Мурино 2019 ход строительства: Ход строительства ЖК «Мурино 2019» от января 2019 года

Содержание

ЖК «Мурино 2019» ход строительства 🏠: фото и видео

А

Автово 11

Адмиралтейская 2

Академическая 43

Б

Балтийская 31

Беговая 20

Большевиков пр. 66

Бухарестская 7

В

Василеостровская 42

Владимирская 8

Волковская 5

Выборгская 45

Г

Горный институт 33

Горьковская 16

Гостиный двор 1

Гражданский пр. 

65

Д

Девяткино 83

Достоевская 5

Дунайская 7

Е

Елизаровская 12

З

Звездная 64

Звенигородская 7

Зенит 10

К

Кировский Завод 7

Комендантский пр. 39

Крестовский остров 31

Купчино 75

Л

Ладожская 56

Ленинский пр. 39

Лесная 55

Лиговский пр. 15

Ломоносовская 35

М

Маяковская 19

Международная 6

Московская 36

Московские ворота 17

Н

Нарвская 9

Невский проспект

Новочеркасская 39

О

Обводный канал 19

Обухово 17

Озерки 45

П

Парк Победы 14

Парнас 57

Петроградская 39

Пионерская 42

Площадь Александра Невского 25

Площадь Восстания 26

Площадь Ленина 22

Площадь Мужества 35

Политехническая 18

Приморская 36

Пролетарская 24

Проспект Ветеранов 48

Проспект Просвещения 41

Проспект Славы 5

Путиловская 5

Пушкинская 7

Р

Рыбацкое 28

С

Садовая 3

Сенная

Спасская 2

Спортивная 34

Старая Деревня 34

Т

Театральная 8

Технологический институт 16

У

Удельная 27

Улица Дыбенко 66

Ф

Фрунзенская 38

Ч

Черная речка 32

Чернышевская 20

Чкаловская 44

Ш

Шушары 38

Э

Электросила 14

Ю

Юго-Западная 42

ЖК «Мурино 2019» – официальный сайт, цены на квартиры, ход строительства, отзывы о жилом комплексе

ЖК «Мурино 2019», который возводится в поселке Бугры Всеволожского района Ленинградской области, является второй очередью имевшего огромный успех ЖК » Мурино 2017″. Девелопер проекта, ООО «Самолет ЛО», получил разрешение на строительство летом 2017, и работа закипела. Насколько соответствует новостройка высоким стандартам качества, присущим «Мурино 2017» — давайте выясним

Найди отличия

Начнем с того, что «Мурино 2019» также имеет в своем составе 2 двенадцатиэтажных дома. Для их строительства также была выбрана монолитно-кирпичная технология. Она подразумевает такие преимущества, как долговечность фасадов и высокая устойчивость конструкции к природным катаклизмам. Оба дома строят в форме буквы «П», поэтому двор будет отлично защищен от ветра. Для отделки фасадов используется высокопрочный и экологически чистый кирпич. Среди оттенков преобладают

бежевый и коричневый. Цокольный этаж отделают искусственным камнем из бетона серого цвета. Все квартиры имеют балконы с витражным остеклением в алюминиевом профиле. Яркости и пестроты домам придают красные ободки вокруг некоторых балконов. В общих чертах все соответствует «муринским» стандартам, и внешнему облику поставим «зачет».

Разработкой этой привлекательной архитектурной концепции в минималистическом стиле занималась известная мастерская «М4». За 25 лет работы в их копилке собралось более 70 успешных проектов, теперь прибавился еще один.

             

Заглянем внутрь. Здесь в каждой секции установлено

2 лифта: пассажирский на 400 кг и грузопассажирский на 1000 кг. В холле на первом этаже выложат керамогранитную плитку с антискользящим покрытием, а стены облицуют цветной штукатуркой, установят почтовые ящики. Стоит отметить, что первый этаж будет жилой, без коммерческих помещений. Для защиты жильцов от нежелательных гостей девелопер предусмотрел видеодомофоны и охранную сигнализацию с выводом информации на центральный пульт. В случае возгорания мгновенно сработает система дымоудаления и пожарной безопасности. Примечательно и то, что входные группы не имеют ступеней и пандусов, поэтому проблем с входом в подъезд у маломобильных групп населения больше не возникнет. Также каждая из секций имеет большую цифру, указывающую на ее порядковый номер. Всего их по
8 в каждом корпусе.


Квартирная составляющая

Вторая очередь масштабного проекта «Мурино» рассчитана на 2004 квартиры, что на 228 единиц больше, чем в первой. Квартирография имеет следующий вид:      

  • студии имеют площадь от 22,36 до 28,26 кв. м;

  • однокомнатные с метражом от 32,06 до 34,99 кв. м;

  • двухкомнатные

    с площадью от 44,83 до 60,31 кв. м;

  • трешки, которые имеют метраж от 70,71 до 77,48 кв. м.

Такой широкий выбор позволит найти подходящее жилье как семье с детьми, так и заядлому холостяку.


Во всех, без исключения, квартирах застройщик выполнит хорошую и доступную по цене отделку. Она будет включать следующие работы:      

  • окраска стен и поклейка обоев;

  • песчано-цементная стяжка пола;

  • настил ламината;

  • установка сантехники;

  • монтаж электрической проводки и фурнитуры;

  • подключение радиаторов отопления с терморегуляторами;

  • проведение установки межкомнатных и входных дверей;

  • монтаж электросчетчика на лестничной клетке.

В общих чертах уровень соответствует предыдущему и отвечает стандартам эконом класса.


Перспективное местечко

Жилой комплекс «Мурино 2019»

строят на территории поселка Бугры Всеволожского района Ленинградской области. Локация довольно востребованная, ибо там строятся сразу несколько проектов от известных застройщиков. Еще одним преимуществом этого места является неплохая экология, активное строительство дорог и развитие объектов коммерческой и социальной инфраструктуры. Всего через несколько лет данная местность будет напоминать не поселок, а типичный район крупного мегаполиса. Поэтому успейте приобрести здесь недвижимость, пока ее цена не приблизилась к столичной.

Новостройки находятся возле пересечения Воронцовского бульвара и бульвара Менделеева. Менее 1 км южнее расположена КАД, по которой Вы сможете быстро добраться как в Санкт-Петербург, так и в другие города области. Радует и то, что всего в 20-25 минутах ходьбы находится строящийся крупный транспортно-пересадочный узел. В его состав входит станция метрополитена «Девяткино», одноименна станция Октябрьской железной дороги, междугородний автовокзал «Северный» и остановки общественного транспорта. Стоит отметить, что государственные власти планируют дальнейшее комплексное развитие этого узла, а дорога на Бугры уже реконструируется и расширяется на участке возле гипермаркета «Лента». Поэтому добраться в Северную столицу будет еще легче и быстрее. Также возле самих домов находится автобусная остановка, откуда можно доехать до метро или ж/д станций.


Среди экологических зон ближайшей является Муринский парк. На его территории находится большое количество зеленых насаждений, прогулочных тротуаров и скамеек. Вредных промышленных предприятий поблизости нет, воздух ничто не испортит. Если первая очередь «Мурино» расположена непосредственно возле трассы, то новостройка №2 существенно выигрывает в этом плане. В данном случае шума и пыли дороги Вы не ощутите, ибо дома первой очереди берут на себя роль шумовой и дымовой заслонки. Возле домов возведут детскую и спортивную площадки, установят скамейки, проложат тротуары. Также будут отведены места для наземной парковки автомобилей. Кроме того, есть вероятность, что между «Мурино 2019» и дорогой возведут крытые многоуровневые паркинги. В этом вопросе данный комплекс также опережает предшественника, так как в первом случае речь о подземке не ведется вовсе.


Дальше — больше

Вторая очередь муринского строительства предполагает создание собственных инфраструктурных объектов, чего не было в первой. Вместе с жилыми домами ГК «Самолет» построит два детских сада с общей вместимостью 410 малышей и общеобразовательную школу на 900 учеников. Они будут сданы примерно в одно время с новостройками. Также можно будет воспользоваться инфраструктурой соседних жилых комплексов.

В самом поселке имеется два муниципальных детских сада и две школы. Но есть и коммерческие учреждения, такие как детский центр «Джамбо», школа «Чудо-островок» и детский сад «Лапочка». В шаговой доступности находятся несколько частных медицинских учреждений, немного дальше расположен многопрофильный медицинский центр и поселковая поликлиника. Приобрести продукты питания Вы сможете в супермаркетах «Лента» и «Пятерочка». Рядом имеются аптеки, отделения банков и операторов сотовой связи, магазины с товарами общего пользования. Вкусно покушать можно в ресторанах «Манки Брю», «Фаршировка» и в кафе-баре «Лаборатория-М». Неподалеку расположен фитнес-клуб с бассейном «A-FITNESS» и спортивный зал «OLYMP». О внешнем виде девушек позаботятся в салонах красоты «Hairisma» и «ReMakers». Примерно в 15 минутах езды расположились кинотеатры «Синема парк» и «Формула кино». До центра Санкт-Петербурга и всех его достопримечательностей ехать не более 35 минут.


ЛО, но не Джей

Реализацией ЖК «Мурино 2019» занимается СК «Самолет ЛО». Она является частью известной компании «Самолет Девелопмент». Этот застройщик блестяще зарекомендовал себя на столичном и питерском рынке жилья. Их деятельность можно описать 3 словами: «быстро, качественно, недорого». За сравнительно небольшой период компания достигла внушительных результатов: 5место в рейтинге застройщиков РФ и 7 сданных в эксплуатацию кварталов. Приставка ЛО в названии, как Вы догадались, означает аббревиатуру «Ленинградская область» — именно в этой локации сосредоточена деятельность данной организации.

Сдача новостройки намечена на II квартал 2019 года. Поэтому продажи ведутся по ДДУ согласно ФЗ 214. Стоимость квартир варьируется от 2 до 6,4 млн руб. Ставка по ипотеке колеблется от 9% до 11,3% годовых. Для получения рассрочки необходимо внести 50% от всей суммы. Также возможна покупка по материнскому капиталу и жилищным субсидиям. При оплате всей суммы сразу Вы получаете индивидуальную скидку, при отсрочке платежа на 90 дней скидка доходит до 3%.

ПЛЮСЫ       

  • строительство по надежным технологиям;

  • «Самолет» всегда сдает вовремя;

  • демократичная цена;

  • будут собственные объекты социальной инфраструктуры;

  • перспективная локация;

  • большой выбор квартир с отделкой;

  • качественное лифтовое оборудование

МИНУСЫ   

Заключение редакции

В отличие от сериалов и «мыльных опер» продолжение комплекса «Мурино» является не менее успешным. Благодаря созданию объектов собственной инфраструктуры и более удачному месту расположения, «Мурино 2019» значительно превосходит по уровню комфорта своего предшественника. К отрицательным моментам можно отнести перенаселенность данной местности, заторы на дорогах. Однако эти объективные факторы сегодня возникают повсеместно. А вот цена квартир и надежность застройщика оставляют конкурентов далеко позади.

21.01.2019

фотографии со стройки по месяцам — Дома на Неве

Объекты поблизости

Метро Девяткино

Метро Девяткино

Бугры

Метро Девяткино

Мурино

Бугры

Метро Девяткино

Метро Девяткино

Бугры

Метро Девяткино

Мурино

Бугры

Мурино Парк | Официальный сайт компании «Запстрой»

О ПРОЕКТЕ 

Жилой комплекс “Мурино Парк” — это не просто очередной квартал. Мы продумали его до мелочей. Экологичные фасады, просторная застройка, крытый паркинг, огромная детская площадка, и это еще не все. Каждая деталь создавалась с заботой о наших клиентах. Мы искренне надеемся, что в “Мурино Парк” вы найдете свой новый идеальный дом!

 

Квартира за 3 млн. руб — Забронировать

 

МЕСТОПОЛОЖЕНИЕ 

Ключевое преимущество квартала “Мурино Парк” — местоположение. В пешей доступности расположена станция метро Девяткино. Вы можете добраться на транспорте до центра города менее, чем за полчаса! 

В пяти минутах от квартала — выезд на КАД. 

До 2020 года завершится строительство огромного транспортного узла. В него войдут авто и железнодорожный вокзал, новые бизнес-центры, торговые комплексы, стоянки и многое другое. Будут построены новые развязки и автодороги. Благодаря этому добраться в город можно будет еще быстрее! 

Не более 10 минут отделяет жителей Девяткино от огромного комплекса MEGA/ IKEA 

 

БЕЗОПАСНОСТЬ 

Мы заботимся не только о комфорте жителей, но и об их безопасности. В проекте предусмотрена полностью закрытая территория. Благодаря этой детали вы можете быть спокойны за своих детей, когда они играют на детской площадке или возвращаются из школы. 

 

ПРОДУМАННАЯ ПЛАНИРОВКА КВАРТАЛА 

Мы разработали квартал “Мурино Парк” максимально доступным. Все подъезды сделаны  проходными и двусторонними. Есть  доступ как со стороны двора, так и со стороны улицы, благодаря чему достигается максимальная безопасность на территории комплекса. 

 

СОБСТВЕННЫЙ ИГРОВОЙ КОМПЛЕКС 

В квартале “Мурино парк” будет расположена огромная игровая площадка. Ее длина составит 30 метров и она будет выполнена в форме самолета. Мы уверены, что ваши дети оценят ее по достоинству. Площадка разбита на 6 возрастных групп. Каждый ребенок найдет себе развлечение по вкусу. 

 

ДВОРЫ БЕЗ МАШИН 

На территории  жилого комплекса «Мурино парк» мы разместили полузаглубленный паркинг, который будет иметь отдельный въезд со стороны улицы. Таким образом, мы сохраняем концепцию «двор без машин», чем обеспечиваем безопасность и спокойствие. Помимо паркинга, вокруг комплекса будет расположена «гостевая парковка», которая будет абсолютно бесплатна для жителей и гостей комплекса.  

 

СПОРТИВНАЯ ПЛОЩАДКА 

Мы запроектировали спортивную площадку отвечающую всем современным требованиям уличного фитнесса. Эргономичные уличные тренажеры, удобные беговые дорожки с прорезиненной поверхностью. Здесь Вы с наибольшей эффективностью будете проводить свои тренировки.

 

ТЕХНОЛОГИИ ДЛЯ КОМФОРТНОЙ ЖИЗНИ 

В проектировании и разработке квартала “Мурино Парк” для нас было важно соблюсти идеальное равновесие между новейшими технологиями, экологичностью и комфортом.  

В каждой квартире предусмотрено остекление двухкамерными стеклопакетами класса “А”. Это обеспечит вам тепло и комфорт в квартире. 

Благодаря лучевой коллекторной разводке отопления в вашей квартире всегда будет тепло и уютно. 

Фасад домов будет выполнен из экологически чистых материалов по современной технологии «Теплый фасад». 

 

ЛАНДШАФТНЫЙ ДИЗАЙН 

При проектировании квартала мы старались максимально сохранить баланс между красотой и рациональным использованием территории. “Мурино Парк” — это полноценный авторский ландшафтный проект.  В придомовой парковой территории будет высажено множество многолетних деревьев, а изюминкой квартала станет огромная живая елка, которую мы будем украшать на Новый год! 

 

ТРАНСПОРТНАЯ ДОСТУПНОСТЬ 

  • метро в шаговой доступности 
  • прямая дорога в город 
  • выезд на КАД 
  • автовокзал 
  • железнодорожный вокзал 
  • множество автобусов и маршруток 

 

ИНФРАСТРУКТУРА

ДЕТСКИЕ САДЫ И ШКОЛЫ 

В Мурино открыто уже 8 детских садов и 2 школы. Вы сможете подобрать наиболее подходящий вариант для своего ребенка.  В ближайшем будущем планируется открытие еще нескольких образовательных заведений.  
 

МАГАЗИНЫ 

В шаговой доступности расположено огромное количество магазинов. Большинство из них размещены на первых этажах зданий. Также рядом с домом вы найдете огромное количество аптек, строительных магазинов, зоомагазинов, салонов красоты. Они ежедневно работают, чтобы обеспечить вам комфортное проживание. 
 

РЕСТОРАНЫ И КАФЕ 

Чего бы вам ни захотелось, вы найдете это рядом со своим новым домом. В Мурино представлено большое количество кафе, ресторанов, кофеен и знаменитых ресторанов быстрого питания. 

 

СПОРТИВНЫЕ КОМПЛЕКСЫ 

В непосредственной близости от нового квартала расположено два новых спортивных центра. В каждом из них предусмотрен бассейн, а также групповые и индивидуальные занятия.  

ЖК «Мурино 2019» от официального застройщика Группа «Самолет», отзывы, фото, ипотека и планировка жилого комплекса «Мурино 2019» на Urbanus.ru

Застройщик «Самолет Девелопмент» занимается возведением ЖК «Мурино 2019». В километре находится станция метро Девяткино. Объект планируют ввести в эксплуатацию в третьей четверти 2019 году.

Транспортная доступность

По улице Шувалова регулярно курсируют маршрутные такси № 3 (до метро Девяткино), № 679 (до Сарженки), № 680 (до деревни Сярьги), № 885 (до метро Парнас). Кроме того, рядом пролегает КАД, по которому удобно добираться до центра города.

Характеристики ЖК

Строительство новостройки осуществляется в 3 очереди, которые состоят из пяти домов, двух детских садиков и школы. Отделка фасада состоит из лицевого керамического кирпича коричневых оттенков. Во входных группах жилого комплекса «Мурино 2019» установлены пассажирский и грузовой лифты.

Планировочные решения в квартирах

В новостройке имеются жилые помещения различных планировочных решений: от студий до трехкомнатных квартир, площадь которых варьируется от 22 до 77 квадратных метров.

Особенности квартиры

  • Большая кухня
  • Балкон
  • Раздельный санузел
  • Гардеробная
  • Двухсторонняя планировка

Инфраструктура ЖК и района

Внутренняя инфраструктура

На благоустроенной территории новостройки находятся места для занятия спортом, а также безопасные детские игровые площадки, обустроены прогулочные дорожки и зеленые зоны, на которых в хорошую летнюю погоду можно устроить пикник.

Внешняя инфраструктура

В Муринском поселке прекрасно сформировавшаяся инфраструктура: в пешей доступности от новостройки «Мурино 2019» располагаются школы, детские садики, магазины, супермаркеты, архитектурные памятники, поликлиники, почтовые отделения, рестораны, салоны красоты, фитнес-центры.

Условия приобретения жилья

Застройщик располагает информацией об ипотечных программах банков-партнеров. С ними можно ознакомиться на официальном сайте компании «Самолет Девелопмент».

Банки

  • СНГБ (ставка 9%)
  • Уралсиб (9,9%)
  • Сбербанк (9,4%)
  • Открытие (8,5%)
  • Банк Россия (9%)
  • СМП Банк (9,8%)
  • Газпромбанк (9%)
  • Ак Барс Банк (9,1%)
  • Совкомбанк (10,4%)
  • Абсолют Банк (9,8%)
  • ДельтаКредит (9,8%)
  • Запсибкомбанк (10%)
  • Россельхозбанк (9,3%)
  • Райффайзен Банк (10,3%)
  • Возрождение Банк (13,5%)
  • Банк Санкт-Петербург (10,8%)
  • Банк Российский Капитал (9,3%)

Варианты или материалы отделки

Квартиры в «Мурино 2019» предоставляются с финишной отделкой, в состав которой входят: отопление, электропроводка, сантехника, покрытие пола линолеумом, входная и межкомнатные двери.

Дополнительная информация о застройщике

Группа компаний «Самолет Девелопмент» за свою строительную деятельность уже доказала, что является одним из самых надежных застройщиков, которые точно в срок выполняют поставленные задачи. Недавно девелопер закончил строительство жилого объекта «Мурино 2017». В ближайшем будущем успешно будет завершен еще один важный проект компании.

