Вісники та науково-технічні збірники, журнали

Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12

Browse

Subject: search.filters.subject.Big Data

Search Results

Now showing 1 - 9 of 9
  • Thumbnail Image
    Item
    Модель інтелектуального аналізу даних в IIoT
    (Видавництво Львівської політехніки, 2021-01-31) Климаш, М.; Гордійчук-Бублівська, О.; Коваль, Б.; Klymash, M.; Hordiichuk-Bublivska, O.; Koval, B.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    В роботі подано огляд методів інтелектуальної обробки даних у системах промислового Інтернету речей. Наведено порівняння методів аналізу великих даних у промислових системах зі значним навантаженням. Запропоновано використовувати для опрацювання даних методи розподіленого машинного навчання. Розроблено програмну модель для аналізу даних різних обсягів. Проаналізовано основні підходи до організації машинного навчання: федеративне і нерозподілене навчання. Експериментально доведено ефективність використання федеративного машинного навчання, оскільки воно забезпечує вищу точність оброблення даних, навіть у разі збільшення їх обсягів. Визначено, що нерозподілене машинне навчання працює швидше, отже, може використовуватися в системах, пріоритетом для яких є менший час обробки даних. Такий підхід відкриває можливості створення адаптивної моделі системи промислового Інтернету речей, що здатна самонавчатися та коригувати власну інфраструктуру залежно від зміни параметрів.
  • Thumbnail Image
    Item
    Methodology for the construction of predictive analysis systems as exemplified by the mining equipment in the big data environment using smart agents and cybernetic systems
    (Lviv Politechnic Publishing House, 2018-02-01) Kupin, Andrey; Ivchenko, Rodion; Kryvyi Rih National University
    It is necessary to determine the optimal methodology for the system of predictive analysis of equipment to prevent emergency situations. The system may include, in particular: data input/reading from sensors, processing/storage of information in a database using algorithms for processing Big Data and decision trees [1]. Identifying possible types of problems and making decisions on how to respond to them; training the system for more accurate response and decision-making.
  • Thumbnail Image
    Item
    Моделі великих даних для систем електронної комерції
    (Видавництво Львівської політехніки, 2018-02 26) Берко, А. Ю.; Berko, Andrii; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    Розроблено узагальнену структурну модель інформаційного ресурсу Великих Даних для систем електронної комерції. Виконано аналіз та обґрунтування можливості і доцільності використання Великих Даних у процесах електронної комерції. Розроблено концепцію метасхеми для управління доступом до ресурсу Великих Даних. Використання метасхеми дає змогу формувати підмножину інформаційного ресурсу релевантну певній категорії завдань електронної комерції.
  • Thumbnail Image
    Item
    The choice of cloud technology for big data
    (Commission of Motorization and Energetics in Agriculture, 2017) Veres, O.; Kozak, N.; Lviv Polytechnic National University
    This article describes specific features of cloud technology types and their existing classifications, as well as the peculiarities of their implementation in the process of designing the DDS for Big Data Management. The application of the analytic hierarchy process for the choice of cloud technology within the project of DDS for Big Data Management is suggested and described within this paper. Multi-criteria decision making task with a defined set of options and criteria is solved.
  • Thumbnail Image
    Item
    Intelligent control of repair process of industrial facilities with distributed infrastructure on the basis of CPS
    (Publishing House of Lviv Polytechnic National University, 2016) Kupin, Andriy; Muzyka, Ivan; Romanov, Maksim; Ruban, Sergii; Savitskyi, Oleksandr; Kharlamenko, Vadym; SIHE “Kryvyi Rih National University”; PJSC “ArcelorMittal Kryvyi Rih”
    The paper presents a brief description of engineering and scientific problems which arise at the steel plant PJSC “ArcelorMittal Kryvyi Rih” when organizing a repair workshop to fix industrial equipment. The attention is paid to innovative methods of repair process based on intelligent agents and Industry 4.0 principles.
  • Thumbnail Image
    Item
    Вибір хмарної технології в проекті СППР з керування великими даними
    (Видавництво Львівської політехніки, 2016) Верес, О. М.
    Описано особливості наявних класифікацій і видів хмарних технологій, їхніх особливостей та специфіки застосування для проектування СППР з керування Великими даними. Запропоновано та описано застосування методу аналітичної ієрархії для вибору хмарної технології в проекті СППР з керування Великими даними. Розв’язано багатокритерійну задачу ухвалення рішення з визначеною множиною критеріїв і альтернатив. This article describes the features of the existing classifications and types of cloud technologies, their characteristics and the specific application for the design of Big Data- Driven DSS. Application of the method of the analytical hierarchy for selecting a cloud technology in the project Big Data-Driven DSS has been offered and developed. Multicriterion problem of decision-making with a defined set of criteria and alternatives has been solved.
