market@inec.ru
  

Информационные технологии

Сектор перспективных интеллектуальных технологий

Основные сферы деятельности сектора перспективных интеллектуальных технологий.

Разработка и сопровождение интеллектуальных технологий и систем.

Решение задач цифровизации бизнеса и региональной экономики.

Подготовка специалистов в сфере информационных технологий DATA SCIENCE, BI, NEURONET,  DATA MINING, DEEP LEARNING, BAYESIAN INTELLIGENT TECHNOLOGIES.


Компания ИНЭК  активно занимается разработкой перспективных инновационных технологий  и систем аналитической и интеллектуальной обработки информации  с целью управления техногенными и социально-экономическими процессами и системами и их устойчивым развитием в условиях значительной неопределенности.

Основные направления IT- разработок:

1. Разработка теоретических основ и методологических систем создания интеллектуальных комплексов на основе современных информационных концепций и инновационных технологий .

2. Разработка математического и программного обеспечения решения мониторинга и управления сложными техногенными комплексами.

3. Разработка интеллектуальных систем на основе Регуляризирующего Байесовского подхода (РБП) и байесовских интеллектуальных технологий. 

4. Разработка методологии и алгоритмизация корпоративных производственных и  управленческих задач повышенной сложности в условиях неопределенности.

5. Разработка систем цифровизации региональной и муниципальной экономики.

6. Разработка интеллектуальных систем мониторинга и управления рисками и потенциалами бизнеса, корпораций и деятельности по управлению устойчивым экономическим развитием территорий.

7. Разработка авторских программ подготовки специалистов в средах технологий DATA SCIENCE, BI, NEURONET,  DATA MINING, DEEP LEARNING, BAYESIAN INTELLIGENT TECHNOLOGIES. DATA SCIENCE, BI, DATA MINING, DEEP LEARNING, BAYESIAN INTELLIGENT TECHNOLOGIES.


Основные проекты, реализуемые в рамках указанных направлений:


1. Общекорпоративная система управления рисками «РИСК АНАЛИТИК» на основе алгоритмов глубокого обучения и нейросетевых технологий

    Применение аналитических методов при принятии управленческих решений — это актуальный инструмент в самых разных отраслях, финансовых организациях, органах государственного управления. Влияние аналитического программного обеспечения на качество принятия управленческих решений возрастает по мере совершенствования инструментов и увеличения скорости транзакций и ускорения управления в целом. Разрабатываемая аналитическая система представляет собой комплексное решение в области бизнес-анализа, совмещающее в себе наиболее востребованные функции всех видов аналитического ПО, начиная от локальных предметно-ориентированных приложений и заканчивая масштабными аналитическими платформами: – извлечение, очистка и нормализация данных; – загрузка данных; – применение различных аналитических методик, в зависимости от предметной области и конкретных задач заказчика; – функции бизнес-аналитики (BI); – функции мониторинга данных, с применением алгоритмов нейросетевых технологий; – автоматизация выпуска отчетных, управляющих и финансовых документов. В платформе обрабатываются не только наблюдаемые, но и целевые показатели, что позволяет строить анализ на максимальном охвате данных. Для каждой отрасли, направления или задачи может использоваться конкретная методика и комбинация различных методик, для данной предметной области или данного заказчика, — свойство, присущее локальным предметно-ориентированным приложениям. При этом сохранятся высокая производительность и масштабность, присущая системам типа Business Intelligence. Отдельная уникальная функция платформы — это возможность генерации практически готовых управленческих документов для заданной предметной области, отрасли или заказчика. В целом система реализует принципиально новый подход к поддержке принятия управленческих решений и их реализации, и может стать основой для построения систем управления любого уровня — от регионального до федерального. Научная новизна предлагаемых в проекте решений состоит в формировании корпоративной системы, обеспечивающей поддержку принятия управленческих решений на основе всестороннего анализа имеющихся рисков, с использованием искусственного интеллекта на базе алгоритмов обучения с подкреплением и нейросетевых технологий. Создаваемое решение впервые объединит в себе три аналитические технологии – анализ рисков, Business Intelligence, и нейронные сети различных типов. Методики анализа рисков в сочетании с BI-технологией позволят выполнять многомерный анализ финансовых и деловых показателей организации, исследуя риски во множестве разрезов, создавать отчеты и дашборды для всех категорий пользователей 

2. Информационно-аналитическая система «Инфоинтегратор»

