Разработка и интеграция мобильного приложения на базе Android для оптимизации рабочих процессов в системе 1С с применением моделей машинного обучения : магистерская диссертация

Abstract

The object of the study is the 1C system and the processes associated with its use and optimization. The purpose of the work is to develop and implement a mobile application for optimizing work processes in the 1C system using machine learning technologies. The research methods include analyzing the current state of the system, designing the application architecture, integrating with the existing system, as well as training and implementing machine learning models. Results of the work and their novelty: during the work, a mobile application with an optimized user interface and improved performance was developed. Machine learning models were implemented to predict and automate some processes. The novelty lies in the integrated approach to optimizing the 1C system using modern technologies and methods. Scope of application of results: The developed mobile application can be used in various organizations using the 1C system for automation of accounting and management accounting. This can increase the efficiency and ease of use of the system. Recommendations for implementation or results of implementation of the results of research work: it is recommended to gradually implement the mobile application in the work processes of the organization, taking into account the specifics of its activities. The results of the implementation show a significant improvement in the productivity and ease of use of the 1C system. Economic efficiency or significance of the work: Implementation of the mobile application allows you to reduce the time spent on routine operations and improve the accuracy of forecasting, which in turn leads to a decrease in operating costs and an increase in the overall efficiency of the organization. Forecast assumptions on the development of the research object: In the future, it is possible to expand the functionality of the mobile application, including new modules and integrations, as well as further improve machine learning models for more accurate forecasting and automation of processes.

Объектом исследования является система 1С и процессы, связанные с её использованием и оптимизацией. Цель работы — разработка и внедрение мобильного приложения для оптимизации рабочих процессов в системе 1С с применением технологий машинного обучения. Методы исследования включают анализ текущего состояния системы, проектирование архитектуры приложения, интеграцию с существующей системой, а также обучение и внедрение моделей машинного обучения. Результаты работы и их новизна: в ходе работы было разработано мобильное приложение с оптимизированным пользовательским интерфейсом и улучшенной производительностью. Внедрены модели машинного обучения для прогнозирования и автоматизации некоторых процессов. Новизна заключается в комплексном подходе к оптимизации системы 1С с использованием современных технологий и методов. Область применения результатов: Разработанное мобильное приложение может быть использовано в различных организациях, использующих систему 1С для автоматизации бухгалтерского и управленческого учета. Это может повысить эффективность и удобство пользования системой. Рекомендации по внедрению или итоги внедрения результатов научно-исследовательской работы: рекомендуется поэтапное внедрение мобильного приложения в рабочие процессы организации с учетом специфики её деятельности. Итоги внедрения показывают значительное улучшение производительности и удобства использования системы 1С. Экономическая эффективность или значимость работы: Внедрение мобильного приложения позволяет сократить затраты времени на выполнение рутинных операций и улучшить точность прогнозирования, что в свою очередь приводит к снижению операционных расходов и повышению общей эффективности работы организации. Прогнозные предположения о развитии объекта исследования: В будущем возможно расширение функционала мобильного приложения, включая новые модули и интеграции, а также дальнейшее улучшение моделей машинного обучения для более точного прогнозирования и автоматизации процессов.