Лента новостей Санкт-Петербурга и Ленинградской области сегодня 09.08.2021 и вчера 08 августа 2021

Что ВсёКонцертыФильмы в прокатеСпектакли в театрахАвтособытияАкцииБалБалет, операБлаготворительностьВечеринки и дискотекиВыставкиДень ПобедыДень снятия блокадыЕвро-2020 по футболу в СПбКинопоказыКонференцииКрасота и модаЛекции, семинары и тренингиЛитератураМероприятия в ресторанахМероприятия ВОВОбластные событияОбщественные акцииПраздники и мероприятияПрезентации и открытияПремииРазвлекательные шоуРазвлечения для детейреконструкцияРелигияСобытия на улицеСпектаклиСпортивные события Творческие вечераФестивалиФК ЗенитШкольные каникулыЭкологические событияЭкскурсииЯрмарки

Где ВездеАдминистрации р-новКреативные art заведенияПарки аттракционов, детские развлекательные центрыКлубы воздухоплаванияБазы, пансионаты, центры загородного отдыхаСауны и баниБарыБассейны и школы плаванияЧитальные залы и библиотекиМеста, где играть в бильярдБоулингМагазины, бутики, шоу-румы одеждыВерёвочные городки и паркиВодопады и гейзерыКомплексы и залы для выставокГей и лесби клубыГоры, скалы и высотыОтели ГостиницыДворцыДворы-колодцы, подъездыЛагеря для отдыха и развития детейПрочие места отдыха и развлеченийЗаброшки — здания, лагеря, отели и заводыВетеринарные клиники, питомники, зоогостиницыЗалы для выступлений, аренда залов для выступленийЗалы для переговоров, аренда залов для переговоровЗалы и помещения для вечеринок, аренда залов и помещений для вечеринокЗалы и помещения для мероприятий, аренда залов и помещений для мероприятийЗалы и помещения для праздников, аренда залов и помещений для праздниковЗалы и помещения для празднования дня рождения, аренда залов и помещений для празднования дня рожденияЗалы и помещения для проведения корпоративов, аренда залов и помещений для проведения корпоративовЗалы и помещения для проведения семинаров, аренда залов и помещений для проведения семинаровЗалы и помещения для тренингов, аренда залов и помещений для тренинговЗалы со сценой, аренда залов со сценойКонтактные зоопарки и парки с животнымиТуристические инфоцентрыСтудии йогиКараоке клубы и барыКартинг центрыЛедовые катки и горкиРестораны, бары, кафеКвесты в реальности для детей и взрослыхПлощадки для игры в кёрлингКиноцентры и кинотеатрыМогилы и некрополиВодное поло. байдарки, яхтинг, парусные клубыКоворкинг центрыКонференц-залы и помещения для проведения конференций, аренда конференц-залов и помещений для проведения конференцийКонные прогулки на лошадяхКрепости и замкиЛофты для вечеринок, аренда лофтов для вечеринокЛофты для дней рождения, аренда лофта для дней рожденияЛофты для праздников, аренда лофта для праздниковЛофты для свадьбы, аренда лофтов для свадьбыМагазины одежды и продуктов питанияМаяки и фортыМед клиники и поликлиникиДетские места отдыхаРазводный, вантовые, исторические мостыМузеиГосударственные музеи-заповедники (ГМЗ)Креативные и прикольные домаНочные бары и клубыПляжи, реки и озераПамятники и скульптурыПарки, сады и скверы, лесопарки и лесаПейнтбол и ЛазертагКатакомбы и подземные гротыПлощадиПлощадки для мастер-классов, аренда площадкок для мастер-классовПомещения и конференц залы для событий, конференций, тренинговЗалы для концертовПристани, причалы, порты, стоянкиПриюты и фонды помощиПрокат спортивного инвентаряСтудии красоты и парикмахерскиеОткрытые видовые крыши и площадкиКомплексы, арены, стадионыМужской и женский стриптиз девушекЗалы и помещения для онлайн-мероприятий, аренда залов и помещений для онлайн-мероприятийШколы танцевГипер и супермаркетыДК и театрыЭкскурсионные теплоходы по Неве, Лагоде и Финскому ЗаливуТоргово-развлекательные центры, комплексы и торговые центры, бизнес центрыУниверситеты, институты, академии, колледжиФитнес центры, спортивные клубы и оздоровительные центрыПространства для фотосессий и фотосъемкиСоборы, храмы и церкви

Когда Любое времясегодня Пн, 9 августазавтра Вт, 10 августасреда, 11 августачетверг, 12 августапятница, 13 августасуббота, 14 августавоскресенье, 15 августапонедельник, 16 августавторник, 17 августасреда, 18 августа

Как живут люди, у которых над головой возводят дорогу

Я родилась в 1951-м, всю жизнь на Канонерском. В детстве, помню, ещё когда не было навигации, мы переходили по мосткам в порт. Потом появились паромы, буксиры, затем построили тоннель. Было чисто, можно было свободно дышать. А что сейчас будет…

Про расселение нашего дома речь не идёт. Нас поставили перед фактом. От стройки — и шум, и грязища. Раньше ходили по дорожкам, а сейчас — в обход по колено в грязи. А у меня ноги больные — хожу кое-как. Приходится на 15 минут раньше выходить: и хорошо, если по дороге не очень зажимает ногу, а то иду — постою, иду— постою. Идёшь по проходу мимо стройки, что-то брякает по крыше — иногда и думаешь: «А если брякнет такое, что проломит?» Стройка есть стройка. Но что делать, у нас нет надежды.

В прошлом году нам поставили стеклопакеты и по кухне выставили счёт: почему-то считается, что это нежилое помещение. Слава богу, деньги были, я поставила. А у кого не было, на кухне так старые окна и остались. Грязи тут будет — сами понимаете: дорога есть дорога, тут фуры будут ездить, а не легковушки. И, конечно, северная сторона дома. Летом хоть немножко попадало солнышко, а сейчас вообще не будет. Но это же никого не волнует. Подумаешь, и без солнца люди живут — по полгода зима…

Я слышала, была возможность пустить дорогу через порт. Получилось бы ближе к Стрельне — и Путин бы любовался дорогой. Нет, нужно было вот так. В нашей муниципальной газете публиковали эскиз — там такая красивая дорога на столбах. Но разве это она? Убожество городят. Я бы на месте водителей просто побоялась по ней ездить: мало того что на высоте, так ещё и по воде. Когда мы начали ходить собирать подписи против стройки, нам сказали: «Можете не ходить, Путин подписал, ему понравилось — ну а кто же против президента скажет».

Ясли вообще под дорогой стоят. Их огородили — они как в коробке. Для чего — непонятно: грязь и шум идут сверху. Дурдом. 

Раньше прекрасный был остров. Залив рядом, все ездили туда отдыхать, на шашлыки — не надо было давиться в электричках за город. Места всем хватало, и купались, и загорали. 

Весь остров загадили. Я бы с удовольствием переселилась, но куда? 15-му дому хороший район дали, на юго-западе: проспект Героев, улица Казакова. Моя приятельница туда уехала где-то год назад. Здесь она на велосипеде каталась — а теперь там, в парке, катается: дышится легко…

Но кое-кто остался и в расселённом 15-м — некоторые окна светятся. То ли проблемы с переселением, то ли чёрненькие заняли. Их как-то много попёрло — летом одна иностранная речь была, турецкая или узбекская, я не разбираю. Нас всё меньше, а их всё больше. Дочка мне теперь говорит: «Мама, пойдём со мной в магазин», — темно, одна боится. Мне-то не страшно, я старая… Правда, один раз ко мне прицепился пьяный узбек — не узбек, не наш. Я так удивилась и ещё подумала: «Как ты не боишься, милый? Привяжешься к парню русскому — хлопнут тебя, да и всё».  

Прикладные науки | Бесплатный полнотекстовый | Метод индекса риска — инструмент для оценки пожарной безопасности зданий

90 003 9000 8 Помещения пожарной службы: нет средств пожаротушения (0) / подходящие барабаны для пожарных рукавов или сухие / мокрые стояки на каждом уровне (2) + средства управления дымоудалением (1) + оборудование для пожарного насоса на месте (1)
1. Организация и управление (ORG) 1 Противопожарная стратегия: не разработана (0) / разработана для отдельных аспектов (1) / разработана и задокументированы во всех аспектах, необходимых для заранее определенных целей стратегии (4) 4
2 Документированные процедуры пожарной безопасности для здания (1) + внедрение процедур (1) + регулярно контролируемые обновления (1) + документированные планы эвакуации для всех этажей (1) 4
3 Персонал службы безопасности центрального здания (1) + обученные пожарные надзиратели на всех этажах / в зонах (3) + регулярные учения по эвакуации с участием специального персонала участие (2) / регулярные учения по эвакуации с участием всех жителей здания (3) 7
4 Обучение пожарной безопасности: только ключевой персонал (2) / весь персонал (4) 4
5 Независимая система сертификации и аудита для управления пожарной безопасностью: только обязательные проверки (1) + полные регулярные аудиты пожарной безопасности, проводимые специализированными органами (1) 2
6 Приверженность руководства обеспечению пожарной безопасности включая встречи по обзору управления пожарной безопасностью и обучение персонала ключевым аспектам управления, эксплуатации и технического обслуживания систем противопожарной защиты и принципам пожарной стратегии, осведомленности о стратегии эвакуации и т. д.(От 0 до 4) 4
Всего 25
2. Контроль источников возгорания и горючих материалов (LIM) 1 Плотность пожарной нагрузки [МДж / м2] (> 4000 ) (0) / (> 2000, ≤4000) (1) / (> 1000, ≤2000) (2) / (> 500, ≤1000) (4) / (≤500) (5) + Высокоопасные источники воспламенения Да (0) / Нет (2) 7
2 Ожидаемый рост пожара: сверхбыстрый (0), быстрый (1), средний (4), медленный (5) 5
3 Зоны высокого риска отделены от других частей здания подходящей огнестойкой конструкцией Y (2) / N (0) + высокие уровни горючих материалов, хранящихся в здании-Y (0) / N ( 2) 4
4 Производство дыма от строительных изделий и стационарного оборудования (наихудший случай): s3 и продукты реакции на пожар класса ≤E (0) / s2 (1) / s1 и продукты реакции к классу пожара A1 (2) 2
5 Класс огнестойкости строительных изделий (облицовки / покрытия) (наихудший случай) ≤E (0) / D i C (1) / B (2) ≥A2 (3) 3
6 Класс огнестойкости изоляционных материалов здания (наружные стены, крыша) (наихудший случай): ≤E (0) / D i C (1) / B (2) ≥A2 (4) 4
Всего максимум 25
3.Пассивные системы ограничения распространения огня и дыма (PAS) 1 Огнестойкость элементов конструкции: <15 мин (0), 15 мин (1), 30 мин (2), 60 мин (3), 90 мин ( 4), ≥120 мин (6), 6
2 Максимальная огнестойкость внутренних подразделений: 30 мин (1), 60 мин (2), 120 мин (3), 240 мин (4) 4
3 Огнестойкость дверей и ставен: без рейтинга сопротивления (0) / 30 мин (1), 60 мин (2), 120 мин (3), 240 мин (4) 4
4 Расстояние от соседних зданий: Не в соответствии с правилами (0) / в соответствии с правилами (2) / противопожарная стена, используемая в качестве разделения (2) / плотность теплового потока на стенах соседних объектов <12,5 кВт / м 2 (2) 2
5 Пожарные зоны отсека [м 2 ] (> 20000) (0) / (> 10000, ≤20000) (1) / (> 5000, ≤10000) (2) / (> 2000, ≤5000) (3) / (> 1000, ≤2000) (4) / (≤1000) (5) 5
6 Активация противопожарных ставен, дверей, заслонок и т. Д.с плавкими вставками (1), активация вручную через панель управления (2) / автоматически после проверки (3) / автоматически (4) 4
Всего максимум 25
4. Обнаружение и сигнализация коммуникация (DET) 1 Полный мониторинг, т.е. обнаружение во всех зонах риска (5) / частичный мониторинг (1) + обнаружение на путях эвакуации (1) / ручная система (1) / отсутствие обнаружения (0) 5
2 Ожидаемое время реакции обнаружения (> 420 с) (0) / (> 300 с, ≤420 с) (2) / (> 180 с, ≤300 с) (3) / (≤180 с) ) (5)? 5
3 Все устройства обнаружения соответствуют риску (от 0 до 4) 4
4 Достаточное и подходящее оборудование для управления и индикации в здании, включая источники питания и кабели ( 2) + сертифицированные системы (1) 3
5 Процедуры контроля ложных тревог: Нет (0) / Да (4) 4
6 Системы аварийного оповещения: сирены (1) / голосовая тревога (2) / голосовая тревога с публичным адресом (3) + активная визуальная поддержка указателей (1) 4
Всего максимум 25
5.Пожаротушение (SUP) 1 Системы пожаротушения, охватывающие все зоны риска (3) / только частичное покрытие (2) / без систем пожаротушения (0) + спринклеры быстрого реагирования (1) 4
2 Индекс времени реакции на пожаротушение (RTI): стандартный B (> 200, ≤300) (1) / стандартный A (> 80, ≤200) (2) / специальный (> 50, ≤80) (3) / быстрый ( ≤50) (4)? 4
3 Ожидаемое время активации: (с):> 300 (0) / (> 200, ≤300) (1) / (> 150, ≤200) (2) / (> 120, ≤150) (3) / (≤120) (4)? 4
4 Системы пожаротушения, соответствующие высоте хранения (2) + тип горючего материала (2) + способ хранения (2) 6
5 Надежность установки пожаротушения : мониторинг системы (1), автономное электроснабжение и системы водоотвода (1) работа + двойное водоснабжение (1) + двойное водоснабжение (1) 4
6 Шланговые катушки, охватывающие все части здание Y (1) / N (0) + переносные огнетушители (pfe) с номинальной эффективностью пожаротушения, расположенные со стандартными принятыми плотностями (1) или повышенной плотностью (2). 3
Всего не более 25
6. Противодымная система и эвакуация (SC) 1 Контроль дыма в центре лестницы: Отсутствует (0) / установлен, но эффективность не указана (1) / гарантированная защита средств эвакуации (2) + гарантированная поддержка операций по тушению пожара (1) + мониторинг всех сбоев системы (1) 4
2 Система контроля дыма горизонтальных путей эвакуации: Не- существует (0) / на месте, но эффективность не указана (1) / гарантированная защита средств эвакуации (2) + гарантированная поддержка операций по тушению пожара (1) + мониторинг всех сбоев системы (1) 4
3 Система управления дымовой оболочкой: Отсутствует (0) / имеется, но эффективность не указана (1) / гарантированная защита средств эвакуации (2) + гарантированная поддержка операций пожаротушения (1) + мониторинг всех сбоев системы (1) ) 4
4 Аспекты конструкции средств эвакуации потенциально могут привести к неконтролируемому дымообразованию (0) / Соответствующий контроль горючих материалов на горизонтальных путях эвакуации (1) + вертикальные пути эвакуации (2) 3
5 Размеры ступеней лестницы и горизонтальные маршруты эвакуации, соответствующие количеству и профилю людей (от 0 до 2) + не менее двух ступеней (2) + не менее двух направлений движения из каждой зоны (2). 6
6 Эвакуационные указатели: правильно выбраны и расположены пассивные указатели (1) / системы указателей с подсветкой (2) / системы указателей с динамической подсветкой для управления движением пассажиров (4) 4
Всего максимум 25
7. Техническое обслуживание противопожарных систем (MAI) 1 Проектирование, установка и ввод в эксплуатацию систем пожаротушения и противопожарной защиты были выполнены в соответствии с инструкциями и стандартами производителя ? Y (2) / N (0) + сертифицированными подрядчиками Y (2) / частично (1) / N (0) 4
2 Имеется ли соответствующий перечень систем пожаротушения и противопожарной защиты (1 ) + информация по эксплуатации и техническому обслуживанию (2)? 3
3 Процедуры технического обслуживания и проверки в соответствии с минимальными национальными правилами (1) + инструкции производителя (2) + национальные стандарты (2)? 5
4 Функциональное тестирование (сверх минимальных требований) систем пожаротушения и противопожарной защиты для обеспечения максимального уровня доступности и надежности: Y (6) / частично (3) / N (0)? 6
5 Системы, используемые для мониторинга в реальном времени доступности и надежности систем пожаротушения и противопожарной защиты: Д (3) / частично (1) / N (0)? 3
6 Изменения в системе пожаротушения и защиты зарегистрированы (1) + отслеживаются (1) + проверены (2) 4
Всего максимум 25
Вмешательство пожарных служб (FB) 1 Способ связи с пожарными: ручные средства пользователем здания (например, автоматическое обнаружение пожара отсутствует) (0) / ручные средства пользователя здания в случае операции обнаружения пожара (1 ) / автоматически, через центр приема сигналов тревоги с подтверждением сигнала тревоги внешним персоналом (2) / автоматически через центр приема сигналов тревоги с подтверждением сигнала тревоги персоналом на месте (4). 4
2 Наличие на месте персонала пожарной безопасности для оказания помощи (2) / номинальная или неполная занятость (1) / отсутствие доступности (0) 2
3 Пожарная служба время прибытия [с] (> 900) (0) / (> 600, ≤900) (2) / (> 300, ≤600) (4) / (≤300) (6) 6
4 Доступ к зданию: Нет прямого доступа (0) / ограниченный доступ к зданию (1) / прямой доступ по крайней мере к 50% или двум сторонам здания (2) / прямой доступ ко всем частям периметра здания (3 ) 3
5 Внутренняя коммуникация для пожаротушения внутри здания: сложная (0) / легкая (1) + легкий доступ к панели управления пожарным (1) + графический дисплей, показывающий места пожара (1 ) + освещение путей эвакуации для пожаротушения (1) + минимум 2 лестничных клетки (1) + пожарные лифты с вестибюлями (1) 6
6 4
Всего максимум 25

Границы | Достижение операционного превосходства с помощью искусственного интеллекта: движущие силы и препятствия

Введение

Искусственный интеллект — это технологическая концепция в области оперативного управления, философии, гуманитарных наук, статистики, математики, компьютерных наук и социальных наук.Искусственный интеллект нацелен на создание компьютеров или машин для выполнения работ, которые обычно требуют человеческого интеллекта. Поддисциплина искусственного интеллекта — машинное обучение, которое направлено на статистическое обучение. Машинное обучение направлено на создание алгоритмов, которые могут автоматически управлять информацией в реальном времени и улучшать взаимодействие с пользователем без однозначной настройки. Цепочки поставок получают преимущества от инвестиций и растущего интереса к технологиям искусственного интеллекта (Воронкова, 2019).Новейшие информационные системы, такие как беспроводные технологии, Интернет вещей, доступные датчики и облачное хранилище, выступают в качестве базовых технологий искусственного интеллекта. Сегодня вполне возможно, что бизнес-процессы и цепочки создания стоимости связаны внутри и между организациями. Организации могут использовать интеллектуальные устройства, мобильные приложения и технологии точек продаж для сбора географических, демографических и поведенческих данных о клиентах в режиме реального времени, что помогает разрабатывать продукты и услуги.Приложения могут помочь улучшить бизнес-функции с помощью робототехники и автоматических систем. Они позволяют маркетингу более точно прогнозировать и понимать потребности клиентов. В рамках процедур цепочки поставок важно оперативно реагировать на запросы, поскольку потребители быстро требуют изготовленные на заказ продукты и особые услуги. Цепочки поставок и всемирные производственные сети претерпевают существенные изменения в прогрессивной деловой среде. Эволюция новых технологических процедур и достижения в области производственного интеллекта оказывают положительное влияние на решения, операции, стратегии и управление.Компании разрабатывают различные методы и решения для извлечения важной информации, например, большие данные с возможностью автоматического производства и систематизацию для бизнес-аффилированности. Это помогает распознать препятствия на пути повышения эффективности организации, такие как управление оборудованием, идентификация дефектов, сокращение времени цикла, спекуляция спроса, биоинформатика и человеческие ресурсы (Deivanathan, 2019). Инновации в разработке продуктов и интеллектуальных технологий позволяют производственному интеллекту использовать программные вычисления, передовые алгоритмы, технологии принятия решений и результаты.Это могут быть различные информационные системы для передовых производственных систем, расширенного управления оборудованием, анализа инженерных данных, планирования ресурсов предприятия (ERP), системы управления производством и управления цепочками поставок для повышения качества принятия решений и эффективности управления. Интеллектуальное производство стало тенденцией с логическим объединением технологий принятия решений и искусственного интеллекта для внедрения новейших информационных технологий (Mühlroth and Grottke, 2020).

