Исследование алгоритма построения и динамической адаптации когнитивного графа мультимодальной сети знаний для коммуникации в управлении предприятием

Почему важны более разумные решения компании

Современные компании тонут в данных: электронные письма, показания датчиков, изображения, отчёты и сообщения в социальных сетях описывают происходящее на заводах и в цепочках поставок. Но поскольку эта информация хранится в разрозненных системах, менеджеры часто действуют интуитивно или опираются на устаревшие отчёты вместо актуальной картины. В статье представлен новый способ объединить все эти разбросанные сигналы в единую, живую карту причинно-следственных связей, помогая компаниям быстрее реагировать на проблемы вроде дефицита микрочипов и сбоев в поставках, а также лучше координироваться с поставщиками на всех уровнях.

Преобразование разбросанных улик в единую связанную картину

Авторы начинают с вопроса, как связать очень разные типы информации о бизнесе — тексты, числа, изображения и временные ряды с машин. Они строят мультимодальную сеть знаний, которая рассматривает каждый фрагмент информации как часть общего повествования, а не как изолированный файл. Для этого они расширяют языковую модель, чтобы она лучше понимала технические термины, особенно на китайском языке, анализируя не только слова в предложениях, но и то, как пишутся символы. Затем они согласуют текст с данными датчиков и изображениями с помощью механизма внимания, который учится, какие сигналы принадлежат друг другу. В результате получается большой граф сущностей и событий — таких как поставщики, машины, риски и исходы — соединённых связями, описывающими, как одно влияет на другое.

Живая карта, которая сама обновляется при событиях

Традиционные схемы бизнес-процессов статичны: однажды нарисованные, они быстро устаревают. В этом исследовании сеть знаний рассматривается как живая когнитивная карта. Каждая связь в графе имеет вес, отражающий, насколько сильна или актуальна эта связь в данный момент. Когда происходят новые события — задержка поставки, сигнал тревоги машины, резкий скачок цен — эти веса корректируются автоматически, а не вручную. Старая информация постепенно слабеет, но не слишком быстро, тогда как свежие сигналы могут резко усилить или ослабить отдельные связи. Система также оценивает надёжность новых данных по сравнению с прошлой статистикой, фильтруя сигналы с низкой уверенностью, такие как шумные датчики или аномальные записи, и добавляет новые подграфы в сеть только когда их согласованность превышает заданный порог.

Квантоподобное мышление для запутанной бизнес-реальности

Понятия в реальном бизнесе часто размыты. Например, «риск поставщика» может означать одновременно и сегодняшние задержки поставок, и банкротство через годы. Чтобы отразить такую множественность, авторы заимствуют идеи из квантовой теории. Вместо того чтобы приписывать каждой сущности одно фиксированное значение, они представляют её как суперпозицию возможных состояний в комплекснозначном пространстве. Отношения между сущностями действуют как обратимые преобразования, позволяя системе моделировать тонкие, изменяющиеся связи без свёртывания их в единую метку. Такая конструкция улучшает способность системы предсказывать отсутствующие связи в графе и предусматривать, как риски могут распространиться по цепочке поставок, показывая лучшие результаты по точности и устойчивости по сравнению с несколькими устоявшимися методами встраивания графов.

От сети знаний к поддержке в реальном времени во время кризиса с микрочипами

Для проверки подхода авторы применяют его к автомобилестроительному предприятию, столкнувшемуся с серьёзным дефицитом микрочипов. В сеть знаний поступают записи производства, журналы поставщиков, потоки данных с датчиков, медицинские данные для междоменного тестирования и прочее. Поверх графа они строят интеллектуальную систему принятия решений, комбинирующую правила и кейс-ориентированное рассуждение: система может следовать явным правилам, когда они доступны, и одновременно искать прошлые прецеденты, чтобы предложить похожие планы действий. Когда поступают оповещения, связанные с микрочипами, событийный механизм перестраивает риск-пути в когнитивной карте, выделяет наиболее уязвимые маршруты через поставщиков и логистику и предлагает альтернативные варианты снабжения и транспортировки.

Реальные выгоды: скорость, точность и сотрудничество

Результаты демонстрируют заметные улучшения. В сценарии дефицита микрочипов система достигает чуть более 92% точности в прогнозировании того, как риск будет распространяться по цепочке поставок и какие пути наиболее вероятно приведут к остановкам производства. Среднее время реакции на внезапные риски сокращается почти на три четверти, а своевременная доставка заказов и оборот запасов существенно растут. Эффект совместной работы наиболее выражен среди поставщиков нижних уровней и логистических провайдеров: там оборот увеличивается более чем на две трети, а задержки в транспортировке сокращаются вдвое. При этом метод лучше обобщается на другие домены по сравнению с конкурентными техниками, что указывает на возможность применения той же схемы для таких областей, как предупреждение медицинских рисков или управление энергией.

Что это значит для повседневных бизнес-решений

Проще говоря, работа показывает, как компания может преобразовать океан разрозненных, непоследовательных данных в единую адаптивную карту, объясняющую «если это произошло здесь, то скорее всего это произойдёт там». Объединяя тексты, изображения и сигналы машин, предоставляя понятиям гибкие значения и позволяя связям самообновляться при появлении новых событий, предложенная система делает видимыми пути распространения рисков до того, как будет нанесён ущерб. Хотя она требует больше вычислительных ресурсов, чем простые инструменты, она даёт возможность перейти от медленных, основанных на опыте реакций к своевременным, основанным на данных решениям, которые сохраняют поток цепочек поставок и согласованность команд при изменении условий.

Цитирование: Ma, M., Wang, Y. & Sun, W. Research on the construction and dynamic adaptation algorithm of cognitive graph multimodal knowledge network for enterprise management communication. Sci Rep 16, 10193 (2026). https://doi.org/10.1038/s41598-026-40221-2

Ключевые слова: мультимодальный граф знаний, риск в цепочке поставок, когнитивная карта, динамическая поддержка принятия решений, квантовая встраиваемость