ІНТЕЛЕКТУАЛЬНІ ІНФОРМАЦІЙНІ СИСТЕМИ МОНІТОРИНГУ КОМПЕТЕНТНОСТЕЙ УПРАВЛІНЦІВ ІННОВАЦІЙНИХ ПІДПРИЄМСТВ
Article Sidebar
Надіслано: 04-10-2022
Опубліковано: 31-10-2022
©, Авторські права належать авторам.
Ця стаття опублікована відповідно до стандартів відкритого доступу та розповсюджується за ліцензією Creative Commons Attribution 4.0 International (CC BY 4.0), яка дозволяє необмежене використання, розповсюдження та відтворення змісту на будь-якому носії, за умови зазначення оригінального автора та джерела.
Main Article Content
Анотація
Сучасний розвиток інформаційної економіки зумовлює проблеми підвищення вимог до побудови інформаційних систем моніторингу компетентностей управлінців підприємств та управління підприємствами загалом. У розрізі дослідження проблем та формування концептуальних засад побудови інтелектуальних інформаційних систем управління (ІІСУ) інноваційними підприємствами (ІП) як людино-кібер-фізичних систем метою роботи є розроблення інтелектуальної інформаційної системи щодо прийняття оптимальних управлінських рішень на основі результатів дослідження складових компетентності управлінських працівників. Досягнення мети дослідження передбачає поетапне виконання низки завдань, а саме: створення системної моделі ІП; розроблення структури ІІСУІП; дослідження динамічних і статичних характеристик компетентності управлінців; розроблення підходу підтримки ухвалення й реалізації оптимальних кадрових рішень щодо станів компетентності управлінських працівників та управління цими станами. Побудову ІІСУІП пропонується проводити на основі багаторівневої організаційної структури з використанням елементів штучного інтелекту.
Використання методів теорії марковських ланцюгів дозволило розробити математичні моделі та відповідне програмне забезпечення для дослідження станів розвитку компетентності управлінців ІП чи будь-якого елемента їхньої ієрархії. Математичні моделі адекватно описують динаміку й статику станів (окремого явища, процесу чи діяльності) такого підприємства. Це підтверджено при застосуванні математичного та програмного забезпечення ІІСУІП для оцінювання, прогнозування й підтримки ухвалення оптимальних рішень у розрізі моніторингу компетентності управлінців ІП за параметрами якості, своєчасності та відповідності вимогам.
Запропонований математичний апарат та відповідне програмне забезпечення ІІСУ застосовані при оцінюванні рівнів якості, своєчасності та відповідності [діяльності] управлінців бухгалтерії НВП ТзОВ «Електроприлад», фінансової служби ТзОВ «ІНТЕР-ПАК УКРАЇНА» та відділу збуту СП ТзОВ «Сферос-Електрон» (Львів) як характеристик компетентності, що корелюють із результуючим показником (ступінь досягнення цілі), а в підсумку впливають на ефективність підприємств.
На основі методів когнітології ІІСУ розглядаються як логіко-когнітивні моделі соціального агента, а інтегровані ІІСУІП − як багатоагентні системи, які використовують двоконтурний алгоритм адаптування. Розроблені таким чином ІІСУ використовують адекватну формалізацію процесів ухвалення кадрових рішень.
Запропоновані підходи до побудови ІІСУІП дозволять менеджерам ухвалювати раціональні, організаційно запрограмовані управлінські рішення та забезпечувати підприємствам адаптогенність, стійкість, живучість і розвиток у сучасних умовах ери промисловості 4.0.
Article Details
Посилання
Aliyev, A.G. (2014). Economic-Mathematical Methods and Models under Uncertainty. Apple Academic Press, 302. DOI: https://doi.org/10.1201/b16301
Antonescu, M. (2018). Are business leaders prepared to handle the upcoming revolution in business artificial intelligence? Qual. Access Success, 19, 15–19.