  • Thumbnail Image
    Item
    Generalized formal model of Big Data
    (Commission of Motorization and Energetics in Agriculture, 2016) Shakhovska, N.; Veres, O.; Hirnyak, M.
    This article dwells on the basic characteristic features of the Big Data technologies. It is analyzed the existing definition of the “big data” term. The article proposes and describes the elements of the generalized formal model of big data. It is analyzed the peculiarities of the application of the proposed model components. It is described the fundamental differences between Big Data technology and business analytics. Big Data is supported by the distributed file system Google File System technology, Cassandra, HBase, Lustre and ZFS, by the MapReduce and Hadoop programming constructs and many other solutions. According to the experts, such as McKinsey Institute, the manufacturing, healthcare, trade, administration and control of individual movements undergo the transformations under the influence of the Big Data.
  • Thumbnail Image
    Item
    Оцінювання ефективності опрацювання даних великих обсягів технологіями SPARK та HIVE
    (Видавництво Львівської політехніки, 2015) Павич, Н. Я.; Крохмальна, О. П.
    Проаналізовано технології опрацювання даних великих обсягів. Розроблено програмне рішення на кластері Hadoop та отримано результати порівняння ефективності опрацювання даних великих обсягів технологіями Spark та Hive за часовими характеристиками і форматами даних. Запропоновано підходи до реалізації програмних систем для опрацювання даних великих обсягів технологіями Spark та Hive. In this paper the contemporary technology to big data processing is analyzed. The software solution on Hadoop is developed. And the comparative results of the time efficiency in big data processing with Spark or Hive are described. The approaches to implement the software systems for big data processing with Spark or Hive are suggested.
  • Thumbnail Image
    Item
    Cartographical Patterns as the Means of Big Data Handling in Atlas Mapping
    (Видавництво Львівської політехніки, 2015) Chabanyuk, V.; Dyshlyk, O.
    This article describes the possibilities of designing of electronic atlases and/or atlas information systems with the help of cartographical patterns in the process of Big Data handling. The authors have analyzed the previous experience regarding Big Data handling which was performed as the part of the French-German Initiative and other projects dedicated thereto, including the project dedicated to the National Atlas of Ukraine. The article focuses upon the relational (architectural) patterns, namely ProSF (Project Solutions Framework), GeoSF (GeoSolutions Framework), AtlasSF (Atlas Solutions Framework) and АtIS CF (Atlas Information Systems Conceptual Framework). Furthermore, АtIS CF is used for the analysis of the National atlas of Netherlands prototype to prove similarity between two approaches. Conclusions are representing authors opinion concerning the patterns as the means of Big Data handling in the modern cartography. Описано можливості створення електронних атласів та/або атласних інформаційних систем за допомогою картографічних каркасів у процесі обробки великих даних. Автори проаналізували попередній досвід щодо поводження з великими даними, напрацьований під час виконання проектів у межах франко-німецької ініціативи та інших проектів, зокрема проект створення цифрової версії Національного атласу України. Увагу зосереджено на реляційних (архітектурних) каркасах, а саме ProSF, GeoSF, AtlasSF і АtIS CF (концептуальний каркас атласної інформаційної системи). Крім того, АtIS CF використано для аналізу прототипу Національного атласу Нідерландів, щоб довести схожість між двома підходами. Представлено авторську думку щодо каркасів, які можуть бути ефективним засобом опрацювання великих даних у сучасній картографії. Описано возможности создания электронных атласов и/или атласных информационных систем с помощью картографических каркасов в процессе обработки больших данных. Авторы проанализировали предыдущий опыт по обращению с большими данными, который был получен при выполнении проектов в рамках франко-германской инициативы и других проектов, в том числе проект создания цифровой версии Национального атласа Украины. Внимание сосредоточено на реляционных (архитектурных) каркасах, а именно ProSF, GeoSF, AtlasSF и АtIS CF (концептуальный каркас атласной информационной системы). Кроме того, АtIS CF использован для анализа прототипа Национального атласа Нидерландов, чтобы доказать подобие между двумя подходами. Выводы представляют авторскую мысль о каркасах как эффективном средстве обработки больших данных в современной картографии.