Статті

У статті досліджено роль Data Mining у адаптивному менеджменті готельно-ресторанного бізнесу. Обґрунтовано актуальність системного застосування Data Mining для підвищення ефективності та стійкості підприємств в умовах мінливого ринку та криз. Визначено ключові напрями застосування, переваги та потенційні проблеми впровадження Data Mining. Представлено чотири кейси ефективного використання Data Mining у галузі.

Enterprises of bread baking sector produce traditional everyday products and, at the same time, this sector remains one of the most conservative ones. There are always new types of raw materials and additives on the market, but new recipes are developed traditionally based on the results of test baking. However, a technologically justified solution is not always optimal regarding nutritional value. The purpose of this work is consideration of the possibilities and prospects of using elements of artificial intelligence (AI) in bread baking based on examples from other sectors of the food industry and study the AI’s ability to analyze and evaluate (categorise) existing recipes of bread products. The initial stage of AI use is machine learning (ML), but today there are no unified electronic databases that can be used to fulfil the task. We took approved collections of recipes as the basis for filling such databases. In addition, technologically acceptable variations of the main recipe components and their mutual substitution were carried out. The base was analyzed using Microsoft Azure Machine Learning service and Google Cloud Machine Learning Engine. Normalised database with 5,000 variants of recipes of bakery products that can be manufactured in conditions of both large industrial companies and small bakeries were created. The ML showed that the system effectively determines the main components of recipes and can independently, with high accuracy, classify recipes entered by the user into categories “bread” or “enriched bread”. The work showed the possibility and viability of using AI elements in the baking industry. The database can be used to design new bakery products with specified recipe composition and (after improvement) to model applications with specified chemical composition or biological value. Хлібопекарська галузь, випускаючи продукти традиційного повсякденного вживання, водночас є однією з найбільш консервативних. На ринку постійно з’являються нові види сировини та добавок, але розроблення нових рецептур відбувається традиційним способом за результатами пробних випікань. При цьому технологічно виправдане рішення не завжди є оптимальним з позиції харчової цінності (і навпаки). Метою роботи є розгляд можливостей та перспектив використання елементів штучного інтелекту (ШІ) в хлібопеченні на прикладі інших галузей харчової промисловості, вивчення спроможності ШІ до аналізу та оцінювання (категоризації) вже існуючих рецептур хлібних виробів. Початковим етапом використання ШІ є проведення машинного навчання (МН), але на сьогодні відсутні уніфіковані електронні бази даних, що можуть бути використані для вирішення поставленого завдання. За основу для їх наповнення нами було взято затверджені збірники рецептур. Додатково провели технологічно допустиме варіювання основних рецептурних компонентів та їх взаємозаміну. Аналіз створеної бази здійснювали за допомогою Microsoft Azure Machine Learning та Google Cloud Machine Learning Engine. Створено електронну нормалізовану базу з близько 5 тис. варіантів рецептур хлібобулочних виробів, що можуть виготовлятися в умовах як великих промислових підприємств, так і пекарень. Результати МН показали, що система ефективно визначає основні компоненти рецептури, а також здатна самостійно з високою точністю класифікувати введені користувачем рецептури за категоріями «хліб» чи «здобні вироби». Показано можливість і перспективність використання елементів ШІ у хлібопекарській галузі. Створена база може бути використана для проєктування нових хлібобулочних виробів із заданим рецептурним складом, а також (після доопрацювання) — для моделювання виробів, що матимуть заданий хімічний склад чи біологічну цінність.

Taking into account the globalized, regional, sectoral and pre-crisis specific of the above mentioned task of FA, it is relevant to critically analyze the main methods (and practice of their use) of financial analysis in order to to develop an complex iterative script methodology of FA for LC on emergent markets in pre-crisis or crisis conditions. Summarizing the comprehensive analysis of existing and used methods of FA for LC, and given the author's practical industry experience, it can be confidently stated that no existing algorithm of FA can not give an adequate forecast of the financial status of LC applicable at all stages of the LC life cycle and all phases of a possible crisis in emerging markets. In this article, the important and urgent task is solved: the development of a step-by-step iterative integrated methodology of financial analysis and forecasting the bankruptcy of a logistics company on emergent markets in pre-crisis and crisis conditions, applicable at all stages of the LC life cycle and all phases of a possible crisis.

Статті

Переглянути

Фільтри

Налаштування

Сортувати за

Результатів на сторінку

Результати пошуку