Model wiedzy „Tagi dotyczące partii i pojemników" w systemie ERP „PlasmIS" z możliwością samodoskonalenia z wykorzystaniem lokalnych modeli llm
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 16 Nr 2 (2026)
-
Ocena wydajności zoptymalizowanego modelu głębokiego uczenia się z Wielowarstwową Techniką Ograniczenia Normy Maksymalnej (MMNR) do klasyfikacji guza mózgu w obrazach wielomodalnych MRI
Mulackal Chandran Binish, Vinu Thomas5-14
-
Wykrywanie udaru na podstawie obrazów TK mózgu i wizualizacja jego objętości
Rithu James, Appukuttan Harsha, Liza Annie Joseph15-21
-
Adaptacyjna filtracja w celu redukcji szumów w sygnałach
Hicham Loumissi, Adil Barra, Najat Messaoudi, Othmane El Badlaoui, Bahloul Bensassi, Hicham Medromi22-25
-
Ocena informacyjnych kryteriów diagnostycznych i biomarkerów ciężkości przebiegu choroby z wykorzystaniem modelu dyskryminacyjnego u pacjentów z COVID-19
Gryhoriy Gradil, Oleg Avrunin, Kateryna Yurko, Natalia Shushlyapina, Yuliia Kalashnyk-Vakulenko, Mariia Shostatska, Aigul Iskakova26-31
-
Wzmacniacze sygnału w systemach łączności optycznej
Nurzhigit Smailov, Nurlybek Turar, Akezhan Sabibolda32-36
-
Analiza systemów łączności podwodnej opartych na hybrydowej technologii Li-Fi
Nurzhigit Smailov, Aizhan Urazgaliyeva, Akezhan Sabibolda37-43
-
Zastosowanie modelu Box-Behnken w badaniach nad systemami automatycznego oświetlenia sterowanymi głosem
Oleksandr Burban, Mykola Polishchuk, Anatolii Tkachuk, Serhii Kostiuchko, Liliia Polishchuk, Valentyna Tkachuk44-49
-
Wykrywanie pól ryżowych na obrazach satelitarnych Sentinel-2 za pomocą modelu EfficientDet
Suvarna Vani Koneru, Kamal Epuri, Bhuvanesh Kakumanu, Ram Dinesh Aduri50-55
-
Modele oceny dokładności i niezawodności systemów nawigacyjnych opartych na żyroskopach światłowodowych
Maral Abulkhanova, Nurzhigit Smailov, Yerlan Tashtay, Gulbakhar Yussupova, Anar Khabay, Beibarys Sekenov, Akezhan Sabibolda56-60
-
Agregacja wielomodalnych strumieni logów i metryk na potrzeby neuronowo-rozmytego wykrywania anomalii w systemach komputerowych
Andrii Mishchenko, Oleksii Shushura, Alona Kolomiiets, Andrii Donets, Olena Kosaruk61-67
-
Statyczna analiza kryminalistyczna metodą wyodrębniania plików z dysków SSD z wykorzystaniem metod NIST i ACPO
Khoirul Anam Dahlan, Anton Yudhana, Herman Yuliansyah68-75
-
Ocena ryzyka bezpieczeństwa w oparciu o logikę rozmytą w bezprzewodowych sieciach czujnikowych przemysłowego IoT
Olena Semenova, Natalia Kryvinska, Olha Voitsekhovska, Andrii Dzhus, Volodymyr Martyniuk76-83
-
Wielokryterialna optymalizacja konfiguracji systemu ochrony informacji w oparciu o algorytm NSGA-II
Valeryi Lakhno, Myroslav Lakhno, Alona Desiatko, Bohdan Bebeshko84-90
-
Metoda strukturalnego kodowania blokowego krotek transformacji obrazów wideo
Volodymyr Barannik, Dmytro Uzlov, Yevhenii Yelisieiev, Valeriy Barannik, Nina Petrukha, Mykhailo Babenko, Dmitry Barannik, Vladyslav Kostromytskyi, Oleh Kompaniiets, Artem Bychenko91-101
-
Analiza wzrostu dokładności prognozowania modelu po normalizacji danych
Vladyslav Pylypenko, Vladyslava Skidan, Antonina Volivach102-106
-
Optymalizacja parametrów dla systemu hiperchaotycznego 4D z wykorzystaniem algorytmu optymalizacyjnego walrus
Karam Adel Abed, Omar Saber Qasim, Saad Fawzi Al-Azzawi107-112
-
Optymalizacja koagulacji żelaza podczas uzdatniania wody z wykorzystaniem narzędzi sztucznej inteligencji
Andrii Safonyk, Ivan Tarhonii, Oleksandr Naumchuk, Vladyslav Danchenkov, Roman Zaichuk113-117
-
Optymalizacja zdolności wytwórczych generatorów rozproszonych z regulowanym statyzmem zintegowanych w izolowanej mikrosieci AC przy wykorzystaniu algorytmów metaheurystycznych w celu zmniejszenia strat sieciowych
Tuan-Ho Le, Tham X. Nguyen, Robert Lis, Muhammad Jamshed Abbass118-125
-
Skład chemiczny, struktura i właściwości elektryczne grubych polikrystalicznych warstw CdZnTeSe
Yaroslav Znamenshchykov, Oleksii Lisovenko, Mykola Khvyshchun, Anatoliy Opanasyuk126-130
-
Uzasadnienie nowej metody rozdzielania materiałów sypkich na separatorze wibro-tarczowym
Mykola Bakum, Serhii Kharchenko, Anatolii Mykhailov, Mykola Krekot, Taras Shchur, Oleg Dzhidzhora131-138
-
Programowa ocena wydajności i prognozowanie aplikacji webowych z wykorzystaniem modeli uczenia maszynowego
Liubov Oleshchenko139-144
-
Analiza porównawcza narzędzi do testów jednostkowych i integracyjnych języka Java: JUnit, TestNg i Spock
Dawid Grabek, Jan Gryta, Mariusz Dzieńkowski145-151
-
Zastosowanie języka UML w procesie tworzenia gier komputerowych
Lyudmila Samchuk, Yuliia Povstiana, Yaroslav Tymoshchuk152-155
-
Projekt cyfrowego asystenta kulinarnego z nowoczesnym generatywnym modelem głosowym AI
Robert Banasiak, Zdzisława Rowińska, Wojciech Szczucki, Dawid Jantosz, Łukasz Rembowski156-161
-
Architektury uczenia głębokiego do rozpoznawania odzieży różnorodnych kategorii jako semantyczny trzon automatycznych systemów wirtualnego przymierzania
Roman Chekhmestruk, Olena Voitsekhovska, Svitlana Kyrylashchuk162-172
-
Model wiedzy „Tagi dotyczące partii i pojemników" w systemie ERP „PlasmIS" z możliwością samodoskonalenia z wykorzystaniem lokalnych modeli llm
Oleh Bisikalo, Valerii Starzhynskyi, Tetiana Molodetska, Nelia Burlaka173-178
-
Paradygmaty wpływu technologii informacyjnych na edukację ekonomiczną
Artem Yurchenko, Inna Kharchenko, Volodymyr Shamonia, Vladyslav Bespalyi, Serhii Bohoslavskyi, Olena Semenikhina179-186
Archiwum
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
W artykule omówiono główne wymagania, możliwości i funkcjonalność modułu „Tagi dotyczące partii i pojemników" systemu informatycznego „PlasmIS". Zaproponowano modele matematyczne inteligentnego modułu, w tym proponowaną bazę danych i bazę wiedzy. Rozważono zasady drukowania rzeczywistych etykiet i opracowano metodę drukowania etykiet z systemu informatycznego. Rozważono podejście do automatycznej standaryzacji nazw technicznych sprzętu przy użyciu lokalnych modeli językowych (LLM), co pozwala znacznie zwiększyć dokładność przetwarzania danych specjalistycznych. Szczegółowo opisano architekturę interakcji skryptów Python z lokalnym serwerem Lm studio, w tym organizację żądań API, strukturę danych wejściowych i wyjściowych w formacie JSON, a także mechanizmy zapisywania wyników w bazie danych SQLite.
