Тип работы:
Предмет:
Язык работы:


Внедрение машинного обучения в системы электронного документооборота

Работа №100772

Тип работы

Магистерская диссертация

Предмет

экономика

Объем работы98
Год сдачи2020
Стоимость4915 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
191
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 5
1 АНАЛИЗ ВНЕДРЕНИЯ СИСТЕМ ЭЛЕКТРОННОГО ДОКУМЕНТООБОРОТА 8
1.1 ПРЕИМУЩЕСТВА И ПРОБЛЕМЫ ВНЕДРЕНИЯ СИСТЕМ ЭЛЕКТРОННОГО
ДОКУМЕНТООБОРОТА 8
1.2 ОБЗОР СИСТЕМ ЭЛЕКТРОННОГО ДОКУМЕНТООБОРОТА 14
1.3 ОСОБЕННОСТИ ВЫБОРА СИСТЕМЫ ЭЛЕКТРОННОГО ДОКУМЕНТООБОРОТА
1.4 АНАЛИЗ ПРИМЕНЕНИЯ МАШИННОГО ОБУЧЕНИЯ В СИСТЕМЕ
ЭЛЕКТРОННОГО ДОКУМЕНТООБОРОТА 27
1.5 РЕЗУЛЬТАТЫ И ВЫВОДЫ ПЕРВОЙ ГЛАВЫ 32
2 РАЗРАБОТКА ПРОЕКТА ВНЕДРЕНИЯ МАШИННОГО ОБУЧЕНИЯ В СЭД 34
2.1 ОБЩАЯ ХАРАКТЕРИСТИКА ОРГАНИЗАЦИИ 34
2.2 РАЗРАБОТКА ПОЛНОЙ МОДЕЛИ ПРЕДПРИЯТИЯ 36
2.3 ОПИСАНИЕ БИЗНЕС-ПРОЦЕССА ДВИЖЕНИЯ ДОКУМЕНТОВ КАК ЕСТЬ 52
2.4 ВЫЯВЛЕНИЕ ПРОБЛЕМЫ 56
2.5 РЕЗУЛЬТАТЫ И ВЫВОДЫ ВТОРОЙ ГЛАВЫ 58
3 ВНЕДРЕНИЕ МАШИННОГО ОБУЧЕНИЯ В СЭД WSS DOCS 60
3.1 ОПИСАНИЕ БИЗНЕС-ПРОЦЕССА ДВИЖЕНИЯ ДОКУМЕНТОВ ПРИ
ИСПОЛЬЗОВАНИИ МАШИННОГО ОБУЧЕНИЯ 60
3.2 ПРОЕКТ РАЗРАБОТКИ ВНЕДРЕНИЯ МАШИННОГО ОБУЧЕНИЯ В СЭД 65
3.3 ЭКОНОМИЧЕСКИЙ ЭФФЕКТ ОТ ПЕРЕХОДА НА МАШИННОЕ ОБУЧЕНИЕ 77
3.4 РЕЗУЛЬТАТЫ И ВЫВОДЫ ТРЕТЬЕЙ ГЛАВЫ 88
ЗАКЛЮЧЕНИЕ 90
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 93


