Диагностика зависимости основного производства от производственной инфраструктуры на основе ансамблевого метода машинного обучения

Автор: Шинкевич А.И., Малышева Т.В.

Журнал: Общество: политика, экономика, право @society-pel

Рубрика: Экономика

Статья в выпуске: 8, 2023 года.

Бесплатный доступ

Рациональная организация производственной инфраструктуры промышленного предприятия оказывает существенное влияние на уровень доходности производства. В условиях автоматизации промышленности развиваются новые технологии интеграции бизнес-процессов. Цель статьи заключается в диагностике уровня экономической зависимости основного производства от производственной инфраструктуры. В качестве метода исследования предложен алгоритм ансамблевого метода машинного обучения «случайный лес». Разработаны параметры, количественно и качественно описывающие затраты на основное и вспомогательное производство, расходы на ремонтное хозяйство, уровень эффективности производства. Апробация алгоритма на примере химических предприятий позволила выделить три класса производств по характеру организации производственной инфраструктуры и ее участия в основном производстве. Качество полученных моделей оценено путем расчета риска ошибочной классификации и величины кумулятивного подъема, где выделен класс с наиболее корректными результатами классификации. Результаты являются первичной диагностикой организации и использования мощности производственной инфраструктуры в целях принятия решений о реструктуризации бизнес-процессов.

Еще

Производственная инфраструктура, вспомогательное хозяйство, организация производства, экономическая эффективность, аутсорсинг, инсорсинг, машинное обучение, классификационный анализ

Короткий адрес: https://sciup.org/149143410

IDR: 149143410   |   DOI: 10.24158/pep.2023.8.14

Список литературы Диагностика зависимости основного производства от производственной инфраструктуры на основе ансамблевого метода машинного обучения

  • Клочков Ю.С., Конников Е.А. Трансформация структуры производственной себестоимости на промышленном предприятии в процессе интеграции аддитивных технологий // Известия Самарского научного центра Российской академии наук. 2019. Т. 21, № 1 (87). С. 5-10.
  • Лашкова Н.Г., Золотухина Н.О., Романова И.В. Современные решения в системе управления производственным предприятием // Вестник Санкт-Петербургского государственного университета технологии и дизайна. Сер. 3: Экономические, гуманитарные и общественные науки. 2019. № 3. С. 45-48. EDN: HOUXIB
  • Михайлов Ю.И., Семенов В.П., Михайлова Н.В. Оценка эффективности функционирования производственной инфраструктуры предприятий горнодобывающей промышленности // Экономический вектор. 2021. № 2 (25). С. 39-50. DOI: 10.36807/2411-7269-2021-2-25-39-50 EDN: HLACTJ
  • Мусаева З.С., Ялмаев Р.А. Промышленная инфраструктура как необходимое условие роста российской экономики // Экономика и предпринимательство. 2021. № 4 (129). С. 243-246. DOI: 10.34925/EIP.2021.129.4.045 EDN: YWZXNA
  • Сайфулина А.Ф., Исломова Р.А. Развитие производственной инфраструктуры в условиях цифровой экономики // Economics. 2021. № 1 (48). С. 5-7.
  • Травин Г.М., Травин М.М. Системы управления вспомогательным производством промышленных предприятий // Технологии и качество. 2018. № 3 (41). С. 31-35. EDN: YSWYPR
  • Three-branch random forest intrusion detection model / C. Zhang, W. Wang, L. Liu, J. Ren, L. Wang // Mathematics. 2022. Vol. 10, no. 23. P. 4460. DOI: 10.3390/math10234460
  • Zhao L., Zhu Y., Zhao T. Deep learning-based remaining useful life prediction method with transformer module and random forest // Mathematics. 2022. Vol. 10, no. 16. P. 2921. DOI: 10.3390/math10162921
Еще
Статья научная