Moyinuddeen Shaik: Pionier przyszłości IT dzięki rozwiązaniom SAP wzmocnionym sztuczną inteligencją

Dzisiejszy sektor IT charakteryzuje się dynamiczną naturą, w której postęp technologiczny nieustannie zmienia sposób działania i strategie biznesowe. Znaczenie dostosowywania i integrowania nowych technologii, zwłaszcza w przetwarzaniu danych i automatyzacji, jest ważniejsze niż kiedykolwiek wcześniej, ponieważ zapewnia przedsiębiorstwom narzędzia umożliwiające utrzymanie konkurencyjności i wydajności.

Kariera Shaika jest świadectwem tej ewolucji. Dzięki znakomitej karierze trwającej ponad dwie dekady stał się wybitnym nazwiskiem w dziedzinie IT, szczególnie w zakresie integracji zaawansowanych technologii, takich jak sztuczna inteligencja i OCR, w środowiskach SAP. Niedawno mieliśmy okazję porozmawiać z Moyinuddeenem Shaikiem, podczas którego przedstawił on głębszy wgląd w swoją wiedzę specjalistyczną w zakresie przetwarzania i automatyzacji danych oraz zastosowania tych umiejętności w świecie rzeczywistym. Jego biegłość w ulepszaniu ekstrakcji danych, rozumieniu kontekstu i podejmowaniu decyzji w przepływach pracy SAP z wykorzystaniem sztucznej inteligencji jest oczywista. Na szczególną uwagę zasługuje zdolność Shaika do wypełniania luki między wiedzą teoretyczną a wynikami praktycznymi w świecie rzeczywistym. Skutecznie wykorzystuje studia przypadków, aby podkreślić praktyczne korzyści i wzrost wydajności OCR wspomaganego sztuczną inteligencją w SAP, pokazując swoją zdolność do przekładania postępu technologicznego na wymierne sukcesy biznesowe.

Podejście Shaika do rozwiązywania złożonych struktur danych w SAP przy użyciu innowacyjnych metod, takich jak RPA i algorytmy uczenia maszynowego, zaowocowało znaczną poprawą wydajności i dokładności. Jego strategiczne wykorzystanie NLP do wglądu kontekstowego w SAP znacząco usprawniło procesy decyzyjne. Poprzez studia przypadków ze świata rzeczywistego Shaik pokazał, jak rozwiązania OCR wzmocnione sztuczną inteligencją w SAP zrewolucjonizowały procesy biznesowe, zwłaszcza w zakresie usprawnienia procedur wprowadzania danych zamówień sprzedaży.

Witaj, Shaiku. Chętnie dowiemy się o Twojej pracy! Czy możesz opisać najbardziej innowacyjną technikę, którą opracowałeś lub zastosowałeś w celu usprawnienia ekstrakcji danych w przepływach pracy SAP?

Mieliśmy do czynienia ze złożonymi strukturami danych w SAP, a tradycyjne metody ekstrakcji okazały się niewystarczające. To wyzwanie skłoniło nas do zbadania potencjału zrobotyzowanej automatyzacji procesów (RPA), podobnego do wprowadzenia cyfrowego asystenta do poruszania się po złożonym krajobrazie danych.

Opracowaliśmy niestandardowy skrypt RPA, który zautomatyzował proces ekstrakcji, mając jednocześnie inteligencję pozwalającą dostosować się do zmieniających się struktur danych. Działał jak detektyw danych, biegły w odszyfrowywaniu stale ewoluującego kodu SAP. Cechą wyróżniającą to podejście była zdolność uczenia się. Integrując algorytmy uczenia maszynowego z RPA, system stale poprawiał dokładność ekstrakcji, podobnie jak kolega, który podnosi swoje umiejętności przy każdym zadaniu.

Wpływ na przetwarzanie zamówień w systemie SAP był rewolucyjny. Zaobserwowaliśmy zauważalną redukcję błędów ekstrakcji, szybsze wyszukiwanie danych i znaczną oszczędność czasu naszych zespołów. Przejście przypominało przejście z tradycyjnej mapy na GPS, oferując bardziej wydajną i inteligentną metodę nawigacji po krajobrazie danych SAP.

Technika ta nie tylko usprawniła nasze procesy ekstrakcji danych, ale także utorowała drogę do wdrożenia podobnych podejść w optymalizacji innych aspektów przepływu pracy. Pokazał niesamowity potencjał kreatywnego łączenia technologii w celu pokonywania wyzwań i zwiększania wydajności w środowiskach SAP.