В современном информационном обществе деятельность любого предприятия все больше становится электронной деятельностью. Поэтому компьютерные информационные системы становятся одним из основных факторов эффективности деятельности предприятия.
Вопрос о необходимости автоматизации систем электронного документооборот давно перешел в практическую плоскость. Необходимость в автоматизации разные организации сегодня видят по-разному.
Деятельность любого современного предприятия сопровождается накоплением огромных объемов данных, которые часто имеют разнородную структуру и не поддаются простой агрегации. В результате менеджерам трудно делать значимые выводы на основе имеющейся информации, что неизбежно усложняет процесс принятия управленческих решений. Для продуктивной работы с массивами данных требуются специальные средства интеллектуального анализа.
Актуальность выбранной темы состоит в том, что внедрение машинного обучения в системы электронного документооборота является новым и мощным инструментом для упрощения работы с документами. Многие организации уже перевели бумажный документооборот в электронный, поэтому необходимо рассмотреть вопрос как внедрение машинного обучения с систему электронного документооборота повысит производительность каждого сотрудника и предприятия в целом.
Целью исследования является автоматизация процесса подготовки документа с использованием алгоритмов машинного обучения.
Для достижения поставленной цели необходимо выполнить ряд задач:
1. Проанализировать основные особенности и принципы перехода к системам электронного документооборота.
2. Разработать проект внедрения машинного обучения в СЭД на примере ПАО «КАМАЗ».
3. Выявить преимущества и проблемы, связанные с процессом внедрения машинного обучения в систему электронного документооборота.
4. Предложить рекомендации по внедрению машинного обучения в систему электронного документооборота «WSS Docs».
Объектом исследования данной работы выступает информационная система предприятия для внедрения машинного обучения. Предметом исследования является процесс подготовки документа в системе электронного документооборота.
В ходе работы над выпускной работой были использованы теоретические и эмпирические методы: систематизация, анализ литературы и нормативно - правовой документации, сравнительно-сопоставительный анализ, синтез и обобщение полученных данных, анализ работы предприятия по составленным моделям.
Тема внедрения машинного обучения в системы электронного документооборота изучена недостаточно подробно. Исследователи только начинают изучать тему, связанную с внедрением машинного обучения в системы электронного документооборота. В основном это люди, непосредственно участвующие во внедрении или работающие в компаниях, внедряющих системы электронного документооборота, то есть научные труды, обычно, носят прикладной характер.
Новизна научного исследования заключается в принципиально новом применении машинного обучения для автоматизации процесса подготовки документа путем уменьшения выполнения ручных действий сотрудником предприятия, за счет чего повышается его эффективность.
Материалы данной работы, обобщённые по итогам анализа, могут быть использованы в качестве практического применения на предприятии для повышения эффективности работы всех подразделений и как следствие получения экономической выгоды от внедрения машинного обучения в систему электронного документооборота.
Выпускная квалификационная работа состоит из введения, двух глав, заключения и списка использованной литературы. Первая глава посвящена анализу внедрения систем электронного документооборота, в частности внедрения машинного обучения. Во второй главе проводится моделирование основного бизнес-процесс и анализ текущей деятельности предприятия. В третьей главе разрабатывается проект внедрения машинного обучения для выбранного предприятия, также проведен анализ экономической эффективности.
Теоретической базой для реализации задач были работы отечественных и зарубежных ученых и специалистов, посвященные проблеме внедрения электронного документооборота и применения машинного обучения.
Методологический инструментарий, используемый для выполнения выпускной квалификационной работы, составляли такие программные продукты, как Microsoft Excel, Microsoft Project, Microsoft Visio, BPWin.


