 2024. Вып. 5
Следует отметить, что наиболее полная классификация представлена в национальном стандарте Российской Федерации «Классификация систем искусственного интеллекта», утвержденном приказом Федерального агентства по техническому регулированию и метрологии от 23 декабря 2020 г. № 1372-ст.
Внедрение искусственного интеллекта при различных способах подачи обращений
На рисунке схематично представлен процесс обработки обращений с применением технологий искусственного интеллекта при различных вариантах их подачи пользователями. При подаче обращений посредством электронной почты искусственный интеллект распознает проблему путем определения ключевых слов в тексте письма, после чего происходит автоматическое назначение сотрудника для решения проблемы. При отсутствии возможности выявления сути обращения, оно передается диспетчеру для связи с пользователем и уточнения деталей проблемы.
Подача обращения путем звонка в службу технической поддержки предполагает голосовое описание пользователем проблемы, после чего искусственный интеллект по ключевым словам ее распознает и автоматически назначает для работы с обращением требуемого специалиста. В случае если по описанию проблемы искусственному интеллекту не удается определить ее суть, пользователю доступно вариативное голосовое меню для возможности выбора необходимого действия.
Пользователю также доступен третий вариант решения технической проблемы - через портал подачи обращений. Данный портал содержит опциональное меню для выбора необходимой операции: при необходимости установки программного обеспечения существует возможность поиска и его автоматической загрузки скриптом, при наличии потребности в настройке средств печати пользователю при уточнении серийного номера оборудования на электронную почту направляется ссылка на подключение к многофункциональному устройству или принтеру через принт-сервер.
В настоящее время в органах государственной власти некоторых регионов (Якутия, Удмуртия, ХМАО-Югра) уже используются технологии искусственного интеллекта при работе с обращениями граждан для отслеживания «за ходом исполнения обращений граждан и поручений главы региона», а также «технологии, позволяющие собирать и использовать большие данные для мониторинга общественного мнения и настроений» [7, с. 174; 8, с. 236]. Перспективным направлением применения искусственного интеллекта является внедрение ЕСМ-системы, которая «будет автоматически определять тип вопроса в соответствии с тематическим классификатором и категорию обращения (заявление, жалоба или предложение) и направлять документ ответственному за эти вопросы специалисту, предоставляя данные заявителя» [9, с. 886].
Коммерческими организациями, в числе которых ПАО «Сбербанк» также используются «технологии на базе ИИ для качественного мониторинга сведений о контрагентах в интернете и поиска потенциальных клиентов», так как по результатам проведенного исследования поиск необходимой информации вручную приводил «к потере до 85% важных данных» [10, с. 886].
Основной эффект оптимизации КСУИТ посредством внедрения искусственного интеллекта состоит в сокращении времени обработки поступивших обращений и снижении трудозатрат персонала.
Список литературы
1 Skrashchuk N.D., Afiaronak V.K. The implementation of Artificial Intelligence as a tool to improve the effectiveness of organizational management // Международная научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова : Материалы конференции, Белгород, 30 апреля 2021 года. Белгород: Белгородский государственный технологический университет им. В.Г. Шухова, 2021. P. 6624-6627.
2 Darwish A. Explainable Artificial Intelligence: A New Era of Artificial Intelligence / A. Darwish // Digital Technologies Research and Applications. 2022. Vol. 1, No. 1. P. 1.
3 Черемисин Д.Г., Мкртчян В.Р. Понятие систем искусственного интеллекта и их классификация // Символ науки. 2023. №6-2. С. 29-30.
4 Ватьян А.С., Гусарова Н.Ф., Добренко Н.В. Системы искусственного интеллекта. СПб: Университет ИТМО, 2022. 186 с.
5 Национальный стандарт Российской Федерации «Классификация систем искусственного интеллекта», утвержденный приказом Федерального агентства по техническому регулированию и метрологии от 23 декабря 2020 г. № 1372-ст.
6 Филипова И.А. Правовое регулирование искусственного интеллекта: учебное пособие, 2-е издание, обновленное и дополненное // Нижний Новгород: Нижегородский госуниверситет, 2022. 275 с.
7 Наумова Н.В., Абрамков А.О. К вопросу об использовании искусственного интеллекта в сфере работы с обращениями граждан // Гуманитарные, социально-экономические и общественные науки. 2022. № 9. С. 173-176.
8 Зубарева Л.В., Михуля Д.Ю. Роль искусственного интеллекта в цифровой трансформации системы ПУБЛИЧНОГО УПРАВЛЕНИЯ (на примере ХМАО-Югры) // Бизнес. Общество. Власть. 2023. № 50. С. 233-246.
9 Кошелева О.Э. Цифровые технологии и искусственный интеллект в государственных структурах // Теория и практика управления государственными функциями и услугами. Тарифное регулирование : Сборник научных трудов по итогам V национальной научно-практической конференции, Санкт-Петербург, 10 ноября 2022 года / Под редакцией И.В. Федосеева. Санкт-Петербург: Санкт-Петербургский государственный экономический университет, 2022. С. 101-106.