Jak wykorzystać sztuczną inteligencję do poprawy zrozumienia kontekstu w SAP i jaki wpływ ma to na procesy decyzyjne?

Po pierwsze, wdrożyliśmy algorytmy przetwarzania języka naturalnego (NLP), aby wyciągać istotne wnioski z nieustrukturyzowanych danych w SAP. Obejmuje to analizę tekstu z dokumentów, wiadomości e-mail i innych źródeł, zapewniając dogłębne kontekstowe zrozumienie informacji kluczowych dla procesów biznesowych.

Rola sztucznej inteligencji w kontekstowej integracji danych w SAP jest kluczowa. Rozpoznając relacje i zależności pomiędzy różnymi punktami danych, sztuczna inteligencja oferuje kompleksowy obraz informacji. Ta kontekstowo wzbogacona integracja zwiększa dokładność i przydatność danych w procesie decyzyjnym.

Nasze modele rozpoznawania wzorców oparte na sztucznej inteligencji analizują dane historyczne w systemie SAP w celu wykrycia trendów, anomalii i wzorców. Ta predykcyjna analiza kontekstu pozwala decydentom przewidywać potencjalne przyszłe scenariusze, umożliwiając podejmowanie proaktywnych decyzji w oparciu o przewidywane trendy.

Kluczową cechą jest dynamiczna zdolność dostosowywania naszych modeli sztucznej inteligencji do zmieniających się kontekstów. W miarę zmiany środowiska biznesowego sztuczna inteligencja stale uczy się i dostosowuje swoje zrozumienie niuansów kontekstowych. Elastyczność ta zapewnia trafność i skuteczność procesów decyzyjnych w odpowiedzi na zmieniającą się dynamikę.

Aby zwiększyć zaufanie do decyzji opartych na sztucznej inteligencji, kładziemy nacisk na możliwą do wyjaśnienia sztuczną inteligencję. Nasze modele są konstruowane tak, aby zapewnić jasne uzasadnienie swoich decyzji, co jest szczególnie ważne w środowiskach SAP, gdzie decyzje mają dużą wagę. Ta przejrzystość w zrozumieniu „dlaczego” decyzji opartych na sztucznej inteligencji buduje zaufanie wśród interesariuszy.

Wreszcie sztuczna inteligencja odegrała kluczową rolę w ułatwianiu automatyzacji kontekstowej w przepływach pracy SAP. Rozumiejąc kontekst konkretnych zadań lub procesów, sztuczna inteligencja wskazuje możliwości automatyzacji, usprawniając w ten sposób rutynowe operacje i uwalniając zasoby ludzkie do bardziej skomplikowanych zadań związanych z podejmowaniem decyzji.

Czy możesz udostępnić konkretne studium przypadku ze świata rzeczywistego, w którym Twoje rozwiązania OCR wspomagane sztuczną inteligencją w SAP znacząco usprawniły proces biznesowy?

Z pewnością! Spotkaliśmy się z sytuacją, w której ręczne wprowadzanie danych było nie tylko czasochłonne, ale także podatne na błędy, szczególnie w naszym procesie fakturowania w systemie SAP. Aby rozwiązać ten problem, wykorzystaliśmy możliwości sztucznej inteligencji i optycznego rozpoznawania znaków (OCR), aby usprawnić to kłopotliwe zadanie.

Nasze wdrożenie obejmowało rozwiązanie OCR umożliwiające digitalizację zleceń sprzedaży w formie papierowej. Ponadto wykorzystano algorytmy sztucznej inteligencji do dokładnego wyodrębnienia odpowiednich informacji. To było jak posiadanie cyfrowego detektywa, który nie tylko czytał, ale także rozumiał kontekst dokumentów.

Skutki tej integracji były uderzające. Czas spędzony wcześniej na ręcznym wprowadzaniu danych został znacznie skrócony, dzięki czemu nasz zespół mógł skoncentrować się na bardziej strategicznych aspektach procesu wprowadzania zamówień. Ten wzrost wydajności można porównać do przejścia z ręcznej maszyny do pisania na szybką klawiaturę.

