В данном исследовании была разработана информационная система для управления потоками электронных чертежей и преобразования этих цифровых данных в нужный формат. Использованы цифровые технологии в устройстве роста эффективности деятельности организации напрямую зависящее от применения оптимального планирования взаимодействия внутри предприятия этих технологии. Подробно обсуждены архитектуры программного обеспечения в основной части этой исследовательской работ. «Кентауский трансформаторный завод» использует программное обеспечение Ascon Group – Kompas 3D для электронных чертежей. Показаны гибкая система 3D-моделирования Кompas-3D, которая позволяет создавать модели несколькими способами. Показаны архитектура программного обеспечения КТЗ. Были спроектирована эффективная архитектура взаимодействия программного обеспечения и сетевых технологий, которые приводят к снижению финансовых затрат предприятия. Также повышает пропускную способность деятельности организации при обмене данными непосредственно между сотрудниками данного предприятия. Были разработаны приложения, которые предназначены в организации тесного взаимодействия и извлечения выгоды между пользователем и цифровых технологий, которые в свою очередь приводят к повышению эффективности деятельности предприятия. Приведены показатели экономической эффективности разработанной системы затрат на примере Кентауского трансформаторного завода. Усовершенствованы документооборотные потребности различных организаций использования спроектированной системы для централизованной системы управления электронными потоками чертежей.

Изображения и их обработка являются важной частью понимания мира. Поэтому неполные изображения не позволяют нам определять и анализировать состояние изображения. Это лишает нас больших возможностей, но современные платформы машинного обучения могут восстанавливать потерянные или поврежденные части таких изображений, что облегчает понимание закулисного контекста и эффективный анализ созданных изображений. Экстраполяция в рисовании может быть выполнена путем разделения локальных структур на неизвестные части для создания одного пикселя (или части) недостающей части, сохраняя гармонию с соседними пикселями. Это приложение глубокого обучения используется для выявления повреждений автомобиля и получения первоначальных характеристик перед событием для своевременных страховых выплат.В настоящее время развитие автомобильной промышленности напрямую связано с ростом числа автомобильных аварий. Таким образом, страховые компании сталкиваются с распространением множества жалоб и претензий одновременно. Использование Mask R-CNN, принадлежащего нейронским сетям CNN, основанным на алгоритмах машинного обучения и глубокого обучения, может помочь в решении таких проблем для страховых компаний.