Оперативное превосходство — это концепция восемнадцатого века, охватывающая производительность предмета, разделение труда и свободный рынок.Успех любой организации зависит от операционного превосходства в том, что касается функций организации, обслуживающих потребителей. Эта концепция находится на первой стадии эксплуатации, которая находится недалеко от ресурсов, задействованных в ее функциях, но в решающей степени связана с ее планированием. Три важных раздела операционного превосходства — это эффективность с первого раза и эффективность процедур (Mangla et al., 2020). Концепция операционного превосходства может повлечь за собой принятие промышленных задач и теорий, таких как Индустрия 4.0, обратная логистика, бережливое производство и шесть сигм, реинжиниринг бизнес-процедур и Интернет вещей, которые позволяют получить точные результаты. Повышение организационной конкурентоспособности очевидно благодаря правильным решениям фирмы и отражает эффективность работы (Danaher, 2018). Усовершенствования и развитие, являющиеся результатом операционного превосходства, связаны с революцией, новейшими технологиями и решениями. Инновации обычно позволяют малому бизнесу увеличивать операционные расходы и увеличивать доходы (Carvalho et al., 2019). Достижение операционного превосходства связано с принятием индивидуальных теорий и методов управления, которые обеспечивают адекватный уровень затрат для обоснования и новаторства, что приводит к инвестициям и постоянным процедурам улучшения с помощью методов решения проблем (Jamshidieini et al., 2017).

В основе достижения операционного превосходства лежат четыре движущих фактора. Первый связан с видением организации, объясняющим требования. Второй драйвер — вовлечение людей в реализацию стратегии.Третий драйвер включает создание надлежащих показателей эффективности процесса для поддержки стратегии организации. Последний драйвер — это технология, используемая для поддержки необходимых процессов.

Продвинутые алгоритмы — это один из важных видов технологических услуг, способствующих совершенствованию работы. Разработка продвинутого алгоритма помогает прогнозировать потребности клиентов. Если алгоритм доступен, конкуренты могут в конечном итоге получить его или разработать аналогичный инструмент для поддержания своих конкурентных позиций.Фирмы, которые не применяют подобные алгоритмы, окажутся в очень невыгодном положении и могут потерять свою рыночную стоимость. Продвинутые алгоритмы необходимы компаниям для продолжения бизнеса на высококонкурентных рынках. Интеграция технологий больших данных позволяет развивать продуктивные алгоритмы для понимания потребностей клиентов, что может быть исключительно выгодным для лиц, принимающих решения (Shehadeh et al., 2016).

Структура основных функций для повышения операционной эффективности представлена ​​на Рисунке 1.На рисунке показано лучшее понимание роли искусственного интеллекта в повышении качества работы. Различные разделы операционной эффективности распределены по основным функциям, включая управление эффективностью, вовлеченность сотрудников, управление процессами, разработку стратегии, организационное планирование и инициативы по улучшению. Искусственный интеллект расширяет основные функциональные возможности повышения операционной эффективности.

Рисунок 1 . Основные функции безупречной работы.

Структура искусственного интеллекта с ключевыми функциями операционного превосходства представлена ​​на рисунке 2. Искусственный интеллект меняет операционное превосходство за счет использования различных основных функций для улучшения работы организации. Различные автоматизированные интеллектуальные алгоритмы находят закономерности среди различных функций повышения качества операций для автоматической обработки информации. Результат обработки искусственного интеллекта и данных в реальном времени может улучшить операционные решения организации для достижения совершенства.Искусственный интеллект стремится автоматически выбирать правильный рабочий путь, соединяющий различные процессы в рамках бизнеса.

Рисунок 2 . Система повышения операционной эффективности на основе искусственного интеллекта.

Настоящее исследование сосредоточено на следующих исследовательских вопросах:

1. Какая связь между высоким качеством работы и искусственным интеллектом?

2. Каковы движущие силы достижения организационной эффективности с помощью искусственного интеллекта?

3.Какие препятствия на пути к достижению организационной эффективности с помощью искусственного интеллекта?

Эта статья состоит из шести разделов. Во втором разделе исследуется литература об искусственном интеллекте, операционном превосходстве, а также движущих силах и препятствиях. В третьем разделе дается объяснение методологии, использованной для проведения этого исследования. Результаты и интерпретация этого исследования представлены в четвертом и пятом разделах соответственно. В шестом разделе мы представляем обсуждение, выводы и направления будущих исследований.

Анализ литературы

Информационные технологии постоянно расширяются и применяются в различных областях, включая образование, здравоохранение или сферу человеческих ресурсов. Искусственный интеллект и виртуальная реальность являются отраслями информатики и важными инструментами для улучшения жизни человека или поддержания процедур обучения на протяжении всей жизни (Stanica et al., 2018). Технологии играют жизненно важную роль в влиянии на социальный, политический, культурный, образовательный и организационный секторы в этом быстро меняющемся мире.Достижения в области технологий сделали их важность для всех секторов, что впоследствии привело к повышению производительности за счет практического обучения и методов обучения (Abduljabbar et al., 2019; Karsenti, 2019). Искусственный интеллект встроен в компьютер или устройство с помощью программного обеспечения для программирования, которое помогает выполнять сложные и конкретные задачи, которые ранее были возможны только с помощью человеческого интеллекта. Сложность обработки является ключевым фактором при внедрении искусственного интеллекта для решения сложных проблем.Несмотря на сложность и трудоемкость, искусственный интеллект может выполнять различные задачи за секунды без помощи человека (Becker, 2017; Arrieta et al., 2020). Искусственный интеллект — это технология, которая улучшает повседневную социальную и экономическую жизнь. Это положительно влияет на экономический рост, решая различные социальные препятствия. Искусственный интеллект в последнее время привлек внимание многих развитых и развивающихся стран, таких как США, Европа, Индия и Китай.Основное внимание уделяется развитию робототехники и интеллектуальных информационных технологий. Несмотря на то, что новейшие технологии искусственного интеллекта доказывают свое превосходство в получении конкретных моделей с различными препятствиями, многие модели интеллектуальных информационных технологий требуют функции самооценки, полагаются на большие данные и являются сложными (Skurdauskaitė, 2020).

Внедрение искусственного интеллекта в организациях

Искусственный интеллект оказался полезным для выполнения следующих требований (Давенпорт и Ронанки, 2018).

Автоматизация бизнес-процессов

Оцифровка захватывает и изменяет рынок в деловом секторе. Ручные рабочие процессы, зависящие от документов, снижают производственные усилия фирм (Scheer, 2017). Бизнес должен хорошо организовать свои внутренние процедуры (Paschek et al., 2017). «Роботизированная автоматизация процессов», как правило, представляет собой программное решение для регулирования бизнес-процедур, которые включают ежедневные задачи, систематизированные данные и определение результатов (Aguirre and Rodriguez, 2017).Вовлечение робототехники в производство появилось не недавно, но их функции и возможности значительно расширились, во многих случаях превосходя человеческие навыки.

Получение информации с помощью аналитики данных

Информация играет важную роль в процедурах принятия решений на оперативном, стратегическом и тактическом этапах. Однако объемы расчетов и накопления данных на предприятиях быстро растут. По сути, аналитика больших данных — это использование последней статистики, применяемой к любому типу электронной коммуникации, которая может включать «сообщения, обновления, изображения, размещенные в социальных сетях, показания датчиков и сигналы GPS с мобильных телефонов» (Wamba et al., 2018; Аллам и Данни, 2019). Аналитика больших данных позволяет ускорить обработку больших объемов данных.

Рациональное взаимодействие с клиентами

С быстрым прогрессом в технологических областях предприятия поддерживают личные связи с клиентами, а бренды постепенно стремятся поддерживать связь с клиентами на цифровых носителях. На нескольких платформах растет широкий спектр коммуникационных процедур, таких как обратная связь с потребителями, обмен видео брендами на платформах социальных сетей и создание блогов (Eigenraam et al., 2018). С развитием технологий и оцифровки платформы социальных сетей выступают в качестве средства распространения информации о продуктах как для предприятий, так и для предприятий и организаций потребителей (Pansari and Kumar, 2017; Choi et al., 2018).

Умные агенты

Многим клиентам нравятся групповые покупки в Интернете. Умные агенты, основанные на передовых алгоритмах, могут вести переговоры, чтобы уменьшить усилия при сборе информации о покупателе, транзакционных издержках и переговорах продавцов.Умные агенты могут помочь другим моделям, кроме C2B, когда есть переговоры между покупателями и продавцами (Liang et al., 2019).

Рекомендации по продуктам и услугам

С появлением искусственного интеллекта произошла эволюция в системах рекомендаций по продуктам и услугам, позволяющая организациям увеличить продажи, персонализацию и взаимодействие с помощью простых для понимания изображений и языков. В связи с быстрым развитием искусственного интеллекта происходит разработка концепций и приоритетов для улучшения управления продажами (Singh et al., 2019).

Вовлеченность сотрудников

Искусственный интеллект можно использовать для улучшения управления сотрудниками двумя способами. Во-первых, фирмы могут иметь легкий доступ к большому количеству данных, связанных с их бизнес-функциями, чтобы помочь достичь эффективной процедуры принятия решений. Во-вторых, постоянное развитие искусственного интеллекта позволяет организациям управлять данными и обрабатывать их в режиме реального времени (Robert et al., 2020).

Льготы для сотрудников

ИИ может повлиять на физическую и эмоциональную вовлеченность сотрудников.Это может оказать прямое влияние на выплаты сотрудникам и улучшить качество организации (Alvi et al., 2020). Например, в эту технологическую эпоху системы онлайн-опросов, поддерживаемые ИИ, могут помочь определить потребности сотрудников в их организации (Kang et al., 2016).

Кадровые стратегии

В эту технологическую эпоху информационная система по человеческим ресурсам играет жизненно важную роль в процедуре принятия решений для эффективного управления человеческими ресурсами. Полуструктурированный и неструктурированный процесс принятия кадровых решений возможен путем принятия интеллектуальной системы поддержки принятия решений (IDSS) с комбинацией базы данных обнаружения знаний (KDD; Masum et al., 2018).

Анализ безопасности и качества

Безопасность и качество — главные проблемы для правительств и автомобильного сектора. Основные технические проблемы связаны с проверкой индуктивного обучения в современных условиях и достижением хорошего уровня надежности, необходимого для формирования полного парка. Более того, серьезной проблемой может быть создание сквозной структуры и процедуры формирования, которая объединяет безграничные технические аспекты проблем безопасности в комбинированный подход (Koopman and Wagner, 2017).

Оперативное совершенство

Операционное превосходство — это концепция, в которой основное внимание уделяется методам решения проблем и лидерским навыкам как главному фактору непрерывного развития. Фирмы, как правило, не уверены, как добиться совершенства в работе, и большинство организаций считают это слишком широким или сомнительным, так как это сложное понятие для объяснения. Отношение сотрудника и менеджера — это не просто набор действий, которые выполняет организация (Gólcher-Barguil et al., 2019).

Непрерывное улучшение vs.Операционное совершенство

Непрерывное совершенствование — это постоянная попытка улучшить организационные процедуры, услуги и продукты. Часто это происходит постепенно, а не мгновенно в результате каких-либо передовых инноваций или постоянного развития. При постоянном совершенствовании у фирмы больше шансов поддерживать и развивать эти улучшения, поскольку процессы встроены для обеспечения непрерывности (Sánchez-Ruiz et al., 2019). Несмотря на то, что постоянное улучшение имеет большое значение, одного его недостаточно, чтобы добиться максимального улучшения фирмы.

По мере того, как компания продолжает уточнять свои процедуры, услуги и продукты, ей требуется способ достижения прогресса (Benzaid and Taleb, 2020; van Assen, 2020). На этом этапе жизненно важную роль играет высокое качество работы. Операционное превосходство — это концепция, которая принимает некоторые правила и инструменты для развития долгосрочных улучшений внутри фирмы. Фирмы могут достичь операционного превосходства, если каждый сотрудник фирмы сможет оценить ее ценность (aliş and Bulkan, 2015). Фирмы должны усердно пытаться вносить изменения, чтобы достичь наблюдаемой ценности.По сути, операционное превосходство направлено на сокращение затрат или повышение производительности фирмы. Речь идет о развитии организационной культуры, которая позволит фирмам производить ценные продукты и услуги для потребителей и добиваться устойчивого прогресса. Операционное превосходство — это концепция, которая включает в себя применение соответствующих методов для правильных процедур. Когда это происходит идеально, абсолютная рабочая среда процветает, мотивирует и расширяет возможности сотрудников (Sehnem et al., 2019).

Принципы операционного превосходства

Уважай каждого человека

Каждый человек ценен и имеет потенциал, поэтому сотрудник заслуживает уважения. Идеальный способ проявить уважение к сотрудникам и организациям должен вовлекать их в необходимую деятельность. Это положительно повысит мотивационный уровень сотрудников, чтобы они чувствовали себя более способными представлять свои идеи (Sony, 2019).

Ведите скромно

Скромность включает в себя желание выслушать и принять предложение каждого человека, не обращая внимания на положение или статус этого человека в организации.Лидеры всегда должны вести себя скромно (Sony, 2019).

В поисках совершенства

Менеджеры должны попытаться упростить рабочие процедуры без ущерба для качества. Руководители и сотрудники должны искать устойчивые решения при возникновении любой проблемы. Это увеличивает совершенство, что является одним из конкурентных преимуществ (Sony, 2019; Dogru, Keskin, 2020).

Принимайте научные идеи

Постоянное мышление и эксперименты приводят к инновациям. Важно исследовать и поощрять новые идеи, не опасаясь поражения (Sony, 2019).

Сосредоточьтесь на процедуре

Когда какая-либо процедура дает отрицательный результат, менеджеры часто винят в этом сотрудников. Однако источником отрицательных результатов часто являются ошибки в разработке процедуры. Даже самые лучшие сотрудники не могут постоянно обеспечивать исключительные результаты с ошибочными процедурами. Таким образом, вместо того, чтобы обвинять сотрудников, необходимо получить точное представление об истинной причине и внести необходимые коррективы для достижения основных результатов (Sony, 2019).

Гарантия качества

Если мониторинг проводится на каждой части процедуры, существует возможность достижения высокого качества. Это помогает расположить рабочие зоны таким образом, чтобы их можно было увидеть. Когда на любом этапе возникает проблема, важно приостановить рабочую процедуру, чтобы решить ее (Gólcher-Barguil et al., 2019).

Значение тяги и расхода

Цель каждой фирмы — предоставить своим потребителям максимальную ценность. С этой целью фирмы должны гарантировать, что процедура и рабочий процесс не прерываются, поскольку нарушения приводят к неэффективности и расточительству.Важно оценивать и интегрировать требования клиентов в процедуры, чтобы гарантировать, что фирма выполняет надлежащие требования (Chiarini and Kumar, 2020).

Мыслить логически

Есть взаимосвязь между всеми частями, работающими вместе. Важно распознать связь между всеми частями, потому что это позволит им принимать решения. Организации должны избегать локализованного видения и устранять поток данных и идеи (Postavaru et al., 2019).

Постоянство цели развития

Сотрудники должны понимать миссию и цели фирмы с первого дня.Фирмы должны постоянно сосредотачиваться на этих целях. Сотрудники должны знать об изменениях и целях и стремиться к их достижению. Понимание этого позволит сотрудникам корректировать свою деятельность, цели и поведение в интересах организации (Иванов и Соколов, 2019).

Создание ценности для клиентов

Фирмы должны работать, чтобы осознавать потребности и ожидания своих потребителей. Фирма, которая не может создавать и предоставлять ценность своим клиентам, не остается устойчивой (Heinonen et al., 2019).

Методы операционного совершенства

Фирмы могут повысить свою производительность и культуру за счет операционного превосходства, помогая в устойчивом прогрессе. Организации должны следить за традиционными событиями и рассчитывать на устойчивую систему изменений. Ниже приведены несколько популярных методологий достижения операционного превосходства (Chakraborty et al., 2020):

Бережливое производство

Этот метод направлен на систематическое сокращение отходов во время производственных процессов.Он признает, что каждая процедура имеет некоторые ограничения, и подчеркивает, что все усилия по их устранению являются самым быстрым путем к успеху. Основные принципы бережливого производства сосредоточены на повышении качества продуктов и услуг, сокращении всего, что не является важным, и устранении общих затрат (Jordan, Mitchell, 2015; Kamble et al., 2020). В традиционном бережливом производстве выделяют семь областей отходов, которые обычно называют «семью смертельными отходами».

Перепроизводство: Это происходит, когда сотрудники создают что-то раньше, чем это требуется.Это неблагоприятная форма потерь в виде инвентаризации, которая часто скрывает существенные проблемы.

Ожидание: Когда сотрудникам приходится ждать следующего этапа производства, дополнительная стоимость не взимается. Было бы очень удивительно и информативно исследовать каждую стадию производства и вычислять фактическое время, добавляющее ценность к продукту, по сравнению со временем, не приносящим добавленной стоимости.

Транспортировка: Это отходы, потому что перемещение незавершенных или незавершенных продуктов не увеличивает ценность продукта.

Движение: На этом этапе учитываются все дополнительные перемещения, которые не добавляют ценности продукту. Часто это происходит из-за плохих рабочих процессов.

Избыточная обработка: Это происходит, когда на обработку затрачивается больше времени, чем на производство в соответствии с требованиями заказчика. Это один из самых сложных видов отходов, который необходимо устранить, особенно при производстве небольшого количества разнообразных продуктов.

Инвентарный запас: Этот вид отходов может возникать по нескольким причинам, например, когда предложение превышает спрос, есть возможности для скидок с количества от поставщиков, а незавершенное производство создается из-за разделения производственных процессов, или сглаживание уровней производства.Хотя есть причины для создания инвентаря, философия бережливого производства по-прежнему считает это бесполезным.

Дефекты : Эти очевидные отходы возникают, когда из-за ошибок в производстве детали или продукты не могут быть использованы. Либо время и ресурсы тратятся на ремонт детали, либо ее нужно выбросить. В любом случае дефектная деталь создает отходы (Jarrahi, 2018; Alefari et al., 2020).

Шесть сигм

Это набор методов и инструментов для улучшения бизнес-процедур, которые помогают производить более качественные услуги и продукты.Цель Six Sigma — повысить единообразие клиентского опыта за счет распознавания и уменьшения вариаций. Организация «Шесть сигм» будет стремиться создать не более 3,4 дефектов на каждый миллион возможностей. Определение дефекта — это любой продукт, не соответствующий стандартам, принятым клиентами. Внедрение DMAIC может помочь в построении бизнеса «Шесть сигм». DMAIC означает «определять, измерять, анализировать, улучшать и контролировать». Ниже приведены шаги для этой процедуры:

◆ Определить: На первом этапе организация четко определяет проблему, чтобы исправить ее.После выявления проблемы организация может разработать стратегию и оценить доступные ресурсы.

◆ Мера: Организациям необходимо измерять всю доступную информацию и тщательно исследовать текущие процессы в соответствии с действующей процедурой. Где потребность в улучшении? Что работает правильно?

◆ Анализировать: После измерения данных организация может проанализировать полученные данные и найти источник проблемы.

◆ Улучшение: После анализа данных организациям необходимо разработать решения. Решения принимаются в низком масштабе для проверки необходимых модификаций.

◆ Контроль: После внедрения новых процедур организация должна найти способ поддерживать эту процедуру. Важно обеспечить постоянное улучшение, чтобы процедура была эффективной (Niñerola et al., 2019).

Кайдзен

На японском языке Кайдзен означает «постоянное совершенствование.«Это помогает вносить позитивные, постоянные изменения в рабочую среду. Ведущие принципы кайдзен заключаются в том, что расширенная процедура приводит к положительным результатам, групповая работа важна для успеха, а некоторые процедуры нуждаются в улучшении. Фирмы применяют кайдзен, чтобы помочь им в развитии культуры постоянного совершенствования. Сотрудники работают вместе, чтобы добиться постоянных изменений в рабочей среде. Небольшие модификации будут сочетаться для достижения основных результатов. Этот метод, безусловно, ориентирован не только на небольшие изменения.Он также концентрируется на вовлечении всех сотрудников, чтобы повлиять на фактические изменения. Кайдзен подчеркивает важность постоянного совершенствования. Организациям необходимо постоянно вносить улучшения. Кайдзен помогает повысить эффективность сотрудников, сократить расходы и улучшить качество обслуживания клиентов (Shan et al., 2016).

