Трансформация технологий организации производства в текстильной и легкой промышленности на основе искусственного интеллекта тема диссертации и автореферата по ВАК РФ 05.02.22, кандидат наук Килимова Анна Дмитриевна

• Килимова Анна Дмитриевна
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Килимова Анна Дмитриевна

ВВЕДЕНИЕ

Глава 1. СОВРЕМЕННОЕ СОСТОЯНИЕ, ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ РАЗВИТИЯ ОТЕЧЕСТВЕННЫХ ПРОИЗВОДСТВ ЛЕГКОЙ ПРОМЫШЛЕННОСТИ

1.1 Повышение конкурентоспособности предприятий легкой промышленности на основе инновационной деятельности

1.2 Эффекты от внедрения программных разработок

1.3 Характеристика и анализ существующих технологий автоматизации производства в области легкой промышленности

1.4 Трансформация производств легкой промышленности в связи с переходом к цифровой экономике

1.5 Тенденции развития организации производства

1.6 Выводы по главе

ГЛАВА 2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ВНЕДРЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ШВЕЙНОЙ И ЛЕГКОЙ ПРОМЫШЛЕННОСТИ

2.1 Внедрение технологий искусственного искусственного интеллекта в швейной промышленности

2.2 Потоки данных в швейной промышленности

2.3 Векторно-событийная модель данных организации швейного производства

2.3.1 Применение ИИ-систем в легкой промышленности

2.3.2 Векторно-событийная модель системы записей качества

2.4 Угрозы и возможности применения искусственного интеллекта в организации производств легкой промышленности

2.4.1 Угрозы и возможности применения систем ИИ

2.5 Обоснование понятия «экспертная рекомендательная система»

2.6 Актуальность разработки экспертной системы в рамках проблем современной экономики

2.7 Выводы по главе

Глава 3. РАЗРАБОТКА ЭКСПЕРТНОЙ РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЫ ДЛЯ СОСТАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ ПОШИВА ШВЕЙНЫХ ИЗДЕЛИЙ НА

ПРОИЗВОДСТВЕ

3. 1 Этапы разработки

3.2 Анализ и типизация данных

3.3 Формирование структуры данных

3.4 Выбор и наполнение базы данных

3.5 Выбор нейронной сети для создания экспертной системы

3.6 Разработка клиентской и серверной частей

3.7 Алгоритм работы технолога цифрового проектирования и производства

3.8 Руководство пользователя

3.9 Выводы по главе

Глава 4. ОЦЕНКА РЕЗУЛЬТАТОВ РАЗРАБОТКИ

4.1 Практическое применение экспертной системы

4.2 Оценка ожидаемых и полученных результатов

4.3 Перспективы развития экспертной рекомендательной системы

4.4 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

Приложение А. Акты о внедрении результатов работы

Приложение Б. Листинги программы ЭРС

Приложение В. Список сокращений

Введение диссертации (часть автореферата) на тему «Трансформация технологий организации производства в текстильной и легкой промышленности на основе искусственного интеллекта»

ВВЕДЕНИЕ

Актуальность темы исследования. В настоящий момент в нашей стране происходит активное наращивание масштабов производства легкой промышленности за счет поддержки государства, нацеленной на развитие отдельных предприятий и стимулирование создания инфраструктуры рынка, а также условий для нормального его функционирования.

В течение длительного времени отечественная легкая промышленность не была в числе приоритетных направлений, но сегодня ситуация меняется и перед нами стоит задача возрождения отечественного производства товаров и услуг [1].

Стратегия развития промышленности Российской Федерации до 2035 года нацелена, в частности, на активное наращивание масштабов легкой промышленности. К ключевым факторам развития отрасли отнесены: поддержание конкурентоспособности производства и создание современных цифровых решений, обеспечивающих гибкость технологических процессов. Для достижения указанных целей предлагается разработать экспертную рекомендательную систему для реинжиниринга производственных процессов на основе искусственного интеллекта, способную за счет компьютеризации деятельности увеличить эффективность работы технологов на швейном производстве.

Программа «Национальное развитие цифровой экономики Российской Федерации» характеризует цифровизацию как наиболее важный фактор развития производства во всех социальных и экономических областях. Данная программа является фундаментом для формирования экосистемы цифровой экономики, важнейшей задачей которой выступает рост показателей конкурентоспособности на мировом уровне [2].

Эффективность работы предприятий швейной промышленности в современных условиях определяется гибкостью технологических процессов и взаимодействием производственных цехов и подразделений, а

также наличием технических средств автоматизации и высококачественного программного обеспечения.

Предложенная для разработки система способна оптимизировать производственные процессы и упростить задачи разработки новых моделей одежды. Благодаря использованию методов искусственного интеллекта система сможет обучаться, опираясь на базу знаний, сформированную на основе цифровых данных, взятых из любой подотрасли легкой промышленности.

Степень разработанности темы исследования. Использованию информационных технологий в производственных процессах посвящены труды следующих отечественных: Андреевой Е.Г., Гетманцевой В.В., Петросовой И.А., Белгородского В.С., Трухачева В.И. [3], Сигачевой В.В., Вейсовой А.Е. [4], и зарубежных ученых: Fromhold-Eisebith M., Marschall P., Peters R., Thomes P. [5], Woo K.J., Young C.P., Jae W.L., Eun S.S. [6] и др.

Одним из перспективных направлений в рамках рассматриваемого вопроса является использование технологий искусственного интеллекта и машинного обучения.

Применению искусственного интеллекта на швейных производствах посвящены труды: Калиновской И.Н., Завьяловой А.О. [7], Ларионовой М.А., Бабешко В.Н. [8], а также: Radhia A.J. [9], Rajkishore N., Rajiv P. [10], Qian Q.S., Xiao D.S. и др. [11].

Трансформация производственных процессов, в частности, может быть инициирована использованием экспертных систем, когда знания человека-эксперта переносятся в цифровую среду. Труды о внедрении таких систем в производство публиковали: Weldeslasie D., Ahmed M. [12], Santiago-Santiago K., Laureano-Cruces A.L., Antuñano-Barranco J.M.A., Domínguez-Pérez O., Sarmiento-Bustos E. [13], Kyu P.C., Hoon L.D. and Jin K.T. [14], и отечественные ученые: Козлова Т.Д., Игнатьев А.А., Самойлова Е.М. [15], Кызылбаева Э.Ж., Омарова А.М. [16], Буров А.Н., Калабин А.Л.,

Козлов А.В., Пакшвер Э.А. и др. [17]

Цель работы состоит в решении научной задачи интеллектуализации составления технологических карт и реинжиниринга процессов проектирования новых моделей одежды на предприятиях текстильной и легкой промышленности.

Поставленная цель определяет следующие задачи:

1. исследовать технологические последовательности, разработать теоретические основы больших данных швейного производства и сформировать структуру данных для обучения нейросети;

2. разработать архитектуру экспертной рекомендательной системы и базовый алгоритм обработки информации;

3. разработать экспертную рекомендательную систему для создания индивидуализированных технологических карт швейного производства легкой промышленности;

4. проанализировать характерные для предприятий отрасли задачи компьютеризации производственных процессов;

5. разработать концепцию экспертной рекомендательной системы;

6. произвести апробацию полученных результатов диссертационного исследования на предприятиях текстильной и легкой промышленности г. Санкт-Петербурга.