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В современном мире большинство крупных предприятии сталкиваются с проблемой накоплением и хранением больших объемов документов, как внутренних, так и внешних, которые необходимо систематически обрабатывать. Для решения данной проблемы компании как правило прибегают к информационным технологиям.
Современные системы электронного документооборота обеспечивают возможность централизованно хранить большой объем документов в виде цифровой информации. При этом возникает другая проблема, как перевести большой поток документов в цифровой вид, затратив при этом минимум времени и трудовых ресурсов.
После анализа теоретического материала по внедрению систем электронного документооборота было выявлено, что для того чтобы обеспечить высокую скорость работы сотрудников многие системы электронного документооборота прибегают к использованию искусственного интеллекта, а именно к применению машинного обучения для уменьшения затрачиваемых ресурсов в целях оптимизации деятельности всей организации. Кроме того, внедрение в систему электронного документооборота машинного обучения позволит наиболее оперативно и с большой точностью отслеживать оборот конкретного документа в организации.
Анализ деятельности и бизнес-процесса движения документов на предприятии выявил, что сотрудники затрачивают огромное количество времени на подготовку документа, а именно ввод данных в систему. Применение машинного обучения значительно упростит подготовку документа и позволит сократить количество времени и трудовых ресурсов на обработку, исполнение и контроль документов. Кроме того, внедрение машинного обучения повысит персональную продуктивность сотрудников за счет более точного определения маршрута согласования и назначения исполнителей.
Основываясь на результатах исследований, целесообразно выбрать именно машинное обучение для автоматизации работы с системой электронного документооборота на предприятии. После проведенного анализа бизнес-процесса движения документов на предприятии был описан путь совершенствования данного бизнес-процесса с применением машинного обучения. Изменения в процессе были отображены в модели TO-BE.
Далее был разработан план по внедрению машинного обучения в систему электронного документа оборота WSS Docs и разработан ряд рекомендаций:
1. Для внедрения нужно определить схемы последовательности операций и способ передачи информации.
2. Для успешного внедрения необходимо определить какие бизнес - процессы мы улучшаем, и по какой методике будет проверяться результат
3. Российские предприятия традиционно ведут очень много различных учетных форм, которые и являются носителем информации. Машинное обучение может использовать информацию из этих документов, а также предполагает не только хранение данных, но и управление ими.
4. Помимо сбора данных, необходимо их очистить и определить особенности, влияющие на итоговый результат.
5. После сбора и актуализации данных происходит обучение алгоритма.
6. После выполнения обучения алгоритма начинается самый сложный этап - этап интеграции в систему на предприятии и обучение на существующих данных. Как правило, данный этап занимает много времени, поэтому необходимо полное погружение в процесс как заказчика, так и исполнителя.
7. После выполнения внедрения машинного обучения в систему начинается этап эксплуатации решения, на котором происходит сбор обратной связи по работе модели и при необходимости переобучение системы под новые требования. Как правило, на данном этапе переобучение занимает меньше времени.
Для оценки эффективности внедрения машинного обучения в СЭД был проведен анализ различных экономических показателей, который показал, что проект внедрения машинного обучения в СЭД требует больших вложений только на начальном этапе, но при этом помогает компании уменьшить количество рутинной работы по вводу документов и как следствие увеличить производительность труда, а с ним и значительно увеличить прибыль предприятия. Общие затраты на внедрение проекта составят 5 125 200 руб., а инвестиции в проект окупятся уже на восьмой месяц.
Данный проект представляет практическую значимость для деятельности ПАО «Камаз». Материалы данной выпускной работы могут быть использованы в качестве практического руководства по применению машинного обучения в системе электронного документооборота.
Таким образом, были выполнены все поставленные задачи выпускной квалификационной работы: проанализированы основные особенности перехода к системам электронного документооборота, рассмотрены основные характеристики систем электронного документооборота, выявлены основные преимущества, связанные с процессом внедрения машинного обучения в систему электронного документооборота, построена полная модель предприятия, проведено моделирование бизнес процессов с обозначением существующих проблем в компании и их решением, Также были разработаны рекомендации при переходе к применению машинного обучения и проведена оценка экономической эффективности.



