Адаптивні системи автоматичного управління
https://asac.kpi.ua/
<p><strong>ISSN 2522-9575 (Онлайн), ISSN 1560-8956 (Друк)</strong></p><p><strong><br /></strong></p><p>Друковане видання «<strong>Адаптивні Системи Автоматичного Управління</strong>». Міжвідомчий науково-технічний збірник.</p><p>Сфера розповсюдження: загальнодержавна.</p><p>Категорія читачів: науковці, аспіранти, студенти.</p><p>Періодичність виходу: 2 рази на рік</p><p>Рік заснування: 1973 </p>КПІ ім. Ігоря Сікорськогоuk-UAАдаптивні системи автоматичного управління1560-8956<p>Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії <a href="http://creativecommons.ru/licenses">Creative Commons Attribution License</a>, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.</p><p>2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.</p><p>3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на <a href="http://radap.kpi.ua/radiotechnique/manager/setup/arxiv.org">arXiv.org</a> або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: <a href="http://opcit.eprints.org/oacitation-biblio.html" target="_new">The Effect of Open Access</a>.</p>Підхід до підвищення ефективності розробки програмного забезпечення для безпілотних систем з використанням симуляційного середовища
https://asac.kpi.ua/article/view/323647
<p>В цій статі розлядаються іструменти та підходи для підвищення ефективності розробки програмного забезпечення за показником часу циклу розробки. Важливо врахувати фактори збереження фізичної цілісності безпілотних систем за рахунок використання симуляціного середовища для тестування та відладки роботи алгоритмів керування. Важливою перевагою використання симуляційного середовища при розробці або покращення алгоритмів автопілоту є переваги гнучкості симуляції за рахунок використання граничних умов випробувань, нових режимів польотів тощо.</p> <p>Запропоновані інструменти та методи використання симуляційного середовища дозволяють скоротити час на розробку та випробовування алгоритмів керування безпілотних систем та зменшити ризик фізичної втрати БПЛА за рахунок виявлення та усунення дефектів на етапах допольотного випробування.</p> <p>Бібл. 10, іл. 4</p>А. АхаладзеІ. Ахаладзе
Авторське право (c) 2025
2025-02-282025-02-281463810.20535/1560-8956.46.2025.323647Інформаційна система обліку безпритульних тварин з використанням штучного інтелекту
https://asac.kpi.ua/article/view/323653
<p>Стаття присвячена започаткуванням для розробки програмного забезпечення інформаційної системи обліку безпритульник тварин та подальшого поліпшення ІС задля розпізнавання тварин, що допоможе пришвидшити пошуки загублених тварин у притулках та у збережених даних про тварин, що тільки-но були знайдені. Зокрема, у застосунку, для аналізу зображень використовувався алгоритм максимального ентропійного методу з обмеженою пам'яттю, що дозволяє автоматично ідентифікувати різні види тварин на основі аналізу зображень, забезпечуючи швидкість та надійність даних обліку. Створено ефективну структуру бази даних для зберігання інформації про безпритульних тварин, враховуючи всі необхідні атрибути для обліку, моніторингу та аналізу. Ця база даних підтримуватиме зберігання фотографій, медичних записів, інформації про вакцинації та інші важливі дані.</p> <p>Основою системи є компонент, що впроваджує алгоритми машинного навчання та комп'ютерного зору для розпізнавання тварин на завантажених фотографіях. Цей компонент повинен використовувати історичні дані для тренування моделей та забезпечення високої точності розпізнавання. Для забезпечення ефективного обліку безпритульних тварин необхідно збирати та зберігати ряд ключових даних: ідентифікаційні дані [1], місце виявлення, дані про поведінку, стан здоров'я, історія взаємодії. Записи про попередні взаємодії з волонтерами, притулками, ветеринарними клініками. Розроблена система може бути впроваджена в муніципальних службах, притулках для тварин та громадських організаціях, що займаються захистом прав тварин. Завдяки автоматизованим процесам, система допомагає знизити витрати на облік і моніторинг, а також підвищує надійність зібраних даних. Рекомендації щодо використання включають інтеграцію системи з існуючими базами даних та навчання персоналу для ефективного використання нових технологій.</p> <p>Бібл. 4, іл. 6, табл. 3</p>А. АмарбеєвР. ОхочийН. Богданова
Авторське право (c) 2025
2025-02-282025-02-2814692110.20535/1560-8956.46.2025.323653Застосування комп’ютерного зору для автоматизованої системи відстеження об’єктів
https://asac.kpi.ua/article/view/323655