Методология исследования базируется на общенаучных подходах интеллектуального анализа данных, группировки и сравнения, автоматизации проектирования, визуализации информации. Использованы основы теории информации, теория и методы решения задач оптимизации, теория и технологии применения интеллектуальных систем, баз данных и программирования, полученные результаты основаны на внедрении

современных методов работы с данными внутри компьютерных и информационных систем.

Соответствие диссертационной работы паспорту научной специальности. Диссертационная работа выполнена в рамках Паспорта научной специальности 05.02.22 - Организация производства (по отраслям) ВАК Министерства науки и высшего образования РФ и соответствует следующим его пунктам:

3. Разработка методов и средств информатизации и компьютеризации производственных процессов на всех стадиях;

4. Оптимизация производственных процессов. Экспертные системы в организации производственных процессов;

7. Анализ и синтез организационно-технических решений. Стандартизация, унификация и типизация производственных процессов и их элементов. Организация ресурсосберегающих производственных систем;

11. Разработка средств управления производственными процессами и их результатами;

Научная новизна.

1. Разработана векторно-событийная модель цифровой обработки потока данных швейного производства, контролирующая процесс ритмичности и сроки выполнения заказов.

2. Разработан компьютерный алгоритм цифровой нейросети на основе экспертной рекомендательной системы организации швейного производства.

3. Разработан технологический процесс управления производственными данными, с целью обучения нейросети.

4. Разработан цифровой метод обработки информации экспертной рекомендательной системы для технологии проектирования швейных изделий и их производства.

5. Разработаны структуры цифровых данных, формирующих решающие компоненты экспертной системы и адаптирующие возможности нейросети к особенностям организации швейного производства.

6. Разработан программный комплекс составления технологических карт на стадии организации швейного производства, решающий задачи, связанные с компьютеризацией отрасли для ускорения производственных процессов.

Теоретическая и практическая значимость работы заключаются в:

- разработке методов искусственного интеллекта при организации швейного производства;

- разработке архитектуры экспертной системы, для создания базового алгоритма обработки информации внутри производственного учета;

- разработке методов создания индивидуальных технологических карт на основе возможностей экспертных рекомендательных систем.

Разработанные алгоритмы и программные комплексы были использованы в учебном процессе и в научных исследованиях в ФГАОУ ВО СПбГУАП.

Положения, выносимые на защиту:

- разработанная векторно-событийная модель, контролирующая процесс ритмичности и сроки выполнения заказов;

- разработанный компьютерный алгоритм создания экспертной рекомендательной системы, использующей возможности нейросети для оптимизации документов организации производства;

- разработанный технологический процесс управления данными швейного производства, с целью обучения нейросети;

- разработанный цифровой метод обработки информации экспертной рекомендательной системы для технологии проектирования и изготовления швейных изделий;

- разработанные структуры цифровых данных, формирующие компоненты экспертной системы и адаптирующие возможности нейросети к особенностям организации швейного производства;

- разработанный программный комплекс составления технологических карт на стадии организации швейного производства, решающий задачи, связанные с компьютеризацией отрасли для ускорения производственных процессов.

Степень достоверности результатов. Разработанная экспертная рекомендательная система, применяемая для организации производственного процесса составления технологических карт, прошла практическую апробацию на предприятиях текстильной и легкой промышленности г. Санкт-Петербурга: «МОМ+МЕ», ООО «Фабрика «Алез», ООО «Геомикс», где подтвердила свою значимость была рекомендована к использованию на других предприятиях легкой пр омышленно сти.

Апробация результатов работы. Результаты диссертационной работы докладывались на IX Международной научно-практической конференции «Наука и техника: новые вызовы современности» (НОП «Цифровая наука», 2022); V Международной научно-практической конференции «Энергетика и автоматизация в современном обществе» (СПб, СПбГУПТД ВШТЭ, 2022), где были отмечены дипломом II степени в номинации «Креативная идея».

Отдельные результаты научного исследования внедрены в учебный процесс в колледже автоматизации лесопромышленного производства по дисциплине «Эксплуатация информационной системы» и в колледже Петербургской моды по дисциплине «Информационные технологии в профессиональной деятельности».

Публикации. По материалам работы опубликовано 11 статей, в том числе 4 статьи в журналах из перечня ВАК Минобрнауки РФ.

Примечание: список используемых в работе сокращений представлен в приложении В.

Глава 1.

СОВРЕМЕННОЕ СОСТОЯНИЕ, ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ РАЗВИТИЯ ОТЕЧЕСТВЕННЫХ ПРОИЗВОДСТВ ЛЕГКОЙ ПРОМЫШЛЕННОСТИ

Глава посвящена обзору современного состояния, проблем и перспектив развития отечественных производств легкой промышленности, средств и методов автоматизации процессов. Обосновывается необходимость внедрения новых технологий, компьютеризации и автоматизации производства, применения технологий машинного обучения и искусственного интеллекта.

1.1 Повышение конкурентоспособности предприятий легкой промышленности на основе инновационной деятельности

Современные экономические условия ставят перед руководством

предприятий задачи обеспечения и планирования конкурентоспособности,

что неразрывно связано с деятельностью по внедрению инноваций, в том

числе в производственные процессы.

Российская легкая и текстильная промышленность значительно

отстает от многих других отраслей и по развитию технологий, и по объему

внутреннего рынка, который она занимает.

По словам В.В. Путина, «важно способствовать повышению

предпринимательской деятельности в сфере легкой промышленности,

поощрять возникновение современных, конкурентоспособных

отечественных производств, и, безусловно, необходимо устранять

системные проблемы, мешающие более эффективному становлению

отрасли... цифровизация является одним из приоритетов экономической

политики нашей страны».

Таким образом, задачи цифровизации и компьютеризации отрасли через внедрение инновационных продуктов становятся приоритетными направлениями в развитии производств.

Учитывая современную ситуацию с уходом многих популярных магазинов масс-маркета, не имея аналогичных по качеству и цене альтернатив, покупатели обращают свое внимание на отечественных производителей, а, значит, это лучшее время для того, чтобы обеспечить стабильный рост, который может работать на перспективу.

Легкую промышленность можно разделить по подотраслям - это швейная промышленность, кожевенная (меховая, обувная) и текстильная (производство тканей из различных материалов, трикотажа и т.д.). Продукция производится для таких разных областей применения как, например, медицина, геотекстиль, стройиндустрия, здоровье и гигиена, домашний текстиль, судостроение, рыболовство, машиностроение, армия.

Потребители продукции легкой и текстильной промышленности представлены на рисунке 1.

ф Население

# Силовые структуры и ведомства

Приоритетные национальные проекты

# Прочие отрасли 9 Экспорт

Рисунок 1. Потребители продукции легкой и текстильной промышленности

В работах современных отечественных и зарубежных ученых предложено понятие уровней обеспечения конкурентоспособности

предприятий. Рассматривается тактический уровень как комплексный показатель конкурентоспособности предприятия для оценки которого проводится анализ финансовой деятельности,

инновационно-ориентированной деятельности, роста и доли рынка. Соответственно, можно сделать вывод что инновационно-ориентированная деятельность занимает важную роль в обеспечении устойчивого развития и экономической стабильности производства.

Ожидаемые эффекты от внедрения инновационных технологий - это ускорение производственного цикла и сокращение издержек производства, которые несомненно приведут к увеличению финансовой прибыли предприятия. И если снижение себестоимости часто не поддается коррекции и зависит от внешних факторов, то над технологическим улучшением и ускорением процесса производства товара можно работать постоянно.