10 Толмачев О.Л. Применение технологий искусственного интеллекта в системе корпоративного управления // Экономика: вчера, сегодня, завтра. 2023. Том 13. № 4А. С. 883-889.
Баталин Роман Юрьевич, аспирант, [email protected], Россия, Омск, Омский государственный университет путей сообщения
THE INTRODUCTION OF ARTIFICIAL INTELLIGENCE AS A DIRECTION FOR OPTIMIZING THE CORPORATE IT
SER VICE MANAGEMENT SYSTEM
R.Y. Batalin
This article describes the process of optimizing the corporate management system for IT services and configuration units through the use of artificial intelligence capabilities. The development of information technologies and the constant increase in the volume of stored data sets form the need for their intelligent analysis and management.
Key words: artificial intelligence, IT asset, corporate information system
Batalin Roman Yurievich, postgraduate, batalin92@list. ru, Russia, Omsk, Omsk State University of Railway
Transport
УДК 621.89:623.44:665.6/7
DOI: 10.24412/2071-6168-2024-5-165-166
ОЦЕНКА ЗАЩИТНОЙ СПОСОБНОСТИ РУЖЕЙНЫХ МАСЕЛ В УСЛОВИЯХ МОРСКОГО КЛИМАТА
А.В. Морозов, Д.А. Маньшев, А.А. Смелик, О.С. Морозова, М.А. Пшеничная, Н.С. Королев, О.В. Зражевский
В настоящей работе представлен обзор и анализ защитных свойств оружейных масел(РЖ). Проведены сравнительные испытания отечественных ружейных масел: универсального консервационного оружейного масла «УКРМ» (ООО «ХТЦ УАИ», Россия), масла оружейного «Taiga» (Россия), масла оружейного «Калашников» (Россия) и зарубежных оружейных масел: «Ballistol» (Германия) и «Barricade» (США). Показано, что испытуемые оружейные масла обладают близкими защитными способностями, но «УКРМ» по способности защищать сталь марки 10 в атмосфере соляного тумана превосходит аналогичные ружейные масла в несколько раз.
Ключевые слова: консервационные, ружейные масла; защита от коррозии; коррозия, коррозионные очаги, защитные способности
Введение. Обеспечение надежной зашиты военной техники от коррозии - это комплексная задача, которая требует всестороннего подхода к ее решению. Ежегодные затраты на восстановление военной техники после коррозии достигают миллионов рублей (прямые потери). Однако потери от коррозии не ограничиваются финансовыми расходами, они также приводят к потере надежности и боеспособности техники (косвенные потери). Решение этой проблемы заключается в использовании специальных консервационных материалов, таких как ружейные масла, ингибиторы коррозии, зашитные покрытия и другие составы, предназначенные для внутренней и внешней зашиты различных видов военной техники.
В Военном инновационном технополисе «ЭРА» начиная с 2020 года реализуется проект по созданию новых ружейных и консервационных масел для Министерства обороны Российской Федерации, соответствующих современным требованиям военной техники. Участники проекта включают организации: ООО «Хозрасчетный Творческий Центр Уфимского Авиационного Института» (ХТЦ УАИ); ФАУ «25 ГосНИИ химмотологии Минобороны России»; ФГАУ ВИТ «ЭРА». Основная цель проекта заключается в обеспечении временной защиты от коррозии для военной техники и стрелкового оружия при их хранении, транспортировке и эксплуатации в различных климатических условиях, включая повышенную влажность, морской климат и широкий диапазон температур. Сложная конструкция современного вооружения, наличие внутренних полостей, повышение стоимости антикоррозийных материалов и оборудования вынуждает сделать выбор в направлении наиболее простого и надежного способа защиты -применение консервационных и оружейных масел. Ружейные масла относятся к консервационно-рабочим маслам, их защитные свойства зависят от сложного компонентного состава, включая базовые масла, различные растворители и присадки. Химический, структурно-групповой и элементный состав данных масел, а также взаимное влияние различных групп и химических соединений, играют важную роль в их физических и антикоррозионных свойствах. Правильный подбор компонентов и пропорций при создании ружейных масел необходим для обеспечения оптимальной защиты и смазки оружия. Проведение лабораторных испытаний на оценку защитных свойств ружейных масел позволяет определить их эффективность и надежность. В ходе данного исследования были проанализированы данные о площади коррозионного поражения металла и масе потерянной из-за коррозии в результате испытаний ружейных масел. Также было выявлено, что универсальное ружейное масло УКРМ обладает уникальными защитными свойствами, превосходя аналогичные отечественные ружейные масла в тестах, проведенных в атмосфере соляного тумана. Общий вид испытуемых бразцов приведен на рис.1.
