Интеллектуальный анализ данных в управлении производственными системами (подходы и методы)

Читать фрагмент

книга

Интеллектуальный анализ данных в управлении производственными системами (подходы и методы)

Автор: Леонид Мыльников, Бернд Краузе, Мартин Кютц, Корина Баде, Игорь Шмидт

Актуальность монографии связана с повышающейся ролью прогностических моделей при управлении производственными системами, повышением требований к эффективности управления, необходимости учета внешних факторов, оказывающих влияние на систему, рассмотрением протекающих процессов в динамике и взаимосвязи цепочки управленческих решений и значений используемых параметров управления. В монографии развиваются модели и методы поддержки принятия решений для управления процессами реализации проектов в производственных системах на основе анализа информации об их жизненном цикле. В монографии использованы методы инновационного менеджмента; формализации задач управления в виде предиктивных моделей; подготовки данных для интеллектуального анализа данных и поддержки принятия управленческих решений; прогнозирования значений параметров, представленных в виде временных рядов, и применение временных рядов как способа представления параметров исследуемого процесса; подходы из широкой области полуконтролируемого обучения, одновременно учитывающего структурированные и неструктурированные данные; методы оценки достоверности получаемых управленческих решений. Рассмотренные в монографии данные исследования позволяют получать и решать задачи управления производственными системами, возникающие в практической деятельности на основе данных прогнозов для групп показателей и параметров, участвующих в принятии решений, что позволяет повысить обоснованность и качество принимаемых управленческих решений.

Форматы: PDF

Издательство: Библио-Глобус

Год: 2017

Место издания: Москва

ISBN: 978-5-9500501-7-6

Страниц: 334

Артикул: 57175

Электронная книга

668 ₽

Купить и скачать

Содержание

Содержание книги "Интеллектуальный анализ данных в управлении производственными системами (подходы и методы) "

Предисловие

Введение

1. Управление эффективностью проектов и процессов

1.1. Основные понятия и определения

1.1.1. Процессы и проекты

1.1.2. Портфель проектов

1.1.3. Инновационный менеджмент

1.1.4. Показатели эффективности управления

1.2. Показатели эффективности управления инновационной деятельностью

1.2.1. Системы измерения показателей эффективности управления

1.2.2. Количественный контроль эффективности управления инновационной деятельностью организации

1.3. Показатели эффективности рамочной модели управления

1.3.1. Оценка выходных данных

1.3.2. Оценка входных данных

1.3.3. Оценка производственной мощности

1.3.4. Оценка длительности реализации

1.3.5. Оценка графиков выполнения проектов

1.3.6. Оценка доступности

1.3.7. Оценка надежности

1.3.8. Оценка удовлетворенности заинтересованных сторон

1.3.9. Оценка изменений

1.3.10. Оценка возникновения проблем и сложностей в ходе реализации проекта

1.3.11. Оценка рисков

1.3.12. Оценка возникновения инцидентов

1.3.13. Оценка величины объекта управления

1.3.14. Оценка сложности объекта управления

1.3.15. Рентабельность инвестиций (ROI)

1.4. Принятие решений о прекращении и продолжении реализации проекта

1.4.1. Остановка процессов

1.4.2. Остановка проектов

1.5. Заключение к главе 1

2. Вопросы формализации задач управления

2.1. Постановка задач управления в производственных системах

2.2. Прогностические модели для принятия управленческих решений

2.3. Решение задач управления на предиктивных моделях

2.3.1. Формирование области допустимых решений при решении задач оптимального управления проектами и производственными системами

2.3.2. Особенности получения решений как функций времени

2.3.3. Выбор шага решения задачи между точками принятия решений

2.4. Оценка рисков планирования

2.5. Оценка рисков при поэтапной реализации проектов

2.6. Заключение к главе 2

3. Подготовка данных для систем поддержки принятия решений

3.1. Выбор данных

3.2. Очистка данных

3.2.1. Интеграция данных и очистка

3.2.2. Чистка ошибочных данных

3.2.3. Методы очистки данных

3.3. Решение проблемы недостающих значений

3.4. Методы дискретизации

3.4.1. Методы неконтролируемой дискретизации

3.4.2. Контролируемые методы дискретизации

3.5. Уменьшение размерности данных и выделение признаков

3.5.1. Введение новых признаков

3.5.2. Выбор признаков

3.5.3. Визуализация данных

3.5.4. Алгоритмы уменьшения размерности

3.6. Обнаружение выбросов в данных

3.6.1. Обнаружение посторонних данных на статистических моделях

3.6.2. Обнаружение посторонних данных на основе их схожести

3.6.3. Обнаружение посторонних значений в данных высокой размерности

3.7. Заключение к главе 3

4. Вопросы прогнозирования значений параметров

4.1. Прогнозирование на основе инновационных кривых

4.2. Прогнозирование на основе S-об-разных кривых

4.3. Прогнозирование значений параметров при неизвестном функциональном описании данных

4.4. Уточнение значений прогнозов параметров с известным функциональным описанием

4.5. Повышение точности на удаленных интервалах времени

4.6. Оценка риска для значений прогнозов

4.7. Выбор метода прогнозирования и горизонта планирования на основе значений оценок риска

4.8. Заключение к главе 4

5. Некоторые особенности работы с временными рядами

5.1. Задачи анализа временных рядов

5.2. Поиск аномалий

5.2.1. Поиск фрагмента, соответствующего шаблону (поиск по элементам временного ряда)

5.3. ST-индекс

5.4. Временной ряд как объект хранения

5.5. Заключение к главе 5

6. Классификация и кластеризация, полуконтролируемое обучение

6.1. Проблема обучения

6.2. Полуконтролируемая классификация

6.2.1. Самообучение

6.2.2. Методы теории графов

6.2.3. Генеративные модели

6.3. Ограниченная кластеризация

6.3.1. Метод коэффициентов производительности kсредних

6.3.2. Метод парных ограничений k-средних

6.3.3. Метод взвешенных парных ограничений k-средних

6.4 Заключение к главе 6

Заключение

Список литературы

Предметный указатель

Отрывок из книги

1.1. Основные понятия и определенияТаблица 1.1Модель Купера «Ворота»ЭтапРезультатИзобретениеПредварительная работа, направленная на рас-крытие и обнаружение бизнес-возможностей исоздание новых идейОтбор идейНаблюдениеБыстрое, недорогое, предварительное исследова-ние и анализ прогнозирования; в большей степе-ни исследование за рабочим столомПовторныйотборРазработка бизнес-кейсаДетальное исследование, включающее первичноеисследование — рынка и техническое, — в резуль-тате которого появляется бизнес-кейс, охваты-вающий продукт и определение проекта, обосно-вание проекта и предлагаемый план развитияНачалореа-лизацииРазработкаАктуальный детальный дизайн и разработка но-вого продукта, описание операций или производ-ственного процесса, необходимого для масштаб-ного производстваНачалоте-стированияТестирование и оценка пригодностиИспытания на рынке, в лабораториях и на за-водах, оценка пригодности предлагаемого новогопродукта, план торговой марки /маркетинговыйплан и производство / тех. процессНачаловыпускапродуктаВыпускКоммерциализация — начало масштабного тех.процесса или производства, маркетинг и прода-жиКритика32

Внимание!
При обнаружении неточностей или ошибок в описании книги "Интеллектуальный анализ данных в управлении производственными системами (подходы и методы) = Intelligent data analysis in the management of production systems (approaches and methods) (автор Леонид Мыльников, Бернд Краузе, Мартин Кютц, Корина Баде, Игорь Шмидт)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!