DOI: 10.32702/2307-2105-2022.5.96
УДК: 338.560
Т. І. Олійник, К. А. Крупська
ІНСТРУМЕНТИ ШТУЧНОГО ІНТЕЛЕКТУ У ФОРМУВАННІ ТА ЗБЕРЕЖЕННІ ТРУДОВОГО ПОТЕНЦІАЛУ ПРОМИСЛОВОГО ПІДПРИЄМСТВА
Анотація
В статті сформовано основу використання технологій і моделей штучного інтелекту в процеси формування і збереження трудового потенціалу промислових підприємств. Було охарактеризовано базові якості корпоративних «споживачів» інтелектуального капіталу та технології штучного інтелекту, надано докази панівного носія інтелекту зі сторони персоналу компанії, який є базовим середовищем формування алгоритмів та участі в робочих процесах забезпечених обраною моделлю штучного інтелекту. Було розроблено модель інтегрованої системи «спільної діяльності» персоналу підприємства, в основу якої покладено інтегровану взаємодію бізнес-процесіна підприємстві і носіїв інтелектуального капіталу. Проведено синтез нейро-нечітких моделей когнітивних агентів, наділених ментальними і інтенційними характеристиками. Визначено особливості процедур фузифікації і дефузифікації в робочих процесах, запропоновано систему нейро-нечітких сигналів у формуванні та збереженні трудового потенціалу промислового підприємства.
Ключові слова: трудовий потенціал; промислове підприємство; штучний інтелект; модель спільної діяльності; персонал; інтелектуальний капітал; нейро-нечітка модель; функція приналежності; нечіткий регулятор.
Література
1. Бугас В. В., Науменко О. М. Трудовий потенціал підприємства: сутність та структура. Ефективна економіка. 2018. № 1. – URL: http://www.economy.nayka.com.ua/?op=1&z=6051 (дата звернення: 02.05.2022).
2. Антонюк В. П. Динаміка кількісних і якісних характеристик трудового потенціалу промисловості як загроза її модернізації. Економiка i органiзацiя управлiння. 2016. № 3. С. 19-28.
3. Марценюк Л. В. Розвиток трудового потенціалу як основний елемент підвищення ресурсного потенціалу підприємства Економічний журнал Одеського політехнічного університету. 2020. №2. С. 102–107. DOI: 10.15276/EJ.02.2020.14, 10.5281/zenodo.4266841.
4. Балахонова О. В. Узагальнення складових економічного потенціалу підприємства і механізм його розвитку. Ринкова економіка: сучасна теорія і практика управління. 2019. Том 20. Вип. 2 (48). С. 98-116.
5. Гітіс Т. П., Борніков А. С., Дуплякіна, С. В., Мороз С. О. Дослідження сучасного стану економічного потенціалу промислових підприємств України. Економічний вісник Донбасу. 2021. №3(65). с. 92–98. https://doi.org/10.12958/10.12958/1817-3772-2021-3(65)-92-98
6. Коваль М. І., Мельник, Б. Ю. Методичні підходи до визначення впливу показників розвитку трудового потенціалу на результати діяльності підприємств. Економічні горизонти. 2021. №3-4(18). С. 83–96. https://doi.org/10.31499/2616-5236.3-4(18).2021.249651
7. Остряніна С., Панасенко Є. Основні напрями формування, розвитку та використання трудового потенціалу підприємства». 2021. URL: https://ojs.ukrlogos.in.ua/index.php/interconf/article/view/17454 (дата звернення 16.04.2022).
8. Шура Н. О., Шахно А. Ю., Поліщук І. Г., Мамедова А. А. Оцінка соціально-трудового потенціалу підприємства. Інвестиції: практика та досвід. 2021. № 20. С. 18-24. DOI: 10.32702/2306-6814.2021.20.18
9. Шацька С.Я., Григоренко Я.О. Напрями підвищення ефективності праці управлінського персоналу підприємства. Глобальні та національні проблеми економіки. 2016. №14. С. 596-598.
10. Myers P., Hulks S. and Wiggins L. Organizational Change: Perspectives on Theory and Practice. Oxford, Oxford University Press, 2012. 384 p.
11. Dirican C. The Impacts of Robotics, Artificial Intelligence On Business and Economics. Procedia -Social and Behavioral Sciences. 2015. n0 195. pp. 564-573.
12. Krizhevsky A., Sutskever I., Hinton G. E. Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems 2012. pp. 1097-1105.
13. Ginesti G., Caldarelli A., Zampella A. Exploring the impact of intellectual capital on company reputation and performance. Journal of Intellectual Capital. 2018. n019(5). pp. 915-934.
14. Gilad-Bachrach R., Dowlin N., Laine K., Lauter K., Naehrig M., Wernsing J. CryptoNets: Applying neural networks to encrypted data with high throughput and accuracy. 2016. International Conference on Machine Learning. n0 48. pp. 201-210.
15. Muggleton, S. Alan Turing and the development of Artificial Intelligence. AI Communications. 2014. pp. n027(1). pp. 3-10.
16. Wang J.X. Mathematical models in management accounting, Business. 2016. n0 5. pp. 80-80.
17. Wauters M., Vanhoucke M. A comparative study of Artificial Intelligence methods for project duration forecasting. Expert Systems With Applications. 2015. n0 46. pp. 249-261.