   Методология и технологии нейронных сетей достаточно хорошо развиваются в настоящее время. Спектр их приложений постоянно расширяется. Одним из основных трендов в развитии нейросетей является гибридизация. Интеграция различных методологических базисов, например, таких как методология нейросетей и нечетких множеств, дает высокий синергетический эффект, многократно повышая вычислительные и интеллектуальные возможности этих информационных систем. Приведенный пример интеграции обусловлен прежде всего необходимостью функционирования нейросетевых технологий в условиях неопределенности. Неопределенность обусловлена неполнотой, неточностью, недостоверностью, противоречивостью , уникальностью, разнотипностью, динамичностью исходной информации, используемой в нейросетях на практике. Такие сложные условия реализации процессов обработки в нейросетях обусловливают не только трудности в подготовке и обработке информации нейросетями, но и в процессах обучения сетей, так как не обеспечивается достаточность и достоверность информационной базы обучения.

В связи с этим одной из основных методологических задач при проектировании и применении нейросетей является создание систем сбора и подготовки информационного потока , поступающего на вход нейросети, в меняющихся условиях и значительной неопределенности.

В настоящее время   у компании имеются теоретические обоснования , методы, информационные технологии, а также программные продукты , реализующие новый подход к интеграции и интеллектуальной аналитике больших массивов разнотипных данных в условиях их неопределенности и нестабильности , а также опыт их применения для решения прикладных задач. Методологический базис программных продуктов основан на регуляризирующем байесовском подходе (РБП) и байесовских интеллектуальных технологиях (БИТ), предназначенных для функционирования в условиях неопределенности. Программные продукты имеют сертификаты Росстандарта об их регистрации.

Целью  проекта является создание программного комплекса на основе нейросети и информационно-аналитической системы на основе БИТ ( для сбора и интеграции и предварительной аналитической обработки разнотипной информации , в том числе данных, представленных: измерительной информацией, получаемой непосредственно от датчиков или сетей IoТ; статистическими рядами и таблицами; геоинформационными массивами, а также знаний , представленных, например, экспертными оценками, аналитическими выражениями, высказываниями в лингвистической форме и в других формах) , функционирующего в условиях информационной неопределенности и нестабильности.


3.Технологическая платформа на основе принципов концепции DATA SCIENCE для цифровизации региональной экономики 

   Целью данного проекта является  разработка технологической платформы  создания информационных технологий и программных комплексов для решения задач экономического развития в условиях цифровизации экономики на основе современных информационных концепций , таких как  DATA SCIENCE, как дополнительного мощного фактора устойчивого развития. 

Для создания платформы используются методы и средства на основе регуляризирующего байесовского подхода (РБП), байесовских интеллектуальных технологий (БИТ) и мягких измерений (МИ).  Эта методология обеспечивает получение оценок и ситуаций на основе реализации принципов цифровизации в социально-экономической сфере в условиях неопределенности и нестабильности, а также генерацию эффективных аналитических, оценочных и управленческих решений.  

К числу основных преимуществ технологической платформы  относятся :

Получение решений системы в виде готовых рекомендаций, альтернатив. сценариев развития бизнес-процессов и бизнес-ситуаций;

Возможность работы с информацией, представленной в разнообразных    числовых и лингвистических массивах данных и знаний.


3.  Гибкость и динамичность информационных систем, под чем понимается способность прикладных программного обеспечения легко перестраиваться в условиях меняющихся условий бизнеса,  требований и ситуаций

Просчет рисков цифровых решений и управление ими.

Разработка инвестиционных предложений и проектов цифровизации.

Методы и средства цифровизации производственных, маркетинговых и снабженческих, инвестиционных и кадровых задач.

Достоверная оценка влияющих факторов и ситуаций в окружающей бизнес-среде.

Удобство общения с информационной системой, понятность выводов и рекомендаций системы.

Надежность, объективность, полнота бизнес-решений

Все эти требования современного бизнеса определяют переход экономики постиндустриального общества к максимальному потреблению знаний, то есть формируют экономику, основанную на знаниях как производственном ресурсе, дополнительной мощной производительной силе,  «экономику знаний» . 

Основные задачи проекта.

Задачи проекта определяются принципами и этапами реализации технологий DATA SCIENCE.

Основные этапы реализации принципов концепции DAТA SCIENCE для конкретных прикладных задач цифровизации можно сформулировать в следующем виде.:

1.Планирование проекта и информационное проектирование плана реализации проекта цифровизации.

2. Сбор и интеграция разнообразной информации, в том числе данных и разнотипных знаний, об объекте проекта и окружающей среде.

3. Получение аналитических решений.

4. Интерпретация аналитических решений.

5. Когнитивная визуализация аналитических решений.