В рамках решения этой задачи на предприятиях швейной промышленности необходимо работать над грамотной организацией труда и решением управленческих задач, которые невозможно осуществлять без обеспечения справедливого разделения рабочей нагрузки между работниками и повышения загруженности оборудования.

Грамотное разделение труда становится возможным благодаря использованию основного технического документа на производстве -схемы разделения труда, в котором содержится информация о необходимом оборудовании, инструментах и приспособлениях, а также на основании которого можно рассчитать заработную плату рабочих при сдельной оплате и понять, как необходимо расставить рабочие места и оборудование.

Если отсутствует специализированный программный пакет, то схема разделения труда изготавливается в Microsoft Excel, что, несомненно, является крайне устаревшим и недостаточно удобным способом решения

задачи, так как приходится использовать различные цвета и шрифты, чтобы было наглядно видно, где расположен круг выполняемых задач, а это ухудшает восприятие графика в целом.

Альтернативным и более современным способом решения задач управления производственным процессом разделения труда будет являться программное обеспечение, призванное решить эту задачу доступным способом, контролировать трудовую деятельность, в автоматическом режиме осуществлять формирование базы данных с указанием информации об узлах обработки, коэффициентах сложности выпускаемой продукции, затратах времени рабочего персонала и т.д.

При разработке следует использовать типовые методы обработки, без сложных дизайнерских решений, ориентированные на массовый пошив, учитывать усложняющие элементы, оборудование, используемое на производстве, объединять неделимые операции в организационные и обозначать сколько рабочих потребуется на их выполнение с учетом их разряда и вида работ.

Обычно ориентируются на модели одной ассортиментной группы, например, верхняя одежда, и, в зависимости от этой группы, рассчитывают временные затраты. Структура процесса пошива должна быть одинаковой как для одной модели, так и для нескольких. Учитывают конвейерное производство или нет. Если нет, то изделие может возвращаться после выполненных над ним операций к человеку, который уже с ним работал.

Если в пределах секции осуществляется поузловая обработка, то необходимо вести учет по видам работ до того как будет согласовано время операций. Для этого используют следующие формулы:

п

Ч": ~ ^изд.мин.сл ^усл.зл X'./.' ^ ^изд 1=5

^ \ '. ^изд.мин.сл ' ^усл.эл ^Уг '' Тшд

Время затраченное на специализированные операции ( ^, гу и др.)

складывают со временем технологически неделимых операций ^ полученная сумма отражает целое число операций

Производство нового продукта подразумевает разработку нового производственного процесса. Основа для создания нового процесса заимствуется из справочника. После этого происходит добавление сложносоставных элементов. Для ориентировочного определения норм расхода времени на выполнение технологических операций необходимы сведения о квалификации, разрядах и количестве привлеченных рабочих, а также об оснащенности оборудования, используемого в работе.

Для того чтобы обеспечить несколько бригад необходимым оборудованием часто прибегают к созданию централизованных участков. Они работают на несколько бригад или микробригад и содержат индивидуальные профильные станки.

Если рабочий работает на нескольких рабочих местах сразу, то нужно предусмотреть время перехода от одной машины или станка к другой и время на замену ниток, если того требует производственный процесс.

Результатом создания нового технологического процесса является документ отображающий схему разделения труда в совокупности со структурированными табличным данными технико-экономических показателей [19].

Еще один способ трансформации производств - внедрение автоматизированного управления швейным предприятием (подробнее об этом в следующем разделе), они ориентированы на решение специфических задач, которые невозможно решить при помощи программного обеспечения, разработанного для других отраслей промышленности [20].

1.2 Эффекты от внедрения программных разработок

Применение специализированных программных пакетов позволяет в разы ускорить процесс работы над изготовлением и созданием новых моделей одежды , благодаря чему можно успевать производить трендовую одежду, которую хотят приобретать современные покупатели в соответствии с веяниями моды.

Однако, такие разработки могут позволить себе далеко не все швейные предприятия из-за высоких затрат на обучение сотрудников, установку и обслуживание, а также необходимости использовать определенную систему автоматизированного проектирования. При всем при этом даже в небольших ателье грамотное составление технологических схем разделения труда может значительно сократить сроки проектных работ и себестоимость изделий. Однако, затраты в случае внедрения таких ПК на небольшом производстве могут окупиться, как правило, только через продолжительный промежуток времени.

Выходом может послужить разработка специализированной программы в среде, которая не потребует высоких затрат, но позволит повысить скорость производства моделей одежды на 30-50 %. Примером такой среды может послужить система управления базами данных MS Access, которая позволит создать функциональную, понятную и простую в использовании информационно-аналитическую систему, содержащую в себе базу данных технологических операций, главной задачей которой будет составление схемы разделения труда с учетом всех нюансов и особенностей.

Выбор данной СУБД значительно упростит решение задачи по работе с данными: доступны все возможности связей и встраивания объектов (OLE) для связи с объектами из другого приложения Windows или для включения объектов в базу данных (схем, графиков, документов,

картинок). Также можно применять функционал динамического обмена данными (DDE).

MS Access наделен дополнительными инструментами для разработки прикладных программ, в которых используются не только собственные форматы данных, но и форматы из самых популярных на сегодняшний день баз данных, а также предусмотрена функция обработки данных из электронных таблиц.

Предлагаемая СУБД способна предоставить эффективную защиту и целостность данных, за счет наличия возможности разграничения прав для доступа к объектам БД (формам, запросам, таблицам) когда одновременная корректировка невозможна.

СУБД Access зачастую включена в стандартный пакет программ на компьютере, а значит, у пользователей может отсутствовать необходимость в больших тратах. Используя типовые справочники операций [21] в формате, поддерживаемом Excel, можно при помощи импорта данных включать их в информационно-аналитическую систему, которая будет обеспечивать оптимальный по возможностям инструмент для обеспечения работы с табличными данными.

MS Access позволяет использовать различные учетные записи и пароли, что дает гарантию целостности и безопасности хранящихся в ней данных за счет разграничения прав доступа.

Выводы. Отечественные предприятия предпочитают не увеличивать бюджет на цифровизацию в то время как это является важнейшим фактором развития текстильной и легкой промышленности во всем мире. Важно понимать что цифровая трансформация призвана обеспечить реструктуризацию всех важнейших секторов экономики: начиная от управленческих структур и вплоть до организации процессов производства и реализации выпускаемой продукции.

В цифровой экономике большая часть затрат на производство продукта - это расходы на его информационную составляющую, в том числе дизайн. За счет компьютеризации и диджитализации даже небольшие компании могут соперничать с крупными игроками, так как становятся не менее эффективными.

Благодаря появлению цифровой модели экономики появляется реальная возможность организации процессов между людьми, географически удаленными друг от друга, а также открываются реальные шансы перенести производство из стран, которые могут обеспечить недорогой пошив. Компании предпочитают переносить производство ближе к головным офисам для осуществления более детального контроля и более четкого управления процессами.

Это важно, потому что при разработке новых моделей одежды необходимо многократно проводить примерки, отшивая опытные образцы и оценивая посадку изделия на фигуре человека, вносить коррективы в лекала. Дистанционно это сделать очень сложно. Как и подобрать цвет фурнитуры в тон основного изделия или оценить тактильные свойства ткани.