1. ГОСТ Р 52653-2006 «Информационно-коммуникационные технологии в образовании. Термины и определения».
2. ГОСТ РВ 2.902-2005 Единая система конструкторской документации. Порядок проверки, согласования и утверждения конструкторской документации- М.: Стандартинформ, 2005 - 30 с.
3. ГОСТ 34.601. Информационная технология. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Стадии создания.
4. ГОСТ 34.003-90 Информационная технология. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Термины и определения.
5. ГОСТ 34.602-89 Информационная технология. Комплекс стандартов на автоматизированные системы. Техническое задание на создание автоматизированной системы.
6. ГОСТ Р 51141-98 Делопроизводство и архивное дело. Термины и определения. // СПС "Кодекс", 2005.
7. Документированная процедура «Разработка, экспертиза и использование в учебном процессе электронных образовательных ресурсов» СМК-ДП-7.5-03-09-2013. Версия 2 от 13.06.2013. Екатеринбург: УрФУ, 2013.
8. Информационный менеджмент: методические указания к
выполнению лабораторных работ по курсу «Методы управления проектами» - Прикладная информатика [Текст] / сост. С. Н. Лапшина, В. В. Ташлыков. Екатеринбург: УрФУ, 2011. с. 74.
9. Типовая инструкция по делопроизводству в федеральных органах исполнительной власти, утверждена приказом Федеральной архивной службы России от 27 октября 2000 г. № 68. - М., 2002.
10. Устав федерального государственного автономного
образовательного учреждения высшего профессионального образования «Уральский федеральный университет имени первого Президента России Б.Н.Ельцина».
11. Федеральный закон «Об образовании в Российской Федерации» от 29 декабря 2012 года №273 (принят 29.12.2012, действующая редакция).
12. Экономический подраздел выпускной квалификационной работы: методические указания к выполнению ВКР [Текст] / сост. А.В. Толмачев. Екатеринбург: УрФУ, 2020.
13. Анисимов, Д. Как «КАМАЗ» избавился от бумажного документооборота. IT-Manager. - 2007. - №13 - С. 39- 40.
14. Алиев В. С., Чистов Д. В. Бизнес планирование с использованием программы Project Expert (полный курс) [Текст]: Учеб. Пособие. - М.: ИНФРА-М, 2011. - 432 с. - (Высшее образование).
15. Басаков М.И. Делопроизводство: Документационное обеспечение управления - М.: Издательский дом "Дашков и К", 2014. -336 с.
16. Басаков М.И. Современное делопроизводство. - Ростов-на-Дону: Феникс, 2009. - 480 с.
17. Бессонов Сергей Вячеславович. Оптимизация электронного документооборота в корпоративных системах: Дис. ... канд. экон. наук: 08.00.13: Москва, 2001 187 с.
18. Бронникова Т. С. Разработка бизнес-плана проекта [Текст]: Учебное пособие / Т.С. Бронникова. - М.: Альфа-М: ИНФРА-М, 2012. - 224 с.: 60x90 1/16. - (Технологический сервис).
19. Владычанский Т.В. Электронный документооборот предприятий малого бизнеса // Международный научный журнал «Символ науки». 2016. №5.
20. Гетьман В.Г. Критическая оценка отдельных аспектов внедрения электронного документооборота в России // Бухгалтерский учет в бюджетных и некоммерческих организациях, 2017. - № 3.-С.35-38.
21. Даниленко А.Ю. Безопасность систем электронного документооборота. Технология защиты электронных документов. - М.: Ленанд, 2015. - 232 с.
22. Дж. Вандер Плас. Python для сложных задач. Наука о данных и машинное обучение. - СПб.: Питер, 2018. - 576 с.
23. Джош Паттерсон, Адам Гибсон. Глубокое обучение с точки зрения практика. - М.: ДМК Пресс, 2018. - 418 с.
24. Днепровский М.С., Дубнищева Т.Я. Система электронного документооборота предприятия // Международный студенческий научный вестник. 2016. № 3 (ч. 1).
25. Ефремова Л.И., Колекина А.О. Выбор системы электронного документооборота для предприятия // Вестник ВУиТ. 2019. №1. с.23-31
26. Кирсанова М.В. Современное делопроизводство - М.: ИНФРА-М, 2013 - 304 с.
27. Кирсанова М.В. Аксенов Ю.М. Курс делопроизводства: Документационное обеспечение управления: Учеб. пособие, испр. и доп./ Серия «Высшее образование». М: ИНФРА-М; 2012. С. 276 - 289.
28. Колосов С.Е. Решение проблем производственного
документооборота. - М.: LAP Lambert Academic Publishing, 2014. - 92 с.
29. Костин А.А. Единая электронно-информационная платформа как способ минимизации рисков взаимодействия субъектов в сфере внешнеэкономической деятельности // Право и экономика, 2019. - № 2.-С.68- 73.
30. Кудряев В.А. Организация работы с документами // М.: ИНФРА-М, 2012. - 592 с.
31. Кузнецова Т.В. Делопроизводство. Организация и технологии документационного обеспечения управления. - М.: ЮНИТИ, 2013. - 359 с.
32. Куняев Н.Н., Дёмушкин А.С. Конфиденциальное делопроизводство и защищённый электронный документооборот: учеб. пособие. М.: Логос, 2017. - 452 с.