Dodatkowo znacznie wzrosła dokładność ekstrakcji danych. Sztuczna inteligencja nie tylko rozpoznawała znaki, ale także rozumiała różne formaty i układy faktur, podobnie jak superinteligentny asystent, który czyta pismo odręczne i dostrzega subtelne różnice w stylach.

To ulepszenie przyniosło naszej firmie wymierne korzyści: mniej błędów, krótszy czas przetwarzania i lepszą zgodność. To było tak, jakbyśmy zyskali niezawodnego partnera, który nie tylko przyspieszył zadania, ale także podniósł ogólną jakość procesu.

Ostatecznie nasze rozwiązania OCR wspomagane sztuczną inteligencją w SAP nie tylko automatyzowały proces; zrewolucjonizowali to. Technologia ta pozwoliła zaoszczędzić czas i znacznie zwiększyła dokładność i niezawodność naszego procesu przyjmowania i przyjmowania zamówień, demonstrując transformacyjną moc sztucznej inteligencji w rzeczywistych scenariuszach biznesowych.

Jakie są największe wyzwania, przed którymi stałeś podczas automatyzacji przetwarzania danych w SAP i jak sobie z nimi poradziłeś?

Kwantyfikację wzrostu wydajności i korzyści wynikających z naszych wdrożeń sztucznej inteligencji w środowiskach SAP można porównać do pomiaru wpływu turbosprężarki na silnik samochodu – poczujesz różnicę, ale przyjrzyjmy się metrykom. Po pierwsze stawiamy na skrócenie czasu przetwarzania. Nie chodzi tylko o prędkość samą w sobie; chodzi o sprawną realizację zadań. Zaobserwowaliśmy znaczne skrócenie czasu potrzebnego na przetwarzanie złożonych przepływów pracy SAP, od ekstrakcji danych po podejmowanie decyzji, podobnie jak w przypadku przejścia z połączenia telefonicznego na szybkie łącze szerokopasmowe.

Następnie rozważamy dokładność. Sztuczna inteligencja wprowadza poziom precyzji zadań, które trudno dopasować ręcznie. Minimalizując błędy w przetwarzaniu danych i podejmowaniu decyzji, poprawiliśmy jakość naszych wyników i zmniejszyliśmy potrzebę czasochłonnej korekty błędów.

Oszczędności to kolejny ważny wskaźnik. Wzrost wydajności często przekłada się na zoptymalizowane wykorzystanie zasobów, czy to poprzez skrócenie czasu pracy ręcznej, lepszą alokację zasobów, czy uniknięcie kosztownych błędów. Wdrożenia sztucznej inteligencji przyczyniają się do zdrowszych wyników finansowych, podobnie jak znajdowanie sposobów na osiągnięcie więcej za mniej, co przynosi korzyści zarówno w zakresie produktywności, jak i opłacalności.

Następnie istnieje zdolność adaptacji. Zdolność systemów AI do dostosowywania się do zmieniających się warunków i dynamiki danych jest nieoceniona. Mierzymy to na podstawie tego, jak dobrze nasze systemy radzą sobie z ewoluującymi przepływami pracy, zmieniającymi się strukturami danych i nowymi wymaganiami, takimi jak technologia, która nadąża za duchem czasu i przewiduje przyszłe trendy.

Wreszcie zadowolenie użytkowników jest wskaźnikiem jakościowym, który mówi wiele. Kiedy zespoły doświadczają płynniejszego przepływu pracy, szybszych wyników i mniejszej liczby problemów, oznacza to, że wdrożenia sztucznej inteligencji są skuteczne. To jak ulepszenie doświadczenia użytkownika z czerni i bieli na pełny kolor w kolorze – bardziej żywy i przyjemny sposób pracy.

Zasadniczo ilościowe określenie przyrostu wydajności wynikającego z naszych wdrożeń sztucznej inteligencji w SAP obejmuje połączenie wskaźników ilościowych i ogólnego doświadczenia zespołu. Chodzi o podejmowanie decyzji w oparciu o dane, przy jednoczesnym zapewnieniu, że aspekt ludzki – doświadczenie naszych użytkowników – jest kluczowy dla naszej historii sukcesu.

Jak kwantyfikować wzrost wydajności i korzyści wynikające z wdrożeń AI w środowiskach SAP?