Достижение операционного превосходства

Конечная цель организаций, стремящихся к постоянному совершенствованию, — это операционное превосходство. Методы и инструменты — это практический шаг для начала, но их недостаточно для достижения долгосрочных изменений.В обычных дискуссиях часто нет разногласий между искусственным интеллектом и автоматизацией. Однако обе концепции сильно отличаются друг от друга. Организации, использующие их дополняющие друг друга, могут обеспечить значительные преимущества для продуктивности бизнеса. Повышение эффективности дает организациям возможность перенастроить ресурсы и прогресс. Как и ERP, программное обеспечение для автоматизации также поможет извлекать данные для широкого понимания, распознавать последние потоки доходов, которые необходимо исследовать, и помогать организациям в принятии инновационных технологий (Kibria et al., 2018). Достижение операционного превосходства увеличивает взаимодействие между сотрудниками и инструментами. Искусственный интеллект выполняет задачи, которые раньше выполнялись людьми, для повышения их производительности и производительности. Прежде чем внедрять искусственный интеллект и автоматизацию в бизнес-процедуры, организациям необходимо понять, как они интегрируются с передовыми технологиями (Found et al., 2018). Повышение квалификации — фундаментальное требование передового поколения. Сотрудники, работающие в сфере технологий, соглашаются с интеграцией технологических знаний и стратегического планирования.В конкурентной организационной среде существует потребность в ежедневном улучшении. Он определяет основную концепцию организационного совершенства. Организации применяют искусственный интеллект для разработки автоматических ответов на важнейшие функции информационных технологий. Процедура автоматизации включает изменение методов, которые как специалисты по информационным технологиям, так и руководители предприятий применяют в своей повседневной деятельности (Hertz et al., 2018). Исключив человеческую работу в областях, где нет необходимости в человеческом взаимодействии, искусственный интеллект может создать основу для улучшения процессов.Благодаря последней оценке в области искусственного интеллекта организации любого размера могут автоматизировать свою операционную деятельность для разработки быстрых методов машинного обучения (Kumar et al., 2018). Это означает, что передовые технологии могут обнаруживать и устранять проблемы, как только они возникают. Это протоколы самовосстановления искусственного интеллекта, которые приводят к увеличению времени отклика на восстановление информационных технологий, снижению затрат, повышению надежности сетей и бизнес-инфраструктуры (Русев и Салонитис, 2016).Многие организации заменяют ручную рабочую силу искусственным интеллектом и автоматизацией, позволяя специалистам по информационным технологиям уделять больше времени инновациям вместо того, чтобы концентрироваться на ежедневном решении проблем, связанных с расчетом и передачей больших объемов информации, при одновременном уменьшении ошибок оперативной памяти в реальном времени. Возможности настройки ЦП и управления искусственным интеллектом практически безграничны (Laird et al., 2017). Некоторые новейшие алгоритмы могут прогнозировать проблемы до того, как они возникнут, реализуя проактивную стратегию для поиска подходящих решений.Решение на основе искусственного интеллекта постоянно меняет деловой мир. Основными преимуществами самослышащих решений с искусственным интеллектом являются возможность сократить время решения проблем, обнаруживать проблемы до того, как они возникнут, проактивно, критически важная способность к снижению затрат и потенциал для повышения качества обслуживания клиентов. IBM разрабатывает новейшие технологии, чтобы помочь организациям согласовать свои процедуры, снизить операционные расходы и разработать инновационные бизнес-идеи (Lee et al., 2018; Thürer et al., 2018).

Движущие силы для использования искусственного интеллекта для достижения организационного совершенства

Ниже приведены движущие силы использования искусственного интеллекта для достижения эффективности организации:

Улучшение вычислительных возможностей машины

Мощность и скорость компьютеров улучшаются с каждым днем. Организации могут выполнять свою повседневную деятельность, используя компьютеры со встроенным искусственным интеллектом для повышения своей производительности (Chen et al., 2018).

Разработка искусственного интеллекта на основе данных

Развитие от искусственного интеллекта на основе правил до искусственного интеллекта на основе данных делает возможным машинное обучение. Машины могут изучать и применять процедуры независимо без использования алгоритмов «если / то». Он действует как движущая сила для достижения операционного превосходства, поскольку машины продолжают выполнение процедур с минимальным участием человека (Li et al., 2017).

Достижения в области глубокого обучения

Глубокое обучение позволяет машинам узнавать и воспринимать мир по-новому.Традиционно машины не могли различать похожие продукты. Передовые технологии позволяют извлекать данные и самостоятельно выполнять функции. Термин «интеллектуальные машины» отражает эту концепцию. С организационной точки зрения эти технологии помогают фирмам грамотно определять требования и выполнять их (John et al., 2020).

Облачные вычисления

Облачные вычисления также действуют как движущая сила, позволяющая машинам обмениваться данными и выполнять определенные задачи.В нынешнюю эпоху организации должны собирать и обрабатывать данные, а облачные вычисления делают эти процедуры более простыми и прозрачными (Болодурина и Парфенов, 2017).

Управление данными

Искусственный интеллект дает возможность анализировать, обрабатывать и действовать в соответствии с данными с исключительной скоростью. Управление данными — основное требование для внедрения искусственного интеллекта в бизнес-процедуры. Искусственный интеллект позволяет нам анализировать, управлять и обрабатывать данные в соответствии с требованиями.Искусственный интеллект позволяет увеличивать емкость хранилища для управления и сохранения данных и информации (Harrison et al., 2019).

Барьеры на пути внедрения искусственного интеллекта для достижения организационного совершенства

Ниже приведены препятствия на пути внедрения искусственного интеллекта для достижения совершенства организации:

Культурные ограничения

Это ограничение относится к непримиримости к изменениям. Люди следуют шаблонам привычек. Как только люди открывают для себя эффективную или действенную методологию выполнения задач, они предпочитают придерживаться ее.В основном от организаций требуется определенная уверенность, чтобы заявить, что беспорядки и затраты, связанные с изменением процедур или внедрением новых процедур, будут приносить прибыль (Tarafdar et al., 2019). Сопротивление может быть простым как нежелание управлять контролем, будь то непосредственное отношение к машинам или сотрудникам, которые управляют технологической структурой, которая делает возможным искусственный интеллект (Макридакис, 2017). В основном это соответствует требованию к искусственному интеллекту и недостаточному признанию его преимуществ (Yigitcanlar et al., 2020). Образование может помочь преодолеть этот барьер. Людям необходимо понимать, как передовые технологии, от обработки естественного языка до облачных вычислений, могут повысить производительность и снизить затраты. Как только люди узнают об этом, они постоянно участвуют в повышении потенциала продуктивных изменений с помощью искусственного интеллекта (Fountaine et al., 2019).

Страх

Страх — естественная и понятная реакция человека. Страх перед неизвестным — это древняя и сильная эмоция людей.Тем не менее, есть огромные вещи, которые люди не могут себе представить в отношении того, как искусственный интеллект изменит наше будущее. Страх может быть уменьшен, если понять, как будут создаваться новые рабочие места. Процедура принятия решений с помощью компьютерных алгоритмов действительно трудна для понимания. Это создает страх, что люди теряют контроль над своими задачами и больше не являются экспертами в своей работе (Mata et al., 2018). Если машины будут выполнять задачи более эффективно и действенно, спрос на рабочие места в определенных областях может снизиться.Это может привести к двум различным ситуациям: машины удовлетворяют основным требованиям, а люди могут заниматься новаторскими и развлекательными мероприятиями. Во-вторых, зависимость от искусственного интеллекта может вызвать безработицу и социальные волнения. Чтобы избежать препятствий, решение состоит в том, чтобы обратиться к технологическим основаниям для улучшения работы человека вместо их замены (Ploder, 2019).

Отсутствие навыков

Это актуальная и критическая проблема для многих организаций, которым требуется внедрение искусственного интеллекта и переход на другие структуры на основе данных для автоматической модификации.Когда дело доходит до организационной эффективности и роста из-за искусственного интеллекта, существует барьер из-за отсутствия навыков и технических специалистов с обучением и опытом, необходимыми для принятия существенных организационных изменений и инфраструктуры. Несмотря на то, что искусственный интеллект применяется уже несколько лет, этот талант только недавно стал востребован промышленным сектором (Lee et al., 2018). Значительный рост спроса означает, что те, кто обладает способностями, могут требовать более высоких зарплат и продвижения по службе в фирмах, которые их назначают.Кроме того, теперь фирмы понимают необходимость искусственного интеллекта и вкладывают средства во внедрение этой технологии (Moulin-Frier et al., 2017). Google и Facebook, например, считаются большими преимуществами как предприятия, у которых есть таланты, учитывая, что другие фирмы сталкиваются с жесткой конкуренцией за найм новых талантов. Однако существует вероятность того, что этот барьер будет преодолен обществом, которое сократит разрыв между спросом и предложением. Потребность в навыках дает возможность таланту расти.Еще одно решение — повышение квалификации сотрудников. С увеличением количества решений искусственного интеллекта, доступных по мере развития услуги, будет меньше потребности в тщательно обученных сотрудниках в области традиционной науки для внедрения решений искусственного интеллекта для многих бизнес-задач. Таким образом, это будет более доступным и менее сложным для растущих внутренних сотрудников в области ИИ (Jarrahi, 2018).

Отсутствие стратегического планирования для внедрения искусственного интеллекта

Так или иначе, это смесь нескольких различных препятствий — нехватки навыков, культурных барьеров, трудностей в управлении в понимании преимуществ и производительности искусственного интеллекта, а также технологических преобразований.Согласно общему прогрессу и программам развития, результат таков, что возможности искусственного интеллекта не соответствуют планам на стратегическом уровне. Результаты не могут касаться организационных преимуществ, общего прогресса и программ развития. Основная причина заключается в том, что, когда организации осознают важность внедрения технологии искусственного интеллекта и преимущества, которые она может предоставить, они не могут рассматривать это со стратегической точки зрения или с полным знанием целей и задач. всех характеристик операций искусственного интеллекта, от сбора данных до раскрытия информации (Nguyen et al., 2019). Решение этого барьера заключается в том, что компании всегда должны составлять четкий стратегический план, прежде чем деньги и время будут тратиться на ресурсоемкие идеи искусственного интеллекта. У них должно быть четкое представление о преимуществах, которые они могут принести. Компании должны убедиться, что их искусственный интеллект полностью связан с бизнес-целями и совершенством, когда каждый акционер имеет полное представление о неудачах и успехах (Olsen and Tomlin, 2020; Raj et al., 2020).

Методология

В данной статье проводится углубленный систематический обзор литературы о пересечении ИИ и операционного превосходства.Этот метод помогает получить теоретические основы исследования. Обзор литературы должен быть «систематическим, подробным и воспроизводимым методом для выявления, оценки и синтеза существующей совокупности завершенных и записанных работ, созданных исследователями». Проведение систематического обзора литературы известно как «Фундаментальная научная деятельность». Это также позволяет нам понять объем исследования, представить и изучить предыдущую литературу, а также раскрыть конкретную тему. Мы сосредоточились на англоязычных статьях, следуя стандартным исследовательским процедурам.Первым шагом был ручной поиск по различным соответствующим статьям из EBSCO, ProQuest, Emerald Insight, Science direct, Taylor and Francis, Wiley, JSTOR и IEEE. Методология была разработана в следующие этапы (Рисунок 3).

Рисунок 3 . Методика отбора статей.

Статьи были найдены по поисковым фразам и извлечены из различных баз данных. Первоначально 1854 статьи были определены на основе общих ключевых слов искусственного интеллекта и совершенства операций с 2015 по 2020 годы.Все результаты были сохранены и объединены из всех баз данных. Повторяющиеся статьи были опущены, что привело к чистому количеству 850 статей по сравнению с первым английским критерием. Затем статьи были задокументированы в электронной таблице «результатов». Был проведен дополнительный поиск, чтобы убедиться, что все статьи были найдены в базе данных для завершения процесса. Статьи, связанные с искусственным интеллектом и производственным совершенством, использовались в комбинированных строках. В первом наборе искали статьи, связанные с искусственным интеллектом и управлением операциями.Второй набор включал статьи об искусственном интеллекте, операциях, исследованиях операций, совершенстве операций и управлении операциями. Строки были изменены на основе различных типов баз данных. Статьи были основаны на качестве и были отфильтрованы только для статей в рецензируемых журналах и на конференциях, что привело к сокращению количества статей на 350. Все статьи были пересмотрены, чтобы убедиться, что они соответствуют области искусственного интеллекта и совершенства операций. Были проанализированы аннотации различных статей для дальнейшего соответствия области исследования.Эта окончательная фильтрация сократила количество статей до 53, которые сравнивались и обсуждались для более глубокого анализа. Результаты представлены в таблице 1, в которой описывается статистика статей во время первоначального поиска в базе данных и после обработки статьи. Первое число в каждом столбце представляет начальный поиск, а второе число представляет количество после фильтрации. Он отображается в форматах «Начальный поиск» и «После обработки».

Таблица 1 . Результаты поиска и обработки в базе данных.

Выводы и результаты

Анализ предыдущих исследований показал, что термины «искусственный интеллект» и «совершенство операций» в сочетании с другими ключевыми словами указывают на соответствующую потребность в координации и приверженности в области совершенствования операций. Результаты исследования представлены в виде таблиц и статистики для обобщения проанализированной литературы и обсуждения вопросов исследования. На рисунке 4 представлены номера статей за выбранный период, взятые из рецензируемых конференций и журналов.На рисунке 5 представлен обзор распределения статей по результатам поиска в базе данных. 75% обзора литературы было из рецензируемых журналов и 25% из конференций. В таблице 2 обобщены методы искусственного интеллекта, относящиеся к совершенству в работе, которые были завершены для 53 статей.

Рисунок 4 . Интервал времени для идентифицированных статей.

Рисунок 5 . Распространение статей.

Таблица 2 . Безупречное использование методов искусственного интеллекта.

В таблице 3 представлена ​​частота используемых методов искусственного интеллекта на основе проанализированной литературы. Различные методы искусственного интеллекта использовались для повышения операционной эффективности в зависимости от реализации. Большинство статей были основаны на использовании нейронных сетей с методом наивысшего ранга с 21, системой поддержки принятия решений на втором месте с 20, деревьями решений и моделированием по 16 каждое, моделированием с 14 и автоматизацией с 12. Остальные методы варьируется в зависимости от разных подходов. На рисунке 6 представлен общий обзор методологий, использованных в статьях.68% статей использовали одиночные методы, 21% использовали двойные методы и 11% использовали множественные методы для решения операционных задач для достижения совершенства. В таблице 4 представлена ​​частота анализируемых статей с точки зрения уникального результата, который показывает важность использования искусственного интеллекта для повышения эффективности работы. На рисунке 7 показано резюме статей, рассмотренных с точки зрения уникального результата. В большинстве статей структура используется как уникальный результат, почти 17%, подход используется как 15%, модель используется как 13%, тематическое исследование и метод как 9% каждая.Остальные результаты варьируются в зависимости от результатов, выбранных исследователями.

Таблица 3 . Частота использования методов искусственного интеллекта.

Рисунок 6 . Краткое изложение методов.

Таблица 4 . Частота уникальных исходов.

Рисунок 7 . Уникальные результаты в процентах.

Обсуждение

Результаты демонстрируют связь между искусственным интеллектом и высоким качеством работы, что подтверждается выбором из 53 статей.Это доказывает, что 1 из 12 статей об искусственном интеллекте касается операционного превосходства. Также подчеркивается, что 12 процентов из 53 статей демонстрируют четкую связь между высоким качеством работы и искусственным интеллектом. Результаты значительны, потому что они показывают, что достижение операционного превосходства зависит от движущих сил и устранения препятствий. Устраняя препятствия, можно достичь операционного превосходства. Анализ не доказывает каких-либо конкретных методов повышения качества работы.Он исследует движущие силы и препятствия на пути использования искусственного интеллекта для достижения операционного превосходства. Методология позволила нам распознать взаимосвязь между различными ключевыми словами и объяснить пробелы в исследованиях.

Какая связь между производственным совершенством и искусственным интеллектом?

Ответ на первый вопрос исследования заключается в том, что мы провели анализ, который объясняет, что искусственный интеллект и виртуальная реальность являются отраслями компьютерных исследований и важными инструментами для улучшения жизни человека или поддержания процедур обучения на протяжении всей жизни.Технологии играют жизненно важную роль во влиянии на социальный, политический, культурный, образовательный и организационный секторы (Siryani et al., 2017).

Интеллектуальные агенты могут помочь моделям, отличным от C2B, при переговорах между покупателями и продавцами. С быстрым развитием искусственного интеллекта происходит развитие многих концепций и приоритетов для улучшения управления продажами продуктов. В эту технологическую эпоху системы онлайн-опросов помогают определить потребности сотрудников в работе в организации (Wang et al., 2015). Операционное превосходство — это концепция, в которой основное внимание уделяется методам решения проблем и лидерским навыкам как главному фактору непрерывного развития. Фирмы, как правило, не уверены, как добиться совершенства в работе, и большинство организаций считают это слишком широким или сомнительным, так как это сложное понятие для объяснения. Отношение сотрудника и менеджера — это не набор действий, которые выполняет организация. Фирмы могут повысить свою производительность и культуру за счет операционного превосходства, способствуя устойчивому прогрессу.Организации должны следить за прошлыми традиционными событиями и рассчитывать на устойчивую систему изменений. Принципы операционного превосходства: уважать каждого человека, руководить скромно, стремиться к совершенству, принимать научные идеи, сосредотачиваться на процедуре, обеспечивать качество, привлекать и передавать ценность, мыслить логически, развивать постоянство цели и создавать ценность для клиентов.

Каковы движущие силы для достижения эффективности организации с помощью искусственного интеллекта?

Второй вопрос исследования касается вопроса о том, что движущими силами достижения операционного превосходства с помощью искусственного интеллекта являются улучшенные вычислительные возможности машин (Wirtz, 2019).Организации могут выполнять свою повседневную деятельность, используя компьютеры со встроенным искусственным интеллектом для повышения своей производительности. Второй драйвер — это развитие искусственного интеллекта на основе данных: машины могут изучать и применять процедуры независимо, без использования алгоритма if / then. Третий драйвер — это достижения в области глубокого обучения, что означает, что глубокое обучение позволяет машинам по-разному распознавать и воспринимать мир (Zhao et al., 2019). С организационной точки зрения эти технологии помогают компаниям грамотно определять требования и выполнять их.Четвертый барьер — это облачные вычисления, которые позволяют машинам обмениваться данными и работать для выполнения определенных задач. В нынешнюю эпоху организациям приходится собирать и обрабатывать данные, а облачные вычисления делают эти процедуры более простыми и прозрачными. Пятый драйвер управляет данными. Искусственный интеллект дает возможность анализировать, обрабатывать и действовать в соответствии с данными с исключительной скоростью. Искусственный интеллект позволяет нам анализировать, управлять и обрабатывать данные в соответствии с требованиями.

Какие препятствия на пути к достижению эффективности организации с помощью искусственного интеллекта?

Третий ответ исследования — препятствия на пути к совершенству организации с помощью искусственного интеллекта, которые являются культурными ограничениями; Как только люди открывают для себя эффективную или действенную методологию выполнения задач, они предпочитают придерживаться ее. Это может быть просто нежелание управлять контролем, будь то непосредственное управление машинами или сотрудниками, которые управляют технологической структурой, которая делает возможным искусственный интеллект.Образование может помочь преодолеть этот барьер. Людям необходимо понимать, как передовые технологии, от обработки естественного языка до облачных вычислений, могут повысить производительность и снизить затраты. Как только люди узнают об этом, они постоянно участвуют в повышении потенциала эффективных изменений с помощью искусственного интеллекта. Второй барьер — страх. Страх — естественная и понятная реакция людей. Страх перед неизвестным — это древняя и сильная эмоция человека (Bottani et al., 2019).

