Сформовано вимоги до системи управління смарт-підприємством з використанням слабких сигналів, основними з яких є: збирання та інтеграція різноманітних даних за допомогою баз і сховищ даних; попереднє опрацювання та аналіз накопичених даних; визначення основних груп сигналів впливу на фінансову структуру, а саме підприємство, та їх оцінювання; обчислення узагальненого інтегрального сигналу впливу на компанію; візуалізація результатів обчислення цього значення; його прогнозування; виявлення слабких сигналів та їх класифікація; адаптація підприємства до швидких змін зовнішнього та внутрішнього середовища за допомогою своєчасного прийняття управлінських рішень; оцінювання майбутніх наслідків прийнятих рішень щодо управління підприємством. Запропоновано розроблення системи управління смарт-підприємством із використанням слабких сигналів виконувати на основі інтегрованого підходу та відповідно до таких принципів: системності; інтеграції комп’ютерних, комунікаційних і програмних компонентів; модульності; відкритості; сумісності; змінного складу обладнання. Розроблено метод виявлення слабких сигналів, який ґрунтується на використанні системних процедур, декомпозиції навколишнього середовища на сигнали впливу та порівняння порогового значення з різницею між обчисленим та прогнозованим значеннями інтегрального показника впливу на підприємство та забезпечує виявлення загроз на ранніх стадіях і збільшення часу на прийняття та реалізацію відповідних управлінських рішень. Розроблено на основі MATLAB програму для оцінювання сигналів навколишнього середовища, обчислення інтегрованого сигналу впливу на смарт-підприємство та виявлення слабких сигналів з можливістю адаптації до управління роботою конкретного підприємства.
- Dragan, Y. P., Sikora, L. S., Yavorskyi, B. I. (2014). System analysis of the state and substantiation of the foundations of the modern theory of stochastic signals: energy concept, mathematical substrate, physical interpretation: monograph. Lviv: Ukrainian technologies. 240 p.
- Yashchyshyn, I. (2018). Nature and features of smart factories. Scientific notes of the National University “Ostroh Academy”. Series “Economics”: scientific journal, (11 (39)), 14–18. DOI: 10.25264/2311-5149-2018-11(39)- 14-18
- Meitus, V. Yu., Morozova, G. P., Taran, L. Yu., Kozlova, V. P., & Muzalyova, V. O. (2020). “Smart” enterprise – main properties and directions of development. Control systems & computers. DOI: https://doi.org/10.15407/usim.2020.04.021
- Impedovo, D., & Pirlo, G. (2020). Artificial intelligence applications to smart city and smart enterprise. Applied Sciences, 10(8), 2944. https://doi.org/10.3390/app10082944
- Jabir, B., Noureddine, F., & Rahmani, K. (2022). Big data analytics opportunities and challenges for the smart enterprise. Distributed Sensing and Intelligent Systems: Proceedings of ICDSIS 2020, 833–845.
- Tsmots, O. I. (2012). Peculiarities of strategic management of enterprises using weak signals. Technological audit and production reserves, 4(1 (6)), 41–42.
- Yashchyshina I. V. (December 2018). The essence and features of smart enterprises. Scientific notes of the National University “Ostroh Academy”. “Economics” series: scientific journal. Ostrog: Publication of NaUOA, No. 11(39), 14–18..
- Vishnevskyi, V. P., Vietska, O. V., Harkushenko, O. M., Knyazev, S. I., Lyakh, O. V., Chekina, V. D., & Cherevatskyi, D. Yu. (2018). Smart industry in the era of the digital economy: prospects, directions and mechanisms of development. Institute of Industrial Economics of the National Academy of Sciences of Ukraine (Kyiv).
- Veza, I., Mladineo, M., & Gjeldum, N. (2016). Selection of the basic lean tools for development of Croatian model of innovative smart enterprise. Technical journal, 23(5), 1317–1324.
- Dragan, Y. P., Sikora, L. S., & Yavorskyi, B. I. (2014). System analysis of the state and substantiation of the foundations of the modern theory of stochastic signals: energy concept, mathematical substrate, physical interpretation. Lviv: Ukrainian Technologies Publishing House.
- Dragan, Y. P., Hrytsyuk, Y. I., Sikora, L. S., Yavorskyi, B. I., & Palyanitsa, Yu. B. (2016). Classes of variability of signals and their linear transformations and numerical methods-results of system analysis of the Taylor series.
- Teslyuk, V., Tsmots, I., Teslyuk, T., & Kazymyra, I. (2022). Methods for the Efficient Energy Management in a Smart Mini Greenhouse. Computers, Materials & Continua, 70(2).
- Nazarkevych, H., Nazarkevych, M., Kostiak, M., & Pavlysko, A. (2023). Designing an Information System to Create a Product in Terms of Adaptation. In Developments in Information and Knowledge Management Systems for Business Applications: Vol. 7, 153–169. Cham: Springer Nature Switzerland.
- Nazarkevych, H., Tsmots, I., Nazarkevych, M., Oleksiv, N., Tysliak, A., & Faizulin, O. (2022, November). Research on the effectiveness of methods of adaptive management of the enterprise’s goods sales using machine learning methods. In 2022 IEEE 17th International Conference on Computer Sciences and Information Technologies (CSIT), 539–542. IEEE.
- Yashchyshyn, I. (2018). Nature and features of smart factories. Scientific notes of the National University “Ostroh Academy”. Series “Economics”: scientific journal, (11 (39)), 14–18.
- Kalinichenko, L. L. (2011). Adaptive enterprise management in a competitive environment. Bulletin of the Economy of Transport and Industry, (33), 177–180.
- Tokmakova, I. V., & Litvynova, T. S. (2015). Adaptive management of the development of domestic enterprises. Bulletin of the Economy of Transport and Industry, (49).
- Zhdamirov, E. Yu. (2011). Adaptive enterprise management system. Bulletin of the Poltava State Agrarian Academy, (4), 189–192.
- Pidkaminny, I. M., & Tsipurinda, V. S. (2011). System factors influencing the innovative development of the enterprise. Efficient economy, (3).
- Nazarkevych, M., & Nazarkevych, G. (2023). Adaptive method of enterprise management based on neural networks. Information Technology: Computer Science, Software Engineering and Cyber Security, (1), 93–99.