To jakby zmierzyć wpływ turbosprężarki na silnik samochodu – różnicę wyraźnie czujesz. Po pierwsze obserwujemy znaczne skrócenie czasu przetwarzania. Nie chodzi tylko o prędkość; chodzi o sprawną realizację zadań. Zaobserwowaliśmy znaczne skrócenie czasu potrzebnego na przetwarzanie złożonych przepływów pracy SAP, od wyodrębnienia danych po podejmowanie decyzji. Można to porównać do przejścia z połączenia telefonicznego na szybkie łącze szerokopasmowe – wszystko staje się szybsze.

Następnie rozważamy dokładność. Sztuczna inteligencja zapewnia poziom precyzji zadań, które trudno wykonać ręcznie. Minimalizując błędy w przetwarzaniu danych i podejmowaniu decyzji, poprawiliśmy jakość naszych wyników i zmniejszyliśmy potrzebę czasochłonnej korekty błędów. To jak mieć skrupulatnego korektora do każdego zadania, który gwarantuje doskonałe rezultaty.

Oszczędności to kolejny ważny wskaźnik. Wzrost wydajności często prowadzi do optymalizacji wykorzystania zasobów. Niezależnie od tego, czy chodzi o skrócenie czasu pracy ręcznej, optymalizację alokacji zasobów czy unikanie kosztownych błędów, wdrożenia sztucznej inteligencji przyczyniają się do zdrowszych wyników finansowych. Polega na znalezieniu sposobów na osiągnięcie więcej za mniej, co przyniesie korzyści zarówno w zakresie produktywności, jak i opłacalności.

Kluczowa jest także zdolność adaptacji. Zdolność systemów AI do dostosowywania się do zmieniających się warunków i dynamiki danych jest nieoceniona. Oceniamy to pod kątem tego, jak dobrze nasze systemy zarządzają zmieniającymi się przepływami pracy, dostosowują się do zmieniających się struktur danych i spełniają nowe wymagania. To jak posiadanie technologii, która nie tylko nadąża za bieżącymi trendami, ale także przewiduje przyszły rozwój.

Wreszcie zadowolenie użytkowników jest istotnym miernikiem jakościowym. Kiedy zespoły doświadczają płynniejszego przepływu pracy, szybszych wyników i mniej problemów, oznacza to, że wdrożenia sztucznej inteligencji są skuteczne. Przypomina to poprawę komfortu użytkowania z trybu czarno-białego na pełny kolor w kolorze — bardziej żywy i przyjemny sposób pracy.

Jakie strategie stosujesz, aby Twoja wiedza teoretyczna z zakresu sztucznej inteligencji i przetwarzania danych skutecznie przekładała się na praktyczne, rzeczywiste zastosowania?

Po pierwsze aktywnie angażujemy się w praktyczne projekty wdrożeniowe. Te realizowane w świecie rzeczywistym projekty zapewniają naszemu zespołowi praktyczne doświadczenie, pozwalające mu stawić czoła złożoności i niuansom, które mogą nie zostać w pełni ujęte w wiedzy teoretycznej.

Współpraca międzyfunkcyjna ma kluczowe znaczenie dla naszej strategii. Ściśle współpracujemy z zespołami, w skład których wchodzą eksperci dziedzinowi, inżynierowie i użytkownicy końcowi. To oparte na współpracy podejście gwarantuje, że nasze rozwiązania AI są dobrze dostosowane do wymagań praktycznych i skutecznie odpowiadają konkretnym potrzebom biznesowym.

Walidacja i iteracja stanowią integralną część naszego procesu. Nie postrzegamy modelu jako kompletnego po pierwszej próbie. Zamiast tego powtarzamy, zbieramy opinie i udoskonalamy nasze podejścia. Proces ten gwarantuje, że nasze modele teoretyczne zostaną zweryfikowane i udoskonalone w praktycznych scenariuszach.

Projektowanie zorientowane na użytkownika jest dla nas najważniejsze. Ścisła współpraca z użytkownikami końcowymi w celu zrozumienia ich wymagań, wyzwań i oczekiwań pomaga nam dostosowywać nasze rozwiązania AI tak, aby były zarówno przyjazne dla użytkownika, jak i bezproblemowo zintegrowane z istniejącymi procesami.

Ciągłe uczenie się i adaptacja mają kluczowe znaczenie w dynamicznej dziedzinie sztucznej inteligencji. Naszym priorytetem jest bycie na bieżąco z najnowszymi technologiami, metodologiami i najlepszymi praktykami, aby mieć pewność, że nasze podstawy teoretyczne pozostaną istotne w tym szybko rozwijającym się krajobrazie.