Brown, А. (2019). Industry 4.0: The Ways in Which Technology is Transforming Industry. Interesting&Engineering, Retrieved July 30, 2019, from https://interestingengineering.com/industry-40-the-ways-in-which-technology-is-transforming-indust
Babiceanu, R. F., & Seker, R (2016). Big data and virtualization for manufacturing cyber-physical systems: A survey of the current status and future outlook. Computers in Industry, Vol. 81, 128 – 137. DOI: https://doi.org/10.1016/j.compind.2016.02.004
Marr, B. (2018). What is Industry 4.0? Here's A Super Easy Explanation For Anyone. Retrieved from https://www.forbes.com/sites/bernardmarr/2018/09/02/what-is-industry-4-0-heres-a-super-easy-explanation-for-anyone/#31b74ef19788.
Chakir, A., M. Chergui, M., Elhasnaou, S., Medromi, H., & Sayouti, A. (2016). A decision approach to select the best framework to treat an it problem by using multi-agent system and expert systems. In Advances in Ubiquitous Networking. Springer, 499 – 511. DOI: https://doi.org/10.1007/978-981-287-990-5_40
Lucas, D., Benitez, G., Ayala, N., & Frank, A. (2018). The expected contribution of Industry 4.0 technologies for industrial performance. International Journal of Production Economics 204, 383-394. DOI: https://doi.org/10.1016/j.ijpe.2018.08.019
Lee, J., Suh, T., Roy, D., & Baucus, M. (2019). Emerging Technology and Business Model Innovation: The Case of Artificial Intelligence. Journal of Open Innovation: Technology, Market, and Complexity, 5, 44,13. DOI: https://doi.org/10.3390/joitmc5030044
Li, F. (2017). The digital transformation of business models in the creative industries: A holistic framework and emerging trends. Technovation. Retrieved from https://doi.org/10.1016/j.technovation.2017.12.004. DOI: https://doi.org/10.1016/j.technovation.2017.12.004
Foss, N.J.; & Saebi, T. (2017). Fifteen years of research on business model innovation: How far have we come, and where should we go? Journal Management: CrossRef, 43, 200-227. DOI: https://doi.org/10.1177/0149206316675927
Vendrell-Herrero, F., Parry, G., Bustinza, O., & Gomes, E. (2018). Digital business models: Taxonomy and future research avenues. Strategic Change, 27(2). DOI: https://doi.org/10.1002/jsc.2183
Garbuio, M., & Lin, N. (2019). Artificial intelligence as a growth engine for health care startups: Emerging business models. Calif. Manag. Rev.: crossRef, 61, 59–83. DOI: https://doi.org/10.1177/0008125618811931
Gassmann, O., Frankenberger, K., & Sauer, R. (2017). A primer on theoretically exploring the field of business model innovation. The Eur. Bus. Rev., 4, 45–48. DOI: https://doi.org/10.1007/978-3-319-41144-6
Hilletofth A., O.-P. Hilmola, O.-P., & Wang, Y. (02016). Simulation based decision support systems in the supply chain context. Industrial Management & Data Systems, Vol. 116(2). DOI: https://doi.org/10.1108/IMDS-11-2015-0477
ISO/IEC 2382:2015, Information technology, Vocabulary, Part 1: Terms and definitions: «data: reinterpretable representation of information in a formalized manner suitable for communication, interpretation, or processing».
Raven, J. (1999). The Tragic Illusion: Educational Testing. Trillium, 108.
Ellingwood, J. (2019). Comparing Database Types: How Database Types Evolved to Meet Different Needs. Retrieved from https://www.prisma.io/blog/comparison-of-database-models-1iz9u29nwn37
Kar, A. (2015). A hybrid group decision support system for supplier selection using analytic hierarchy process, fuzzy set theory and neural network. Journal of Computational Science, 6, 23 – 33. DOI: https://doi.org/10.1016/j.jocs.2014.11.002
Bannon, L. Group Decision Support Systems: An Analysis And Critique. Interaction Design Centre, University of Limerick, Ireland. Retrieved from http://www.ul.ie/~idc/library/papersreports/LiamBannon/32/ECIS.htm.