Для выбора необходимых материалов дизайнеры часто заказывают образцы тканей или приезжают на текстильные производства, однако, из-за удаленности последних, приходится закладывать ощутимые командировочные расходы в стоимость итогового продукта.

Если ориентироваться на современные тенденции кастомизации и персонализации (когда в условиях массового производства изделия отшиваются в соответствии с индивидуальными пожеланиями заказчика), то и вовсе невозможно осуществлять работу находясь вне фабрики. Успех подобных проектов зависит от того, как налажены процессы и от скорости выполнения заказа.

1.3 Характеристика и анализ существующих технологий автоматизации производства в области легкой промышленности

Современное производство ставит своей главной задачей не только изготовление высококачественной потребительской продукции для рынка, но и максимальное повышение эффективности и, как следствие, рентабельности производства. Учитывая темпы активного внедрения цифровых технологий среди иностранных компаний, отечественные предприятия постепенно подходят к пониманию неизбежности цифровой трансформации и диджитализации производства.

Автоматизация производства на предприятиях легкой промышленности современного типа, является одним из ведущих направлений цифровой трансформации, так как внедрение средств автоматизации приводит к увеличению эффективности и снижению затрат за счет уменьшения издержек производства.

Использование методов автоматизации на производствах легкой промышленности, в первую очередь подразумевает автоматизацию внутренних бизнес-процессов.

Современный ИТ-рынок продуктов предлагает достаточно широкий спектр CRM/ERP решений «из коробки». Помимо готовых решений рынок предоставляет большой выбор подрядчиков, готовых разработать индивидуальный продукт под потребности производства.

Лидером среди российских компаний в сфере разработки индивидуальных бизнес-решений и создании продуктов «из коробки» для автоматизации бизнес-процессов является компания «1С».

Например система документооборота «1С: Зарплата и Управление персоналом» (рис. 2) позволяет в автоматическом режиме формировать документы, связанные с расчетом зарплат, удержанием налогов, отчислениями в социальные фонды и ведением кадровой политики предприятия.

«.icj Задолженность по зарплате йй) ^ Ví> jûj jjlj M M* M-

Задолженность по зарплате

^Сформировать ' Найти 1_ч E3Î Ы Отправить » 2 0 ¿З Быстрые настройки ьо Все действия »

Подробные сведений о задолженности

Организация Крон-Ц

Сотрудник Подразделение Месяц Долг с прошп месяца Начислено Выплачено Задолженность

Б в зин Актон Впади м и ров им ХОЭЯЙГТНеННО- э*спл уатвцип н ное управление 2013 58 550, ОС 56 5-50.00

ноль 2013 5í 550.00 M 550.00

SE: 2Û12 V 550.00 50 000 00 « 550.00

сект 2013 6 □. а с ;; ;fo os 65 000 00 -!

опт 2013 -1 МО.00 56 íf О ОО 56 550.00 -1 №00

2013 -1 900.00 56 756,00 56 7S8.00 -1 900.00

до 201.3 S00,00 M 756,00 54 S5Í.00

Еапьцер Герман Эдуардович Управление маркетинга* обслуживания клиентов ИЮНЬ 201 3 39 755.1В 39 765.18

топь 2013 35 670.55 35 670.55

авг 2013 29 39 797 S5

ее-" 2013 JO 139.04 40 139 04

ИТ 2013 «0 052,74 40 052.7 a

Список литературы диссертационного исследования кандидат наук Килимова Анна Дмитриевна, 2022 год

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

1. Килимова А.Д. Проектирование информационно-аналитической системы расчета технологической схемы разделения труда. Магистерская диссертация. - СПбГУАП, 2020.

2. Гетманцева В.В. Научные основы интеллектуализации виртуального проектирования конструкции и технологии изготовления одежды. Диссертация д-ра техн. наук. - Москва, 2020.

3. Андреева Е.Г. и др. Особенности виртуального проектирования одежды на основе универсальной и специализированной среды ELEANDR CAD/Лекстильная и легкая промышленность, 2019. № 2-3, сс. 14-16.

4. Сигачева В.В., Вейсова А.Е. Разработка базы данных для автоматизированного выбора режима влажно тепловой обработки швейных изделий//Вестник Санкт-Петербургского государственного университета технологии и дизайна. Серия 1: Естественные и технические науки, 2010, № 3, сс. 58-61.

5. Fromhold-Eisebith M., Marschall P., Peters R., Thomes P. Torn between digitized future and context dependent past - How implementing 'Industry 4.0' production technologies could transform the German textile industry//Technological Forecasting and Social Change, 2021, vol. 166.

6. Woo K.J., Young C.P., Jae W.L., Eun S.S. Simulation-based hybrid optimization method for the digital twin of garment production lines/Journal of Computing and Information Science in Engineering, 2021, vol. 21.

7. Калиновская И.Н., Завьялова А.О. Направления использования искусственного интеллекта в организации производства на предприятиях легкой промышленности//Материалы и технологии, 2020, №1, сс. 50-56.

8. Ларионова М.А., Бабешко В.Н. Перспективы применения искусственного интеллекта в легкой промышленности//МНИЖ, 2021, №7-1(109), сс. 89-92.

9. Abd J.R. Review of Artificial Intelligence Applications in Garment Manufacturing [Электронный ресурс] URL: https://doi.org/10.1007/978-981-13-0080-6_6 (дата обращения: 03.04.2022).

10. Rajkishore N., Rajiv P. Artificial intelligence and its application in the apparel industry, 2018. pp.109-138.

11. Sun Q.Q., Sun, X.D. Future of the garment industry: AI promoted mass customization//14th Textile Bioengineering and Informatics Symposium, 2021. pp. 267-274.

12. Weldeslasie D., Ahmed M. The application of expert systems in the manufacturing sector//International Journal of Innovative Technology and Exploring Engineering, 2019, vol. 9, pp. 4744-4749.

13. Santiago-Santiago K., Laureano-Cruces A.L., Antuñano-Barranco J.M.A., Domínguez-Pérez O., Sarmiento-Bustos E. An expert system to improve the functioning of the clothing industry: A development methodology//International Journal of Clothing Science and Technology, 2015, vol. 27, no. 1, pp. 99-128.

14. Kyu P.C., Hoon L.D. and Jin K.T. Knowledge-base construction of a garment manufacturing expert system//International Journal of Clothing Science and Technology, 1996, vol. 8, no. 5, pp. 11-28.

15. Игнатьев А.А., Козлова Т.Д., Самойлова Е.М. Реализация экспертной системы поддержки принятия решений для определения неисправностей технологической системы//Вестник Саратовского государственного технического университета, 2011, Т. 2, № 2, сс. 219-224.

16. Кызылбаева Э.Ж., Омарова А.М. Экспертные системы в автотранспортных предприятиях//Наука и техника Казахстана, 2019, №4, сс. 109-116.

17. Буров А.Н., Калабин А.Л., Козлов А.В., Пакшвер Э.А. Экспертная система мониторинга технологического процесса//Программные продукты и системы, 2015, №2(110), сс. 39-43.

18. Общероссийский народный фронт. Проект: Центр мониторинга технологической модернизации и научно-технического развития [Электронный ресурс] URL: https://onf.ru (дата обращения 21.03.2019).

19. Килимова А.Д., Труевцева М.А. Оптимизация процессов производства швейных изделий (цифровизация в легкой промышленности)//Вестник молодых ученых Санкт-Петербургского государственного университета технологии и дизайна, 2019, № 3, сс. 37-43.