Для быстрого понимания, страх может распространять дистанцию ​​между работой и служащими, чтобы получить зарплату. Это создает страх, что люди теряют контроль над своими задачами и больше не являются экспертами в своей работе. Чтобы избежать этого барьера, решение состоит в том, чтобы обратиться к технологическим основаниям для улучшения человеческого труда вместо их замены. Третий барьер — отсутствие навыков. Это актуальная и критическая проблема для многих организаций, которым требуется внедрение искусственного интеллекта и переход на другие структуры на основе данных для автоматической модификации (Huo et al., 2020). Когда дело доходит до организационной эффективности и роста из-за искусственного интеллекта, существует барьер из-за отсутствия навыков и технических специалистов с обучением и опытом, необходимыми для принятия фундаментальных организационных изменений и инфраструктуры (Gray-Hawkins and Lăzăroiu, 2020). Хотя существует вероятность того, что этот барьер будет преодолен путем управления спросом и предложением (Marcos et al., 2020), с учетом потребности в навыках, есть возможность для таланта расти.Еще одно решение — повышение квалификации сотрудников. Четвертый барьер — отсутствие стратегического планирования внедрения искусственного интеллекта. Так или иначе, это смесь нескольких различных препятствий — нехватки навыков, культурных барьеров, трудностей в управлении, которые влияют на преимущества и производительность искусственного интеллекта, а также технологической трансформации. Решение этого барьера заключается в том, что довольно прямые фирмы всегда должны обеспечивать четкий стратегический план, прежде чем деньги и время будут тратиться на ресурсоемкие идеи искусственного интеллекта без четкого понимания преимуществ, которые они могут принести.

Результаты исследований

Это исследование поможет менеджерам понять препятствия на пути внедрения искусственного интеллекта для достижения операционного превосходства. Этот документ обновляет предыдущее понимание операционного превосходства, искусственного интеллекта, а также движущих сил и препятствий на пути внедрения искусственного интеллекта. Знание движущих сил и препятствий на пути внедрения искусственного интеллекта для достижения операционного превосходства помогает организациям сохранять свои конкурентные позиции.Целенаправленный обзор литературы показал, что операционное превосходство может быть реализовано более эффективно с использованием искусственного интеллекта. Предлагаемая структура основных функций операционной эффективности может быть расширена в соответствии с потребностями организации. Кроме того, углубленная структура для системы повышения операционной эффективности на основе искусственного интеллекта предоставила области с добавленной стоимостью, которые могут помочь руководителям организаций сосредоточиться на основных областях, а также на хорошо связанных функциях.Внедрение предложенных структур ускорит операционное превосходство в организациях с четкой дорожной картой для согласования ключевых показателей эффективности.

Ограничения и направления будущих исследований

У этого исследования есть некоторые ограничения. Во-первых, в рамках данного исследования основное внимание уделяется предшествующей литературе. Так что применять обобщение непрактично. Кроме того, исследование ограничивается производственным совершенством и использованием искусственного интеллекта в организации.Будущие исследователи могут изучить другие факторы, влияющие на внедрение искусственного интеллекта в других секторах, таких как банковское дело, строительство и здравоохранение. Кроме того, предлагаемые структуры могут быть использованы для реализации в организации для пилотного запуска. Результат результатов может быть дополнительно подтвержден с помощью до и после внедрения системы повышения операционной эффективности на основе искусственного интеллекта. Более того, можно применить подход, основанный на тематическом исследовании, чтобы предоставить полные процедуры и процессы для других организаций и лучше понять искусственный интеллект и операционное превосходство.

Заявление о доступности данных

Исходные материалы, представленные в исследовании, включены в статью / дополнительный материал, дальнейшие запросы можно направить соответствующему автору.

Авторские взносы

MT внесла свой вклад в формирование идей, систематический анализ концептуализации, обзор, сбор статей, визуализацию и форматирование статей. MP и AA внесли свой вклад в обзор литературы, табличный анализ результатов, корректуру, логический процесс, улучшение визуализации и окончательное форматирование.Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Школа менеджмента Абу-Даби профинансирует сборы за публикации в открытом доступе для текущего исследования.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Список литературы

Абдулджаббар, Р., Диа, Х., Liyanage, S., и Bagloee, S.A. (2019). Применение искусственного интеллекта на транспорте: обзор. Sustain. Для. 11, 421–426. DOI: 10.1016 / j.radonc.2018.05.030

CrossRef Полный текст | Google Scholar

Агирре, С., Родригес, А. (2017). «Автоматизация бизнес-процессов с использованием роботизированной автоматизации процессов (RPA): пример из практики» в Workshop on Engineering Applications (Cham: Springer), 65–71.

Google Scholar

Алефари, М., Альманей, М., и Салонитис, К. (2020). Бережливое производство, лидерство и сотрудники: на примере производственных компаний МСП в ОАЭ. Прод. Manuf. Res. 8, 222–243. DOI: 10.1080 / 21693277.2020.1781704

CrossRef Полный текст | Google Scholar

Аллам, З., и Данни, З.А. (2019). О больших данных, искусственном интеллекте и умных городах. Города 89, 80–91. DOI: 10.1016 / j.cities.2019.01.032

CrossRef Полный текст | Google Scholar

Альви, А.К., Джавайд, А., Каур, П., Сафдар, У., и Бахт Явар, Р. (2020). Взаимосвязь между преимуществами организации и вовлеченностью сотрудников. Eur. Интернет J. Nat. Социальные науки. 9: 339. DOI: 10.1080 / 0142159X.2017.1359522

CrossRef Полный текст | Google Scholar

Арриета А. Б., Диас-Родригес Н., Дель Сер Дж., Беннетот А., Табик С., Барбадо А. и др. (2020). Объяснимый искусственный интеллект (xai): концепции, таксономия, возможности и проблемы на пути к ответственному искусственному интеллекту. Информация. Fusion 58, 82–115. DOI: 10.1016 / j.inffus.2019.12.012

CrossRef Полный текст | Google Scholar

Беккер, Б. (2017). Искусственный интеллект в образовании: что это такое, где он сейчас, куда идет. Ирель. Yearb. Эд. 2018, 42–46.

Google Scholar

Бензайд, К., и Талеб, Т. (2020). Управляемая искусственным интеллектом сеть без касания и управление услугами в 5G и не только: проблемы и направления исследований. IEEE Netw. 34, 186–194. DOI: 10.1109 / MNET.001.12

CrossRef Полный текст | Google Scholar

Болодурина И., Парфенов Д. (2017). Разработка и исследование моделей организации распределенных облачных вычислений на основе программно-определяемой инфраструктуры. Proc. Комп. Sci. 103, 569–576. DOI: 10.1016 / j.procs.2017.01.064

CrossRef Полный текст | Google Scholar

Боттани, Э., Чентобелли, П., Галло, М., Мохамад, А. К., Джайн, В., и Мурино, Т. (2019). Моделирование операций оптового распределения: структура искусственного интеллекта. Ind. Manag. Data Syst. 119, 698–718. DOI: 10.1108 / IMDS-04-2018-0164

CrossRef Полный текст | Google Scholar

Aliş, B., и Bulkan, S. (2015). Исследовательский обзор: обзор стратегий решения искусственного интеллекта проблемы планирования работы цеха. J. Intell. Manuf. 26, 961–973. DOI: 10.1007 / s10845-013-0837-8

CrossRef Полный текст | Google Scholar

Карвалью, А.М., Сампайо, П., Ребентиш, Э., Карвалью, Дж. Б., и Сараива, П. (2019). Операционное превосходство, организационная культура и гибкость: недостающее звено? Всего квали. Manag. Автобус. Отлично. 30, 1495–1514. DOI: 10.1080 / 14783363.2017.1374833

CrossRef Полный текст | Google Scholar

Чакраборти, С., Шарма, А., и Вайдья, О.С. (2020). Достижение устойчивого операционного превосходства за счет внедрения ИТ в логистическом секторе Индии: анализ препятствий. Resour.Консерв. Recycl. 152: 104506. DOI: 10.1016 / j.resconrec.2019.104506

CrossRef Полный текст | Google Scholar

Чен М., Эррера Ф. и Хван К. (2018). Когнитивные вычисления: архитектура, технологии и интеллектуальные приложения. Доступ IEEE 6, 19774–19783. DOI: 10.1109 / ACCESS.2018.27

CrossRef Полный текст | Google Scholar

Кьярини, А., Кумар, М. (2020). Интеграция «бережливого производства» и «Индустрия 4.0» для повышения операционной эффективности: данные итальянских производственных компаний. Прод. План. Контроль. 1, 1–18. DOI: 10.1080 / 09537287.2020.1784485

CrossRef Полный текст | Google Scholar

Чой, Т. М., Уоллес, С. В., и Ван, Ю. (2018). Аналитика больших данных в управлении операциями. Прод. Опер. Manag. 27, 1868–1883. DOI: 10.1111 / poms.12838

CrossRef Полный текст | Google Scholar

Данахер, Дж. (2018). К этике помощников ИИ: начальная основа. Philos. Tech. 31, 629–653.DOI: 10.1007 / s13347-018-0317-3

CrossRef Полный текст | Google Scholar

Дэвенпорт, Т. Х., и Ронанки, Р. (2018). Искусственный интеллект для реального мира. Harv. Автобус. Ред. 96, 108–116.

Google Scholar

Deivanathan, R. (2019). «Обзор технологий искусственного интеллекта для достижения целей обработки» в Cognitive Social Mining Applications in Data Analytics and Forensics (США: IGI Global), 138–159.

Google Scholar

Догру, А. К., и Кескин, Б. Б. (2020). ИИ в управлении операциями: приложения, проблемы и возможности. J. Data Info. Управлять. 2, 1–8. DOI: 10.1007 / s42488-020-00023-1

CrossRef Полный текст | Google Scholar

Эйгенраам А. В., Илен Дж., Ван Лин А. и Верлег П. В. (2018). Классификация практик цифрового взаимодействия с клиентами, основанная на потребителях. J. Взаимодействовать. Отметка. 44, 102–121. DOI: 10.1016 / j.intmar.2018.07.002

CrossRef Полный текст | Google Scholar

Found, P., Lahy, A., Williams, S., Hu, Q., and Mason, R. (2018). К теории операционного превосходства. Всего квали. Manag. Автобус. Отлично. 29, 1012–1024. DOI: 10.1080 / 14783363.2018.1486544

CrossRef Полный текст | Google Scholar

Фаунтейн, Т., Маккарти, Б., и Салех, Т. (2019). Создание организации, основанной на искусственном интеллекте. Harv. Автобус. Ред. 97, 62–73.

Google Scholar

Gólcher-Barguil, L.A., Nadeem, S.P., and Garza-Reyes, J.A. (2019). Измерение операционной эффективности: подход, основанный на рентабельности операционной эффективности (OEP). Прод. План. Контроль 30, 682–698. DOI: 10.1080 / 09537287.2019.1580784

CrossRef Полный текст | Google Scholar

Грей-Хокинс, М., Лэзэройу, Г. (2020). Промышленный искусственный интеллект, устойчивое управление жизненным циклом продукции и сети обнаружения вещей в киберфизических интеллектуальных производственных системах. J. Self-Gov. Управлять. Эко. 8, 19–28. DOI: 10.22381 / JSME8420202

CrossRef Полный текст | Google Scholar

Харрисон, Т. Ф., Луна-Рейес, Л., Пардо, Т., Де Паула, Н., Наджафабади, М., и Палмер, Дж. (2019). «Шланг данных и искусственный интеллект в правительстве: почему управление данными является ключом к ценностям и этике». in Proceedings of the 20 Annual International Conference on Digital Government Research. июнь 2019 г .; Нью-Йорк, штат Нью-Йорк: Ассоциация вычислительной техники, 171–176.

Google Scholar

Хейнонен К., Кэмпбелл К. и Фергюсон С. Л. (2019). Стратегии создания ценности через индивидуальный и коллективный клиентский опыт. Business Horiz. 62, 95–104. DOI: 10.1016 / j.bushor.2018.09.002

CrossRef Полный текст | Google Scholar

Герц, Х.С., Баркер, С., и Эджман, Р. (2018). Текущее и будущее состояния: переосмысление совершенства предприятия. Всего квали. Manag. Автобус. Отлично. 2, 1–10.DOI: 10.1080 / 14783363.2018.1444475

CrossRef Полный текст | Google Scholar

Хо, К., Хамид, Дж., Хак, И. У., Номан, С. М., и Сохаил, Р. К. (2020). Влияние искусственного и неискусственного интеллекта на производство и эксплуатацию новых продуктов — анализ развивающихся рынков технологических достижений с управленческой точки зрения. Rev. Argent. Де Клин. Psicoló. 29:69. DOI: 10.24205 / 03276716.2020.1008

CrossRef Полный текст | Google Scholar

Иванов, Д., и Соколов, Б. (2019). Одновременный структурно-оперативный контроль динамики и устойчивости цепочки поставок. Ann. Опер. Res. 283, 1191–1210. DOI: 10.1007 / s10479-019-03231-0

CrossRef Полный текст | Google Scholar

Джамшидиени Б., Резайе К., Эскандари Н. и Дадаши А. (2017). Операционное превосходство в оптимальном планировании и использовании распределительной сети. CIRED-Open Access Proc. J. 2017, 2449–2452. DOI: 10.1049 / oap-cired.2017.1115

CrossRef Полный текст | Google Scholar

Джаррахи, М. Х. (2018). Искусственный интеллект и будущее труда: симбиоз человека и искусственного интеллекта в процессе принятия организационных решений. Автобус. Horiz. 61, 577–586. DOI: 10.1016 / j.bushor.2018.03.007

CrossRef Полный текст | Google Scholar

Джон М. М., Олссон Х. Х. и Бош Дж. (2020). «Разработка моделей ML / DL: структура дизайна». в Труды Международной конференции по программному обеспечению и системным процессам. 1–10.

Google Scholar

Камбл, С., Гунасекаран, А., Дхоне, Н. К. (2020). Индустрия 4.0 и методы бережливого производства для обеспечения устойчивой организационной деятельности в индийских производственных компаниях. Внутр. J. Prod. Res. 58, 1319–1337. DOI: 10.1080 / 00207543.2019.1630772

CrossRef Полный текст | Google Scholar

Канг, Дж. Х., Матусик, Дж. Г., Ким, Т. Ю. и Филлипс, Дж. М. (2016). Интерактивные эффекты нескольких организационных климатов на инновационное поведение сотрудников в предпринимательских фирмах: межуровневое исследование. J. Bus. Ventur. 31, 628–642. DOI: 10.1016 / j.jbusvent.2016.08.002

CrossRef Полный текст | Google Scholar

Карсенти, Т. (2019). Искусственный интеллект в образовании: острая необходимость в подготовке учителей для школ завтрашнего дня. Formation et Profession 27, 112–116. DOI: 10.18162 / fp.2019.a167

CrossRef Полный текст | Google Scholar

Кибрия, М. Г., Нгуен, К., Вилларди, Г. П., Чжао, О., Ишизу, К., и Кодзима, Ф. (2018).Аналитика больших данных, машинное обучение и искусственный интеллект в беспроводных сетях нового поколения. Доступ IEEE 6, 32328–32338. DOI: 10.1109 / ACCESS.2018.2837692

CrossRef Полный текст | Google Scholar

Купман П. и Вагнер М. (2017). Безопасность автономных транспортных средств: междисциплинарная проблема. IEEE Intell. Трансп. Syst. Mag. 9, 90–96. DOI: 10.1109 / MITS.2016.2583491

CrossRef Полный текст | Google Scholar

Кумар, С., Мукерджи, В., и Шубхам, А. (2018). Исследования в области управления операциями и интерфейса информационных систем. Прод. Опер. Manag. 27, 1893–1905. DOI: 10.1111 / poms.12961

CrossRef Полный текст | Google Scholar

Лэрд, Дж. Э., Лебьер, К., Розенблум, П. С. (2017). Стандартная модель разума: к общей вычислительной структуре для искусственного интеллекта, когнитивной науки, нейробиологии и робототехники. AI Mag. 38, 13–26. DOI: 10.1609 / aimag.v38i4.2744

CrossRef Полный текст | Google Scholar

Ли, Дж., Давари, Х., Сингх, Дж., И Пандхаре, В. (2018). Промышленный искусственный интеллект для производственных систем на основе Индустрии 4.0. Manuf. Lett. 18, 20–23. DOI: 10.1016 / j.mfglet.2018.09.002

CrossRef Полный текст | Google Scholar

Ли, Б. Х., Хоу, Б. К., Ю, В. Т., Лу, Х. Б. и Янг, К. В. (2017). Применение искусственного интеллекта в интеллектуальном производстве: обзор. Фронт. Информация. Tech. Электрон. Англ. 18, 86–96. DOI: 10.1631 / FITEE.1601885

CrossRef Полный текст | Google Scholar

Лян, К. К., Лян, В. Ю. и Ценг, Т. Л. (2019). Оценка интеллектуальных агентов в электронной коммерции между потребителями и предприятиями. Сост. Стоять. Интерфейсы 65, 122–131. DOI: 10.1016 / j.csi.2019.03.002

CrossRef Полный текст | Google Scholar

Макридакис, С. (2017). Грядущая революция искусственного интеллекта (ИИ): ее влияние на общество и компании. Фьючерсы 90, 46–60. DOI: 10.1016 / j.futures.2017.03.006

CrossRef Полный текст | Google Scholar

Мангла, С. К., Куси-Сарпонг, С., Лутра, С., Бай, К., Джакхар, С. К., и Хан, С. А. (2020). Операционное превосходство для улучшения устойчивой работы цепочки поставок. Resour. Консерв. Recycl. 162: 105025. DOI: 10.1016 / j.resconrec.2020.105025

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Маркос, Г.Г., Виктор Гюго Карлквист, Д.S., Rodrigues Pinto, L.F., Centoamore, P., Digiesi, S., Facchini, F., et al. (2020). Экономические, экологические и социальные выгоды от внедрения искусственного интеллекта при эксплуатации плотин в соответствии с принципами Индустрии 4.0. Sustain. Для. 12: 3604. DOI: 10.3390 / su12093604

CrossRef Полный текст | Google Scholar

Масум, А. К. М., Бех, Л. С., Азад, М. А. К., и Хок, К. (2018). Интеллектуальная информационная система по человеческим ресурсам (i-HRIS): целостная структура поддержки принятия решений для повышения качества кадров. Внутр. Араб. J. Inf. Technol. 15, 121–130.

Google Scholar

Mata, J., de Miguel, I., Duran, R.J., Merayo, N., Singh, S.K, Jukan, A., et al. (2018). Методы искусственного интеллекта (ИИ) в оптических сетях: всесторонний обзор. Опт. Выключатель. Netw. 28, 43–57. DOI: 10.1016 / j.osn.2017.12.006

CrossRef Полный текст | Google Scholar

Moulin-Frier, C., Puigbo, J. Y., Arsiwalla, X. D., Sanchez-Fibla, M., and Verschure, P.Ф. (2017). «Воплощенный искусственный интеллект через распределенное адаптивное управление: интегрированная структура» в Совместной международной конференции IEEE по развитию, обучению и эпигенетической робототехнике (ICDL-EpiRob). Нью-Йорк: IEEE, 324–330.

Google Scholar

Mühlroth, C., и Grottke, M. (2020). Искусственный интеллект в инновациях: как определять новые тенденции и технологии. IEEE Trans. Англ. Manag. 5, 1–18. DOI: 10.1109 / TEM.2020.2989214

CrossRef Полный текст | Google Scholar

Нгуен, Г., Длуголинский, С., Бобак, М., Тран, В., Гарсия, А. L., Heredia, I., et al. (2019). Фреймворки и библиотеки машинного обучения и глубокого обучения для крупномасштабного интеллектуального анализа данных: обзор. Artif. Intell. Ред. 52, 77–124. DOI: 10.1007 / s10462-018-09679-z

CrossRef Полный текст | Google Scholar

Ниньерола А., Санчес-Ребулль М. В. и Эрнандес-Лара А. Б. (2019). Литература «Шесть сигм»: библиометрический анализ. Всего квали. Manag. Автобус. Отлично. 8, 1–22.DOI: 10.1080 / 14783363.2019.1652091

CrossRef Полный текст | Google Scholar

Олсен, Т. Л., и Томлин, Б. (2020). Индустрия 4.0: возможности и проблемы для управления операциями. Manuf. Серв. Опер. Manag. 22, 113–122. DOI: 10.1287 / msom.2019.0796

CrossRef Полный текст | Google Scholar

Пансари А., Кумар В. (2017). Вовлеченность клиентов: конструкция, предшественники и последствия. J. Acad. Отметка. Sci. 45, 294–311.DOI: 10.1007 / s11747-016-0485-6

CrossRef Полный текст | Google Scholar

Paschek, D., Luminosu, C.T., and Draghici, A. (2017). «Автоматизированное управление бизнес-процессами — во времена цифровой трансформации с использованием машинного обучения или искусственного интеллекта» в MATEC Web of Conferences. Том . 121. Франция: EDP Sciences, 04007.