T. Oliynyk, E. Krupskaya
INSTRUMENTS OF ARTIFICIAL INTELLIGENCE IN THE FORMATION AND PRESERVATION OF LABOR POTENTIAL OF INDUSTRIAL ENTERPRISE
Summary
The article forms the basis for the use of technologies and models of artificial intelligence in the processes of formation and preservation of labor potential of enterprisers. The basic qualities of corporate "consumers" of intellectual capital and artificial intelligence technology were described, evidence of the dominant bearer of intelligence by the enterprise staff, which is the basic environment for developing algorithms and participation in work processes provided by the selected model of artificial intelligence. A model of an integrated system of "joint activities" of the company's staff was developed, which is based on the integrated interaction of business processes in the company and carriers of intellectual capital. The methodology of creation of the integrated system of artificial intelligence on the basis of algorithmic rules of the subject-oriented orientation on "joint activity" is offered. The synthesis of neuro-fuzzy models of cognitive agents endowed with mental and intentional characteristics is carried out. Peculiarities of fusification and diffusion procedures in work processes are determined, a system of neuro-fuzzy signals in the accumulation of intellectual capital is proposed. An intellectual model for calculating the cognitive quality of intellectual capital of the enterprise has been developed.
We believe that the algorithm for learning the neural network of formation and preservation of labor potential within the backpropagation procedure requires a sample consisting of many mutually corresponding pairs of "input and output images - vectors". Many instructive sample pairs are created within the company's personnel policy. A distinctive feature of the algorithm for the formation and preservation of labor potential is the transformation of weights and connections between neurons on the basis of the mechanism of self-organization.
For some companies as a whole, there is a chance to move forward with innovative development. First of all, it is in those countries that have a strong scientific, educational and intellectual potential, entrepreneurs and professionals whose ability to quickly adapt, learn and retrain, use their knowledge and skills to realize themselves in new conditions.
Keywords: labor potential; industrial enterprise; artificial intelligence; joint activity model; personnel; intellectual capital; neuro-fuzzy model; membership function; fuzzy regulator.
References
1. Buhas, V. and Naumenko, O. (2018), “Employment potential of the enterprise: essence and structure”, Efektyvna ekonomika, [Online], vol. 1, available at: http://www.economy.nayka.com.ua/?op=1&z=6051 (Accessed 02 May 2022).
2. Antonuk, V.P. (2016), “Dinamiks of quantitative and quality characteristics of labour potential of the industry as threat of its upgrade”, Ekonomika i orhanizatsiia upravlinnia, vol. 3, pp. 19-28.
3. Martsenyuk, L.V. (2020), “Development of labor potential as the main element of increasing the resource potential of the enterprise”, Ekonomichnyy zhurnal Odesʹkoho politekhnichnoho universytetu, vol. №2. pp. 102–107. DOI: 10.15276 / EJ.02.2020.14, 10.5281 / zenodo.4266841.
4. Balahonova, O.V. (2019), “Generalization of the components of the economic potential of the enterprise and the mechanism of its development”, Rynkova ekonomika: suchasna teoriya i praktyka upravlinnya, Vol. 20, Iss., 2(48), pp. 98-116.
5. Gitis, T.P., Bornikov, A.S., Duplyakina, S.V., Moroz S.O. (2021), “Research of the current state of economic potential of industrial enterprises of Ukraine”, Ekonomichnyy visnyk Donbasu, vol. 3(65), pp. 92–98. https://doi.org/10.12958/10.12958/1817-3772-2021-3(65)-92-98.
6. Koval, M.I., Melnyk, B. Yu. (2021), “Methodical approaches to determining the impact of indicators of labor potential on the results of enterprises”, Ekonomichni horyzonty, vol. №3-4 (18). pp. 83–96. https://doi.org/10.31499/2616-5236.3-4(18).2021.249651
7. Ostryanina, S., and Panasenko, E. (2021), “The main directions of formation, development and use of labor potential of the enterprise” available at: https://ojs.ukrlogos.in.ua/index.php/interconf/article/view/17454 (accessed 16 April 2022).
8. Shura, N., Shakhno, А., Polishchuk, I. and Mamedova, A. (2021), “Assessment of social and labor potential of the enterprise”, Investytsiyi: praktyka ta dosvid, vol. 20, pp. 18–24. DOI: 10.32702/2306-6814.2021.20.18
9. Shatska, S. Ya. and Grigorenko, Ya. O. (2016), “Directions efficiency of the administrative personnel company”, Ekonomika ta upravlinnia pidpryiemstvamy, vol. 14, pp. 596-598.
10. Myers, P., Hulks, S. and Wiggins, L. (2012), Organizational Change: Perspectives on Theory and Practice, Oxford, Oxford University Press
11. Dirican, C. (2015), “The Impacts of Robotics, Artificial Intelligence On Business and Economics”, Procedia -Social and Behavioral Sciences, vol. 195, pp. 564-573.
12. Krizhevsky, A., Sutskever, I., Hinton, G. E. (2012), “Imagenet classification with deep convolutional neural networks”, Advances in neural information processing systems, pp. 1097-1105.
13. Ginesti, G., Caldarelli, A., Zampella, A. (2018), “Exploring the impact of intellectual capital on company reputation and performance”, Journal of Intellectual Capital, vol. 19(5), pp. 915-934.
14. Gilad-Bachrach, R., Dowlin, N., Laine, K., Lauter, K., Naehrig, M., Wernsing, J. (2016), “CryptoNets: Applying neural networks to encrypted data with high throughput and accuracy”, International Conference on Machine Learning, vol. 48, pp. 201-210.
15. Muggleton, S. (2014), “Alan Turing and the development of Artificial Intelligence”, AI Communications, vol. 27(1), pp. 3-10.
16. Wang, J. X. (2016), “Mathematical models in management accounting, Business” vol. 5, pp. 80-80.
17. Wauters, M., Vanhoucke, M. A. (2015), “Comparative study of Artificial Intelligence methods for project duration forecasting” Expert Systems With Applications, vol. 46, pp. 249-261.
№ 5 2022
Дата публікації: 2022-05-26
Кількість переглядів: 57853