«Автоматизация и информатизация ТЭК»

Применение машинного обучения в задачах автоматизации подготовки данных в процессе реализации системной интеграции

УДК: 004.048
DOI: -

Авторы:

¹ РГУ нефти и газа (НИУ) имени И.М. Губкина, Москва, Россия

Ключевые слова: интеграция, автоматизация, машинное обучение, искусственный интеллект, информационное взаимодействие

Аннотация:

В статье рассматриваются вопросы интеграции систем и приложений. Основная задача интеграции разделяется на два важных аспекта: подготовка с последующей обработкой данных и техническая программная реализация процесса взаимодействия систем. В свою очередь, работа с данными включает различные задачи, применимые для конкретного типа интеграции. Это могут быть задачи оптимизации данных, сопоставления, нормализации, трансформации и др. В статье рассматривается возможность применения машинного обучения и искусственного интеллекта в задачах автоматизированной подготовки данных для интеграции систем и приложений. Рассмотрены примеры подготовки данных с использованием модулей и библиотек высокоуровневого языка программирования Python. В дальнейшем планируется реализация прототипа модуля автоматизированной и настраиваемой работы с данными, а также изучение методов в части оценки качества и надежности интеграции.

Список литературы:

1. Морозова О.А. Интеграция корпоративных информационных систем: учеб. пособие. – М.: Финансовый ун-т при Правительстве Российской Федерации, 2014. – 140 с.
2. Абраменкова К.Н., Тупысев А.М. Концепция автогенерации программного блока в задачах интеграции информационных систем // Автоматизация и информатизация ТЭК. – 2023. – № 9(602). – С. 41–45. – DOI: 10.33285/2782-604X-2023-9(602)-41-45
3. Свидетельство о гос. регистрации программы для ЭВМ 2023684080 Рос. Федерация. Модуль автоматической генерации программного кода в задачах интеграции информационных систем / Д.Г. Леонов, К.Н. Телегова; правообладатель ФГБОУ ВО "РГУ нефти и газа им. И.М. Губкина". – № 2023683632; заявл. 08.11.2023; опубл. 13.11.2023, Бюл. № 11.
4. Python 3.12.6 documentation. – URL: https://docs.python.org/3/ (дата обращения 21.05.2024).
5. Scikit-learn. Machine Learning in Python. – URL: https://scikit-learn.org/stable/index.html (дата обращения 21.05.2024).
6. Feature-engine. – URL: https://feature-engine.trainindata.com/en/latest/ (дата обращения 26.05.2024).
7. Matplotlib. – URL: https://matplotlib.org/ (дата обращения 25.06.2024).
8. Папилина Т.М. Платформа разработки прикладных web-инструментов для диспетчерского персонала нефтегазовой отрасли // Автоматизация, телемеханизация и связь в нефтяной пром-сти. – 2015. – № 11. – С. 41–46.
9. Леонов Д.Г. Методы, модели и технологии разработки и интеграции распределенных гетерогенных программно-вычислительных комплексов в транспорте газа. – М.: РГУ нефти и газа (НИУ) им. И.М. Губкина, 2017. – 196 с.