Wyniki wyszukiwania - BazTech

1

Uczenie maszynowe w konserwacji predykcyjnej i optymalizacji

Broda Dariusz, Kałuża Andrzej

Energetyka

|

2022

|

nr 3

143--146

PL

Zauważalny w ostatnich latach postęp technologiczny w obrębie przetwarzania dużych zbiorów danych, a przede wszystkim Uczenie Maszynowe (UM), otwiera nowe perspektywy w cyfryzacji zakładów przemysłowych. Postęp zdecydowanie przyspieszył na skutek gwałtownego rozwoju technik komputerowych oraz ich wszechstronnych zastosowań, które utożsamiane są bezpośrednio z takimi pojęciami, jak Industry 4.0 czy Big Data. Geneza tych pojęć jest bezpośrednio związana z dynamicznym wzrostem ilości danych pozyskiwanych i gromadzonych przez zakłady przemysłowe. Wśród szerokiego zbioru technologii pozwalających na efektywną pracę z danymi wyróżniają się algorytmy uczenia maszynowego, pozwalające na automatyczne grupowanie, klasyfikację, wykrywanie wzorców oraz prognozę w wielowymiarowych zbiorów danych, których analiza przy pomocy klasycznych metod eksploracji zajęłaby tygodnie albo i miesiące. Postępująca cyfryzacja otwiera nowe możliwości przed przedsiębiorstwami, pozwalając na sprawniejsze zarządzanie majątkiem oraz optymalizację procesów przemysłowych oraz biznesowych.

EN

The technological progress in the processing of large data sets, especially Machine Learning, noticeable in recent years, opens up new perspectives in the digitization of industrial plants. Progress has definitely accelerated as a result of the rapid development of computer techniques and their versatile applications, which are identified directly with such terms as Industry 4,0 or Big Data. The genesis of these concepts is directly related to the dynamic increase in the amount of data obtained and collected by industrial plants. Among the wide set of technologies that allow for effective work with data, machine learning algorithms stand out - they enable automatic grouping, classification, pattern detection and forecasting in multidimensional data sets, the analysis of which would take weeks or months using classic methods of mining. Progressive digitization opens up new opportunities for companies, allowing for more efficient asset management and optimization of industrial and business processes.

2

Business process management suite (BPMS) market changes 2009−2015

Wasilewski A.

Information Systems in Management

|

2016

|

Vol. 5, No. 4

585--592

EN

IT tools supporting the BPM approach developed rapidly in the last 10 years. Initially were available simple solutions for modeling and optimization of business processes. The next generation has offered business process implementation and monitoring in the real environment of the organization. Finally user requirements forced vendors to add a bit of “intelligence” to their applications and iBPMS entered on the market. The iBMPS market is still immature but some trends can be seen. The source for such analysis can be found in analytical reports provided by renowned research and advisory companies. In this paper was presented analysis of BPMS and iBMPS markets based on Gartner’s Magic Quadrant reports from years: 2009, 2010, 2012, 2014 and 2015.

3

Modelowanie i analiza symulacyjna procesów biznesowych dla dzierżawy zasobów

Kaleta M., Śliwiński T.

Logistyka

|

2009

|

nr 2

CD-CD

PL

Jednym z kluczowych narzędzi do analizy możliwości poprawy efektywności złożonych procesów biznesowych w logistyce jest budowa formalnego modelu procesów oraz jego symulacja w środowisku komputerowym. W artykule rozważamy model przedsiębiorstwa dostarczającego usługi dzierżawy zasobów niezużywalnych. Kluczowe obszary modelowania dotyczą planowania realizacji zleceń oraz obsługi wydań i zwrotów zasobów, które zakładamy, że odbywają się w sposób stochastycznie zakłócony w stosunku do przyjętych planów. Okazuje się, że dla tak postawionego problemu, jego zamodelowanie i symulacja w dostępnych zintegrowanych środowiskach modelowania, wymaga rozwiązania szeregu nietrywialnych problemów. W artykule pokazujemy wybrane trudności oraz wskazujemy, w jaki sposób można je rozwiązywać w środowisku ARIS Simulation.

EN

In the paper we consider the business processes model for enterprise which main ac-tivity is a lease of renewable resources. The key processes we model are related to order planning, resource delivery and returning which are stochastically disturbed compared to the accepted schedules. It turns out that for some mentioned and non-trivial kinds of proc-esses, the difficulties related to modeling and simulating by available integrated modeling environments arise. In the paper we point out some of them and present the possible solu-tions in ARIS Simulation. The main conclusion is that there are some barriers for simula-tion logistic processes in tools available in integrated modeling environments and they still need further improvement. The drawbacks we stressed indicate the attractive area of devel-opment.