Wreszcie, przyjmujemy podejście do rozwiązywania problemów w rzeczywistych zastosowaniach, które często stanowią wyjątkowe wyzwania. Nasz zespół jest przeszkolony, aby stawić czoła tym wyzwaniom w miarę ich pojawiania się, zapewniając, że wiedza teoretyczna przekłada się na skuteczne, praktyczne rozwiązania.

Zasadniczo jesteśmy zaangażowani w budowanie solidnych ram, w których wiedza teoretyczna służy jako podstawa dla praktycznych, skutecznych rozwiązań. Nasze zaangażowanie w ciągłe doskonalenie i dostosowywanie się do świata rzeczywistego pozwala nam czerpać wymierną wartość z naszej wiedzy specjalistycznej w zakresie sztucznej inteligencji i przetwarzania danych.

Jakie przyszłe zmiany przewidujesz na podstawie swoich doświadczeń w dziedzinie AI w celu usprawnienia procesów biznesowych w SAP?

Oczekuje się gwałtownego wzrostu integracji zaawansowanych modeli analityki predykcyjnej w systemie SAP. Umożliwi to firmom przewidywanie trendów, prognozowanie wyników i podejmowanie decyzji w oparciu o dane z większą precyzją. Może znacznie usprawnić planowanie strategiczne i alokację zasobów.

Przetwarzanie języka naturalnego (NLP) prawdopodobnie stanie się bardziej zintegrowane z przepływami pracy SAP. Uprości to interfejsy użytkownika, umożliwiając interakcję w języku naturalnym, dzięki czemu wyszukiwanie i analiza danych będą bardziej intuicyjne dla użytkowników o różnej wiedzy technicznej.

Wyjaśnialna sztuczna inteligencja (XAI) będzie zyskiwać na znaczeniu w miarę zwiększania się wyrafinowania systemów sztucznej inteligencji. Firmy korzystające z SAP będą w coraz większym stopniu poszukiwać przejrzystości w procesach decyzyjnych opartych na sztucznej inteligencji, która jest kluczowa dla budowania zaufania, szczególnie w branżach o rygorystycznych wymaganiach dotyczących zgodności.

Możemy również oczekiwać, że automatyzacja oparta na sztucznej inteligencji usprawni złożone, kompleksowe przepływy pracy w SAP. Obejmuje to automatyzację skomplikowanych procesów obejmujących wiele etapów i punktów decyzyjnych, w celu zwiększenia wydajności i ograniczenia interwencji ręcznej.

Modele ciągłego uczenia się będą coraz bardziej powszechne w SAP. Systemy sztucznej inteligencji będą z biegiem czasu ewoluować, dostosowując się do nowych danych wejściowych i dynamiki biznesowej, zapewniając, że rozwiązania AI pozostaną istotne i skuteczne.

Wraz z rosnącą zależnością od sztucznej inteligencji, równoległy nacisk zostanie położony na wzmocnienie środków cyberbezpieczeństwa. Rozwiązania oparte na sztucznej inteligencji do wykrywania zagrożeń i proaktywne środki bezpieczeństwa będą miały kluczowe znaczenie w ochronie wrażliwych danych w systemach SAP.

Wreszcie przyszłość prawdopodobnie skupi się na płynnej, międzyplatformowej integracji rozwiązań AI. Umożliwi to bardziej całościowe podejście do procesów biznesowych, zapewniając efektywne wykorzystanie wiedzy AI w całym ekosystemie przedsiębiorstwa.

Zastanawiając się nad swoimi historiami sukcesu, jakie kluczowe wnioski wyciągnąłeś na temat wdrażania sztucznej inteligencji w SAP, którymi możesz podzielić się z innymi osobami w terenie?

Bez wątpienia nasza podróż z wdrażaniem AI w SAP była pełna bezcennych lekcji.

Rozpoczęcie od jasnych celów biznesowych ma kluczowe znaczenie. Niezbędne jest zrozumienie celów, jakie chcesz osiągnąć poprzez wdrożenie AI w SAP. Niezależnie od tego, czy chodzi o zwiększenie wydajności, usprawnienie procesu decyzyjnego, czy usprawnienie przepływów pracy, ważne jest, aby dostosować inicjatywy AI do konkretnych celów biznesowych.

