Показано, що підвищення енергоефективності економіки регіону забезпечується шляхом використання інформаційно-аналітичних засобів підтримки управління енергоефективністю, які ґрунтуються на інтелектуальних інформаційних, Web та телекомунікаційних технологіях. На підставі принципів модульності, відкритості, сумісності та використання комплексу базових проектних рішень розроблено архітектуру інформаційно-аналітичної системи управління енергоефективністю (ІАСУЕ) економіки регіону, яка забезпечує збір, опрацювання та візуалізацію енергетичних даних, моделювання, прогнозування процесів управління енергоефективністю та підтримку прийняття управлінських рішень, спрямованих на підвищення енергоефективності економіки регіону. Забезпечено створення єдиного інформаційного простору з достовірною, повною та оперативною інформацією, яка використовується для генерації ефективних управлінських рішень. Розроблено з використанням концепції мережі Інтернет речей засоби збирання даних, основою яких є просторово розподілені малогабаритні інтелектуальні сенсори, які зв'язані зі сховищем даних у хмарному сервері. Показано, що розроблення компонент геоінформаційної системи для ІАСУЕ економіки регіону доцільно здійснювати з використанням хмарного сервісу документів Google Cloud та спеціалізованого Google Maps API, що забезпечить оперативне створення необхідних компонент, їх модифікацію та нарощування інформаційних можливостей. Обґрунтовано, що додаткове залучення засобів програмування, зокрема мови JavaScript з використанням Google Maps API, забезпечує можливість розробки геоінформаційної системи для ІАСУЕ економіки регіону з урахуванням додаткових специфічних вимог користувача системи у майбутньому. Запропоновано засоби підтримки прийняття управлінських рішень ІАСУЕ економіки регіону орієнтувати на використання баз і сховищ даних, спеціалізованих загальнодоступних засобів створення ГІС для візуалізації та аналізу даних про енергоспоживання та енергоефективність, що забезпечить обґрунтованість і оперативність генерації управлінських рішень. Показано, що візуалізація енергетичних даних і результатів оброблення у максимально сприйнятливому для людини вигляді з точною прив'язкою до місць розташування об'єктів управління забезпечує ефективну підтримку прийняття управлінських рішень.
[1] Bertocco, M., Cappellazzo, S., Flammini, A., & Parvis, M. (2002). A multi-layer architecture for distributed data acquisition. Proceedings of the 19th IEEE Instrumentation and Measurement Technology Conference, 2, 1261–1264.
[2] Big Data Implementation Vs. (2019). Data Warehousing. Retrieved from: http://www.b-eye-network.com/view/17017
[3] Bulls, N. (2018). Big Data Visualization Tools. Encyclopedia of Big Data Technologies. Springer. Retrieved from: https://arxiv.org/pdf/1801.08336.pdf
[4] Chiu, Yu. Hsien, et al. (2014). Enterprise resource planning. New-York, 268 p.
[5] Data Visualization. (2015). Data Visualization for Human Perception. The Interaction Design Foundation. Retrieved from: https://www.interaction-design.org/literature/book/the-encyclopedia-of-human-computer-interaction-2nd-ed/data-visualization-for-human-perception
[6] Data Warehouse Design. (2019). Retrieved from: http://tdan.com/data-warehouse-design-inmon-versus-kimball/20300
[7] Data Warehousing. (2019). Big Data and Its Impact on Data Warehousing. Retrieved from: http://cdn.ttgtmedia.com/BeyeNETWORK/downloads/BigDataE-Book_final.pdf
[8] Diamantaras, K. I., & Kung, S. Y. (1996). Principal Component Neural Networks: Theory and Applications. Wiley, 270 p.
[9] Friedman, V. (2008). Data Visualization and Infographics. in: Graphics, Monday Inspiration, January 14th, 2008. Retrieved from: https://www.smashingmagazine.com/2008/01/monday-inspiration-data-visualization-and-infographics/
[10] Karpa, D. M., Tsmots, I. G., & Teslyuk, V. M. (2019). Decision support tools for prioritizing energy-saving projects. Scientific Bulletin of UNFU, 29(2), 135–140. [In Ukrainian].