Słowa kluczowe:
Cele Zrównoważonego Rozwoju (SDG)
- Innowacyjność, Przemysł, Infrastruktura
Bibliografia
[1] Ataman, D., Birch, A., Habash, N., Federico, M., Koehn, P., & Cho, K. (2025). Machine Translation in the Era of Large Language Models:A Survey of Historical and Emerging Problems. Information, 16(9), 723. https://doi.org/10.3390/info16090723
[2] Bisikalo, O., Chernenko, D., Danylchuk, O., Kovtun, V., & Romanenko, V. (2020). Information Technology for TTF Optimization of an Information System for Critical Use that Operates in Aggressive Cyber-Physical Space. 2020 IEEE International Conference on Problems of Infocommunications. Science and Technology (PIC S&T), 323–329. https://doi.org/10.1109/PICST51311.2020.9467997
[3] Bisikalo, O. V., Kovtun, V. V., & Kovtun, O. V. (2020). Modeling of the Estimation of the Time to Failure of the Information System for Critical Use. 2020 10th International Conference on Advanced Computer Information Technologies (ACIT), 140–143. https://doi.org/10.1109/ACIT49673.2020.9208883
[4] Kang, E.-Y., Choudhary, G., Campusano, M., Kühnrich, M., & Pedersen, A. (2024). Enhancing Dependability of Industrial Robots: Security and Safety Assessments Based on Model-Driven Engineering. 2024 11th International Conference on Dependable Systems and Their Applications (DSA), 106–113. https://doi.org/10.1109/DSA63982.2024.00024
[5] Cruz-Torres, W., Alvarez-Risco, A., & Del-Aguila-Arcentales, S. (2021). Impact of Enterprise Resource Planning (ERP) Implementation on Performance of an Education Enterprise: A Structural Equation Modeling (SEM). Studies in Business and Economics, 16(2), 37–52. https://doi.org/10.2478/sbe-2021-0023
[6] Danilczuk, W., & Gola, A. (2020). Computer-aided material demand planning using ERP systems and business intelligence technology. Applied Computer Science, 16(3), 42–55. https://doi.org/10.35784/acs-2020-20
[7] Estefania, T. V., Samir, L., Robert, P., Patrice, D., & Alexandre, M. (2018). The integration of ERP and inter-intra organizational information systems: A Literature Review. IFAC-PapersOnLine, 51(11), 1212–1217. https://doi.org/10.1016/j.ifacol.2018.08.425
[8] Grabski, S. V., Leech, S. A., & Schmidt, P. J. (2011). A Review of ERP Research: A Future Agenda for Accounting Information Systems. Journal of Information Systems, 25(1), 37–78. https://doi.org/10.2308/jis.2011.25.1.37
[9] Hochreiter, S., & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. https://doi.org/10.1162/neco.1997.9.8.1735
[10] Kocsis, D. (2019). A conceptual foundation of design and implementation research in accounting information systems. International Journal of Accounting Information Systems, 34, 100420. https://doi.org/10.1016/j.accinf.2019.06.003
[11] Ofoegbu, C. A. (2016). Enterprise Resource Planning (ERP) adoption in a hybrid service and manufacturing Small and Medium-sized Enterprise (SME): An action case study [Ph.D. thesis]. University of Salford.
[12] Shah, K. (2025, May 16). How to Build Domain Specific LLMs? Best Artificial Intelligence Blogs. https://www.projectpro.io/article/domain-specific-llms/1111
[13] Tang, J. (2025, July 1). Fine-Tuning LLMs for Specific Domains: Why, How, and What to Consider. Medium. https://medium.com/@jamestang/fine-tuning-llms-for-specific-domains-why-how-and-what-to-consider-8b2fd5781615
[14] Weigang, L., & Brom, P. C. (2025). LLM-BT-Terms: Back-Translation as a Framework for Terminology Standardization and Dynamic Semantic Embedding (Version 2). arXiv. https://doi.org/10.48550/ARXIV.2506.08174
[15] Zafary, F. (2020). Implementation of business intelligence considering the role of information systems integration and enterprise resource planning. Journal of Intelligence Studies in Business, 1(1). https://doi.org/10.37380/jisib.v1i1.563
##plugins.themes.bootstrap3.article.details##
Abstract views: 131
Downloads: 65