20. Компания «САПРЛЕГПРОМ», ведущий разработчик программного обеспечения для конструирования одежды и управления швейным производством [Электронный ресурс] URL: https://julivi.com (дата

обращения: 28.03.2019).

21. Компания «САПРЛЕГПРОМ», ведущий разработчик программного обеспечения для конструирования одежды и управления швейным производством [Электронный ресурс] URL: https://julivi.com (дата обращения: 28.03.2019).

22. Маслова А.Г. Основные задачи производства при выборе ИТ-решений для автоматизации производства на базе процесса закупок//Международный научный журнал Вестник науки, 2021, №1 (34), Т. 3, сс. 136 - 142.

23. Панкевич Д.К., Бодяло Н.Н. САПР технологических процессов: конспект лекций. - Витебск: УО «ВГТУ», 2018, 53 с.

24. ООО СП «Игла». Поставка и внедрение оборудования и САПР для легкой промышленности [Электронный ресурс] URL: http://igla33.ru/products/category/2343487 (дата обращения: 03.07.2019).

25. Кантор В. Как в Финляндии делают одежду из текстильного мусора [Электронный ресурс] URL: https://recyclemag.ru/article/vtorsyre-futbolki (дата обращения:

16.09.2021).

26. Антонова Е. Оденьтесь: модный мусор. Кроссовки из кофейной гущи и сумка из противогаза: в Петербурге открылась выставка «Recycle&Trash to Fashion» [Электронный ресурс] URL: https://novayagazeta.ru/articles/2021/09/14/odentes-modnyi-musor (дата обращения: 16.09.2021).

27. Голуб А. Искусственный интеллект для моды. - М.: Дискурс, 2019, 352 с.

28. Наимова, Д.Н. Этапы технологического процесса изготовления швейных изделий//Молодой ученый, 2016, № 9(113), сс. 237-240.

29. Официальный сайт лаборатории ПСПОД Центра НТИ СПБПУ. Проекты: Программно-аппаратный комплекс для обнаружения и классификации дефектов тканей [Электронный ресурс] URL: https://spbpu.com/proekty/programmno-apparatnyj-kompleks-dlya-obnar uzheniya-i-klassifikaczii-defektov-tkanej/task/ (дата обращения:

29.05.2022).

30. Официальный сайт компании ЧПУ Моделист [Электронный ресурс] URL: https://cncmodelist.ru/kollektsiya-rabot.html (дата обращения: 29.10.2021).

31. Повысьте уровень программирования станков с ЧПУ с помощью Искусственного Интеллекта//Международный информационно-технический журнал «Оборудование и инструмент для профессионалов». Серия «Металлообработка», 2021, №3(233), сс. 52-55.

32. Килимова А.Д. Трансформация производств легкой промышленности в связи с переходом к цифровой экономике//Известия Самарского научного центра Российской академии наук, 2022, Т. 24, № 2 (106), сс. 42-47.

33. Павлов С.Н. Системы искусственного интеллекта. - Томск: Эль Контент, 2011. 176 с.

34. Будагов А.С., Килимова А.Д. Классические принципы и тенденции организации производства в легкой промышленности//Вестник Санкт-Петербургского государственного университета технологии и дизайна. Серия 3: Экономические, гуманитарные и общественные науки, 2021, №2, сс. 3-8.

35. Поляк Т.Б. Организация, планирование и управление на предприятиях текстильной промышленности: учебник для студентов вузов текстильной промышленности. - М.: Легкая индустрия, 1979, 376 с.

36. Замаховский Л.И. Организация и планирование хлопкопрядильного производства. - М.: Легкая индустрия, 1972, 256 с.

37. Либерман А.М. Организация и планирование производства на предприятиях текстильной промышленности: учебник для вузов. -М.: Легкая и пищевая промышленность, 1981, 376 с.

38. Бездудный Ф.Ф., Павлов А.П. Математические методы и модели в планировании текстильной и легкой промышленности. - М.: Легкая индустрия, 1979, 439 с.

39. Бездудный Ф.Ф., Никитина Л.Н. Социально-экономические факторы и производительность труда. - М.: Легкая индустрия, 1976, 143 с.

40. Брагина З.В., Маценова Т.Д., Кожина В.П. Организация управления производственными процессами текстильных предприятий. - М.: Легпромбытиздат, 1990, 236 с.

41. Мамедова Р.А. Научные методы совершенствования календарного планирования отделочного производства хлопчатобумажной промышленности. - М.: Легкая индустрия, 1974, 112 с.

42. Ульянова О.Б. Совершенствование организации текстильного производства в условиях перехода к рыночной экономике. Диссертация канд. экон. наук. 08.00.28. - Иваново, 1999.

43. Легкая промышленность в России: вчера, сегодня, завтра//Вестник предпринимателя СПб, 2018, № 4 [Электронный ресурс] URL: http://osspb.ru/ activity/vestmk?rubrik=tema_nomera&j ournal=4_iun_201 8 (дата обращения: 05.04.2022).

44. Будагов А.С., Килимова А.Д. Классические принципы и тенденции организации производства в легкой промышленности//Вестник Санкт-Петербургского государственного университета технологии и дизайна. Серия 3, 2021, №2, сс. 3-8.

45. Кузьмина Н.Н. Тенденции развития текстильной и легкой промышленности с учетов мировых трендов в организации производства и продвижения товаров на рынок//Вестник алтайской науки , №3-4, 2015, сс. 285-290.

46. Салтанова С.В. Индустрия моды. Главные мировые тренды и особый путь российских дизайнеров. Научно- образовательный портал IQ. Статья по материалам доклада Института «Центр развития» НИУ ВШЭ «Индустрия моды 2019» [Электронный ресурс] URL: https://iq.hse.ru/news/292651023.html (дата обращения: 08.03.2021).

47. Миляев С. Интеллектуальная мода: как нейросети заправляют fashion-индустрией [Электронный ресурс] URL: https://www.forbes.ru/tehnologii/368425-intellektualnaya-moda-kak-neyr oseti-zapravlyayut-fashion-industriey (дата обращения: 21.03.2021).

48. Джоши П. Искусственный интеллект с примерами на Python: создание приложений искусственного интеллекта с помощью Python для взаимодействия с окружающим миром. - СПб.: Диалектика, 2019, 444 с.

49. Казанцев Т. Искусственный интеллект и Машинное обучение. Основы программирования на Python. - М.: Литрес, 2020, 162 с.

50. Meenal D. What is the difference between AI, machine learning and deep learning? [Электронный ресурс] URL: https://www.geospatialworld.net/blogs/difference-between-ai%EF%BB% BF-machine-learning-and-deep-learning/ (дата обращения: 10.04.2021).

51. Панова С.А. Методология разработки систем управления инновационным развитием производства крупнотоннажных химических продуктов на основе системного подхода. Диссертация д-ра техн. наук. 05.13.01. - М., 2009.

52.Фейгенбаум А.В. Контроль качества продукции. - М.: Экономика, 1986, 470 с.

53. Hu Y. W., Chua T.-S., Li X. «Towards scalable systems for big data analytics: A technology tutorial»//IEEE Access, 2014, vol. 2, pp. 652-687.

