Добрый день, дорогие друзья и коллеги!

Представляю Вам свою научно-исследовательскую работу на тему «Интеллектуальные системы на службе заводов: как предсказать поломку и сэкономить миллионы».

В 2024 – 2025 году я побил все свои личные рекорды по посещению мероприятий и публичным выступлениям на конференциях по искусственному интеллекту (ИИ). По моим скромным подсчетам, их было более тридцати. Должен отметить, что большинство тем моих докладов были тесно связаны с задачами промышленной автоматизации и внедрением новых технологий ИИ в промышленности. И, это было совсем не случайно…

На тот момент времени, я закончил работу над проектом «Создание интеллектуальной платформы и цифровых сервисов передачи, обработки и верификации гетерогенных данных «умного»-оборудования неразрушающего контроля в режиме реального времени для устройств промышленного Интернета вещей». Этот проект я делал для АО «Научно-исследовательского института интроскопии МНПО «СПЕКТР». Он реализовывался в рамках Федерального проекта «Цифровые технологии» Национальной программы «Цифровая экономика Российской Федерации» (Паспорт Программы утвержден протоколом заседания президиума Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам от 04.06.2019 № 7). Источник финансирования Проекта – грант Российского фонда развития информационных технологий (РФРИТ) в счет субсидии из федерального бюджета согласно Постановлению Правительства РФ от 03.052019 №550 «Об утверждении Правил предоставления субсидии из федерального бюджета Российскому фонду развития информационных технологий на поддержку проектов по разработке и внедрению российских решений в сфере информационных технологий» (данная информация будет вам полезна, если вы заходите сделать большой ИТ-проект, но у вас недостаточно возможностей и финансовых ресурсов).

Должен отметить, что это был уникальный опыт, который позволил мне, совместно с талантливыми коллегами из НИИИН «СПЕКТР», превратить идею цифровизации института в концепцию его цифровой трансформации, что, в последствии, повлекло за собой рождение нового проекта (о котором и идет речь). В ходе его реализации, мы провели огромную работу по анализу рынка, разработали новую архитектуру платформы, подобрали отечественную компонентную базу для производства программно-аппаратного комплекса, определили пути модернизации «умных» устройств неразрушающего контроля, разработали план развития платформы, стратегию ее продвижения на рынок, и многое, многое другое. И наконец, представили проект в более чем восьмидесяти организациях. Нужно отметить, что его поддержали основные лидеры рынка и разработчики устройств неразрушающего контроля. В результате, к нам присоединились двенадцать технологических партнеров, а также выразили свою заинтересованность в пилотировании решения и его покупке девять крупных промышленных заказчиков.

После завершения этого проекта, которому, без малого, отдал полтора года, я решил начать работу над своей новой книгой «Генеративный искусственный интеллект #Forge&flux».

Как вам, возможно, известно, когда собираешь материал для книги или статьи, приходится читать и анализировать огромное количество информации. И, в результате изучения очередного аналитического отчета, у меня окончательно сформировалось устойчивое мнение, что наиболее перспективным, с точки зрения инвестиций и темпов развития технологий, на момент 2024 года, является рынок генеративного искусственного интеллекта.

Этот факт дополнительно укрепил мое желание продолжить работу над книгой, которая подробно рассказывала читателю о принципах работы системы генеративного искусственного интеллекта Stable Diffusion WebUI Forge и о том, как с ее помощью можно создавать невероятно красивые изображения.

Продолжая свои исследования и углубляясь в поиск перспективных направлений развития и применения искусственного интеллекта, я пришел еще к одному интересному для себя выводу, что в ближайшие десять лет рынок ИИ в промышленности догонит, а возможно и обгонит, рынок генеративного ИИ. По моему скромному мнению, это произойдет по двум основным причинам. Первая заключается в том, что нет перспективнее направления, чем промышленность, вне зависимости от отрасли экономики. В ней есть огромная потребность в решении, условно говоря, бесчисленного числа прикладных задач автоматизации. Вторая причина заключается в том, что в ближайшие годы произойдет синергетический эффект от интеграции технологий генеративного ИИ в промышленный ИИ. Этот процесс вызовет целый ряд непростых технологических, технических и этических проблем. Резко возрастут риски, связанные с промышленной и информационной безопасностью. Тем не менее, со временем, риски уменьшатся, проблемы будут решены, и интеграция произойдет.

Есть еще и третья причина (которая стоит особняком от других). Суть ее заключается, как это модно сейчас говорить, в «цифровом неравенстве» и «цифровом разрыве», который на сегодняшний день имеется между отечественными разработчиками программного и аппаратного обеспечения, и мировыми ИТ-лидерами. Это «неравенство» или «разрыв» с каждым годом продолжает усиливаться. Для кого-то – это, возможно, катастрофа. На мой взгляд – это окно возможностей, которое позволит создать новые, уникальные и эффективные решения, может быть, даже, не имеющие аналогов в мире.

Нужно отметить, что для промышленности, в целом, существуют несколько основных направлений работ, к которым относятся, в том числе: автоматизация заводов, планирование производства и прогнозирование спроса на продукцию, контроль качества продукции, контроль промышленной безопасности, прогнозируемое обслуживание и многие другие. Сегодня, эти направления требуют проведения новых научно-исследовательских работ, разработки новых архитектурных решений и создания программно-аппаратных комплексов, на основе прорывных технологий, отечественного программного обеспечения и микроэлектронной базы.

