ІНТЕГРАЦІЯ ЕКСПЕРТНИХ СИСТЕМ В ЕНЕРГЕТИЧНИЙ СЕКТОР НА ОСНОВІ УНІВЕРСИТЕТСЬКИХ БАЗ ЗНАНЬ
DOI:
https://doi.org/10.31471/2409-0948-2025-1(31)-11-25Ключові слова:
експертні системи, бібліотека, університетська база знань, інтеграція, енергетичний секторАнотація
У статті представлено концептуальну модель експертної системи, яка інтегрує
знаннєвий потенціал університетських електронних ресурсів з практичними потребами енергетичного сектору. Досліджено потенціал університетських бібліотек як джерел
формалізованих знань для створення інтелектуальних експертних систем. Відповідно до мети і завдань у статті проведено аналіз сучасних підходів до побудови баз знань, орієнтованих на застосування в енергетиці; сформовано модель архітектури експертної системи з бібліотечними
ресурсами як джерела оновлюваних даних та формування знань. Узагальнено компоненти даної
системи, яка складається з університетської інфраструктури, яка є базовим джерелом
актуалізованих знань для створення експертних систем; механізму побудови бази знань, що формалізує доступні знання та самої експертної системи на основі розгляду способів інтеграції знань у експертній системі. Розглянуто сценарії застосування експертних систем у підгалузях енергетики. У статті оцінено переваги і обмеження інтеграції з погляду технологічної, організаційної та академічної взаємодії. Запропоновано рекомендацій щодо реалізації експертної системи на базі університету в партнерстві з стейкхолдерами. Підсумовано, що така інтеграція
підвищує точність аналітичних рішень, створює динамічну базу знань і використовує існуючу
інфраструктуру вищої освіти для швидкого розгортання адаптивних рішень. Узагальнено, що соціальне партнерство між академією та енергетичними підприємствами є критичним чинником успіху моделі. Перспективними напрямами є вдосконалення семантичного пошуку з NLP, інтеграція з платформами енергомоніторингу в реальному часі, розробка самонавчальних модулів та оцінка економічної ефективності впровадження. Запропонована модель може слугувати інструментом реалізації стратегії розвитку ІФНТУНГ, а також основою трансформації вітчизняної енергетики відповідно до принципів сталого розвитку й цифрової економіки Європейського
зеленого курсу.
Посилання
Ivano-Frankivsk National Technical University of Oil and Gas. (2024). Strategiia do 2028 roku “Talanty dlia naftohazovoi haluzi ta enerhetychnoho perekhodu Ukrainy” [Strategy to 2028: Talents for the Oil and Gas Industry and Ukraine’s Energy Transition]. https://nung.edu.ua/sites/default/files/2024-01/Стратегія%202024_2028.pdf (in Ukrainian)
Chudyk, I., Dmytruk, V., Humeniuk, V., Polianska, A., & Zapuchliak, I. (2024). Information support of value-based management of oil and gas enterprises. Science and Innovation, 20(4), 70–80. https://doi.org/10.15407/scine20.04.070
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Giarratano, J., & Riley, G. (2005). Expert systems: Principles and programming (4th ed.). Thomson.
Jackson, P. (1998). Introduction to expert systems (3rd ed.). Addison Wesley.
Yang, X., & Zhu, C. (2024). Industrial expert systems review: A comprehensive analysis of typical applications. IEEE Access, 12. https://doi.org/10.1109/ACCESS.2024.3419047
Rao, S. S., Nahm, A., Shi, Z., Deng, X., & Syamil, A. (1999). Artificial intelligence and expert systems applications in new product development – A survey. Journal of Intelligent Manufacturing, 10, 231–244. https://doi.org/10.1023/A:1008943723141
Turban, E., & Watson, H. (2014). Integrating expert systems, executive information systems, and decision support systems. In Proceedings. https://www.researchgate.net/publication/249913511
Černevičienė, J., & Kabašinskas, A. (2022). Review of multi-criteria decision-making methods in finance using explainable artificial intelligence. Frontiers in Artificial Intelligence, 5, Article 827584. https://doi.org/10.3389/frai.2022.827584
Liebowitz, J. (1995). Expert systems: A short introduction. Engineering Fracture Mechanics, 50(5–6), 601–607. https://doi.org/10.1016/0013-7944(94)E0047-K
Liao, S.-H. (2005). Expert system methodologies and applications – A decade review from 1995 to 2004. Expert Systems with Applications, 28(1), 93–103. https://doi.org/10.1016/j.eswa.2004.08.003
Gwendo, J. O. (2023). Trends and insights on tools used for the development of expert systems: A systematic review of research articles (2018–2022). International Journal of Engineering Applied Sciences and Technology, 8(01), 331–347. https://doi.org/10.33564/IJEAST.2023.v08i01.050
Khosravi, H., Sadiq, S., & Amer-Yahia, S. (2023). Data management of AI-powered education technologies: Challenges and opportunities. Learning Letters, 1, Article 2. https://doi.org/10.59453//XLUD7002
Sukhodolia, O. M. (2022). Shtuchnyi intelekt v enerhetytsi: Analitychna dopovid [Artificial intelligence in the energy sector: Analytical report]. Kyiv: NISD. https://doi.org/10.53679/NISS-analytrep.2022.09 (in Ukrainian)
Polyanska, A. (2024). Application of decision support systems (DSS): The case of energy company. In Proceedings of the 44th IBIMA Conference: Empower business and create economic development in digital future – Vision 2030 (pp. 1385–1393). IBIMA. https://u.pcloud.link/publink/show?code=cLzrtalK
Makoiedova, V. O. (2024). Intellectual systems in the energy sector. Investments: Practice and Experience, (22), 101–105. https://doi.org/10.32702/2306-6814.2024.22.101
Buchert, T., Ko, N., Graf, R., Vollmer, T., Alkhayat, M., Brandenburg, E., Stark, R., Klocke, F., Leistner, P., & Schleifenbaum, J. H. (2019). Increasing resource efficiency with an engineering decision support system for comparison of product design variants. Journal of Cleaner Production, 210, 1051–1062. https://doi.org/10.1016/j.jclepro.2018.11.104
Azimi, R., Ghayekhloo, M., & Ghofrani, M. (2016). A hybrid method based on a new clustering technique and multilayer perceptron neural networks for hourly solar radiation forecasting. Energy Conversion and Management, 118, 331–344.
