Науковий вісник НГУ

Оцінювання й контроль релевантності даних в інформаційних системах управління транспортною галуззю

• 
• 

Рейтинг користувача:  / 1

ГіршийКращий 

Деталі

Категорія: Зміст №3 2023

Останнє оновлення: 27 червня 2023

Опубліковано: 30 листопада -0001

Перегляди: 1578

Authors:

Ю.І.Клюс*, orcid.org/0000-0002-1841-2578, Східноукраїнський національний університет імені Володимира Даля, м. Київ, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

М.А.Проданчук, orcid.org/0000-0003-3504-4583, Національний науковий центр «Інститут аграрної економіки», м. Київ, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

O.O.Гололобова, orcid.org/0000-0003-1857-8196, Український державний університет науки і технологій, м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Л.В.Галан, orcid.org/0000-0002-4118-9255, Держаний університет інтелектуальних технологій і зв’язку, м. Одеса, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

М.О.Варгатюк, orcid.org/0000-0003-2357-1597, Одеський державний аграрний університет, м. Одеса, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її., e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2023, (3): 137 - 143

https://doi.org/10.33271/nvngu/2023-3/137

Abstract:

Мета. Проведення аналізу даних, що надходять до інформаційних систем (ІС) транспортної галузі (ТГ) і розроблення пропозицій перевірки їх релевантності для забезпечення надійності та ефективності управління. Розроблення методу оцінювання й контролю релевантності даних в інформаційних системах транспортної галузі.

Методика. Використані спеціальні та загальні методи наукового пізнання: критичного аналізу для встановлення сценаріїв впливу релевантності даних на рівень ефективної взаємодії елементів системи та управління нею; контент-аналізу для стратифікації вимог до даних, що надходять до ІС, та управлінських рішень на етапі аналізу; математичної формалізації для розроблення методу оцінювання даних і контролю їх релевантності, що запропонований як математичне ядро згаданого алгоритму; метод послідовного підбору для автоматичного виявлення функціональної залежності, що описує дані з меншим значенням стандартної помилки.

Результати. Розроблені пропозиції із забезпечення релевантності даних. Запропонована стратифікація даних та управлінських рішень, що дозволить уникнути поширених помилок через ненормованість представлення даних. Встановлені сценарії впливу релевантності даних на рівень ефективної взаємодії елементів транспортної системи та управління нею. Для перманентного контролю даних запропоновано алгоритм виявлення відхилень у послідовних наборах даних, автоматичного аналізу вказаних відхилень і знаходження одно- та багатофакторних нелінійних закономірностей, що викликають відхилення. За невідповідності даних виявленим нелінійним закономірностям інформація перевіряється методом еволюційного програмування. Ефективність запропонованих методів продемонстрована на прикладі аналізу вантажообігу морських портів, тренди якого характерні значними змінами за часом і за портами. Ці тренди можуть мати навіть протилежний характер.

Наукова новизна. Розроблено метод оцінювання даних і контролю їх релевантності, що спирається на методи еволюційного («генетичного») програмування.

Практична значимість. Пропозиції щодо оцінювання й контролю релевантності даних в інформаційних системах транспортної галузі збільшать ефективність управлінської діяльності.

Ключові слова: транспортна галузь, управління, інформаційні системи, контроль релевантності даних

References.

1. Iriarte, C., & Bayona, S. (2020). IT projects success factors: A literature review. International Journal of Information Systems and Project Management, 8(2), 49-78. https://doi.org/10.12821/ijispm080203.

2. Morcov, S., Pintelon, L., & Kusters, R. (2020). Definitions, characteristics and measures of IT project complexity – a systematic literature review. International Journal of Information Systems and Project Management, 8(2), 5-21. https://doi.org/10.12821/ijispm080201.

3. Javed, M. A., Zeadally, S., & Hamida, E. B. (2018). Data Analytics for Cooperative Intelligent Transport Systems. Vehicular Communications, 15, 63-72. https://doi.org/10.1016/j.vehcom.2018.10.004.

4. Ellingsen, O., & Aasland, K. E. (2019). Digitalizing the maritime industry: A case study of technology acquisition and enabling advanced manufacturing technology. Journal of Engineering and Technology Management, 54, 12-27. https://doi.org/10.1016/j.jengtecman.2019.06.001.

5. Moros-Daza, A., Solano, N., Amaya, R., & Paternina, C. (2018). A multivariate analysis for the creation of Port Community System Approaches. Transportation Research Procedia, 30, 127-136. https://doi.org/10.1016/j.trpro.2018.09.015.