<p>У статті розглянуто застосування технологій комп’ютерного зору для автоматизації процесу відстеження об’єктів у відеопотоці. Описано розроблену систему, яка реалізує розпізнавання, відстеження та визначення характеристик рухомих об’єктів за допомогою моделі YOLOv8. Система включає модулі для відображення відео, розпізнавання, відстеження, визначення характеристик об’єктів. Описано процес донавчання моделі YOLOv8 на специфічних наборах даних, а також застосування алгоритмів для визначення швидкості рухомих об’єктів.<br>Запропоноване рішення дозволяє здійснювати аналіз відеопотоку в реальному часі. Результати підтверджують відповідність розробленої системи поставленим вимогам та її практичну придатність у сферах відеоспостереження, аналізу поведінки об’єктів, безпілотних апаратів та транспортних систем.</p> <p>Бібл. 8, іл. 8, табл. 3</p>Н. БулботкаО. Польшакова
Авторське право (c) 2025
2025-02-282025-02-28146223410.20535/1560-8956.46.2025.323655Підсистема розпізнавання надзвичайних ситуацій на дорозі
https://asac.kpi.ua/article/view/323676
<p>У статті розглядається підхід до вирішення проблеми збільшення швидкості реагування на надзвичайні події на дорозі. Процес розпізнавання інцидентів та автоматичне інформування відповідного оператора для покращення взаємодії розумних систем смарт сіті з екстреними службами міста є об’єктом дослідження даної роботи.<br>В результаті дослідження цієї предметної області інциденти на дорогах були класифіковані та систематизовані. Також в базу даних внесена інформація щодо служб, які можуть бути задіяні для реагування на подію та налаштовано канали зв’язків з ними.<br>Запропоноване рішення передбачає використання засобів візуального нагляду, здатних розпізнати надзвичайну ситуацію на дорозі, і направити сповіщення про неї у надзвичайні служби, а також запису інформації про інцидент в єдине сховище даних, як складової Smart city.</p> <p>Бібл. 8, іл. 10, табл. 1</p>О. ВоронаО. Польшакова
Авторське право (c) 2025
2025-02-282025-02-28146354510.20535/1560-8956.46.2025.323676Аналіз сучасних методів реферування текстів
https://asac.kpi.ua/article/view/323679
<p>У сучасному світі, де потоки інформації захльостують нас щодня, вміння швидко орієнтуватися в морі текстових даних стає життєво важливим. Наукові статті, новини, блоги, соціальні мережі – скрізь нас оточує лавина текстів, що вимагають нашої уваги. Як же впоратися з цим інформаційним цунамі, не потонувши в безодні деталей? Саме цій проблемі присвячена дана стаття. Досліджуються можливості автоматизованого реферування текстів – процесу створення стислих, інформативних викладень великих обсягів текстової інформації. Традиційні методи аналізу текстів, що базуються на ручному перегляді та обробці, стають неефективними в умовах зростаючих обсягів інформації. На допомогу приходить штучний інтелект, зокрема обробка природної мови (NLP) та машинне навчання. NLP дозволяє комп'ютерам "розуміти" людську мову, аналізуючи її структуру та значення. Машинне навчання, в свою чергу, наділяє комп'ютери здатністю навчатися на основі даних, виявляючи приховані закономірності та самостійно покращуючи свою роботу. <br>Завдяки поєднанню цих технологій, комп'ютери можуть аналізувати величезні обсяги текстової інформації, виділяти ключові моменти, відкидати несуттєві деталі та генерувати стислі, інформативні реферати, що зберігають основний зміст оригіналу [1]. Автоматизоване реферування текстів – це не просто технологічний тренд, а необхідність, що допоможе опанувати інформаційний простір та ефективно використовувати знання, закладені в текстах.</p> <p>Бібл. 10, іл. 3</p>А. БистріцькийІ. ТолкуновО. ГавриленкоН. Богданова
Авторське право (c) 2025
2025-02-282025-02-28146465410.20535/1560-8956.46.2025.323679Кібернетичні підходи до адаптивного управління суперкритичними системами
https://asac.kpi.ua/article/view/323685
<p>У роботі представлено адаптивну систему управління для стабілізації суперкритичних систем в околі критичних порогів стійкості, де традиційні методи неефективні через нелінійність динаміки та взаємозалежності елементів. Метод включає зворотний зв’язок у реальному часі, прогнозне моделювання та аналіз надійності з використанням байєсового оновлення й розподілу Вейбула, що підвищує стійкість системи в умовах невизначеності. Модель поєднує детерміноване управління та стохастичну оцінку надійності для зменшення коливань і ризиків. Підхід важливий для робототехніки та промислової автоматизації, забезпечуючи стабільність і відмовостійкість.</p> <p>Бібл. 12</p>Д. Гуменний
Авторське право (c) 2025
2025-02-282025-02-28146556910.20535/1560-8956.46.2025.323685Оптимізація розробки програмного забезпечення для інформаційно-вимірювальних систем з використанням Python
https://asac.kpi.ua/article/view/323687
<p>У статті розглядаються сучасні підходи до оптимізації розробки програмного забезпечення для інформаційно-вимірювальних систем з використанням мови Python. Проведено аналіз інтегрованих середовищ розробки та бібліотек Python для обробки даних, запропоновано підхід до інтеграції алгоритмів машинного навчання. Основна увага приділена підвищенню ефективності процесів розробки, обробки великих даних та забезпеченню метрологічної надійності вимірювань. Результати дослідження можуть бути використані для створення програмного забезпечення в наукових та промислових галузях.</p> <p>Бібл. 15, іл. 4</p>М. МаркінМ. ДобролюбоваО. МаркінаЄ. Батрак