54. Шантина Т.А. Основные потоки информации, циркулирующие в АСУ ТП пищевой промышленности на примере молочного производства // Перспективы развития информационных технологий. 2010. №2 [Электронный ресурс] URL: https://cyberleninka.ru/article/n/osnovnye-potoki-informatsii-tsirkuliruyus

chie-v-asu-tp-pischevoy-promyshlennosti-na-primere-molochnogo-proizv odstva (дата обращения: 14.12.2021).

55. Shree K.S., Xianbin W. «Live Data Analytics With Collaborative Edge and Cloud Processing in Wireless IoT Networks»//Access IEEE, 2017, vol. 5, pp. 4621-4635.

56. Скворцов Н.А. Курирование данных и качество данных: презентация [Электронный ресурс] URL: https://synthesis.frccsc.ru/synthesis/student/BigData/DataIntegration/lectu res2018/L3%20DataQuality.pdf (дата обращения: 15.05.2022).

57. Алахова С.С. Технология контроля качества производства швейных изделий. - Минск: Республиканский институт профессионального образования, 2014, 288 c.

58. Новикова Г.М. Интегрированная система менеджмента и стандарты управления//Газовая промышленность, 2005, вып. 9, сс. 55-57.

59. Новикова Г.М. Гибридная интеллектуальная система в системе менеджмента качества организации//Гибридные и синергетические интеллектуальные системы. Материалы IV Всероссийской Поспеловской конференции с международным участием. -Калининград: Изд-во БФУ им. И. Канта, 2018, сс. 274-277.

60. Клачек П.М., Корягин С.И., Колесников А.В., Минкова Е.С. Гибридные адаптивные интеллектуальные системы. Ч. 1: Теория и технология разработки: монография. - Калининград: Изд-во БФУ им. И. Канта, 2011, 374 с.

61. ГОСТ Р ИСО 9000: 2005. Системы менеджмента качества. Основные положения и словарь. - М.: Стандартинформ, 2009, 21 с.

62. ГОСТ 3.1109-82. Единая система технологической документации. Термины и определения основных понятий. - М.: Стандартинформ, 2012, 98 с.

63. Блюм В.С. Дискретно-событийная модель здравоохранения и федеральный сервис «Интегрированная электронная медицинская карта»//Математическая морфология. Электронный математический и медико-биологический журнал, 2012, Т. 11, вып. 4, сс. 4-15.

64. Даречкин В.М. Внедрение искусственного интеллекта в производственный цикл предприятий легкой промышленности и его социально-экономические последствия [Электронный ресурс] URL: http://uecs.ru/index.php?option=com_

flexicontent&view=items&id=5494 (дата обращения: 28.03.2021).

65. Зубков А. Третья промышленная революция. Аддитивные технологии 3D-печати в наукоемких отраслях промышленности//Технологии в электронной промышленности, 2015, № 7, сс. 73-78.

66. Килимова А.Д. Угрозы и возможности применения искусственного интеллекта в организации производств легкой промышленности / Наука и бизнес: пути развития, 2022. №4, с.с. 145-148.

67. Гаджиева М.М. Информационные технологии в легкой промышленности. // Материалы IV Международной студенческой научной конференции «Студенческий научный форум». М.: 2012 [Электронный ресурс] URL: https://scienceforum.ru/2012/article/2012001949 (дата обращения: 12.05.2022 ).

68. Ткачев И. Китай и ЕС сообщили о снижении ввоза товаров в Россию на фоне санкций [Электронный ресурс] URL: https://www.rbc.ru/economics/12/05/2022/627ba0099a79479632446af3 (дата обращения: 12.05.2022 ).

69. Килимова А.Д. Применение экспертной системы для модернизации технологического процесса на предприятии//Вестник

Санкт-Петербургского государственного университета технологии и дизайна. Серия 4, 2022, № 2, сс. 79-82.

70. Блюм В.С., Килимова А.Д. Влияние технологий искусственного интеллекта на систему менеджмента качества в легкой промышленности//Актуальные проблемы экономики и управления, 2021, №3(31), сс. 11-16.

71. Концепция дорожной карты FASHIONNET в рамках Национальной технологической инициативы [Электронный ресурс] URL: https://ivgpu.com/images/docs/nauka/dokumenty/dorozhnaya-karta-fashio nnet.pdf (дата обращения 05.03.2022)

72. Дуботовкин Д.С., Килимова А.Д. Возможности применения методологий AGILE на швейных производствах//Научный альманах Центрального Черноземья, 2022, № 1-10, сс. 43-48.

73. Луговая Н.Г., Луговая Д.Е. Совершенствование управления подготовкой нового продукта //Современные научные исследования и разработки, 2018, № 10(27), сс. 514-518.

74. Кустикова В.Д., Жильцов М.С., Золотых Н.Ю. Рекуррентные нейронные сети [Электронный ресурс] URL: https://hpc-education.unn.ru/files/courses/intel-neon-course/Rus/Le ctures/Presentations/7_RNN.pdf (дата обращения: 19.04.2022).

75. Nielsen M. Neural Networks and Deep Learning [Электронный ресурс] URL: http://neuralnetworksanddeeplearning.com/ (дата обращения: 20.04.2022).

76. Christopher Olah. Understanding LSTM Networks [Электронный ресурс] URL: https://colah.github.io/posts/2015-08-Understanding-LSTMs/ (дата обращения: 06.04.2022).

77. Дуботовкин Д.С., Килимова А.Д. Создание экспертной рекомендательной системы для технологов швейного

производства//Актуальные проблемы экономики и управления, 2022, №2(34), сс. 24-29.

78. Официальный сайт дизайнерской студии Артемия Лебедева [Электронный ресурс] URL: https://www.artlebedev.ru/ironov/2/ (дата обращения: 01.06.2022).

ПРИЛОЖЕНИЕ А. АКТЫ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ РАБОТЫ

11ш1И1!иду!ш>ш.|Я предприниматель Лрлссв И.О. бГРНИП 31бМШ0(Ш№ ИНН 198304011749

190020. г. ЕИт-ПетсрбурГ, набережная Обинлиога канала, 134, у. 71

АКТ

о внедрении в производственный процесс результатов кандидатской диссертации Килимовой Анны Дмитриевны на тему "Трансформация технологий организации производства в текстильной и легкой промышленности на основе искусственного интеллекта", выполненной в СПбГУАП на кафедре информационных технологий предпринимательства

Настоящий акт составлен комиссией в составе начальника производства Петра Васильевича Ардеева, конструктора Шержуковой Екатерины Сергеевны о том, что в условиях швейного производства "МОМ+МЕ" аспирантом Килимовой Анной Дмитриевной выполнено производственное внедрение экспертной рекомендательной системы для технологов швейных производств.

30,05.2022 г. Санкт-Петербург

Ардеев П.В. Шержукова Е,С.

С «p^aiiH^iHiioif (i'lliCT^'iiCHIiiKI'Mu "I eminst" 1V2U29. T'.CuiiKNItfltpGjipl'; "Г- ОбухоиекоЯ лбпроийу № И1 НИН 7SIM№?U. Mill 7S! KllfH'H 11(,, .i„iqM K. 1юНйнкЙпе ZS-ll. oi|i il№

AKT

о внедрении в производственный процесс результатов кандидатской диссертации Килимовой Анны Дмитриевны на тему "Трансформация технологий организации производства в текстильной и легкой промышленности на основе искусственного интеллекта'7, выполненной в СПбГУАП на кафедре информационных технологий предпринимательства

Настоящий акт составлен комиссией в составе генерального директора Казакова Сергея Вячеславовича, начальника производства Ломовцевой Ирины Валентиновны, конструктора Гвоздович Натальи Михайловны о том> что в условиях швейного производства "Геомикс" аспирантом Кшшмовой Анной Дмитриевной выполнено производственное внедрение экспертной рекомендательной системы для технологов швейных производств.

17.05.2022 г. Санкт-Петербург

Генеральный директор Начальник производства Конструктор

ПРИЛОЖЕНИЕ Б. ЛИСТИНГИ ПРОГРАММЫ ЭРС

import * as functions from "firebase-functions" import * as brain from 'brain.js'

import { data } from "./data"

// init AI training

const ai = new brain.recurrent.LSTM() const trainOptions = { iterations: 400, log: true } ai.train(data, trainOptions)

// handle request to AI export

export const operations = functions.https.onRequest(async (request, response) => { const { query } = request

const aiResponse = ai.run(query.find as unknown as string)

const operations = await db.get<Operation[]>({ url: '/operations' })

const result = operations.filter(operation => aiResponse.includes(operation.id))

response.json({ result })

});

export const exportOperations = functions.https.onRequest(async (_, response) => { const ACCESS_TOKEN =''

const result = await fetch(url, { headers: {

Accept: 'application/json',

Authorization: Bearer ${ACCESS_TOKEN}\

} });

const text = await result.text() as any

const data = JSON.parse(text.match(/(?<=.*\().*(?=\);)/s)[0]) as ExcelTable

const operations: Operation[] = [] const accordance: Accordance[] = []

let key = 0; let tag = '' let id = '';

for (const row of data.table.rows) { if (row.c[0]?.v) {

tag = String(row.c[0].v).trim().toLowerCase() id = uid(4) key = 0

}

const name = row.c[1] ? String(row.c[1].v).toLowerCase().trim() : ""

operations.push({ id,

name,

activity: row.c[2] ? String(row.c[2].v).toLowerCase().trimO : "", scope: row.c[3] ? String(row.c[3].v).toLowerCase().trim() : "", executionTime: row.c[4] ? Number(row.c[4].v) : 0, equipment: row.c[5] ? String(row.c[5].v).toLowerCase().trim() : "",

queue: key

})

accordance.push({ input: tag,

output: id,

})

key++

}

await db.post({ url: '/operations', body: operations }) await db.post({ url: '/accordances', body: accordance })

response.json({ operations, accordance }) });

import * as admin from "firebase-admin";

type Get = { url: string;

}

type Post<T> = { url: string; body: T;

}

type Put<T> = { url: string; child: string; body: T;

}

type Delete = { url: string; child: string;

}

export const db = { get: async <T extends unknown>({ url }: Get) let result = {}

await admin.database().ref(url).once("value result = snapshot.val();

=> {

", (snapshot) => {

});

return result as T;

},

post: async <T extends {}>({ url, body }: Post<T>) => { return await admin.database().ref(url).set(body, (error) => {

if (error) console.log('Data could not be saved. ' + error); })

},

put: async <T extends {}>({ url, child, body }: Put<T>) => {

await admin.database().ref(url).child(child).update(body)

},

delete: async ({ url, child }: Delete) => { return await admin.database().ref(url).child(child).remove((error) => {

if (error) console.log('Data could not be deleted. ' + error);

})

},

push: async <T extends any>({ url, body }: Post<T>) => { return await admin.database().ref(url).set(body, (error) => {

if (error) console.log('Data could not be saved. ' + error); })

} };

import { GenericTemplate } from "ui/templates"; import { ROUTES } from "pages";

export const App: React.FC = () => { return ( <Router> <GenericTemplate> <Routes> {ROUTES.map((route) => ( <Route key={route.path} {...route} /> ))}

</Routes> </GenericTemplate>

</Router> );

};

import * as React from "react";

import { Navigate } from "react-router-dom";

import { MainPage } from "./main";

const path = {

operations: () => "/operations", };

export const ROUTES = [

{

path: "/",

element: <MainPage />,

}, {

element: <Navigate to={"/"} />,

path: "*", },

];

import * as React from "react"; import styled from "styled-components";

import { PlusCircleOutlined, MinusCircleOutlined } from "@ant-design/icons";

import { List, Header, Input } from "ui/atoms";

import { setSearch, addTodo, deleteTodo, setSearchResult, operationsHeader, } from "./model";

import { useSearch } from "./hooks"; import { Operation } from "./types";

export const MainPage: React.FC = () => {

return <OperationSearch />; };

const operationsExamples = ["рукав", "накладной карман", "пуговицы"];

const OperationSearch = () => { const {

//

searchQuery, searchResultGrouped, todoGrouped, } = useSearch();

return (

<>

<Search onMouseLeave={() => {

setSearchResult([]);

}}

>

<SearchInput value={searchQuery} onChange={setSearch} /> <SearchResults> {searchResultGrouped.map((operation) => ( <Row key={operation.name}

operation={operation} isExist={todoGrouped .map(({ name }) => name) .includes(operation.name)}

/> ))}

</SearchResults> <SearchExamples> {operationsExamples.map((operation, key) => ( <SearchRequest key={key} onClick={() => {

setSearch(operation); }}

>

{operation} </SearchRequest> ))}

</SearchExamples> </Search>

<ResultHeader>TexHo^orH^ecKaH KapTa</ResultHeader> <List<Operation> data={[operationsHeader, ...todoGrouped]} render={(operation) => { return ( <Row operation={operation} isExist={todoGrouped .map(({ name }) => name) .includes(operation.name)} a={"list"}

/> );

}}

/>

</> );

};

type RowProps = { operation: Operation; isExist: boolean;

a?: "list"; };

const Row: React.FC<RowProps> = ({ operation, isExist, a }) => { const {

//

queue, name, activity, scope,

executionTime, equipment, } = operation;

return ( <ResultOption onClick={() => { if (!isExist) {

if (operation.type === "category") { }

if (operation.type === "row") { addTodo(operation);

}

}

if (isExist) deleteTodo(operation);

}}

isExist={isExist}

type={operation.type}

a={a}

>

<ResultCell>

{operation.type !== "category" && <ResultCount>{queue}</ResultCount>} </ResultCell> <ResultCell> <ResultName>{name}</ResultName> </ResultCell>

<ResultCell>{activity}</ResultCell>

<ResultCell>{scope}</ResultCell>

<ResultCell>{executionTime}</ResultCell>

<ResultCell>{equipment}</ResultCell>

<ResultCell>

{operation.type !== "head" && (

<>

{isExist && <MinusCircleOutlined color="red" />} {!isExist && <PlusCircleOutlined color="green" />}

</> )}

</ResultCell>

</ResultOption> );

};

const Search = styled.div";

const SearchExamples = styled.diV display: flex; padding: 4px 12px; ;

const Searchlnput = styled(Input)' position: relative;

z-index: 100;

const SearchResults = styled.diV margin-top: -1px; z-index: 1;

background-color: #fff; width: 100%;

border-left: 1px solid #d9d9d9; border-right: 1px solid #d9d9d9; border-bottom: 1px solid #d9d9d9;

& > div:last-child { margin-bottom: 4px;

}

const SearchRequest = styled.diV color: #909090; border-bottom: 1px dashed; margin-right: 12px; cursor: pointer;

&:hover{ opacity: 0.75;