6. Документирование проделанной работы в виде руководящих материалов для разработчиков и пользователей, инструкций, методических указаний с учетом современных стандартов.

7. Сетевые реализации решений с применением инструментов BIG DATA, BI (Business Intelligence) и IoT (Internet of Things). 


4. Интеллектуальиые сети для цифровизации городского хозяйства  в рамках концепции «Умный город»

Востребованность методов и средств искусственного интеллекта при решении задач управления городским хозяйством – жилищно-коммунальным комплексом, энергетическими, экономическими, социальными городскими службами и системами и процессами значительно повысилась в настоящее время в связи с принятой концепцией «Умный город» и реализуемыми в ее рамках программах и инвестиционных проектах.

Одним из ключевых вопросов данного проекта    является вопрос  разработки методологии и технологической платформы для реализации интеллектуальных сетей управления городским хозяйством (city smart grid) . В настоящее время успешная реализация подобных проектов происходит в основном в энергетическом секторе экономики. Однако и там наблюдается дефицит разработок методологии и методической базы интеллектуализации. Это объясняется спецификой информационных потоков , их разнообразием , сложностью структур и взаимосвязей систем городского хозяйства, что обусловливает особые требования к методам и средствам сбора и аналитической обработки информации городского хозяйства. В частности, по причине уникальности информации , получаемой от систем городского хозяйства, ее значительной неопределенностью, сильной изменчивостью и множеством влияющих факторов внешней среды. 

 Целью данного проекта является разработка платформы создания интеллектуальных сетей для интеграции, цифровизации  и интеллектуализации имеющихся производственных и  управленческих ресурсов в рамках концепций  «Умный город» и «smart grid - модели», обеспечивающей   перевод их на качественно новый уровень интеллектуальности механизмов управления совокупностью распределенных систем городского хозяйства и энергообъектов .

Методологические и технологические решения данной разработки согласуются с  современными концепциями BIG DATA, IoT, BI, DATA SCIENCE с одной стороны, с другой стороны направлены на решение методических задач обработки данных средствами универсальных информационных технологий, связанных с уникальным подходом на основе методологии байесовских интеллектуальных технологий к обработке данных путем использования методов свертки информационных потоков разнообразных средств сбора информации,  систем датчиков и коммуникационных  средств, баз данных, серверного оборудования и других средств вычислительной техники. Разработанные технологии интеллектуализации обеспечивают возможности управления качеством получаемых на их основе решений,  контроля, метрологического обоснования поступающих и хранящихся данных,что в реальных условиях  позволяет определять или гарантировать устойчивость, сходимость и достоверность (риск) получаемых решений. 


5.  Когнитивные обучающие сети на основе байесовских интеллектуальных технологий

   Одним из направлений современных разработок в направлении  искусственного интеллекта является создание цифровых двойников реальных, прежде всего , производственных объектов. Эти программные комплексы обеспечивают адекватное моделирование и имитацию деятельности реальных объектов в условиях, так называемой , виртуальной реальности. Полезным свойством таких систем является возможность интеллектуального сопровождения функционирования реальных объектов, процессов и систем, в том числе и в прогнозируемых ситуациях.

Объектами цифровых двойников могут  являться сложные техногенные, природные и экономико-социальные комплексы, активно взаимодействующие с окружающей средой, эволюционирующие и развивающиеся во времени и в пространстве, динамичные в своих характеристиках и связях с внешним окружением. Относительно новым направлением при этом является созданием цифровых двойников сотрудников и специалистов корпораций и различных учреждений. Такие двойники получили название цифровых специалистов .

Дистанционно распределенные цифровые сотрудники предприятий могут быть объединены в  корпоративные интеллектуальные  сети. 

Основная цель создания цифровых специалистов состоит в том, чтобы повысить квалификационный уровень коллектива предприятия. 

Такая сеть носит явно выраженный обучающий характер, так как цифровой двойник сотрудника способствует постоянному обновлению знаний и умений своего реального оригинала. 

Для сотрудников управленческого персонала администраций регионального масштаба или муниципалитетов в ситуациях с нехваткой квалифицированных специалистов, такие цифровые сотрудники могут заменять реальных специалистов.

Для решения подобных задач разработаны методология и системы байесовских интеллектуальных технологий на основе регуляризирующего байесовского подхода , также ряд интеллектуальных рабочих мест специалистов, реализующих концепцию и функциональности цифрового специалиста в различных сферах деятельности. 

Опыт реализации проектов.

Лицензии и свидетельства сертификации.

Литература по направлениям деятельности.



версия для печати
Rambler's Top100 Яндекс цитирования