Авторське право (c) 2025
2025-02-282025-02-28146708210.20535/1560-8956.46.2025.323687Архітектура програмного забезпечення для створення психологічного портрету людини на основі активності в соціальних мережах
https://asac.kpi.ua/article/view/323690
<p>В даній роботі було розроблено та реалізовано архітектуру програмного забезпечення для створення психологічного портрету людини на основі активності в соціальних мережах. Сучасна людина велику кількість часу проводить в соціальних мережах та залишає там цифровий слід який сильно корелює з її психологічними особливостями. На основі даних з соціальних мереж можна зрозуміти патерни поведінки, тип темпераменту людини тощо. Метою даного дослідження є автоматизація побудови психологічного портрету людини на основі активності в соціальних мережах. Дана робота фокусується на використанні підходу моделей особистості для формалізації психологічного портрету, а саме Big Five та Myers-Briggs Type Indicator (MBTI). Згідно з цим було розроблено математичну постановку задачі. Відповідно до створеної постановки дану задачу було формалізовано як задачу багато міткової класифікації і використано нейромережевий підхід для її вирішення. Вибір архітектури зупинився на використанні великих мовних моделей. Дана архітектура на момент написання статті показує найращі результати на більшості задач обробки природньої мови задач. В якості архітектури було обрано архітектуру Large Language Model Meta AI. Науковою новизною є використання підходу multitask finetuning для цієї задачі. Було побудовано instruction tuning датасети на основі датасетів «Essays I» та «MBTI Dataset». В результаті дослідження було доведено що використання цього підходу дозволяє значно покращити результати моделі в порівнянні з тренуванням на кожній із задач окремо. Спроектовано та реалізовано розподілену архітектуру для аналізу постів в соціальних мережах. Подальша робота включає вдосконалення точності нейронної мережі за рахунок збору більшої кількості даних та введенні механізмів зворотного зв’язку. Наведено варіанти використання системи та її обмеження. Результати цього дослідження мають важливе значення для таких сфер діяльності як підбір персоналу, маркетинг або криміналістика.</p> <p>Бібл. 15, іл. 8, табл. 1</p>Д. МитникО. ГавриленкоН. Богданова
Авторське право (c) 2025
2025-02-282025-02-28146839610.20535/1560-8956.46.2025.323690Генетичні алгоритми в автоматизації створення нейронних мереж
https://asac.kpi.ua/article/view/323691
<p>Робота присвячена автоматизації процесу проектування моделей штучних нейронних мереж (ШНМ) із застосуванням генетичних алгоритмів. Розглянуто сучасні підходи до автоматизованого проектування. Проаналізовано основні проблеми, зокрема застрягання у локальних мінімумах, високу обчислювальну складність та необхідність точного налаштування гіперпараметрів.<br>В результаті запропоновані методи, що поєднує еволюційні стратегії, оператори мутації та відбору, для побудови оптимальних архітектур ШНМ. Зокрема, розроблено алгоритм, який інтегрує генетичний пошук із навчанням моделей, враховуючи специфіку прикладних задач. Особливу увагу приділено оптимізації ймовірності мутації та адаптації параметрів, що забезпечує гнучкість і продуктивність підходу.<br>Таким чином, результати дослідження показують, що використання генетичних алгоритмів для автоматизованого проектування ШНМ дозволяє суттєво підвищити ефективність та адаптивність моделей, забезпечуючи їхню відповідність прикладним задачам.</p> <p>Бібл. 9, іл. 2, табл. 3</p>Д. ПаєвськийК. ОстапченкоО. Лісовиченко
Авторське право (c) 2025
2025-02-282025-02-281469710710.20535/1560-8956.46.2025.323691Підвищення кваліфікації лікарів на базі інтелектуальних систем підтримки прийняття рішень
https://asac.kpi.ua/article/view/323692
<p>Розвиток медичних інтелектуальних систем підтримки прийняття рішень (ІСППР) дає можливість не лише консультативної допомоги на різних етапах лікувально-діагностичного процесу, а й можливість підвищення кваліфікації лікарів під час використання ІСППР. Використання ІСППР сприяють придбанню лікарем додаткових знань при неповному прояві клінічної картини і в складних випадках, зокрема при захворюваннях, що рідко зустрічаються. В даній статті запропонована структура і склад ІСППР лікарських рішень, для якої пропонується використовувати комбінований підхід на основі фреймовій структурі моделі знань з використанням продукційних правил. Продукційні правила видають зрозуміле лікареві пояснення, що включає перелік ознак, з урахуванням яких формується діагностична гіпотеза. В якості прикладу даються декілька продукційних правил відносно ідентифікації можливих захворювань пацієнтів по рівню показників загального аналізу крові. Суть механізму нечіткого логічного виведення полягає у визначенні залежності вихідної логістичної змінної (консеквента) від відповідної вхідної логістичної змінної (антедецента) з урахуванням фактора достовірності і фактора важливості знання.</p> <p>Бібл. 13, іл. 2</p>О. СтенінВ. ПаськоО. ЛісовиченкоВ. Солдатов