6. Díaz-Gutiérrez, D., & Núñez-Rivas, L.R. (2022). Digitalizing Maritime Containers Shipping Companies: Impacts on Their Processes. Applied Sciences, 12, 2532. https://doi.org/10.3390/app12052532.

7. Di Vaio, A., & Varriale, L. (2020). Digitalization in the sea-land supply chain: experiences from Italy in rethinking the port operations within interorganizational relationships. Production Planning & Control, 31, 220-232. https://doi.org/10.1080/09537287.2019.1631464.

8. Brunila, O. P., Kunnaala-Hyrkki, V., & Inkinen, T. (2021). Hin-drances in port digitalization? Identifying problems in adoption and implementation. European Transport Research Review, 13, 62. https://doi.org/10.1186/s12544-021-00523-0.

9. Zerbino, P., Aloini, D., Dulmin, R., & Mininno, V. (2019). Towards Analytics-Enabled Efficiency Improvements in Maritime Transportation: A Case Study in a Mediterranean Port. Sustainability, 11, 4473. https://doi.org/10.3390/su11164473.

10. Seo, J., Lee, B. K., & Jeon, Y. (2023). Digitalization strategies and evaluation of maritime container supply chains. Business Process Management Journal, 29(1), 1-21. https://doi.org/10.1108/BPMJ-05-2022-0241.

11. Yueshuai, B., & Chow, J. Y. J. (2019). Optimal privacy control for transport network data sharing. Transportation Research Part C Emerging Technologies, 113, 370-387. https://doi.org/10.1016/j.trc.2019.07.010.

12. Davidich, N., Galkin, A., Davidich, Y., Schlosser, T., Capayova, S., Nowakowska-Grunt, J., Kush, Y., & Thompson, R. (2022). Intelligent Decision Support System for Modeling Transport and Passenger Flows in Human-Centric Urban Transport Systems. Energies, 15, 2495. https://doi.org/10.3390/en15072495.

13. Greis, N. P., Nogueira, M. L., & Rohde, W. (2021). Digital Twin Framework for Machine Learning-Enabled Integrated Production and Logistics Processes, (pp. 218-227). In Dolgui, A., Bernard, A., Lemoine, D., von Cieminski, G., Romero, D. (Eds). Advances in Production Management Systems. Artificial Intelligence for Sustainable and Resilient Production Systems. APMS 2021. IFIP Advances in Information and Communication Technology, 630. Springer, Cham. https://doi.org/10.1007/978-3-030-85874-2_23.

14. Kim, Y.-J., Lee, J.-S., Pititto, A., Falco, L., Lee, M.-S., Yoon, K.‑K., & Cho, I.-S. (2022). Maritime Traffic Evaluation Using Spatial-Temporal Density Analysis Based on Big AIS Data. Applied Sciences, 12, 11246. https://doi.org/10.3390/app122111246.

15. Zhang, D., Zhang, Y., & Zhang, C. (2021). Data mining approach for automatic ship-route design for coastal seas using AIS trajectory clustering analysis. Ocean Engineering, 236, 109535. https://doi.org/10.1016/j.oceaneng.2021.109535.

16. Montoya-Torres, J. R., Moreno, S., Guerrero, W. J., & Mejía,G. (2021). Big Data Analytics and Intelligent Transportation Systems. IFAC-PapersOnLine, 54(2), 216-220. https://doi.org/10.1016/j.ifacol.2021.06.025.

17. Dong, Y., Lingxiao, W., Shuaian, W., Haiying, J., & Li, K. X. (2019). How big data enriches maritime research – a critical review of Automatic Identification System (AIS) data applications. Transport Reviews, 39(6), 755-773. https://doi.org/10.1080/01441647.2019.1649315.

18. Bazaluk, O., Kotenko, S., & Nitsenko, V. (2021). Entropy as an Objective Function of Optimization Multimodal Transportations. Entropy, 23(8), 946. https://doi.org/10.3390/e23080946.

19. State Statistics Service of Ukraine (2023). Freight transportation by water transport and type of cargo. Retrieved from https://www.ukrstat.gov.ua.

20. Ukrainian Sea Ports Administration (2023). Volumes of cargo processing by stevedoring companies in seaports. Retrieved from https://www.uspa.gov.ua/.

• < Попередня
• Наступна >