Odrekhivskyі, M., Vankovych, L., & Pshyk-Kovalska, O. (2022). Problems of Construction of Smart Innovative Enterprises. Computational Linguistics and Intelligent Systems. Proceedings of the 6th International Conference on Computational Linguistics and Intelligent Systems (COLINS 2022). Vol. I: Main Conference, Gliwice, Poland, May 12-13, 2022. CEUR-WS.org, online. Vol-3171., 1015-1029.
Odrekhivskyі, M., Pshyk-Kovalska, J., & Zhezhukha, V. (2022). Optimization of Management Decisions of Recreational Innovative Companies. Developments in Information & Knowledge Management for Business Applications / Editors: Natalia Kryvinska, Michal Greguš., 4, 616, 455 – 477. DOI: https://doi.org/10.1007/978-3-030-95813-8_18
Obschonka, M., & Audretsch, D. (2019). Artificial intelligence and big data in entrepreneurship: A new era has begun. Small Bus. Econ.; crossRef, 1–11. DOI: https://doi.org/10.1007/s11187-019-00202-4
Odrekhivskyy, M. (2009). Marketing-oriented Management of Recreational Innovation Enterprises: monograph. Drohobych: I. Franko DSPU, 488 p.
Manggai, B., Thukiman, K., Othman, M., & Abdul Majid, M. (2018). Organizational Culture and Ethics in Decision-Making. International Journal of Engineering & Technology, 7, 257–259. Retrieved from http://www.sciencepubco.com/index.php/IJET. DOI: https://doi.org/10.14419/ijet.v7i2.29.13327
Daugherty, P., & Wilson, H. (2018). Human + Machine: Reimagining Work in the Age of AI Hardcover. Harvard Business Review Press, March 20, 264.
Pereira, A., & Romero, F. (2017). A review of the meanings and the implications of the Industry 4.0 concept. Procedia Manufacturing, 13, 1206–1214. DOI: https://doi.org/10.1016/j.promfg.2017.09.032
Saha, C., Aqlan, F., Lam, S., & Boldrin, W. (2016). A decision support system for real-time order management in a heterogeneous production environment. Expert Systems with Applications, 60, 16–26. DOI: https://doi.org/10.1016/j.eswa.2016.04.035
Stonier, R., & Yu, X. (1994). Complex Systems: Mechanism of Adaptation, 406.
Susan Fourtané, S. (2019). Human + Machine Collaboration: Work in the Age of Artificial Intelligence. Retrieved September 28 from https://interestingengineering.com/human-machine-collaboration-work-in-the-age-of-artificial-intelligence.
Ruppert, T., Jaskó, S., Holczinger, T., & Abonyi, J. (2018). Enabling Technologies for Operator 4.0: A Survey. Appl. Sci., 8(9), 1650. Retrieved from https://doi.org/10.3390/app8091650. DOI: https://doi.org/10.3390/app8091650
Valter, P., Lindgren, P., & Prasad, R. (2018). Advanced business model innovation supported by artificial intelligence and deep learning. Wirel. Pers. Commun: crossRef, 100, 97–111. DOI: https://doi.org/10.1007/s11277-018-5612-x
Virgilio Cruz-Machado, A. (2019). Scanning the Industry 4.0: A Literature Review on Technologies for Manufacturing Systems. Engineering Science and Technology, an International Journal, 22, 899–919. DOI: https://doi.org/10.1016/j.jestch.2019.01.006
Wåge, D., & Crawford, G. (2017). Innovation in digital business models. In Proceedings of the 2017 XXVIII ISPIM Innovation Conference on Composing the Innovation Symphony, Vienna, Austria, 18–21 June.
Wang, S., Wan, J., Zhang, & D., Zhang, C. (2016). Towards smart factory for industry 4.0: a self-organized multi-agent system with big data based feedback and coordination. Computer Networks, 101, 158–168. DOI: https://doi.org/10.1016/j.comnet.2015.12.017
Kuz'min, O., Skybins'kyj, O., & Darmits', R. (2021). Kompetentnosti pratsivnykiv aparatu upravlinnia pidpryiemstv: otsiniuvannia i rozvytok [Competences of employees of the enterprise management apparatus: assessment and development], Halyts'ka vydavnycha spilka, L'viv, Ukraine. [in Ukrainian].