[11] Lambda Architecture. (2019). Retrieved from: http://lambda-architecture.net/
[12] Lengler, Ralph, & Eppler, Martin. J. (2019). Periodic Table of Visualization Methods. www.visual-literacy.org. Retrieved from: http://www.visual-literacy.org/periodic_table/periodic_table.html
[13] Medikovsky, M. O., Tsmots, I. G., & Podolsky, M. R. (2013). Substantiation of the principles of construction and development of the generalized structure of the information-analytical system for estimation, forecasting and management of energy efficiency of the region's economy. (Ser. Computer sciences and information technologies). Bulletin of NU "Lviv Polytechnic", 751, 40–51. Lviv. [In Ukrainian].
[14] Medykovsky, M. O., Tkachenko, R. O., Tsmots, I. G., Tsymbal, Yu. V., Doroshenko, A. V., & Skorokhoda, O. V. (2015). Intellectual components of integrated automated control systems. Lviv: Lviv Polytechnic Publishing House, 280 p. [In Ukrainian].
[15] Medykovskyi, M. O., Tsmots, I. G., & Skorokhoda, О. В. (2014). Spectrum neural network filtration technology for improving the forecast accuracy of dynamic processes in economics. Actual Problems of Economics, 12(162), 410–416.
[16] Medykovskyi, M. O., Tsmots, I. G., & Tsymbal, Yu. V. (2013). Intelligent data processing tools in energy efficiency management systems for regional economy. Actual Problems of Economics, 12(150), 271–277.
[17] Medykovskyi, M. O., Tsmots, I. G., Skorokhoda, О. В., & Teslyuk, T. V. (2016). Design of Intelligent Component of Hierarchical Control System. Econtechmod: An International Quarterly Journal, 5(2.3), 3–10.
[18] Medykovskyi, M. O., Tsmots, I. H., & Tsymbal, Yu. V. (2016). Information analytical system for energy efficiency management at enterprises in the city of Lviv (Ukraine). Actual Problems of Economics, 1(175), 379–384.
[19] O'Leary, D. E. (2000). Enterprise resource planning systems: systems, life cycle, electronic commerce, and risk. Cambridge University Press.
[20] Teslyuk, T., Tsmots, I., Teslyuk, V., Medykovskyi, M., & Opotyak, Y. (2017). Architecture of the management system of energy efficiency of technological processes in the enterprise. Proceedings of the 12th International Scientific and Technical Conference, September 5–8, 2017, Lviv, (pp. 429–433).
[21] Teslyuk, T., Tsmots, I., Teslyuk, V., Medykovskyy, M., & Opotyak, Y. (2018). Architecture and Models for System-Level Computer-Aided Design of the Energy Efficiency Management System of Technological Processes at the Enterprise. Automation 2017. Advances in Intelligent Systems and Computing: International Conference, 689, 538–557. Springer.
[22] Tsmot, I. G., Teslyuk, T. V., Opotyak, Yu. V., & Teslyuk, V. M. (2017). Architecture of a Multilevel Energy Efficiency Management System in the Region. (Ser. Computer Science and Information Technologies). Bulletin of the National Technical University of Lviv Polytechnic, 864, 201–209. Lviv. [In Ukrainian].
[23] Tsmots, I. G., & Roman, V. I. (2019). Improving the method of grouping energy data in the system of multilevel energy efficiency management of the region's economy. Scientific Bulletin of UNFU, 29(1), 116–120. [In Ukrainian].
[24] Tsmots, I. G., Skorokhoda, O. V., & Roman, V. I. (2016). Data repositories of multilevel energy efficiency management systems. Modeling and information technologies, 77, 192–197. Institute of Modeling Problems in Energy. [In Ukrainian].
[25] Tsmots, I. G., Tsymbal, Yu. V., & Tsmots, O. I. (2012). Early warning systems for enterprises using neural networks tools. Actual Problems of Economics, 10(136), 283–291.
[26] Tsymbal, Yu., & Tkachenko, R. (2016). A Digital Watermarking Scheme Based on Autoassociative Neural Networks of the Geometric Transformations Model. Proceedings of the 2016 IEEE First International Conference on Data Stream Mining & Processing, (pp. 231–234).