Google Scholar

Ploder, C. (2019). «Проникновение инструментов искусственного интеллекта в бизнес: внедрение, проблемы и опасения» на Международной конференции по управлению знаниями в организациях. Том . 1027. Чам: Спрингер, 259.

Google Scholar

Поставару Н., Драгичи Г., Филип К., Мохаммед А. Р. и Мохаммед С. М. (2019). Стратегии управления бизнесом для развития бизнеса. Организация территории и планирование строительных работ. Ovidius Univ. Аня. Пост. Сер. Civil Eng. 21, 45–50. DOI: 10.2478 / ouacsce-2019-0005

CrossRef Полный текст | Google Scholar

Радж А., Двиведи Г., Шарма, А., де Соуза Джаббур, А. Б. Л., и Раджак, С. (2020). Барьеры на пути внедрения технологий Индустрии 4.0 в производственном секторе: межстрановая сравнительная перспектива. Внутр. J. Prod. Экон. 224: 107546. DOI: 10.1016 / j.ijpe.2019.107546

CrossRef Полный текст | Google Scholar

Роберт Л. П., Пирс К., Маркиз Л., Ким С. и Алахмад Р. (2020). Создание справедливого ИИ для управления сотрудниками в организациях: обзор, критика и разработка повестки дня. Human – Comp. Int. 2, 1–31. DOI: 10.1080 / 07370024.2020.1735391

CrossRef Полный текст | Google Scholar

Русев С.Дж., Салонитис К. (2016). Система оценки качества работы производственных компаний. Proc. CIRP 55, 272–277. DOI: 10.1016 / j.procir.2016.08.026

CrossRef Полный текст | Google Scholar

Санчес-Руис, Л., Бланко, Б., и Гомес-Лопес, Р. (2019). Факторы, способствующие непрерывному совершенствованию: определение новой конструкции. J. Ind. Eng. Manag. 12, 51–69. DOI: 10.3926 / jiem.2743

CrossRef Полный текст | Google Scholar

Шеер, А. В. (2017). «Тезисы о цифровизации» в Драйверы цифровой трансформации. изд. Ф. Аболхассан (Чам: Спрингер), 33–43.

Google Scholar

Сехнем, С., Джаббур, К. Дж. К., Перейра, С. К. Ф., и де Соуза Джаббур, А. Б. Л. (2019). Повышение эффективности устойчивых цепочек поставок за счет операционного превосходства: подход экономики замкнутого цикла. Resour. Консерв. Recycl. 149, 236–248. DOI: 10.1016 / j.resconrec.2019.05.021

CrossRef Полный текст | Google Scholar

Шан, А. В., Ахмад, М. Ф., и Нор, Н. Х. М. (2016). «Посреднический эффект кайдзен между общим управлением качеством (TQM) и эффективностью бизнеса» в серии конференций IOP: Материаловедение и инженерия. Том . 160. Соединенное Королевство: IOP Publishing, 012012.

Google Scholar

Шехадех, Р., Аз-Зуби, З. М. Ф., Абдаллах, А. Б., и Макабле, М. (2016). Изучение критических факторов, влияющих на эффективность работы сервисных компаний в Иордании. J. Manag. Res. 8, 18–49. DOI: 10.5296 / jmr.v8i1.8680

CrossRef Полный текст | Google Scholar

Singh, J., Flaherty, K., Sohi, R. S., Deeter-Schmelz, D., Habel, J., Le Meunier-Fitz Hugh, K., et al. (2019). Торговые профессии и профессионалы в эпоху цифровизации и технологий искусственного интеллекта: концепции, приоритеты и вопросы. J. Pers. Продавать. Управление продажами. 39, 2–22. DOI: 10.1080 / 08853134.2018.1557525

CrossRef Полный текст | Google Scholar

Сириани, Дж., Танжу, Б., и Эвли, Т. Дж. (2017). Система поддержки принятия решений с помощью машинного обучения улучшает работу интеллектуальных счетчиков Интернета вещей. IEEE Internet Things J. 4, 1056–1066. DOI: 10.1109 / JIOT.2017.2722358

CrossRef Полный текст | Google Scholar

Скурдаускайте, И. (2020). 45 способов взглянуть на преимущества и риски искусственного интеллекта: чего ожидать? Политология 97, 123–129.DOI: 10.15388 / Полит.2020.97.5

CrossRef Полный текст | Google Scholar

Сони, М. (2019). Обеспечение устойчивого операционного превосходства в организациях: комплексная точка зрения. Прод. Manuf. Res. 7, 67–87. DOI: 10.1080 / 21693277.2019.1581674

CrossRef Полный текст | Google Scholar

Станица И., Даскалу М. И., Бодя К. Н. и Молдовяну А. Д. Б. (2018). «VR-симулятор собеседования: где виртуальная реальность встречается с искусственным интеллектом в образовании» на конференции Zooming Innovation in Consumer Technologies Conference (ZINC). Нью-Йорк: IEEE, 9–12.

Google Scholar

Тарафдар, М., Бит, К. М., и Росс, Дж. У. (2019). Использование ИИ для улучшения бизнес-операций. MIT Sloan Manag. Ред. 60, 37–44.

Google Scholar

Тюрер М., Томашевич И., Стивенсон М., Фредендалл Л. Д. и Протцман К. В. (2018). О значении и использовании передового опыта в литературе по операциям: систематический обзор. Всего квали. Manag. Автобус. Отлично. 2, 1–28.DOI: 10.1080 / 14783363.2018.1434770

CrossRef Полный текст | Google Scholar

ван Ассен, М. Ф. (2020). Расширение прав и возможностей лидерства и контекстуальной двусмысленности — посредническая роль приверженного лидерства для непрерывного совершенствования. Eur. Manag. J. 38, 435–449. DOI: 10.1016 / j.emj.2019.12.002

CrossRef Полный текст | Google Scholar

Воронкова О.В. (2019). Влияние технологий искусственного интеллекта на общество. Rep. Sci.Soc. 1, 7–9.

Google Scholar

Вамба, С. Ф., Гунасекаран, А., Дубей, Р., и Нгаи, Э. У. (2018). Аналитика больших данных в операциях и управлении цепочками поставок. Ann. Опер. Res. 270, 1–4. DOI: 10.1007 / s10479-018-3024-7

CrossRef Полный текст | Google Scholar

Ван Х., Ли Х. и Люн В. К. (2015). Методы, основанные на искусственном интеллекте, для возникающих гетерогенных сетей: состояние дел, возможности и проблемы. Доступ IEEE 3, 1379–1391. DOI: 10.1109 / ACCESS.2015.2467174

CrossRef Полный текст | Google Scholar

Wirtz, J. (2019). Двусторонняя организация: безупречное рентабельное обслуживание, сервисные роботы и искусственный интеллект. Орган. Дин. 49: 100719. DOI: 10.1016 / j.orgdyn.2019.04.005

CrossRef Полный текст | Google Scholar

Yigitcanlar, T., Desouza, K.C., Butler, L., and Roozkhosh, F. (2020). Вклад и риски искусственного интеллекта (ИИ) в построении более умных городов: выводы из систематического обзора литературы. Энергия 13: 1473. DOI: 10.3390 / en13061473

CrossRef Полный текст | Google Scholar

Zhao, Y., Li, T., Zhang, X., and Zhang, C. (2019). Методы обнаружения и диагностики неисправностей на основе искусственного интеллекта для энергосистем зданий: преимущества, проблемы и будущее. Обновить. Sust. Energ. Ред. 109, 85–101. DOI: 10.1016 / j.rser.2019.04.021

CrossRef Полный текст | Google Scholar

MultiLink Analysis: сравнение мозговых сетей с помощью анализа разреженных подключений

  • 1.

    Sporns, O. Коннектом человека: сложная сеть. Annals New York Acad. Sci. 1224 , 109–125 (2011).

    ADS Статья Google Scholar

  • 2.

    Sporns, О. Сети мозга (MIT press, 2010).

  • 3.

    Ричиарди, Дж., Эриилмаз, Х., Шварц, С., Вийемье, П. и Ван Де Виль, Д. Расшифровка состояний мозга по графам связности фМРТ. Neuroimage 56 , 616–626 (2011).

    Статья Google Scholar

  • 4.

    Рубинов М. и Спорнс О. Комплексные сетевые меры связности мозга: использование и интерпретация. Neuroimage 52 , 1059–1069 (2010).

    Статья Google Scholar

  • 5.

    Буллмор, Э. и Спорнс, О. Сложные сети мозга: теоретический анализ графов структурных и функциональных систем. Nat. Rev. Neurosci. 10 , 186–198 (2009).

    CAS Статья Google Scholar

  • 6.

    Stam, C. et al. . Графический теоретический анализ магнитоэнцефалографической функциональной связи при болезни Альцгеймера. Мозг 132 , 213–224 (2009).

    CAS Статья Google Scholar

  • 7.

    He, Y. et al. .Нарушение эффективности малого мира в структурных корковых сетях при рассеянном склерозе, связанное с нагрузкой поражения белого вещества. Мозг 132 , 3366–3379 (2009).

    Статья Google Scholar

  • 8.

    Cocchi, L. et al. . Нарушение структурно-функционального взаимодействия в коннектоме шизофрении. NeuroImage: Clin. 4 , 779–787 (2014).

    Статья Google Scholar

  • 9.

    Bonilha, L., Rorden, C. & Fridriksson, J. Оценка клинического эффекта остаточного разъединения коры головного мозга после ишемических инсультов. Инсульт 45 , 988–993 (2014).

    Статья Google Scholar

  • 10.

    Zeng, L.-L., Shen, H., Liu, L. & Hu, D. Неконтролируемая классификация большой депрессии с использованием МРТ функциональной связи. Hum. картирование мозга 35 , 1630–1641 (2014).

    Статья Google Scholar

  • 11.

    Крими, А., Додеро, Л., Мурино, В. и Сона, Д. Дискриминация «случай-контроль» через эффективную связь мозга. В Biomedical Imaging ( ISBI 2017 ), 2017 IEEE 14th International Symposium on , 970–973 (Ieee, 2017).

  • 12.

    Итуррия-Медина, Ю. и др. . Автоматическое распознавание патологического состояния мозга, связанное со сложными структурными свойствами мозговой сети: случай мутантных мышей. PLoS One 6 , e19071 (2011).

    ADS CAS Статья Google Scholar

  • 13.

    Varoquaux, G. & Craddock, R.C. Изучение и сравнение функциональных коннектомов между предметами. NeuroImage 80 , 405–415 (2013).

    Статья Google Scholar

  • 14.

    Гриффа А., Бауманн П.С., Тиран Ж.-П. И Хагманн, П.Структурная коннектомика при заболеваниях головного мозга. Neuroimage 80 , 515–526 (2013).

    Статья Google Scholar

  • 15.

    Форнито, А., Юн, Дж., Залески, А., Буллмор, Э. Т. и Картер, С. С. Общие и специфические нарушения функциональной связи при первом эпизоде ​​шизофрении во время выполнения когнитивного контроля. Biol. психиатрия 70 , 64–72 (2011).

    Статья Google Scholar

  • 16.

    Залесский А. и др. . Нарушение связи аксональных волокон при шизофрении. Biol. психиатрия 69 , 80–89 (2011).

    Статья Google Scholar

  • 17.

    Симпсон, С. Л., Лайдей, Р. Г., Хаясака, С., Марш, А. П. и Лауриенти, П. Дж. Структура тестирования перестановок для сравнения групп сетей мозга. Передний . вычислительная нейробиология 7 (2013).

  • 18.

    Chen, S., Kang, J., Xing, Y. & Wang, G. Экономный статистический метод для обнаружения групповых дифференциально выраженных функциональных сетей связности. Hum. картирование мозга 36 , 5196–5206 (2015).

    Статья Google Scholar

  • 19.

    Мастровито, Д., Хэнсон, К. и Хэнсон, С. Дж. Различия в атипичной эффективной связности в состоянии покоя отличают аутизм от шизофрении. NeuroImage: Clin. 18 , 367–376 (2018).

    Статья Google Scholar

  • 20.

    Нг, Б., Вароко, Г., Полин, Дж. Б., Грейциус, М. и Тирион, Б. Транспорт на римановом многообразии для декодирования мозга на основе связности. Операции IEEE по медицинской визуализации 35 , 208–216 (2016).

    Статья Google Scholar

  • 21.

    Gaonkar, B. & Davatzikos, C. Аналитическая оценка карт статистической значимости для многовариантного анализа и классификации изображений на основе векторной машины. Neuroimage 78 , 270–283 (2013).

    Статья Google Scholar

  • 22.

    Додеро, Л., Самбатаро, Ф., Мурино, В. и Сона, Д. Анализ функциональных связей мозга на многообразии Грассмана на основе ядра. In Medical Image Computing and Computer Assisted Intervention ( MICCAI ), 18-я Международная конференция по , 604–611 (Springer, 2015).

  • 23.

    van den Heuvel, M. P. & Sporns, O. Rich-club организация человеческого коннектома. J Neurosci 31 , 15775–15786 (2011).

    Статья Google Scholar

  • 24.

    Ким, Дж., Возняк, Дж. Р., Мюллер, Б. А., Шен, X. и Пан, В. Сравнение статистических тестов для групповых различий в функциональных сетях мозга. NeuroImage 101 , 681–694 (2014).

    Статья Google Scholar

  • 25.

    Рондина, Дж. М. и др. . Scors — метод, основанный на стабильности для выбора и картирования признаков в нейровизуализации. Операции IEEE по медицинской визуализации 33 , 85–98 (2014).

    Статья Google Scholar

  • 26.

    Залески, А., Форнито, А. и Буллмор, Э. Т. Сетевая статистика: определение различий в сетях мозга. Neuroimage 53 , 1197–1207 (2010).

    Статья Google Scholar

  • 27.

    МакМенамин, Б. В. и Пессоа, Л. Обнаружение сетей, измененных потенциальной угрозой («беспокойством»), с использованием квадратичного дискриминантного анализа. NeuroImage 116 , 1–9 (2015).

    Статья Google Scholar

  • 28.

    Майнсхаузен, Н. и Бюльманн, П. Выбор стабильности. J. Royal Stat. Soc. Сер. B (Статистическая методология. 72 , 417–473 (2010).

    MathSciNet Статья Google Scholar

  • 29.

    Ye, J. et al. . Редкое обучение и выбор стабильности для прогнозирования преобразования MCI в AD с использованием базовых данных ADNI. BMC неврология 12 , 46 (2012).

    Статья Google Scholar

  • 30.

    Клемменсен, Л., Хасти, Т., Виттен, Д. и Эрсбёлл, Б. Разреженный дискриминантный анализ. Technometrics 53 , 406–413 (2011).

    MathSciNet Статья Google Scholar

  • 31.

    Делиджанни, Ф. и др. . Структура для межпредметного прогнозирования функциональной связности структурных сетей. Операции IEEE по медицинской визуализации 32 , 2200–2214 (2013).

    Статья Google Scholar

  • 32.

    Xie, T. & He, Y. Картирование мозга болезни Альцгеймера с помощью коннектомики. Фронт. психиатрия 2 , 77 (2012).

    Статья Google Scholar

  • 33.

    Колойнер, Дж., Флипо, Р., Коутс, Т. Д., Лепор, Н. и Вуд, Дж. С. Тест на основе графического лассо для оценки функциональной связи мозга при серповидно-клеточной анемии. Связь между мозгом 7 , 443–453 (2017).

    Статья Google Scholar

  • 34.

    Хуанг С. и др. . Изучение связи мозга при болезни Альцгеймера с помощью оценки разреженной обратной ковариации. NeuroImage 50 , 935–949 (2010).

    Статья Google Scholar

  • 35.

    Lee, H., Lee, D. S., Kang, H., Kim, B.-N. И Чанг, М. К. Восстановление разреженной мозговой сети при сжатии. IEEE Transactions on Med. Imaging 30 , 1154–1165 (2011).

    Статья Google Scholar

  • 36.

    Gramfort, A., Thirion, B. & Varoquaux, G. Идентификация прогнозируемых регионов с помощью fMRI с предварительным TV-L1.В Распознавание образов в нейровизуализации ( PRNI ), 2013 Международный семинар по , 17–20 (IEEE, 2013).

  • 37.

    Sporns, О. Открытие человеческого коннектома (MIT press, 2012).

  • 38.

    Ямасита, О., Сато, М.-А., Йошиока, Т., Тонг, Ф. и Камитани, Ю. Оценка разреженности автоматически выбирает воксели, релевантные для декодирования паттернов активности фМРТ. NeuroImage 42 , 1414–1429 (2008).

    Статья Google Scholar

  • 39.

    Ряли, С., Супекар, К., Абрамс, Д. А., Менон, В. Разреженная логистическая регрессия для классификации всего мозга данных фМРТ. NeuroImage 51 , 752–764 (2010).

    Статья Google Scholar

  • 40.

    Witten, D. & Tibshirani, R. Штрафная классификация с использованием линейного дискриминанта Фишера. Дж . Королевская статуя . Соц . Сер . B Статистическая методология . (2011).

  • 41.

    Zou, H. & Hastie, T. Регуляризация и выбор переменных с помощью эластичной сети. J. Royal Stat. Soc. Сер. B Статистический метод. 67 , 301–320 (2005).

    MathSciNet Статья Google Scholar

  • 42.

    Sforazzini, F. et al. . Изменены функциональные сети связи у мышей BTBR с нарушениями здоровья и социальных проблем. Мозговая структура . Функция . 1–14 (2014).

  • 43.

    Squillace, M. et al. . Дисфункциональная дофаминергическая нейротрансмиссия у асоциальных мышей BTBR. Пер. психиатрия 4 , e427 (2014).

    CAS Статья Google Scholar

  • 44.

    Chang, C.-C. И Лин, К.-Дж. Libsvm: библиотека для поддержки векторных машин. транзакций ACM по технологии интеллектуальных систем (TIST) 2 , 27 (2011).

    Google Scholar

  • 45.

    Sforazzini, F., Schwarz, A. J., Galbusera, A., Bifone, A. & Gozzi, A. Распределенные BOLD и CBV-взвешенные сети состояния покоя в мозге мыши. Neuroimage 87 , 403–415 (2014).

    Статья Google Scholar

  • 46.

    Wahlsten, D., Metten, P. & Crabbe, J. C. Исследование 21 инбредной линии мышей в двух лабораториях показало, что BTBR T / + tf / tf сильно уменьшил спайку гиппокампа и отсутствует мозолистое тело. Исследование мозга 971 , 47–54 (2003).

    CAS Статья Google Scholar

  • 47.

    Ren, T., Zhang, J., Plachez, C., Mori, S. & Richards, LJ Диффузионная тензорная магнитно-резонансная томография и анализ с отслеживанием структуры пучка пробстов у netrin1- и dcc-дефицитных мышей. J. Neurosci. 27 , 10345–10349 (2007).

    CAS Статья Google Scholar

  • 48.

    Фенлон Л. Р. и др. . Формирование функциональных областей в коре головного мозга нарушено в модели расстройства аутистического спектра у мышей. Нейронное развитие 10 , 1 (2015).

    Статья Google Scholar

  • 49.

    Dodero, L. et al. . Доказательства нейровизуализации основных морфо-анатомических и функциональных аномалий в мышиной модели аутизма BTBR T + TF / J. PLoS One 8 , e76655 (2013).

    ADS CAS Статья Google Scholar

  • 50.

    Meyer, B.-U. И Рерихт, С. Визуализация in vivo продольного мозолистого пучка (пучка пробста) и других аномалий в акаллозальном мозге. J. Neurol. Нейрохирургия. И Психиатрия 64 , 138–139 (1998).

    CAS Статья Google Scholar

  • 51.

    Фрейзер Т.W. & Hardan, A. Y. Метаанализ мозолистого тела при аутизме. Biol. психиатрия 66 , 935–941 (2009).

    Статья Google Scholar

  • 52.

    Казанова М. Ф. и др. . Количественный анализ формы мозолистого тела у больных аутизмом и сравнение лиц. Аутизм 15 , 223–238 (2011).