33. Куняев Н.Н., Демушкин А.С., Кондрашова Т.В., Фабричное А.Г. Конфиденциальное делопроизводство и защищенный электронный документооборот. - М.: Логос, 2016. - 500 с.
34. Лапшина С. Н., Берг Д. Б. Архитектура предприятия. Учебное электронное текстовое издание [Текст]. Екатеринбург: УрФУ. 2012. с. 37. 22
35. Линев А.А. Современная СЭД: от работы с документами к управлению эффективностью // Делопроизводство. 2014. № 1. С. 40-45; и др.
36. Луис Педро Коэльо, Вилли Ричарт. Построение систем машинного обучения на языке Python. - М.: ДМК Пресс, 2016. - 302 с.
37. Межуева Т.Н. Документооборот на предприятии. - ИД "ГроссМедиа": РОСБУХ, 2012 г.
38. Мерков А.Б. Распознавание образов Введение в методы
статистического обучения. - М.: Едиториал УРСС, 2011. - 256 с.
39. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. Погружение в мир нейронных сетей. - СПб.: Питер, 2018. - 480 с.
40. Остелло М. Влияние новой информационной технологии на управленческий процесс // Теория и практика управления. - 2014. - №6. - С. 45-49.
41. Педро Домингос. Верховный алгоритм. Как машинное обучение изменит наш мир. - М.: Манн, Иванов и Фербер, 2016. - 336 с.
42. Петер Флах. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. Учебник. - М.: ДМК Пресс, 2015. - 400 с.
43. Питер Брюс, Эндрю Брюс. Практическая статистика для специалистов Data Science. - СПб.: БХВ-Петербург, 2018. - 304 с.
44. Потапов А.С. Искусственный интеллект и универсальное мышление. - М.: Политехника, 2012. - 712 с.
45. Пшенко А. Документационное обеспечение управления - М.:
Академия, 2014. - 216 с.
46. Романченко Е.В. Постановка электронного документооборота в условиях финансового холдинга // Отечественные архивы. 2019. № 5. С. 39¬47;
47. Стенюков М.В. Документы. Делопроизводство: Практическое посбие по документационному обеспечению деятельности предприятия. - М.: Приор, 2014. - 160 с.
48. Тоби Сегаран. Программируем коллективный разум. - М.: Символ- Плюс, 2008. - 368 с.
49. Финн В.К. Искусственный интеллект. Методология, применения, философия. - М.: Красанд, 2011. - 448 с.
50. Хенрик Бринк, Джозеф Ричардс, Марк Феверолф. Машинное обучение. - СПб.: Питер, 2017. - 336 с.
51. Чечиков Ю.Б. Мобильные возможности электронного документооборота // Современные тенденции развития науки и технологий, 2017. - № 4.-Ч.2.-С.184-187.
52. Чучи С.Ю. Электронное правосудие. Электронный
документооборот. Научно-практическое пособие. - М.: Проспект, 2018. - 240 с.
53. Этем Алпайдин. Машинное обучение. Новый искусственный интеллект. - М.: Альпина Паблишер,Издательская группа "Точка", 2017. - 208 с.
54. Deelman, Ewa &Mandal, Anirban & Jiang, Ming & Sakellariou, Rizos. (2019). The role of machine learning in scientific workflows. The International Journal of High Performance Computing Applications. 33. 109434201985212. 10.1177/1094342019852127.
55. Ismael Arciniegas Rueda. Explaining Currency Crises: A Statistical Machine Learning Approach: Understanding why some currency crises are followed by strong recesions but others are not. - М.: , 2010. - 472 с.
56. Laszlo Gyorfi. Machine Learning for Financial Engineering (Advances in Computer Science and Engineering: Texts). - М.: , 2012. - 250 с.
57. Souza, Renan & Azevedo, Leonardo & Lourengo, Vitor & F. de S. Soares, Elton & Thiago, Raphael & Brandao, Rafael & Salles Civitarese, Daniel & Vital Brazil, Emilio & Ferreira Moreno, Marcio & Valduriez, Patrick & Mattoso, Marta & Cerqueira, Renato & Netto, Marco. (2019).
58. Wang T, Oral S, Pritchard M, et al. (2015) TRIO: Burst Buffer Based I/O Orchestration. In: 2015 IEEE International conference on cluster computing, Chicago, IL, USA, 8-11 September 2015, pp. 194-203. Washington, DC
59. Weitzel D, Bockelman B, Brown DA, et al. (2017) Data Access for LIGO on the OSG. In: Proceedings of the practice and experience in advanced research computing 2017 on sustainability, success and impact, New Orleans, LA, 9 July 2017, p. 24. New York, NY: ACM
60. Zhou AC, He B, Cheng X, et al. (2015) A declarative optimization engine for resource provisioning of scientific workflows in IaaS clouds. In: Proceedings of the 24th international symposium on high-performance parallel and distributed computing, HPDC ‘15, Portland, OR, 15-19 June 2015, pp. 223-234. New York, NY: ACM.
61. ПАО «Камаз». Официальный сайт. [Электронный ресурс] URL: http:// https://kamaz.ru/about/(дата обращения: 18.04.2020).
62. НОУ ИНТУИТ Лекция 2: Содержание проектов внедрения ИС в
различных методологиях. [Электронный ресурс] URL:
https://www.intuit.ru/studies/courses/2196/267/lecture/6796/(дата обращения: 10.04.2020).
63. WSS Consulting. Официальный сайт. [Электронный ресурс] URL: https://wss-consulting.ru/platforms/wss-docs.html(дата обращения: 21.04.2020).


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