Авторське право (c) 2025
2025-02-282025-02-2814610811610.20535/1560-8956.46.2025.323692Автоматизоване розпізнавання номеру транспортного засобу в режимі реального часу за допомогою технологій комп'ютерного зору
https://asac.kpi.ua/article/view/323693
<p>У статті досліджується розвиток і застосування комп'ютерного зору в різних сферах, особливо в транспорті та громадській безпеці. Розпізнавання номерних знаків за допомогою сучасних технологій забезпечує точність і надійність в управлінні транспортними операціями нового покоління. Інтеграція цих технологій з іншими сучасними системами робить їх критично важливими для забезпечення безпеки та ефективності.<br>Прогнозується, що використання технологій комп'ютерного зору буде стрімко зростати, оскільки вони забезпечують важливі функції в безпеці, транспорті та інших сферах. Визначення номерних знаків є ключовим елементом багатьох програм і систем штучного інтелекту, що підкреслює їхнє значення для сучасного суспільства.<br>У цій роботі досліджено обмеження сучасних систем розпізнавання номерів та запропоновано використання бібліотек YOLOv8 та easyOCR для реалізації алгоритмів розпізнавання номерних знаків транспортних засобів. Yolov8 використовується для виявлення номерних знаків на зображеннях, включаючи попередню обробку та покращення якості зображень. EasyOCR використовується для розпізнавання тексту на номерних знаках завдяки своїй високоефективній API.</p> <p>Бібл. 6, іл. 11</p>А. БоднарО. Польшакова
Авторське право (c) 2025
2025-02-282025-02-2814611712810.20535/1560-8956.46.2025.323693Модель широтно-імпульсного регулятора швидкості двигуна БПЛА
https://asac.kpi.ua/article/view/323695
<p>У статті розглянуто проблему керування безщітковим двигуном постійного струму, які широко використовуються в безпілотних літальних апаратах. Отримано модель безщіткового двигуна постійного струму. Синтезовано ШІМ-регулятор швидкості обертання двигуна БПЛА. Проведено моделювання, отримано графіки перехідних процесів. Досліджено вплив параметрів ШІМ-сигналу на якість керування. Встановлено залежність між частотою ШІМ-сигналу та показниками якості керування.<br>Метою роботи є спрощення процесу проєктування систем керування БПЛА, шляхом встановлення критеріїв вибору параметрів широтно-імпульсного регулятора двигуна дрона. Об’єктом дослідження є двигун БПЛА.<br>Виконання таких досліджень є актуальним у нинішніх умовах, оскільки виробники комерційних дронів не розголошують критерії налаштування ШІМ-регуляторів, а в науковій літературі приділено недостатньо уваги цій проблемі. Отримані результати можуть бути використані для проєктування власних систем керування двигунами дрона.</p> <p>Бібл. 8, іл. 7, табл. 1</p>Ю. БердникО. Ролік
Авторське право (c) 2025
2025-02-282025-02-2814612913510.20535/1560-8956.46.2025.323695Ексергетичний розрахунок ефективності теплових насосних установок для приватної будівлі
https://asac.kpi.ua/article/view/323696
<p>Незважаючи на те, що в даний час в ряді робіт отримано важливі результати, що полегшують проведення розрахунків та проектування систем теплопостачання на основі ґрунтових теплонасосних установок з урахуванням теплофізичних процесів, що протікають у ґрунті, існують проблеми, які залишаються невирішеними та вимагають додаткових досліджень. Зокрема, актуальною за практичної реалізації геотермальних систем теплопостачання будівель та споруд є питання вибору схеми системи теплопостачання, вибору теплонасосних установок та енергетичний аналіз теплообмінних процесів. Запропоновані в більшості робіт моделі і методи для оцінки енергоефективності ґрунтових теплонасосних установок для проектувальників та реалізаторів систем теплопостачання житлових будівель є досить складними та вузькоспеціалізованими. Тому необхідно мати досить просту і зручну при практичному використанні математичну модель оцінки енергоефективності насоса для обраної схеми геотермального теплопостачання. В даній статті пропонується ексергетичний розрахунок коефіцієнту ступеня термодинамічної досконалості для вибору відповідного теплового насоса для обраної схеми теплонасосної установки і реальних умов роботи. </p> <p>Бібл. 14, іл. 6</p>О. СтенінВ. ПаськоМ. СолдатоваІ. Дроздович
Авторське право (c) 2025
2025-02-282025-02-2814613614410.20535/1560-8956.46.2025.323696Алгоритм прогнозування курсу криптовалюти з урахуванням впливу ранжованої групи експертів в соціальних мережах
https://asac.kpi.ua/article/view/323713