    Статья Google Scholar

  • 53.

    Шелин Ю. И. и др. . Амилоидные бляшки нарушают подключение к сети в режиме по умолчанию в состоянии покоя у когнитивно нормальных пожилых людей. Biol. психиатрия 67 , 584–587 (2010).

    CAS Статья Google Scholar

  • 54.

    Supekar, K., Menon, V., Rubin, D., Musen, M. & Greicius, M. D. Сетевой анализ внутренней функциональной связи мозга при болезни Альцгеймера. PLoS вычислительная биология 4 , e1000100 (2008).

    ADS Статья Google Scholar

  • 55.

    de LaCoste, M.-C. И Уайт, К. Л. Роль корковых соединений в патогенезе болезни Альцгеймера: обзор и модельная система. Neurobiol. Старение 14 , 1–16 (1993).

    Статья Google Scholar

  • 56.

    Allen, G. et al. . Снижение функциональной связи гиппокампа при болезни Альцгеймера.Arch. неврология 64 , 1482–1487 (2007).

    Google Scholar

  • 57.

    Сили, В. В., Кроуфорд, Р. К., Чжоу, Дж., Миллер, Б. Л. и Грейсиус, М. Д. Нейродегенеративные заболевания нацелены на крупномасштабные сети человеческого мозга. Нейрон 62 , 42–52 (2009).

    CAS Статья Google Scholar

  • 58.

    Zhang, H.-Y. и др. .Связь между мозгом в состоянии покоя: изменения во время болезни Альцгеймера. Радиология 256 , 598–606 (2010).

    Статья Google Scholar

  • 59.

    Berisha, F., Feke, G. T., Trempe, C. L., McMeel, J. W. & Schepens, C. L. Патологии сетчатки при ранней болезни Альцгеймера. Investig. офтальмология и визуальные науки 48 , 2285–2289 (2007).

    Статья Google Scholar

  • 60.

    Колби, Дж. Б. и др. . Понимание мультимодальной визуализации классификации СДВГ. Фронт. системная нейробиология 6 , 59 (2012).

    Статья Google Scholar

  • 61.

    Uytun, M.C. et al. . Сетевая активность и нейропсихологический профиль по умолчанию у мальчиков и подростков с синдромом дефицита внимания и гиперактивности и расстройством поведения. Поведение при визуализации мозга .1–10 (2016).

  • 62.

    Фассбендер К., и др. . Отсутствие подавления сети по умолчанию связано с повышенной отвлекаемостью при СДВГ. Исследование мозга 1273 , 114–128 (2009).

    CAS Статья Google Scholar

  • 63.

    Эндрюс-Ханна, Дж. Р., Смоллвуд, Дж. И Спренг, Р. Н. Сеть по умолчанию и самогенерируемая мысль: составляющие процессы, динамический контроль и клиническая значимость. Annals New York Acad. Sci 1316 , 29–52 (2014).

    ADS Статья Google Scholar

  • 64.

    Хофнер, Б., Боккуто, Л. и Гекер, М. Контроль ложных открытий в многомерных ситуациях: повышение с помощью выбора стабильности. Биоинформатика BMC 16 , 144 (2015).

    Статья Google Scholar

  • 65.

    Крими, А.Программное обеспечение MultiLink Analysis, https://github.com/alecrimi/multi-link.

  • 66.

    Джек К. Р. младший и др. . Набор данных Инициативы по нейровизуализации болезни Альцгеймера, http://adni.loni.usc.edu/.

  • 67.

    Castellanos, F. X. et al. . Взаимодействия поясной извилины и предклиния: новый локус дисфункции при синдроме дефицита внимания / гиперактивности у взрослых. Biol. психиатрия 63 , 332–337 (2008).

    Статья Google Scholar

  • 68.

    Браун, Джесси А., Руди, Джеффри Д., Бандровски, Анита, Хорн, Джон Д. Ван и Букхаймер, Сьюзен Ю. База данных мультимодальных подключений Калифорнийского университета в Лос-Анджелесе, http://umcd.humanconnectomeproject.org.

  • 69.

    Garyfallidis, E. et al. . Dipy — новая программная библиотека для диффузионной МРТ и трактографии. В 17-е ежегодное собрание Организации по картированию мозга человека (2011).

  • 70.

    Мори, С., Крейн, Б. Дж., Чако, В. и Ван Зейл, П. Трехмерное отслеживание проекций аксонов в головном мозге с помощью магнитно-резонансной томографии. Анналы неврологии 45 , 265–269 (1999).

    CAS Статья Google Scholar

  • 71.

    Лазар М. и др. . Трактография белого вещества с использованием отклонения тензора диффузии. Hum. картирование мозга 18 , 306–321 (2003).

    Статья Google Scholar

  • 72.

    Макрис, Н. и др. . Уменьшение объема левой и всей передней островной доли при шизофрении. Schizophr. исследования 83 , 155–171 (2006).

    Статья Google Scholar

  • 73.

    Дагли А. и др. . Гарвардское исследование мозга, связанное со старением: набор данных и доступность. NeuroImage 144 , 255–258 (2017).

    Статья Google Scholar

  • 74.

    Крэддок, Р. К., Джеймс, Г. А., Хольцхаймер, П. Э., Ху, X. П. и Майберг, Х.S. Атлас фМРТ всего мозга, созданный с помощью пространственно ограниченной спектральной кластеризации. Hum. картирование мозга 33 , 1914–1928 (2012).

    Статья Google Scholar

  • 75.

    Bellec, P. et al. . Репозиторий препроцессоров нейробюро adhd-200. Neuroimage 144 , 275–286 (2017).

    Статья Google Scholar

  • 76.

    Schmid, M., Hothorn, T., Krause, F. & Rabe, C. Метод оценки на основе pauc для классификации болезней и выбора биомаркеров. Статистика . Заявление . Генет . Мол . Биол . 11 (2012).

  • SpikeInterface, единый фреймворк для сортировки шипов

    [Примечание редакции: авторы повторно представили исправленную версию статьи на рассмотрение. Далее следует ответ авторов на первый раунд обзора.]

    После получения отдельных рецензий рецензенты и редактор активно обсуждали эту рукопись. В конечном итоге все пришли к общему мнению, что эта работа в ее нынешнем виде слишком предварительная, чтобы быть полезной для широкого круга пользователей и оказать на нее серьезное влияние. В eLife стандартный период пересмотра составляет примерно два месяца, поэтому статьи в основном оцениваются «как есть», чтобы позволить авторам решить, когда публиковать работу на этапе, когда они считают, что она готова.В этом случае, однако, рецензенты согласились с тем, что работа требует ряда серьезных исправлений, которые составляют значительный объем работы, чтобы оказать серьезное влияние на широкий круг читателей (например, рецензенты не были уверены, что этот инструмент готов к использоваться всеми, кто записывает с помощью Neuropixels). Если вы согласны с рецензентами, что существенные изменения в инструменте необходимы, чтобы оказать существенное влияние на эту область, мы рекомендуем вам в будущем отправлять нам существенно отредактированную рукопись, указав этот номер рукописи и запросив того же редактора.Мы были бы готовы провести переоценку рукописи в то время. В противном случае вы можете просто перейти к более специализированному журналу, сохранив свой инструмент в его нынешнем виде и, возможно, улучшив его в будущих публикациях.

    Три исходных отзыва полностью включены ниже. Однако из-за обширного и конструктивного обсуждения, которое произошло после того, как рецензенты прочитали отзывы друг друга, мы хотели бы подчеркнуть ряд взаимосвязанных основных моментов, которые обсуждались в ходе консультации:

    1) Было высказано опасение, что SpikeInterface ограничивает гибкость содержащихся в нем сортировщиков шипов и делает сортировку шипов более похожей на «черный ящик».Учитывая отсутствие реальной достоверной информации, доступной для сравнения результатов, это было сочтено серьезным недостатком. Рецензенты посчитали, что пользователям по-прежнему необходимо внимательно смотреть на устройства, понимать различные алгоритмы и правильно устанавливать параметры. Использование параметров по умолчанию могло привести к неоптимальным результатам, и авторы не пытались настраивать параметры. Рецензенты посчитали, что набор инструментов SpikeInterface также можно использовать для сравнения результатов одного и того же сортировщика спайков с использованием разных параметров, и что это будет полезно для поиска оптимальных параметров и повысит потенциальное влияние этого инструмента.

    Мы не согласны с тем, что SpikeInterface каким-либо значимым образом ограничивает гибкость базового сортировщика. Ключевой особенностью SpikeInterface является то, что оболочки на основе Python для каждого сортировщика шипов предоставляют базовые параметры, так что пользователи могут настраивать их перед запуском сортировщика. Фактически, чтобы упростить процесс настройки параметров для нового пользователя, SpikeInterface содержит две функции, get_default_params () и get_params_description (), которые возвращают значение, предложенное разработчиком, и описание каждого параметра соответственно.Мы считаем, что эта функция обеспечивает быстрое и доступное руководство для пользователей, чтобы сделать сортировку пиковых значений минус «черным ящиком». Мы также хотели бы указать редактору и рецензентам на серию открытых анализов, демонстрирующих, как SpikeInterface можно использовать для поиска параметров и оценки результатов сортировки спайков

    (https://spikeinterface.github.io/blog/example-of-parameters-optimization/). Хотя мы признаем, что эти аспекты SpikeInterface важно выделить, мы полагаем, что они потребуют обширного исследования для надлежащего изучения, поэтому мы решили не включать их в текущую рукопись.Наша основная мысль здесь заключается в том, что этот тип оптимизации очень легко выполнить с помощью SpikeInterface.

    2) Анализ и сравнение сортировщиков шипов были расценены как слабые. Рецензенты согласились с тем, что тщательное ручное курирование по-прежнему является единственным правильным способом сравнения результатов сортировки спайков. Рецензенты сочли, что для читателей, которые плохо знакомы с процессом сортировки спайков, было бы ошибкой смотреть на анализ, представленный в статье, как на правильный способ сравнения результатов сортировки спайков.Рецензенты сочли, что этап ручного курирования необходим, чтобы сделать процесс оценки сортировщика спайков более полезным.

    В нашей первоначальной рукописи представленные анализы были разработаны, чтобы продемонстрировать различные способы использования SpikeInterface для сравнения сортировщиков шипов. Однако мы согласны с рецензентами в том, что поверхностность этих анализов была серьезным слабым местом, которое необходимо было устранить. Поэтому в нашей обновленной рукописи мы полностью переписали раздел «Результаты».В этом новом разделе результатов мы исследуем, как объединение результатов нескольких сортировщиков спайков может быть использовано для улучшения общей производительности сортировки спайков, метод, который мы называем групповой сортировкой спайков. С этой целью мы сначала демонстрируем, что существует удивительно низкое согласие между шестью сортировщиками шипов, разработанными для большого количества зондов при записи Neuropixels (анализ других записей проиллюстрирован в приложении). Затем мы повторяем этот анализ с смоделированным набором данных Neuropixels (с известной достоверностью), обнаруживая, что уровень согласия сортировщика сопоставим с уровнем реальных данных и что почти все единицы, которые обнаружены только одним сортировщиком, на самом деле являются ложноположительными единицами.Наконец, мы просим двух экспертов вручную обработать вывод реального набора данных Neuropixels (с использованием Phy) и сравнить вручную отобранные наборы данных с согласованным результатом сортировки (единицы согласованы как минимум двумя из шести сортировщиков). Мы находим отличное соответствие между «хорошими» единицами, найденными в вручную отобранных наборах данных, и результатами согласованной сортировки. Мы полагаем, что этот новый анализ является гораздо более подробным и всесторонним и предоставляет доказательства того, что использование нескольких сортировщиков шипов потенциально может информировать (или даже заменить) трудоемкий и субъективный этап ручного курирования в конвейерах внеклеточного анализа.

    3) Авторам было предложено попытаться реализовать какую-то стратегию слияния интеллектуальных кластеров, которая использует выходные данные различных сортировщиков.

    Как указано выше, в нашем анализе теперь исследуется ансамблевой подход к сортировке шипов, который объединяет результаты нескольких сортировщиков шипов для повышения общей производительности сортировки шипов. Кроме того, SpikeInterface теперь включает функцию автоматического создания этого консенсусного набора путем объединения лучших совпадений единиц среди нескольких сортировщиков.Хотя мы обнаружили, что это может дать хорошие результаты для достоверных данных, мы считаем, что для подтверждения этого метода необходим дальнейший анализ. Однако мы уверены, что оценки согласованности между несколькими сортировщиками шипов могут, по крайней мере, дать информацию для последующих шагов ручного отбора.

    4) Еще одно предложение для потенциально полезного дополнения заключалось в том, что пользователи могли бы менять местами различные алгоритмические компоненты в конвейере сортировки всплесков. Рецензенты сочли, что в сочетании с ручным отбором и сравнением с наборами «достоверных» данных это может помочь пользователям определить лучшие алгоритмические компоненты для определенных типов записей.

    Мы хотели бы отметить (как это было также выражено рецензентом 1), что различные этапы обработки в алгоритме сортировки всплесков не отделены друг от друга. Поэтому мы считаем, что замена компонентов между разными алгоритмами не может быть жизнеспособным решением для создания более совершенных конвейеров сортировки пиков. Несмотря на наши оговорки в отношении подхода «смешай и сопоставь» к сортировке спайков, мы добавили в пакет spiketoolkit модуль под названием sortingcomponents, который будет содержать различные алгоритмические компоненты для сортировки спайков.

    В настоящее время этот пакет содержит только независимый алгоритм обнаружения, но мы планируем добавить дополнительные функции в будущих обновлениях.

    Рецензент № 1:

    В этой статье авторы представляют пакет Python для простого запуска множества различных сортировщиков шипов и экспорта во множество различных форматов. Цель состоит в том, чтобы облегчить электрофизиологам обработку данных через сортировщики спайков и вывод этих результатов в Phy и другие графические интерфейсы пользователя для визуализации данных.Хотя я согласен с тем, что сортировка всплесков — сложная проблема и пользователям нужно как можно больше помогать, я не думаю, что этот фреймворк сильно помогает и в конечном итоге не найдет большого применения. Я думаю, что Phy (уже опубликованный и широко используемый) выполняет большую часть работы, которую авторы предлагают SpikeInterface, и на самом деле основным вариантом использования SpikeInterface является экспорт в Phy. По своей сути, код, представленный здесь, представляет собой набор конвертеров файлов и программных оболочек, которые еще больше запутывают черные ящики, которыми являются многие сортировщики шипов, и затрудняют пользователям понимание того, как построить успешный конвейер сортировки всплесков для своих собственных данные.

    Мы благодарим рецензента за комментарии, однако мы категорически не согласны с этой оценкой. Phy — это инструмент для визуализации и ручной обработки результатов сортировки спайков. Напротив, SpikeInterface нацелен на автоматизацию многих аспектов конвейера сортировки, включая ввод-вывод файлов, предварительную и постобработку, выполнение нескольких заданий сортировки пиковых значений, сравнение результатов сортировки пиковых значений и вычисление показателей качества. Как мы показываем в нашей обновленной рукописи, возможность эффективно запускать несколько сортировщиков шипов и быстро сравнивать их результаты предлагает новые возможности для автоматического курирования и аннотации единиц для информирования ручного курирования.Весь анализ, который может быть выполнен с помощью SpikeInterface, также полностью воспроизводим. Мы надеемся, что наш исправленный документ лучше иллюстрирует множество интересных примеров использования SpikeInterface.

    Рецензент № 2:

    Работа, представленная в этой рукописи, представляет большой интерес как для пользователей, так и для разработчиков. Унифицированная структура устраняет разрыв между множеством форматов файлов записи и пакетами сортировки по пикам, что является значительным улучшением с точки зрения сортировки по пикам.Фреймворк также имеет множество интересных функций, связанных с сортировкой всплесков для обработки записей и сортировки результатов. Рукопись написана четко и кратко описывает функциональные возможности, имеющиеся в структуре. Ниже приведен список основных и второстепенных комментариев, которые, однако, необходимо учесть.

    1) Spikeinterface изображен как общая структура сортировки спайков. Тем не менее, рабочий процесс сортировки спайков, поддерживаемый spikeinterface, по-видимому, ориентирован на определенные типы данных и сортировщиков, т.е.е. те, которые работают с непрерывными наборами данных с большим количеством электродов. Авторы должны четко указать на допущения, сделанные в интерфейсе спайков в отношении принимаемых данных (например, наборы данных только с фрагментами сигналов не поддерживаются) и минимальные требования к сортировщикам спайков (например, должны ли сортировщики спайков включать собственное обнаружение всплесков). алгоритм и извлечение признаков шипа?).

    Рецензент правильно указывает, что наборы данных только с фрагментами сигналов не поддерживаются SpikeInterface.Помимо этого требования, которому удовлетворяет большинство современных систем сбора данных, SpikeInterface не делает никаких других предположений относительно исходного набора данных. Все поддерживаемые сортировщики пиков являются сквозными, то есть они принимают необработанную запись в качестве входных данных и выводят отсортированные результаты. Хотя многие поддерживаемые сортировщики предназначены для устройств с большим количеством устройств (например, IronClust, HerdingSpikes, Kilosort2), мы также включаем сортировщики, которые лучше подходят для малых количеств каналов (Klusta, Wave-Clus, Mountainsort4). Чтобы помочь пользователям лучше понять различные сортировщики, поддерживаемые SpikeInterface, мы добавили функцию get_sorte_description () в пакет spikesorters, который предоставляет описание алгоритма, включая его предполагаемое использование.

    2) Авторы решили запустить сортировщики спайков с их параметрами по умолчанию и без ручного или автоматического уточнения (например, отклонение шумовых кластеров, слияние / разделение кластеров). Поскольку многие алгоритмы сортировки пиков явно зависят от шага ручного слияния / разделения кластеров после того, как они были применены к данным, было бы интересно также обеспечить автоматическое слияние кластеров (например, на основе фактов, как у Воутерса, Клоостермана и Бертрана. , 2019). Это улучшит понимание истинного потенциала алгоритма сортировки всплесков при сравнении его с другими в исследовании, основанном на достоверности данных.Как минимум, авторы должны обсудить необходимость этапа курирования разделения / слияния после сортировки и обсудить влияние исключения этого этапа на свои результаты. Без такого обсуждения было бы преждевременно говорить о «консенсусной стратегии» для выбора кластеров (подраздел «Приложение 1: Сравнение сортировщиков пиков на данных нейропикселей»).

    Мы благодарим рецензента за этот проницательный комментарий, который побудил нас полностью переписать раздел «Результаты» в нашей обновленной рукописи.В нашем новом разделе результатов мы приводим доказательства того, что стратегия сортировки всплесков на основе консенсуса является жизнеспособной альтернативой использованию единого сортировщика. Мы демонстрируем, что единицы, которые обнаруживаются только одним сортировщиком, в основном совпадают с ложными срабатываниями (на смоделированных данных). Мы также добавили сравнение между нашим методом на основе консенсуса и вручную отобранными результатами от двух экспертов (на реальных данных), показав, что существует большое согласие между единицами, отмеченными кураторами как «хорошие», и результатами согласованной сортировки.Мы считаем, что новые результаты в нашей обновленной рукописи предоставляют первоначальное свидетельство жизнеспособности стратегии, основанной на консенсусе. В разделе «Обсуждение» мы добавили параграф о сортировке пиков ансамбля, чтобы обсудить потенциальные сильные и слабые стороны этой стратегии.

    3) Авторы определяют оценку согласованности для сопоставления кластеров из разных сортировщиков и используют оценку для классификации кластеров (по сравнению с наземной истиной) как «хорошо обнаруженные», «ложноположительные», «избыточные» и «чрезмерно объединенные». .Однако низкая оценка согласия может быть результатом большого количества ложноположительных или ложноотрицательных обнаружений (или того и другого), и в этих случаях интерпретация будет иной. В крайних случаях, когда нет ложноположительных или ложноотрицательных результатов, оценка согласия 0,2 может означать, что все всплески в кластере представляют 20% всплесков достоверности (т. Е. Чистый частичный кластер), или это может означать, что все всплески достоверности представляют 20 % всплесков в кластере (т. е. «грязный» чрезмерно объединенный кластер).Таким образом, оценка соответствия не является хорошим показателем для классификации кластеров. Вместо этого авторам следует рассмотреть классификацию, основанную на разных показателях, например: как точность, так и отзывчивость.

