РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ АВТОМАТИЗИРОВАННОГО МОНИТОРИНГА ПОСЕЩАЕМОСТИ СОТРУДНИКОВ

Abstract

В статье рассматривается математическая модель автоматизированного мониторинга посещаемости сотрудников, объединяющая RFID- регистрацию, биометрическую идентификацию, событийную обработку и машинное обучение для прогнозирования отсутствий. Исходный материал содержит архитектуру системы, модуль адаптивного прогнозирования, оптимизацию распределения ресурсов и сравнительные метрики до и после адаптации. В переработанной версии модель формализована через поток событий присутствия, композитную вероятность верификации личности, расчет фактически отработанного времени, коэффициент использования рабочего времени, вероятностный прогноз отсутствия и задачу назначения персонала. Отдельно уточнено, что метод анализа иерархий должен включать матрицы попарных сравнений, получение весов и проверку согласованности, тогда как приведенная в исходном тексте функция максимизации является задачей назначения с весами, а не полной процедурой AHP. Анализ экспериментальной части выявил существенные ограничения: не указаны размер и состав выборки, период наблюдения, доля отсутствий, признаки модели, схема разделения данных, процедура валидации, порог классификации и доверительные интервалы. Кроме того, численные результаты внутри статьи частично расходятся: приводятся различные значения точности идентификации и полноты прогнозирования. Поэтому эти показатели сохранены как авторские результаты, но не трактуются как независимо подтвержденные. Для повышения воспроизводимости предложен временной train-validation-test протокол, анализ дисбаланса классов, оценка Precision, Recall, F1, ROC-AUC и PR-AUC, а также мониторинг дрейфа модели. Дополнительно рассмотрены требования к защите биометрических данных, презентационным атакам и законности мониторинга работников в Узбекистане. Сформулированы направления дальнейшей апробации на реальных данных предприятий. Практическая ценность подхода состоит в переходе от простого табельного учета к управляемой системе поддержки решений, однако применение прогнозов к конкретным работникам требует прозрачного назначения целей, ограничения доступа к данным, проверки качества по группам пользователей и обязательного участия ответственного специалиста при интерпретации автоматических сигналов и принятии кадровых решений.