Nie można przecenić znaczenia dokładnego przygotowania danych. Sukces wyników sztucznej inteligencji zależy od jakości danych. Kluczowe znaczenie ma inwestowanie w kompleksowe przygotowanie, oczyszczanie i walidację danych. Zasadnicze znaczenie ma zapewnienie, że dane wykorzystywane do uczenia modeli sztucznej inteligencji są reprezentatywne, dokładne i bezstronne.

Współpraca różnych zespołów jest kluczowa dla pomyślnego wdrożenia AI w SAP. Zaangażowanie ekspertów dziedzinowych, specjalistów IT i użytkowników końcowych w cały proces zapewnia bezcenne spostrzeżenia. Ich wkład jest niezbędny w udoskonalaniu modeli i zapewnianiu ich trafności i praktyczności.

Ciągłe uczenie się i adaptacja mają kluczowe znaczenie w dynamicznej dziedzinie sztucznej inteligencji. Zachęcanie zespołu do śledzenia najnowszych osiągnięć i najlepszych praktyk pomaga w dostosowywaniu strategii sztucznej inteligencji, aby sprostać zmieniającym się wyzwaniom i możliwościom.

Iteracyjne podejście do wdrażania jest skuteczne. Dzieląc złożone projekty na łatwiejsze do zarządzania fazy, umożliwiasz ciągłą informację zwrotną i udoskonalanie. To nie tylko przyspiesza wdrożenie, ale także zapewnia możliwość dostosowania w oparciu o wydajność w świecie rzeczywistym.

Wyjaśnialność i przejrzystość modeli AI są najważniejsze, szczególnie w krytycznych środowiskach SAP. Zrozumienie logiki stojącej za wnioskami AI buduje zaufanie wśród użytkowników i interesariuszy, ułatwiając integrację z istniejącymi przepływami pracy.

Szkolenia użytkowników i zarządzanie zmianami są kluczem do pomyślnego wdrożenia sztucznej inteligencji. Aby zapewnić użytkownikom komfort i pewność korzystania z rozwiązań opartych na sztucznej inteligencji, niezbędne są kompleksowe programy szkoleniowe i skuteczne strategie zarządzania zmianami.

Pomiar i komunikowanie wpływu wdrożeń AI jest ważne. Niezbędne jest ustalenie jasnych wskaźników sukcesu i konsekwentna ocena poprawy wydajności, dokładności i innych istotnych wskaźników KPI. Skuteczne komunikowanie tych skutków interesariuszom podkreśla wartość sztucznej inteligencji w SAP.

Względy cyberbezpieczeństwa stają się coraz ważniejsze, ponieważ sztuczna inteligencja staje się integralną częścią przepływów pracy SAP. Wdrożenie solidnych protokołów bezpieczeństwa i ochrona wrażliwych danych ma kluczowe znaczenie, szczególnie w branżach o rygorystycznych wymaganiach dotyczących zgodności.

Wreszcie dokumentowanie i dzielenie się najlepszymi praktykami i spostrzeżeniami z procesu wdrażania sztucznej inteligencji sprzyja kulturze ciągłego doskonalenia i pomaga w płynniejszych przyszłych wdrożeniach.

Zastanawiając się nad swoją podróżą, historia Moyinuddeena Shaika nie dotyczy tylko wiedzy technologicznej, ale także wizji, zdolności adaptacyjnych i nieustannego dążenia do innowacji. Jego podróż po branży IT, naznaczona ciągłą nauką i adaptacją, stanowi plan działania dla przyszłych specjalistów IT i firm, które chcą wykorzystać moc technologii do osiągnięcia sukcesu organizacyjnego. Historia Shaika jest inspirującym przykładem tego, jak głęboka wiedza techniczna w połączeniu z praktycznym zastosowaniem i innowacyjnym myśleniem może prowadzić do przełomowych postępów w branży IT.

Aby głębiej poznać badania i wiedzę Shaika w tej dziedzinie, możesz zapoznać się z publikacjami wymienionymi poniżej:

• https://doi.org/10.22214/ijraset.2024.57828
• http://article.sapub.org/10.5923.j.ajca.20231002.03.html
• https://pubs.sciepub.com/jcsa/11/1/1/index.html
• http://article.sapub.org/10.5923.j.computer.20231301.02.html
• http://dx.doi.org/10.56726/IRJMETS47606