    Мы подтверждаем, что предлагаемая нами классификация отсортированных единиц является предварительной и не может различать некоторые виды отказов при сортировке пиковых значений. Однако мы по-прежнему считаем, что он может дать представление о сильных и слабых сторонах различных сортировщиков, несмотря на то, что это не идеальное решение.Мы согласны с тем, что необходим более подробный анализ нескольких достоверных записей, чтобы обеспечить лучшие правила классификации. Мы устраняем эти опасения в обновленной рукописи, добавляя следующее предложение в подраздел «SpikeComparison»: «Мы хотели бы обратить внимание читателя на то, что предлагаемая здесь классификация единиц в настоящее время основана только на согласованной оценке (т. Е. На точности). Более сложная классификация правила могут включать комбинацию значений точности, точности и отзыва, которые можно легко вычислить для каждой единицы с помощью модуля сравнения пиковых значений.«

    4) Мы не считаем очень информативным график роя на Рисунке 4, который сравнивает точность, прецизионность и отзывчивость для нескольких сортировщиков. Во-первых, количество несовпадающих кластеров на этом графике неочевидно (мы предполагаем, что точка с нулевой оценкой не совпадает?). Что еще более важно, часто существует компромисс между количеством ложноположительных и ложноотрицательных результатов, и каждый сортировщик может пойти на свой компромисс в зависимости от параметров. График роя не показывает отношения между точностью и отзывом для каждого сортировщика, а график разброса точности-отзыва был бы более информативным.

    Чтобы решить эту проблему, мы добавили в новую рукопись дополнительный рисунок, который показывает диаграмму разброса с точностью до отзыва для каждого сортировщика (рисунок 2 — приложение к рисунку 1). Как упомянул рецензент 2, этот рисунок помогает выявить соответствующие различия между выбранными сортировщиками, и мы сочли важным включить его в новый проект.

    Рецензент № 3:

    В этой заявке описывается программный набор инструментов, предназначенный для облегчения сравнения алгоритмов сортировки спайков.Он нацелен на широкую базу пользователей, у которых может не быть времени или технических возможностей для проведения таких сравнений самостоятельно. Этот инструмент удовлетворяет потребности сообщества нейробиологов. Ниже приводится ряд предлагаемых исправлений.

    Введение: Не все перечисленные сортировщики являются полностью ручными, т.е. Mclust является полуавтоматическим.

    Спасибо, что поймали это; Мы удалили MClust из списка полностью ручных сортировщиков шипов.

    Подраздел «Обзор SpikeInterface»: римские цифры заменены местами для сравнения шипов и виджетов шипов.

    Мы исправили римские цифры соответствующим образом.

    Подраздел «SpikeExtractors»: Непонятно, как записывающий экстрактор, инструмент визуализации, обеспечивает функциональность, необходимую для избыточных данных, для оценки конвейерной сортировки спайков. Это станет более ясным позже, но может быть прояснено раньше.

    RecordingExtractor — это не инструмент визуализации, а файловый класс ввода-вывода, который взаимодействует с данными. Мы не уверены, что обозреватель 3 имеет в виду под этим комментарием.

    Подраздел «SpikeExtractors» и подраздел «SpikeToolkit»: фрагменты кода могут быть расширены, чтобы дать больше контекста и быть более актуальными.

    В нашей обновленной рукописи мы улучшили описание перед каждым фрагментом кода, чтобы предоставить больше контекста. Мы по-прежнему решили сохранить минимальное количество фрагментов кода, чтобы показать основные аспекты API. Читатель / пользователь может найти более подробные и исчерпывающие примеры в онлайн-документации.

    Подраздел «Курирование»: Вместо того, чтобы отложить на будущее, эту функциональность было бы неплохо реализовать здесь, если это не будет необоснованным объемом работы.

    Модуль курирования теперь расширен для поддержки курирования на основе всех поддерживаемых показателей качества.

    Подраздел «Использование Python API»: можно сказать, что интерфейс spikeinterface также сделан вручную, возможно, проясните суть вопроса.

    Суть этого предложения заключается в том, что обычно пользовательские скрипты не полностью тестируются на платформах непрерывной интеграции, в отличие от SpikeInterface. Мы полагаем, что этот абзац передает следующее сообщение: «В отличие от скриптов, созданных вручную, SpikeInterface имеет широкий спектр модульных тестов, использует непрерывную интеграцию и был тщательно разработан группой исследователей.Таким образом, пользователи могут быть уверены в том, что создаваемые ими конвейеры являются правильными и пригодными для повторного использования. Кроме того, SpikeInterface отслеживает все происхождение выполненного анализа, позволяя другим пользователям (или тому же пользователю) воспроизвести анализ позднее ».

    Рисунок 3B трудно читать.

    Мы согласны с рецензентом и удалили панель с рисунка.

    Рисунок 3D, каковы именно уровни согласования цветового кода, это неясно.

    Легенда отображается в правом верхнем углу и указывает количество k сортировщиков, которые согласуются с единицей.

    На рисунке 4 было бы неплохо увидеть график зависимости отношения сигнал-шум от оценки согласия.

    Мы добавили предложенный рисунок как рисунок 2 — дополнение к рисунку 1B.

    [Примечание редакции: далее следует ответ авторов на второй этап рецензирования.]

    Резюме:

    Авторы описывают SpikeInterface, который представляет собой интегрированный набор инструментов, упрощающий для исследователей настройку полного рабочего процесса сортировки всплесков.SpikeInterface является модульным (и расширяемым) и поддерживает многие распространенные форматы данных и современные сортировщики шипов. Он предоставляет инструменты постобработки для характеристики результатов сортировки пиков, а также для проверки и сравнения результатов множественной сортировки пиков (например, с достоверностью). SpikeInterface позволяет пользователям сосредоточиться на результатах сортировки и курировании всплесков, вместо того, чтобы склеивать или (повторно) самостоятельно внедрять разрозненные инструменты.

    По сравнению с предыдущей версией, теперь во введении авторы более четко обозначили цели SpikeInterface.Помимо сравнения нескольких сортировщиков, они добавили новые результаты, которые указывают на то, что объединение результатов нескольких сортировщиков шипов («групповая сортировка шипов») может помочь уменьшить количество ложноположительных единиц, что является интересным направлением в будущем, требующим дальнейшего изучения. .

    Существенных изменений:

    1) Относительно подхода групповой сортировки спайков:

    — Из результатов, показанных на рисунке 3C, кажется, что не нужно запускать все 6 сортировщиков, чтобы исключить ложные срабатывания.Могут ли авторы количественно оценить относительное преимущество объединения 2, 3 или более сортировщиков по сравнению с использованием одного сортировщика?

    Мы добавили рисунок 3 — дополнение к рисунку 1 и краткий отрывок текста, чтобы показать, как обнаружение ложных / истинных срабатываний зависит от количества используемых сортировщиков, с использованием смоделированного набора наземных данных. С этой целью мы протестировали все возможные комбинации от двух до пяти сортировщиков и количественно определили долю выявленных ложных срабатываний. Результаты показывают, что уже двух сортировщиков достаточно для удаления ложных срабатываний, с небольшими изменениями при добавлении дополнительных сортировщиков.Однако доля истинных положительных результатов в групповой сортировке может существенно возрасти при использовании большего количества сортировщиков. Следовательно, основным преимуществом объединения нескольких сортировщиков является более надежная идентификация истинно положительных единиц.

    — Можно представить, что объединение результатов сортировщиков шипов, использующих другой класс алгоритмов, даст больше преимуществ, чем объединение двух сортировщиков, использующих один и тот же алгоритм. Наблюдают ли авторы это?

    Сортировщики сильно различаются по производительности, что может скрывать систематические различия между основными алгоритмами (сортировка на основе шаблонов и кластеризация на основе плотности).Мы наблюдали немного лучшую идентификацию ложных / истинных положительных результатов при комбинировании разных подходов (например, Kilosort2 и Ironclust) по сравнению с использованием только одного подхода (например, Kilosort2 и SpykingCircus). Однако нам было трудно судить, были ли эти отклонения вызваны центральным алгоритмом или другими компонентами процесса сортировки. Поэтому мы считаем, что не можем дать квалифицированный ответ на этот вопрос, поскольку это потребует более систематического сравнения алгоритмов с одинаковой предварительной / постобработкой и большим количеством достоверных наборов данных с различными генеративными предположениями.

    — Если рецензенты правильно понимают, многие сортировщики шипов будут возвращать немного другой результат при повторном запуске с тем же набором данных. В какой степени запуск одного и того же сортировщика дважды дает такое же преимущество (т. Е. Низкое согласие по ложноположительным кластерам), как запуск двух разных сортировщиков?

    Мы проверили это явление для Kilosort2 и смоделированной достоверной записи из нашей рукописи. Каждый прогон давал немного разные результаты с разным количеством единиц каждый раз.Используя тот же метод ансамбля, мы обнаружили, что все несовпадающие блоки действительно были ложноположительными, но это удалило только подмножество ложных срабатываний (всегда постоянно обнаруживалась определенная доля ложных срабатываний). Краткое описание эффекта показано на следующем рисунке:

    Сравнение пяти отдельных прогонов Kilosort2 на моделируемой записи Neuropixels.

    Вверху показаны пропорции единиц каждой сортировки, найденные в k других сортировках.Ниже эти единицы разделены на ложные и истинно положительные единицы после сравнения с достоверными данными. В то время как значительная часть ложноположительных единиц уникальна для каждого запуска сортировщика, многие из них идентичны во всех сортировках, что указывает на то, что изменчивость в нескольких выходных данных сортировщика не может использоваться для надежного разделения ложноположительных и истинно положительных единиц.

    Хотя потенциально заслуживает дальнейшего изучения, мы считаем, что это слишком предварительные данные, чтобы показывать эти результаты, поскольку мы не понимаем, откуда возникают эти различия и как ими можно управлять.Поэтому мы решили не упоминать этот результат в рукописи.

    — Будет ли использование подхода групповой сортировки пиков к результатам, аналогичным результатам использования более строгого выбора единиц, найденных одним сортировщиком (например, на основе показателей качества кластера, SNR, амплитуды пиков и т. Д.)?

    Мы проверили эту идею, используя наиболее очевидную меру качества, SNR, при сортировке Kilosort2 достоверных данных. Мы выбрали Kilosort2, так как его характеристики по обнаружению истинно положительных единиц являются лучшими среди всех сортировщиков.Здесь мы неожиданно обнаружили, что ложноположительные блоки могут иметь большое отношение сигнал / шум, поэтому нет очевидного способа их разделить. Это проиллюстрировано на рисунке 3 — добавление к рисунку 2, и к этому эффекту был добавлен короткий отрывок.

    2) Авторы использовали порог произвольного согласия 0,5, который, как они признают, является прагматичным, но не обязательно лучшим выбором для сопоставления единиц, найденных несколькими сортировщиками. Рецензенты не считали необходимым изменять способ сопоставления единиц, но для более глубокого понимания процесса сопоставления было бы полезно знать, как выглядит распределение баллов согласования единиц для совпадающих пар.

    Мы добавили гистограмму оценок согласия для достоверных данных (рисунок 1 — приложение к рисунку 2), которая показывает, что большинство совпадений имеют оценки> 0,8.

    3) При оценке результатов сортировки всплесков на смоделированном наборе данных авторы упоминают только совпадения и ложные срабатывания. Рецензенты не увидели упоминания о количестве ложноотрицательных результатов (то есть о количестве наземных единиц, пропущенных сортировщиками). Могут ли авторы также указать, в какой степени всплески пропущенных кластеров действительно проявляются как часть ложноположительных единиц (например,г. потому что ложноположительные единицы на самом деле чрезмерно разделены / объединены истинными единицами)?

    Существует 250 наземных единиц истинности, которые мы теперь обозначим горизонтальной пунктирной линией на рисунке 2E.

    https://doi.org/10.7554/eLife.61834.sa2

    Новое строительство через революцию производительности

    В строительной отрасли занято около 7 процентов населения трудоспособного возраста в мире, и она является одним из крупнейших секторов мировой экономики, где на товары и услуги, связанные со строительством, ежегодно тратится 10 триллионов долларов.Но у отрасли есть трудноразрешимая проблема производительности, и, согласно Новое изобретение строительства: путь к повышению производительности, , новый отчет McKinsey Global Institute, дает возможность увеличить добавленную стоимость на 1,6 триллиона долларов.

    Видео

    Новое строительство: семь путей вперед

    Изменения в семи ключевых областях могут поднять стагнацию производительности строительства.

    Другие отрасли изменили себя и свои показатели производительности.В розничной торговле домашние магазины полвека назад были заменены крупными современными розничными торговцами с глобальными цепочками поставок и все более оцифрованными системами распределения и сбором информации о клиентах. В производстве принципы бережливого производства в сочетании с обширной автоматизацией полностью изменили отрасли.

    Для сравнения, большая часть строительства развивалась ледяными темпами. Возьмем один пример: согласно индексу оцифровки MGI, строительство является одним из наименее оцифрованных секторов в мире.В США строительство занимает предпоследнее место, а в Европе оно находится на последнем месте в рейтинге.

    В глобальном масштабе рост производительности труда в строительстве в течение последних двух десятилетий составлял в среднем всего 1 процент в год по сравнению с ростом в 2,8 процента для всей мировой экономики и 3,6 процента в случае обрабатывающей промышленности. В выборке проанализированных стран за последние десять лет менее четверти строительных компаний достигли уровня роста производительности, достигнутого в экономике в целом, в которой они работают.Существует длинный хвост, как правило, более мелкие игроки с очень низкой производительностью, и многие строительные проекты страдают от перерасхода средств и времени.

    Если бы производительность строительного сектора догнала производительность всей экономики — а это возможно, — это повысило бы добавленную стоимость сектора примерно на 1,6 триллиона долларов, добавив примерно 2 процента к мировой экономике, или примерно наполовину. потребности в мировой инфраструктуре (экспонат). Одна треть возможностей приходится на Соединенные Штаты.

    Образец

    Мы стремимся предоставить людям с ограниченными возможностями равный доступ к нашему сайту. Если вам нужна информация об этом контенте, мы будем рады работать с вами. Напишите нам по адресу: [email protected] Хотите узнать больше о Глобальном институте McKinsey?

    В отсутствие изменений глобальные потребности в инфраструктуре и жилье будет трудно удовлетворить.Несмотря на огромный потенциал для дополнительной добавленной стоимости и несмотря на то, что проблемы хорошо известны и давно обсуждаются в отрасли, прогресс был ограниченным.

    Новое исследование производительности строительства MGI подтверждает множество причин стабильно низкой производительности. Отрасль широко регулируется и сильно зависит от спроса государственного сектора; неформальность, а иногда и коррупция искажают рынок. Строительство сильно фрагментировано: контракты не соответствуют распределению рисков и вознаграждений; часто неопытным владельцам и покупателям сложно ориентироваться на непрозрачном рынке.Результатом является плохое управление проектом и его исполнение, недостаточные навыки, неадекватные процессы проектирования и недостаточные инвестиции в развитие навыков, НИОКР и инновации.

    Видео

    Новый взгляд на строительство в рамках Глобальной инфраструктурной инициативы

    Партнер McKinsey Мукунд Шридхар рассказал о решении проблемы производительности в строительстве на недавнем саммите GII. Его полная презентация описывает проблемы и возможности.

    Производительность глобального строительства неодинакова. Существуют большие региональные различия и большие различия внутри отрасли. Сектор в целом подразделяется на две части: крупные игроки, занимающиеся тяжелым строительством, таким как гражданские и промышленные работы и крупномасштабное жилищное строительство, и большое количество фирм, занимающихся фрагментированными специализированными профессиями, такими как механические, электрические и сантехнические работы, которые действуют как субподрядчиков или работайте над небольшими проектами, такими как ремонт односемейного жилья.Производительность первой группы обычно на 20-40% выше, чем у второй.

    Примеры инновационных фирм и регионов показывают, что одновременная деятельность в семи областях может повысить производительность на 50–60 процентов. Они меняют регулирование; изменение контрактной базы для изменения динамики отрасли; переосмысление процессов проектирования и инжиниринга; улучшение управления закупками и цепочкой поставок; улучшение работы на месте; внедрение цифровых технологий, новых материалов и передовой автоматизации; и переподготовка кадров.

    Части отрасли могут перейти к системе массового производства, вдохновленной производством, при которой основная часть строительного проекта строится из сборных стандартизированных компонентов за пределами завода. Принятие этого подхода до сих пор было ограниченным, хотя его число растет. Примеры фирм, которые движутся в этом направлении, говорят о возможности повышения производительности в пять-десять раз.

    Сегодня отрасль зашла в тупик — чтобы выйти из нее, потребуются действия всех игроков.Владельцы должны быть основными бенефициарами перехода к более производительной модели, которая в конечном итоге вознаградит их более надежным графиком и более низкими затратами. Но они, как правило, не склонны к риску и не обладают достаточным опытом, чтобы ориентироваться на непрозрачном рынке. Только при наличии достаточно широкого круга подрядчиков и участников производственных систем, которые могут предлагать более стандартизированные продукты по более низким ценам, они могут изменить свою практику закупок.

    Устранение пробелов в глобальной инфраструктуре

    Со своей стороны, подрядчики и специализированные предприятия могут понести убытки от перехода к более эффективной системе, в которой многие из них выигрывают заказы, оптимизируя предварительные цены, а затем компенсируя потерянные излишки за счет заказов на изменение и требований, или в нестандартных случаях. или дорогостоящие спецификации могут означать более высокий доход, а не более низкую маржу.В настоящее время многие подрядчики больше сосредоточены на поддержании этой маржи, чем на измерении и повышении производительности.

    Некоторые правительства в настоящее время проявляют активный подход к повышению производительности в строительном секторе посредством регулирования. Воздействие таких усилий может быть усилено рядом сил, которые разрушают препятствия на пути перемен. Спрос растет; увеличивается масштаб игроков и проектов, что делает более продуктивную новую систему более жизнеспособной; цена на технологии, повышающие производительность, и цифровые инструменты падают, делая их более доступными, одновременно повышая прозрачность рынка и подрывая мелкие сделки.С ростом затрат на рабочую силу аргументы в пользу технологий, повышающих производительность, становятся все более актуальными.

    Будьте в курсе ваших любимых тем

    Произошла ошибка при настройке пользовательского файла cookie

    Этот сайт использует файлы cookie для повышения производительности. Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.


    Настройка вашего браузера для приема файлов cookie

    Существует множество причин, по которым cookie не может быть установлен правильно.Ниже приведены наиболее частые причины:

    • В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки своего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
    • Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались. Чтобы принять файлы cookie с этого сайта, используйте кнопку «Назад» и примите файлы cookie.
    • Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
    • Дата на вашем компьютере в прошлом.Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
    • Вы установили приложение, которое отслеживает или блокирует установку файлов cookie. Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.

    Почему этому сайту требуются файлы cookie?

    Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу.Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.


    Что сохраняется в файле cookie?

    Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.

    Как правило, в файле cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта.Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.

    % PDF-1.5 % 1082 0 объект > эндобдж xref 1082 73 0000000016 00000 н. 0000003965 00000 н. 0000004102 00000 п. 0000005336 00000 н. 0000005875 00000 н. 0000006311 00000 н. 0000006838 00000 н. 0000006877 00000 н. 0000007424 00000 н. 0000007539 00000 н. 0000007998 00000 н. 0000008393 00000 п. 0000008835 00000 н. 0000009413 00000 п. 0000009903 00000 н. 0000011603 00000 п. 0000013234 00000 п. 0000014688 00000 п. 0000016136 00000 п. 0000017504 00000 п. 0000018875 00000 п. 0000020352 00000 п. 0000021656 00000 п. 0000028126 00000 п. 0000032858 00000 п. 0000036307 00000 п. 0000038957 00000 п. 0000039083 00000 п. 0000039201 00000 п. 0000039233 00000 п. 0000039310 00000 п. 0000048598 00000 н. 0000048932 00000 н. 0000049001 00000 п. 0000049119 00000 п. 0000049151 00000 п. 0000049228 00000 п. 0000053604 00000 п. 0000053939 00000 п. 0000054008 00000 п. 0000054126 00000 п. 0000054158 00000 п. 0000054235 00000 п. 0000058609 00000 п.

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *