Отраслевой модуль: Интеллектуальная аналитика транспортного планирования на базе 1С и технологий искусственного интеллекта

Проект ТОП-ИИ

Интеллектуальная аналитика транспортного планирования на базе 1С и технологий ИИ

Формат обучения

Объем модуля

Период проведения

Транспортная отрасль (автомобильный, железнодорожный, морской, речной, авиационный транспорт, дорожное хозяйство и перевозки, транспортная безопасность)

Онлайн (очный с применением дистанционных технологий)

180 ак. часа

Рекомендуется студентам с 3 курса

ТОП-ИИ

Отраслевой модуль

Модуль разработан для внедрения
в образовательные программы вузов

Модуль ориентирован на подготовку специалистов в области менеджмента (логистика и управление цепями поставок), обладающих практическими навыками применения технологий искусственного интеллекта для анализа данных транспортной деятельности и поддержки управленческих решений. В нём рассматриваются современные ИИ-решения и инструменты для сбора, очистки и подготовки данных транспортной логистики из системы 1С: Предприятие 8.3 и конфигурации «1С:Транспортная логистика, экспедирование и управление автотранспортом КОРП», расчёта ключевых показателей эффективности (KPI), анализа загрузки транспорта, пробега, затрат и простоев, выявления отклонений и аномалий, прогнозирования транспортных показателей, а также использования больших языковых моделей (LLM) и промпт-инженерии для интерпретации данных, формирования гипотез, генерации аналитических выводов и обоснования управленческих решений.

Модуль разработан в рамках проекта ТОП-ИИ Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации» и предлагается вузам для внедрения в образовательные программы высшего образования.

Включение модуля в образовательный процесс позволяет усилить прикладную и отраслевую направленность подготовки, обеспечить связь управленческих компетенций обучающихся с актуальными запросами транспортной отрасли и сформировать у студентов базовые навыки работы с данными корпоративных информационных систем (1С), инструментами интеллектуальной аналитики, технологиями ИИ и LLM, востребованными в сфере транспортного планирования, логистики и управления цепями поставок.

Для кого подготовлен

о модуле

38.03.02 Менеджмент (профиль «Логистика и управление цепями поставок»)

Специальности и направления подготовки высшего образования, при реализации которых применяется модуль:

Модуль предполагается к прохождению студентами 3-ого курса бакалавриата и старше. Реализуется как компонент основной профессиональной образовательной программы (ОПОП).

Формат обучения

1 семестр, 5 зачетных единиц

Продолжительность

180 ак.ч.: 32 ак.ч. лекции, 32 ак.ч. лабораторные работы (включая хакатон), 114 ак.ч. самостоятельная работа, 2 ак.ч. консультации

Трудоемкость

Модуль реализуется вузом самостоятельно в рамках части ОП, формируемой участниками образовательных отношений.

Условия реализации

Онлайн (очный с применением дистанционных технологий)

Формат обучения

Русский

Язык обучения

Программа обучения

Отраслевой модуль раскрывает возможности применения искусственного интеллекта для решения ключевых задач в сфере транспортной логистики и управления цепями поставок: сбора, очистки и подготовки данных транспортной деятельности из системы 1С: Предприятие 8.3, расчёта ключевых показателей эффективности (загрузка, пробег, затраты, простои), анализа и визуализации транспортных данных, прогнозирования показателей и выявления отклонений, а также использования больших языковых моделей (LLM) и промпт-инженерии для интерпретации результатов, формирования гипотез и обоснования управленческих решений.

Технологический стек модуля

BPMN / Mermaid

Нотации для описания бизнес-процессов транспортного планирования и построения схем аналитических процессов.

«1С:Транспортная логистика, экспедирование и управление автотранспортом КОРП»

Отраслевое решение на базе 1С, используемое для автоматизации управления перевозками, маршрутами, загрузкой и затратами. Является основным источником данных для аналитики.

Табличные данные (Excel/CSV)

Используются для выгрузки, первичной обработки и подготовки данных транспортной деятельности перед анализом.

Большие языковые модели (LLM)

Генеративные модели, применяемые для интерпретации данных, выявления закономерностей, формирования гипотез, подготовки аналитических выводов и обоснования управленческих решений.

1С:Предприятие 8.3

Основная платформа для работы с данными транспортной логистики. Обеспечивает накопление, хранение и первичную обработку данных о транспортных процессах.

Разработчики, преподаватели, эксперты

В.Ю. Калачев

К.э.н., доцент, доцент Центра образовательных программ в области
искусственного интеллекта ЮФУ

М.В. Шашерина

Руководитель Учебного центра АНО ДО «Учебный центр
ГЭНДАЛЬФ», преподаватель «Цифровой кафедры» ФГАОУ ВО Южный федеральный университет.

А.Г. Остафийчук

Старший преподаватель кафедры «Технологии автоматизации в
бизнесе" ФГАОУ В О Южный федеральный университет, системный аналитик
компании «Sensu»

Результаты обучения

Анализировать возможности применения ИИ в транспортном планировании и логистике

Слушатель сможет соотносить задачи транспортной логистики (анализ загрузки транспорта, прогнозирование объёмов перевозок, оптимизация маршрутов, управление затратами, выявление отклонений и простоев) с подходящими ИИ‑подходами и инструментами (методы анализа данных, прогнозирование, LLM для интерпретации) и определять, в каких кейсах использование ИИ даёт наибольший практический эффект для управленческих решений.

Работать с данными транспортной деятельности в системе 1С для задач ИИ

Слушатель сможет извлекать и подготавливать данные из системы 1С:Предприятие 8.3 и конфигурации «1С:Транспортная логистика, экспедирование и управление автотранспортом КОРП», выполнять очистку данных (обработка пропусков, дублей, некорректных значений), нормализацию и формирование аналитических датасетов, а также оценивать качество данных для последующего применения методов машинного обучения и ИИ.

Применять модели ИИ и LLM к решению задач транспортной аналитики

Слушатель сможет использовать большие языковые модели (LLM) для интерпретации данных, генерации гипотез, выявления причин отклонений и формирования аналитических выводов, применять методы промпт-инженерии для адаптации запросов под задачи транспортной аналитики, а также использовать инструменты визуализации (дашборды, BPMN, Mermaid) для представления результатов анализа.

Оценивать качество и ограничения ИИ‑подходов в транспортном планировании

Слушатель сможет подбирать метрики для оценки качества решений (точность расчётов, обоснованность гипотез, экономическая эффективность), анализировать типичные ошибки моделей и ограничения применения ИИ в транспортной отрасли, выявлять влияние качества исходных данных на результаты анализа и формулировать ограничения применимости конкретных подходов для принятия управленческих решений.

Учитывать междисциплинарные, этические и практические аспекты применения ИИ в транспортной логистике

Слушатель сможет учитывать взаимодействие ИИ с экономикой, логистикой, управленческим учётом и информационными системами, выявлять этические и социальные риски (предвзятость алгоритмов, слепое доверие к ИИ, влияние на занятость в отрасли), критически оценивать результаты работы ИИ с учётом когнитивных искажений, а также формулировать рекомендации по ответственному, воспроизводимому и экономически обоснованному применению ИИ в задачах транспортного планирования и управления цепями поставок.