<p>В даній роботі представлено алгоритм для вивчення рівня впливу дописів ранжованої групи експертів в соціальних мережах на курс криптовалюти. В якості вхідних даних використовувалися перелік експертів, рівень впливу яких буде<br>досліджуватися, інтервал часу дослідження, кількість дописів, що зробив кожен з розглянутих експертів за вказаний період часу, а також реальні курси криптовалют за відповідний період. В якості експертів обиралися відомі особистості, які є як обізнаними в галузі фінансів в цілому та криптовалют зокрема, або діяльність яких так чи інакше пов’язана з певною криптовалютою. Для кожного з експертів прогнозування курсів криптовалюти в обраний період часу проводиться за допомогою алгоритму АУДСМ. Отримані значення прогнозів є показниками в моделі, яка побудована за допомогою методу лінійної зваженої згортки. Рівень впливовості дописів в соціальній мережі експерта визначається за допомогою формул повної ймовірності та Байєса. Для контролю точності прогнозів обчислюється відносна середня похибка. Рекомендації щодо фінансових операцій з криптовалютою формуються за допомогою введення критичного значення курсу та обчислення середнього арифметичного курсів криптовалюти за вказаний період часу.</p> <p>Бібл. 18, іл. 1, табл. 2</p>О. ГавриленкоМ. Мягкий
Авторське право (c) 2025
2025-02-262025-02-2614614515910.20535/1560-8956.46.2025.323713Виявлення пропаганди в потоках новин
https://asac.kpi.ua/article/view/323759
<p>Виявлення елементів пропаганди в масивах текстових даних наразі є одним із основних засобів боротьби в інформаційній війні, яка відбувається в світі. В даній роботі представлено багатофакторну модель для визначення рівня пропаганди в публікації. В якості публікацій використовувалися текстові новини та дописи в соціальних мережах. Модель була створена на основі методу лінійної згортки. В даній моделі було розглянуто 10 показників, високий рівень кожного з яких вказує на наявність пропаганди в публікації. Значення кожного показника обчислювалося за допомогою методів статистичного та інтелектуального аналізу. Рівень впливу кожного фактору обчислювався за формулою Баєса. Для кожної з відібраних публікацій було обчислено відповідне значення функції цінності. Допустимим рівнем для функції цінності, після якого публікацію можна вважати пропагандистською, вважалося вибіркове середнє її значень для всього набору публікацій. В результаті було сформовано рекомендації щодо того, чи є кожна публікація з даного набору пропагандистською чи ні. Перевагою даного підходу є те, що кожен показник в моделі обчислюється ґрунтуючись виключно на статистичних даних та коректних математичних методах. Це унеможливлює вплив людини, який може бути суб’єктивним, у даний процес.</p> <p>Бібл. 19, іл. 2, табл. 4</p>О. ГавриленкоК. Фещенко
Авторське право (c) 2025
2025-02-262025-02-2614616017710.20535/1560-8956.46.2025.323759Автоматизована система налаштування продуктів для провайдерів інформаційних послуг
https://asac.kpi.ua/article/view/323761
<p>В роботі запропоновано автоматизовану систему, яка забезпечує інтеграцію сучасних методів аналізу природної мови (NLP) із використанням моделей BERT, а також гетерогенних графових нейронних мереж (HeteroGNN) для аналізу графів дій, сформованих на основі декомпозиції сценаріїв використання. Система дозволяє об’єднати дані з текстової документації, графів послідовності дій та кодової бази, щоб автоматично ідентифікувати необхідні зміни у функціоналі програмного продукту, виявляти ризиковані місця в архітектурі, а також визначати можливості перевикористання<br>існуючих компонентів. Для обробки текстової документації та бізнес-нотаток система використовує NLP-алгоритми, які виділяють ключові сутності та зв’язки між ними, дозволяючи автоматично оновлювати технічну документацію. Це забезпечує мінімізацію часу на підготовку документації для нових змін, зменшення ризику упущення важливих деталей та гарантує узгодженість між різними етапами розробки. Аналіз графів дій, побудованих на основі сценаріїв використання, виконується із застосуванням алгоритмів PageRank і Betweenness Centrality для визначення критичних вузлів. Завдяки цьому система автоматично прогнозує вплив змін на інші модулі продукту та пріоритизує регресійне тестування. Результати експериментів демонструють ефективність розробленої системи на прикладі реального сценарію відключення користувача від послуги постачання інтернету. Автоматично виділено ключові дії, такі як відключення порту, оновлення тарифного плану або повне припинення послуги, залежно від кількості активних точок доступу. Система сформувала новий граф дій із урахуванням умов сценарію, ідентифікувала критичні вузли, які могли вплинути на стабільність інших продуктів, та запропонувала рекомендації для розробників і тестувальників. Запропонована система забезпечує адаптивність до різних сценаріїв використання завдяки модульній архітектурі. Це дозволяє провайдерам швидко адаптувати свої програмні продукти до змін ринку, підвищуючи швидкість і точність впровадження нових функціональних можливостей. Додатково система здійснює інтеграцію з кодовою базою через AST-парсери, які виявляють залежності між методами та модулями, забезпечуючи консистентність між графами дій, документацією та реалізацією.</p> <p>Бібл. 16, іл. 4</p>Д. ГалушкоК. ЗноваО. Ролік