}

const ResultOption = styled.div<{ isExist: boolean;

type: "head" | "row" | "category";

a?: "list"; }>'

display: flex; align-items: center;

height: ${(p) => (p.type === "head" ? "32px" : "36px")}; padding: 0 12px;

margin-bottom: ${(p) => (p.type === "head" ? "4px" : "0")}; cursor: pointer; border-bottom: 1px solid

${(p) => (p.type === "category" ? "rgba(0,0,0,0.05)" : "transparent")}; background-color: ${(p) => { if (p.isExist) { if (p.a === "list") { return "transparent";

}

return "#e6f7ff";

}

if (p.type === "head") return "#f8f8f8";

return "transparent"; }};

color: ${(p) =>

["category", "head"].includes(p.type) ? "rgba(0, 0, 0, 0.4)" : ""}; font-size: ${(p) => ["category", "head"].includes(p.type) ? "12px" : "14px"};

&:hover{

background-color: ${(p) => { if (p.type === "head") return "#f8f8f8";

return "#f8f8f8"; }};

}

& > div:nth-child(1) { width: 40px;

}

& > div:nth-child(2) { width: 600px;

}

& > div:nth-child(3) { width: 80px;

}

& > div:nth-child(4) { width: 80px;

}

& > div:nth-child(5) { width: 80px;

}

& > div:last-child { margin-left: auto;

}

const ResultCount = styled.diV background-color: #f5f5f5; color: #000; padding: 0 8px; height: 18px; border-radius: 50px; display: flex; align-items: center; justify-content: center; letter-spacing: -0.5px; font-size: 7px; margin-right: 12px; text-transform: uppercase;

const ResultName = styled.div";

const ResultCell = styled.diV white-space: pre-wrap; line-height: 1.2; display: flex;

const ResultHeader = styled(Header)' margin-top: 24px; margin-bottom: 9px;

import { sample, combine, restore, createStore, createEvent, createEffect, } from "effector";

import { request } from "libs/request";

import { groupOperations } from "./mappings"; import { Operation, Accordance, Flow } from "./types";

// flow

export const setFlowName = createEvent<string>(); export const $flowName = restore<string>(setFlowName, "");

// autocomplete

export const setSearch = createEvent<string>();

export const $searchQuery = restore<string>(setSearch, "");

export const getOperations = createEffect(async (keyword: string) => request<Operation[]>({

url: 7kitty-tron/us-central1/operations?find=${keyword}\

})

);

sample({ clock: setSearch, filter: Boolean,

target: getOperations,

});

export const setSearchResult = createEvent<Operation[]>();

const $searchResult = restore<Operation[]>(getOperations.doneData, []);

// clear search result if empty

sample({ clock: setSearch,

filter: $searchQuery.map((value) => !Boolean(value.length)), fn: 0 => [],

target: $searchResult, });

// accordances

export const getAccordances = createEffect(async () =>

request<Accordance[]>({ url: /kitty-tron/us-centrall/accordances' }) );

const $accordances = restore(getAccordances.doneData, []);

export const $searchResultGrouped = sample({ source: combine($searchResult, $accordances),

fn: ([operations, accordances]) => groupOperations(operations, accordances), });

export const addFlowOperation = createEvent<Operation>(); export const deleteFlowOperation = createEvent<Operation>();

const $createFlowOperations = createStore<Operation[]>([]);

$createFlowOperations

.on(addFlowOperation, (operations, operation) => [...operations, operation]) .on(deleteFlowOperation, (operations, operation) => { return operations.filter(({ name }) => name !== operation.name);

});

export const $createFlowOperationsGrouped = sample({ source: combine($createFlowOperations, $accordances),

fn: ([operations, accordances]) => groupOperations(operations, accordances), });

// todo

const addFlow = createEvent();

export const $flows = createStore<Flow[]>([]);

sample({

source: combine($flows, $flowName, $createFlowOperations, $accordances), clock: addFlow,

fn: ([flows, title, operations, accordances]) => { return [ ...flows,

{ title, operations: groupOperations(operations, accordances) }, ];

},

target: $flows, });

// modal

type CreateModal = {

isOpen: boolean; };

export const setCreateModal = createEvent<CreateModal>(); export const $createModal = restore<CreateModal>(setCreateModal, {

isOpen: false, });

// form

export const cancelForm = createEvent(); export const submitForm = createEvent();

sample({ clock: submitForm, fn: () => ({ isOpen: false }),

target: [setCreateModal, addFlow],

});

sample({ clock: cancelForm, fn: () => ({ isOpen: false }),

target: setCreateModal, });

import { Operation, Accordance } from "./types";

const headerRow: Operation = { id: "",

name: "Операции", activity: "Вид", scope: "Разряд", executionTime: "Время", equipment: "Оборудование", queue: "#",

type: "head", };

export function groupOperations(operations: Operation[], accordances: Accordance[]): Operation[] { const groups = operations.reduce<Record<string, Operation[]>>((acc, item) => { let estKey = item["id"];

(acc[estKey] ? acc[estKey] : (acc[estKey] = null || [])).push(item); return acc; }, {});

const groupIDs = Object.keys(groups).filter((id) => id !== "");

const optionsGroups: Operation[] = [];

for (const id of groupIDs) { const name =

accordances.filter((accordance) => accordance.output === id)[0]?.input || id;

const groupRow: Operation = { name, id: "", activity: "", scope: "", executionTime: "", equipment: "", queue: "", type: "category", };

optionsGroups.push(groupRow); optionsGroups.push(headerRow)

groups[id].map((operation) => optionsGroups.push({ ...operation, type: 'row' }));

}

return optionsGroups;

}

export type Operation = { id: string;

name: string; // Наименование технологической операции activity: string; // Вид работы scope: string; // Разряд

executionTime: string; // Норма времени на выполнение equipment: string; // Оборудование queue: string; // Порядок исполнения type: 'head' | 'row' | 'category'

}

export type Accordance = { input: string; output: string;

}

export type Flow = { title: string;

operations: Operation[];

}

import * as React from "react";

import { useStore } from "effector-react";

import { $searchQuery, $searchResultGrouped, $createFlowOperationsGrouped, getOperations, getAccordances, } from "./model";

export const useSearch = () => { const searchQuery = useStore($searchQuery); const searchResultGrouped = useStore($searchResultGrouped); const createFlowOperationsGrouped = useStore($createFlowOperationsGrouped); const loading = useStore(getOperations.pending);

React.useEffect(() => { getAccordances(); }, []);

return { searchQuery, searchResultGrouped, createFlowOperationsGrouped,

loading, };

};

const SERVER_ENDPOINT = process.env.SERVER_ENDPOINT || '';

export type FormData = { file: File; name: string; meta?: {

[index: string]: string; };

};

export type RequestProps = { method?: string; url: string; body?: object; file?: FormData;

token?: string };

function attachFormData({ file, name, meta }: FormData) { const data = new FormData(); data.append(name, file);

meta && Object.keys(meta).map((value) => data.append(value, meta[value])); return data;

}

export async function request<Result>({ url,

method = 'get',

body,

file,

token = ''

}: RequestProps): Promise<Result> { const fetchUrl = url;

const headers = { ...(!file && { 'Content-Type': 'application/json' }), Accept: 'application/json',

Authorization: Bearer ${token}\ };

const fetchOptions = { headers, method,

...(body && { body: JSON.stringify(body) }),

...(file && { body: attachFormData(file) }),