Разработка нейросетевой прогностической модели цифрового двойника показателей бизнес-процессов

Авторы

Аннотация

В статье пред ставлена комплексная разработка цифрового двойника биз- нес-процессов, основанная на применении нейросетевых моделей для прогнози- рования ключевых показателей эффективности (KPI). Цифровой двойник реали- зует концепцию виртуального представления реальных органи зационных про- цессов, обеспечивая непрерывный сбор данных, анализ и генерацию прогнозов с высокой точностью. Модель использует исторические данные, включая атрибу- ты экземпляров процессов и измерения показателей, для обучения нейросетевых алгоритмов. В ходе исследования достигнуты значение меры детерминации R² > 0,5 для большинства показателей при средней абсолютной ошибке (MAE) менее 0,7 единиц измерения по 5 -бальной шкале. Решение интегрирует методы пре- добработки данных, включая нормализацию StandardScaler, и архитектуру нейронных сетей с двумя скрытыми слоями по 128 нейронов, что обеспечивает сбалансированность между точностью и вычислительной эффективностью. Практическая значимость работы заключается в возможности применения циф- рового двойника для оптимиза ции бизнес -процессов, снижения затрат и под- держки принятия управленческих решений на основе прогнозов. Результаты де- монстрируют потенциал использования нейросетевых моделей в управлении процессами.