Авторське право (c) 2025
2025-02-262025-02-2614617819010.20535/1560-8956.46.2025.323761Архітектура сервера автоматизації для оркестрації задач у хмарному середовищі
https://asac.kpi.ua/article/view/323766
<p>Сьогодні більшість інструментів автоматизації реалізує виконання процесів автоматизації в хмарі. Однак кожен з них вимагає внесення постійних чи тимчасових змін до хмарної інфраструктури, що полягає у встановленні агентного (agent/runner) ПЗ в її межах. Це ускладнює первинне налаштування і подальший супровід інструментів. Власне тому актуальною є ідея створення сервера автоматизації, що дозволить виконання процесів автоматизації в межах хмарного середовища без необхідності внесення змін до інфраструктури. У даному науковому дослідженні запропоновано архітектуру сервера автоматизації, що реалізує односторонню взаємодію з хмарою за допомогою нативних засобів оркестраторів контейнерів, не вдаючись до комунікації з окремими вузлами. Таке рішення не вимагає внесення змін до хмарної інфраструктури для її використання сервером автоматизації, тому спрощує налаштування сервера і зменшує кількість використовуваного обчислювального ресурсу. Сервер використовує програмні задачі для опису процесів автоматизації. Кожна задача включає три основних елементи: тригер, середовище виконання, кроки процесу автоматизації. Архітектура сервера автоматизації базується на шаблоні<br>“Плагін”, в межах якого виділяються два основних елементи – ядро та плагіни. Кожен з плагінів вирішує одну з функціональних задач сервера автоматизації. До таких задач належать інтеграція з середовищем виконання, контроль ходу і розкладу виконання задач, обробка логів і метрик, управління конфігурацією. Розроблена архітектура<br>може бути використаною для більшості оркестраторів контейнерів, зокрема, у дослідженні розглядається Kubernetes. Сервер використовує Kubernertes API для створення й моніторингу програмних задач у вигляді Kubernetes Pod. Реалізує інтеграцію з Kubernetes Metrics Server та Prometheus для отримання метрик. Налаштування сервера автоматизації полягає у вказанні параметрів підключення до кластера – адреси кластера й токена відповідного Service Account.</p> <p>Бібл. 16, іл. 3, табл. 2</p>В. КінчурІ. Стеценко
Авторське право (c) 2025
2025-02-262025-02-2614619120310.20535/1560-8956.46.2025.323766Аналіз ефективності функціонування головного серверу концепції «мережецентричної війни
https://asac.kpi.ua/article/view/323818
<p>Концепція «мережецентричної війни» виникла США наприкінці 1990-х років. По ній усі роди військ, засоби зв'язку та розвідки, зокрема БПЛА, об'єднуються в єдину інформаційну систему для постійного обміну інформацією. Інформаційна взаємодія має мету забезпечення взаємопов’язаних цілеспрямованих дій сил і засобів, направлених на виконання загальної та часткових задач як сумісних (міжвидових), так і окремих самостійних (видових) операцій, коли перед прийняттям рішення та в процесі його реалізації здійснюється оцінювання (уточнення) оперативно-тактичної обстановки та управління застосуванням угруповань військ (сил) та систем озброєння. Використання БПЛА є одним із найефективніших засобів отримання необхідної для цієї мети інформації. У даній статті запропоновано підхід до розв'язання задачі аналізу функціонування головного сервера концепції «мережецентричної війни» за допомогою побудови двох моделей його роботи, що доповнюють одна одну. Для аналізу та моделювання застосовані апарат марківських ланцюгів в системах масового обслуговування та розфарбовані мережі Петрі. Такий підхід пов'язаний з тим, що сервісно-орієнтовані інформаційні системи мають складну конфігурацію взаємодіючих компонентів, облік та аналіз характеристик яких у рамках однієї моделі дуже складний і часом недоцільний.</p> <p>Бібл. 13, іл. 3</p>Я. КорнагаМ. ТкачМ. СолдатоваО. МарченкоЮ. Базака
Авторське право (c) 2025
2025-02-262025-02-2614620421110.20535/1560-8956.46.2025.323818Enterprice Resource Planning System. Фінансова підсистема. (частина 1)
https://asac.kpi.ua/article/view/323820