Gnatiuk, S., Sakovich, L., Kuriata, Ya., Semekha, S., Dybach, O., & Honchar, S. (2025). Ensuring the necessary level of reliability for electronic means in I&C systems. Nuclear and Radiation Safety, (1)(105). https://doi.org/10.32918/nrs.2025.1(105).02
Ioshchikhes, B., & Weigold, M. (2024). Development of stationary expert systems for improving energy efficiency in manufacturing. Procedia CIRP, 126, 921–926. https://doi.org/10.1016/j.procir.2024.08.351
Okunlaya, R. O., Syed Abdullah, N., & Alias, R. A. (2022). Artificial intelligence (AI) library services innovative conceptual framework for the digital transformation of university education. Library Hi Tech, 40(6), 1869–1892. https://doi.org/10.1108/LHT-07-2021-0242
Denbnovetskyi, S. O. (2022). Digital transformation of Ukrainian libraries in the context of globalization processes. Library Science. Document Science. Informology, (1), 26–33. http://nbuv.gov.ua/UJRN/bdi_2022_1_6 (in Ukrainian)
Kuzmenko, O. I., & Zahumenna, V. V. (2021). Transformation and expansion of library functions in the modern digital space. Library Science. Document Science. Informology, (3), 38–44. http://nbuv.gov.ua/UJRN/bdi_2021_3_7 (in Ukrainian)
Mikhalevska, H. I., & Mikhalevskyi, V. Ts. (2010). Basic concepts of building expert systems. Scientific Papers of the Faculty of Applied Mathematics and Computer Technologies of Khmelnytskyi National University, 1(3). http://ap.khnu.km.ua/articles/files/. (in Ukrainian)
Karake, Z. A. (1990). Enhancing the learning process with expert systems. Computers & Education, 14(6), 495–503. https://doi.org/10.1016/0360-1315(90)90108-J
Bieda, B., Sala, D., Polyanska, A., Babets, D., & Dychkovskyi, R. (2023). Knowledge management in organisation on the base of using the hybrid methods of uncertainty analysis. Scientific Papers of Silesian University of Technology, 187, 55–74. https://doi.org/10.29119/1641-3466.2023.187.3
Ernest, E. (1987). Expert systems and document handling. Information Processing and Management, 23(2), 77–80.
Kappes, E. P. (1990). A study of the uses of expert systems in the training environment (Master’s thesis). Old Dominion University. https://digitalcommons.odu.edu/ots_masters_projects/415
Khosravi, H., Buckingham Shum, S., Chen, G., Conati, C., Tsai, Y.-S., Kay, J., Knight, S., Martinez-Maldonado, R., Sadiq, S., & Gašević, D. (2022). Explainable Artificial Intelligence in education. Computers and Education: Artificial Intelligence, 3, 100074. https://doi.org/10.1016/j.caeai.2022.100074
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Положення про авторські права
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство роботи та передають журналу право першої публікації на умовах ліцензії Creative CommonsCC BY-NC-SA (https://creativecommons.org/licenses/by/3.0/), яка дозволяє іншим редагувати, вносити зміни і брати за основу для своїх творів цей твір некомерційним чином, поки автори похідних творів вказують авторів як авторів оригіналу і ліцензують свої твори на тих самих умовах;
- Автори мають право самостійно укладати додаткові угоди щодо не ексклюзивного розповсюдження наукової роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі), за умови збереження посилання на першу публікацію роботи у цьому журналі;
- Політика журналу передбачає можливість розміщення авторами рукопису в мережі Інтернет (наприклад, у електронних сховищах інформації або на веб-сайтах), оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на динаміці цитування опублікованої роботи.
.png)
.png){kind=logo}
