Программная реализация систем обработки статистических данных производственного сектора пенитенциарной системы

Д С Пономарев

doi:10.22213/2410-9304-2025-3-117-124

Авторы

Д. С. Пономарев ИжГТУ имени М. Т. Калашникова; Научно-исследовательский институт Федеральной службы исполнения наказаний

DOI:

https://doi.org/10.22213/2410-9304-2025-3-117-124

Ключевые слова:

статистика, системный анализ, пенитенциарная система, производство, информационная система

Аннотация

В статье рассмотрена программная реализация и итоги разработки информационной системы для работы со статистическими данными производственного пенитенциарного сектора. Актуальность работы обусловлена как нормативно-правовой документацией, так и масштабами организованных на территории Российской Федерации производств пенитенциарной системы: по официальным актуальным данным общий объем производств пенитенциарной составил 44,3 млрд руб. Проведен анализ отчетных статистических форм пенитенциарной системы. Представлены результаты теоретико-множественного и теоретико-информационного анализа статистических данных производственного пенитенциарного сектора. Установлено, что для производственного сектора пенитенциарной системы исследование трудовых ресурсов является одной из самых важных составляющих (в свою очередь он может включать параметры, которые отражают результаты воспитательной работы, медико-санитарного обеспечения спецконтингента). Исходя из полученных результатов, были разработаны решения для формирования архитектур баз данных для проведения статистического анализа деятельности производственного сектора. Приведены методы, подходы и технические решения, которые были применены в разработке: принципы объектно-ориентированного подхода, функционального подхода, паттернов проектирования информационных систем, SOLID-принципы. Рассмотрены особенности применения в обработке данных таких библиотек, как Pandas, SciKit-Learn, TensorFlow, Keras, CatBoost и Plotly. Приведены подходы к разработке пользовательских интерфейсов. Предложены подходы к развертыванию информационной системы при помощи веб-технологий. Рассмотрена разработка системы контроля управления доступом для пользователя информационной системы. Практическая значимость работы заключается во внедрении системы в подразделения ФСИН России, где она может быть использована для анализа производственных процессов, прогнозирования рисков и поддержки принятия решений. В дальнейшем планируется продолжить исследования в области масштабирования системы, обеспечения информационной безопасности и поддержания жизненных циклов программного обеспечения.

Биография автора

Д. С. Пономарев, ИжГТУ имени М. Т. Калашникова; Научно-исследовательский институт Федеральной службы исполнения наказаний

кандидат технических наук

Библиографические ссылки

Toras Pangidoan Batubara, Syahril Efendi, Erna Budhiarti Nababan, Analysis Performance BCRYPT Algorithm to Improve Password Security from Brute Force // Journal of Physics: Conference Series. 2021. 1811 (2021): 012129. doi:10.1088/1742-6596/1811/1/012129

Erna Nababan. Analysis Performance Bcrypt Algorithm to Improve Password Security from Brute Force // Journal of Physics Conference Series. 2021. 1811(1): 012129. doi:10.1088/1742-6596/1811/1/012129

Yaganteeswarudu Akkem, Biswas Saroj Kumar, Aruna Varanasi. Streamlit Application for Advanced Ensemble Learning Methods in Crop Recommendation Systems - A Review and Implementation // Indian Journal of Science and Technology. 2023. Vol.16(48), P. 4688-4702.

Chanin Nantasenamat, Avratanu Biswas, J.M. Nápoles-Duarte, Mitchell I. Parker, Roland L. Dunbrack Jr. Building Bioinformatics Web Applications with Streamlit // Cheminformatics, QSAR and Machine Learning Applications for Novel Drug Development. 2023. №27. P. 679-699.

Samira Gholizadeh. Top Popular Python Libraries in Research // Journal of Robotics and Automation Research. 2022. 3(2). P. 142-145.

Massalha E., Sharon A., Oren D., Fishman B., Segev A., Matetzky Sh., Maor E. A gradient boosting machine learning model enhances mortality prediction in non-st-segment elevation myocardial infarction // Journal of the American College of Cardiology. 2022. Т. 79. № 9. С. 1131.

Sun Ya., Zhang F., Lin H., Xu Sh. A forest fire susceptibility modeling approach based on light gradient boosting machine algorithm // Remote Sensing. 2022. Т. 14, № 17. P. 4362.

Song Z., Xia J., Wang G., She D., Hu C., Hong S. Regionalization of hydrological model parameters using gradient boosting machine // Hydrology and Earth System Sciences. 2022. Т. 26. № 2. P. 505-524.

Кирюшин Ю. Н., Михеев М. Ю. Построение деревьев решений при помощи градиентного бустинга // Современные информационные технологии. 2023. № 37 (37). С. 40-43.

Королев Н. С., Сенько О. В. Метод повышения эффективности обучения градиентного бустинга, основанный на модифицированных функциях потерь // Автоматика и телемеханика. 2022. № 12. С. 78-88.

Qian Zh., Sun K. Extensive analysis of rain in Australia by exploratory data analysis, feature engineering and modeling // Theoretical and Natural Science. 2023. Т. 7. № 1. С. 63-71.

GrihaTofik Isa I., Zulkarnaini Z., Novianti L., Elfaladonna F., Agustri S. Exploratory Data Analysis (EDA) dalam Dataset Penerima an Mahasiswa Baru Universitas XYZ Palembang / Smart Comp: Jurnalnya Orang Pintar Komputer. 2023. Т. 12. № 3. С. 600-609.

Sanosra A., Maimun A., Satoto E.B., Qomariah N. Role of key performance indicators and compensation in improving employee integrity and performance / International Journal of Economics and Management Studies. 2022. Т. 9. № 2. С. 35-43.

Uzule K., Zarina V., Shina I. Fostering performance management by identifying key performance indicators for human capital in integrated reporting // Business: Theory and Practice. 2024. Т. 25. № 2. С. 420-433.

Graefe G. More modern b-tree techniques // Foundations and Trends in Databases. 2024. Т. 13. № 3. С. 169-249.

Дехтиевский С. А., Бударный Г. С. Принципы SOLID и их применение в разработке программного обеспечения // Научный аспект. 2024. Т. 43, № 4. С. 5635-5641.

Федорова О. Single responsibility principle // Системный администратор. 2024. № 1-2 (254-255). С. 62-63.

Шмаков С. Э., Щенникова Е. В., Определенцева А. Е. Взаимодействие паттернов проектирования для эффективной web-разработки // Ученые записки УлГУ. Серия: Математика и информационные технологии. 2021. № 2. С. 90-96.