<p>Робота відноситься до області ERP (Enterparprise Resource Planning) та її розділу MRP II (Manufacturing Resource Planning – планування ресурсів виробництва). В ній описана сиcтеми ERP - MRP II та почато опис системи бухгалтерського обліку як введення в фінансову модель промислового підприємства. Система ERP представлена класичним операційним циклом. В циклі системи ERP – її ядро підсистеми постачання – виробництво – збут та підсистеми сателіти персонал – ИТ – якість – фінанси – та інше. Кратко описана система MRP II, яка автоматизує всі процеси біля постачання, виробництва та продажів та описано що процеси управління та інформаційні потоки направлені в протилежну сторону протіканню матеріальних потоків в ній. Представлений класичний склад підсистем системи MRP II, та ковзаючий процес планування. Також представлена фінансова підсистема ERP у вигляді трьох підсистем Управління грошовим потоком, Управління затратами та Фінансовий (бухгалтерський) облік. Для нас є важним процес опису фінансового обліку та вказано що починаючи з нього ми почнемо описувати фінансову підсистему в зокрема та виробничу систему взагалі в форматі сиcтеми ERP. Вказано що фінансовий облік на промисловому підприємстві є джерелом управлінської інформації та він складається з окремих дільниць, відповідальних за окремі бухгалтерські рахунки. Їх на реальному промисловому підприємстві може бути більше десяти. В роботі для початку описані два з них: Облік грошових коштів на розрахункових рахунках та Облік дебіторів/кредиторів. Цей опис підготує опис бухгалтерського обліку та він не є закінченим, у наступній статі ми повернимося до цієї теми та опишемо, якщо не всі дільниці бухгалтерського обліку, то ті з них що відносяться до виробництва та обов’язково повинні приймати участь при автоматизації процесів MRP II / ERP.</p> <p>Бібл.4, рис.6, табл.3</p>В. НовінськийС. Пустовіт
Авторське право (c) 2025
2025-02-262025-02-2614621223610.20535/1560-8956.46.2025.323820Інтелектуальна модель автономного паркування для різних типів паркувальних місць на основі глибокого навчання з підкріпленням
https://asac.kpi.ua/article/view/323821
<p>Стаття присвячена задачі моделювання процесу автоматизованого паркування у віртуальному середовищі з використанням різних типів паркувальних майданчиків. Метою дослідження є розробка інтелектуальної моделі для автономного паркування, яка забезпечує високу ефективність у симульованих умовах для широкого спектра поширених типів паркувальних майданчиків. В роботі використовується підхід на основі глибокого навчання з<br>підкріпленням, зокрема, алгоритм Proximal Policy Optimization (PPO), доповнений методами імітаційного навчання за допомогою поведінкового копіювання (Behavioral Cloning) та генеративного змагального імітаційного навчання (Generative Adversarial Imitation Learning). Оптимізована модель досягає високих показників точності паркування, що варіюються від 96,3% до 99,34% залежно від типу паркувального майданчика. Розроблене симуляційне середовище, створене на основі ігрового рушія Unity та плагіна ML-Agents, забезпечує високоякісну візуалізацію, симуляцію та<br>моделювання, що робить його цінним як для освітніх, так і для наукових цілей.</p> <p>Бібл. 18, іл. 5, табл. 2</p>В. ОлійникЮ. Данилюк
Авторське право (c) 2025
2025-02-262025-02-2614623724610.20535/1560-8956.46.2025.323821Методика створення інтелектуальної системи для допомоги у волонтерстві
https://asac.kpi.ua/article/view/323826
<p>У статті детально розглядаються інноваційні підходи до використання штучного інтелекту (ШІ) у сфері волонтерської діяльності, з акцентом на практичне застосування сучасних технологій для оптимізації та підвищення ефективності цього процесу. Основна мета розробки програмного забезпечення, яке використовує ШІ, полягає в тому, щоб забезпечити волонтерські організації зручними інструментами для планування, координації та управління різноманітними аспектами їхньої діяльності. Інформаційна система, заснована на технологіях штучного інтелекту, дозволяє створювати потужну базу даних, яка охоплює проекти, волонтерів, ресурси та інші ключові елементи волонтерської діяльності. Це дає змогу легко зберігати, обробляти та аналізувати інформацію, що значно полегшує управління ресурсами, залучення нових волонтерів та координацію їхніх зусиль. Крім того, застосування передових алгоритмів ШІ дозволяє автоматизувати багато рутинних завдань, таких як розподіл ресурсів, планування графіків та<br>моніторинг виконання проектів. Це не лише економить час, але й підвищує загальну продуктивність організацій, даючи змогу більше уваги приділяти стратегічним аспектам їхньої роботи. Завдяки можливостям ШІ, волонтери та організації отримують покращені інструменти для ефективної комунікації, обміну інформацією та координування спільних дій, що сприяє більш гармонійному та злагодженому функціонуванню волонтерських ініціатив.</p> <p>Бібл. 6, іл. 2</p>Р. ОхочийА. АмарбеєвН. Богданова
Авторське право (c) 2025
2025-02-262025-02-2614624725610.20535/1560-8956.46.2025.323826Підвищення ефективності модифікованого методу урахування аргументів для побудови багатовимірних регресій, заданих надлишковим описом
https://asac.kpi.ua/article/view/323833
<p>Розглядається задача побудови багатовимірної регресії, лінійної відносно невідомих коефіцієнтів, що задана надлишковим описом. Треба знайти структуру шуканої регресії, тобто виключити з її опису вхідні детерміновані змінні, значення яких не впливають чи практично не впливають на значення вихідної змінної, а також оцінити<br>коефіцієнти, що залишилися. Раніше авторами для розв’язання цієї задачі було запропоновано метод, що є модифікацією загальновідомого методу групового урахування аргументів. Модифікація полягала в тому, що специфіка сформульованої задачі, а саме, представлення багатовимірної регресії надлишковим описом, дозволило суттєво спростити алгоритм знаходження множини часткових описів шуканої регресії, що статистично значимо містить правильну структуру. В якості регулярного критерію, що відбирає за перевірочною послідовністю даних з множини часткових описів той, що претендує на розв’язок, був використаний асиметричний критерій – сума квадратів відхилень значень вихідних даних від значень часткового опису багатовимірної регресії. В даній роботі пропонується підвищити ефективність модернізованого методу групового урахування аргументів за рахунок одночасного використання низки регулярних критеріїв алгоритмічною процедурою, що враховує специфіку сформульованої задачі. Наведені результати статистично значимого дослідження ефективності нової версії модифікованого методу групового урахування аргументів.</p> <p>Бібл. 15, табл. 2</p>О. ПавловМ. ГоловченкоВ. ДроздВ. Шаргородський
Авторське право (c) 2025
2025-02-262025-02-2614625726610.20535/1560-8956.46.2025.323833Енергоефективна автономна безпілотна система відбору проб води для екологічного моніторингу
https://asac.kpi.ua/article/view/323886
<p>Розроблено енергоефективну автономну безпілотну систему для відбору проб води. В системі інтегровано алгоритми оптимізації траєкторії та автономну навігацію для здійснення точного та екологічно чистого збору проб води.<br>За допомогою MATLAB виконане моделювання дрона за різних умов довкілля. Завдяки оптимізованим маршрутам польоту та збільшенню точності навігації (до ± 0,2 м) зменшено споживання енергії до 28%. Система є перспективним рішенням для автономного моніторингу довкілля, з можливістю застосування у важкодоступних місцях, або, коли необхідна мінімальна участь людини. Подальша робота має зосереджуватися на створенні дослідного зразка та польових випробуваннях.</p> <p>Бібл. 8, іл. 7</p>А. ПисаренкоО. Ролік
Авторське право (c) 2025
2025-02-262025-02-2614626728210.20535/1560-8956.46.2025.323886Моделі для аналізу успішності стартапів та прогнозування їх виживання на ринку
https://asac.kpi.ua/article/view/323889
<p>Робота присвячена аналізу та прогнозуванню успішності стартапів. Метою є виявлення факторів, що впливають на можливості фінансування старапу, а також розробка моделей для прогнозування його успіху і майбутніх тенденцій. У роботі проведено ґрунтовний аналіз історичних даних стартапів з різних країн, їх показники фінансування та пройдені віхи розвитку. Дослідження базувалось на даних за більш ніж 100 років. Для прогнозування виживання стартапів на ринку обрано чотири моделі: Random Forest, k-Nearest Neighbors (kNN), Decision Tree та Gradient Boosting. Основною метрикою для визначення точності моделі у цьому дослідженні є зважена F-міра. На основі отриманих результатів можна зробити висновок, що найоптимальнішим методом для прогнозування успішності стартапу є модель Random Forest, хоча й інші моделі дали не набагато гірший результат. Аналіз факторів, що впливають на успішність стартапів, є критично важливим для розробки стратегій їх підтримки та розвитку. Отримані результати можуть бути використані як інвесторами, так і самими компаніями для прийняття більш обґрунтованих рішень та розробки ефективних стратегій. Очікується, що результати дослідження дозволять отримати глибше розуміння майбутніх перспектив цих<br>компаній.</p> <p>Бібл. 9, іл. 13, табл. 1</p>Д. ЧорнобривецьК. СергійчукТ. Ліхоузова
Авторське право (c) 2025
2025-02-262025-02-2614628329410.20535/1560-8956.46.2025.323889Використання веб-інтерфейсів для підвищення ефективності робототехнічних систем
https://asac.kpi.ua/article/view/323892
<p>Об’єктом дослідження є веб-інтерфейси для інтеграції з робототехнічними системами. Розглянуто архітектуру систем, протоколи передачі даних та алгоритми компресії, які забезпечують ефективну взаємодію між клієнтськими пристроями та роботами. Описано рішення для мінімізації затримок і роботи за обмеженої пропускної здатності мережі. Метою є вдосконалення передачі даних у робототехніці через сучасні веб-протоколи та алгоритми компресії, що підвищують швидкодію, стабільність і масштабованість систем у реальному часі. Запропоновано використовувати протокол rosbridge із WebSockets і алгоритми MJPEG та VP8 для стиснення даних.</p> <p>Бібл. 13, іл. 6, табл. 2</p>Д. ФілоненкоО. Польшакова
Авторське право (c) 2025
2025-02-262025-02-2614629530710.20535/1560-8956.46.2025.323892