Меня, в свою очередь, очень заинтересовало и увлекло направление прогнозируемого (англ. Predictive Maintenance, PdM) и предписывающего обслуживания (англ. Prescriptive Maintenance), а также, связанные с ними, вопросы разработки промышленных интеллектуальных автоматизированных систем прогнозируемого / предписывающего обслуживания. Обратите внимание на то, что последовательность слов «промышленных», «интеллектуальных» и «автоматизированных» здесь очень точна и важна, потому-то она отражает современную тенденцию или, можно так сказать, вектор развития в данной области науки и техники. Именно эта тенденция и вектор развития, по моему мнению, способствует тому, что в ближайшие годы системы прогнозируемого или предписывающего обслуживания станут рекордсменами по использованию новых технологий ИИ.

Книга, о которой идет речь – это некая квинтэссенция знаний и практический опыт, полученный мной в период с 2022 по 2026 годы, которыми я хотел бы поделиться с вами. В ней изложены предложения и, даже, высказаны некоторые смелые идеи в отношении развития направления прогнозируемого обслуживания. Чего стоит только глава «Применение ИИ для реализации алгоритмов потенциала негативности рассогласования в промышленных автоматизированных системах». В ней исследуются вопросы применения технологий ИИ для реализации уникальных алгоритмов, созданных на основе процессов обработки сенсорной информации в мозге человека, которые происходят без участия сознательных усилий и фокусировки внимания, так называемого феномена, который называется «потенциал негативности рассогласования». Но, не будем забегать вперед.

Данная книга написана для широкого круга читателей. Она позволит ученым и инженерам ускорить процесс поиска оптимальных путей решения задач проектирования и создания автоматизированных систем прогнозируемого или предписывающего обслуживания. Книга будет также полезна руководителям предприятий. Они смогут детально разобраться в предметной области, понять, насколько непростой является задача автоматизации прогнозируемого обслуживания, почему необходимо инвестировать значительные финансовые средства в ее решение, и какой экономический эффект будет от ее реализации. Практика показывает, что затраты на ремонт и устранение неполадок (в особенности, если эти затраты связаны с остановкой всего производства или устранением последствий катастроф) очень часто превышают затраты на внедрение и эксплуатацию автоматизированной системы. Заслуживает внимания тот факт, что эффект от внедрения интеллектуальных систем прогнозируемого или предписывающего обслуживания на промышленных предприятиях (согласно исследованиям Министерства энергетики США «O&M (operations and maintenance) Best Practices Guide, Release 3.0») может повысить экономию затрат на 30-40%, увеличить рост производительности на 20-25%, сократить расходы на техническое обслуживание на 25-30%, сократить время простоя на 35-45%, устранить поломки на 70-75%, и многое другое. Оказывается, что этот «сказочный» эффект действительно возможен для предприятий, которые ранее использовали только профилактическое обслуживание. А почему он сказочный, да потому, что любой реальный руководитель промышленного предприятия вам скажет, что рост производительности на 3-5% или экономия затрат на 5-10% — это уже хорошее достижение.

Хочется надеяться, что в результате прочтения книги, вы придете к мнению о том, что интеграция новых технологий ИИ с производственными системами позволяет создавать новые интеллектуальные производственные среды и цифровые экосистемы, способные адаптироваться к внутренним и внешним изменениям, и оптимизировать внутренние и внешние процессы управления и производства в реальном времени. Это мнение, несомненно, рано или поздно, приведет нас к пониманию необходимости создания и развития сетевых предприятий и реализации концепции «умных» фабрик будущего.

Весь материал в книге подобран и структурирован таким образом, чтобы читатель мог начать читать ее практически с любой главы. Каждая глава книги прошла рецензирование. Основные положения исследований были опубликованы в научных журналах из перечня Высшей аттестационной комиссии (ВАК) (возможно именно поэтому стиль изложения материала может показаться вам близким к научному). Нужно отметить, что книга не состоит из научных статей, а совсем наоборот, статьи появились из глав книги (это трудоемкий процесс, но очень интересный). Практическим результатом работы являются разработанные программы для ЭВМ (получены свидетельства о государственной регистрации). Исходные коды и свидетельства представлены в Приложениях 1 – 2.

P.S.

Можете ли себе представить, что над этой книгой я работал больше одного года? Да. именно так. 14 месяцев. С марта 2025 года и по май 2026. Что вышло, судите сами…

Изображение робота нарисовано автором книги в системе Stable Diffusion WebUI Forge. О том, как это делается вы можете узнать из моей книги «Генеративный искусственный интеллект #Forge&flux. Учебное пособие для школьников старших классов и студентов первых курсов вузов».

Приятного вам чтения и продуктивной работы!

Ваш Александр Чесалов.

***

Другие мои публикации:

1. Галкин Д.И., Чесалов А.Ю. (2023) Перспективы цифровой трансформации производителей оборудования неразрушающего контроля на примере опыта НИИИН МНПО «СПЕКТР» // XXIII Всероссийская научно-техническая конференция по неразрушающему контролю и технической диагностике «Умные технологии НК. Единство теории и практики»: сб. тр. Москва, 23 – 25 октября 2023 г. С. 187-170. – М.: Издательский дом «Спектр», 2023. – С. 167 – 170.
2. Палюх Б.В., Чесалов А.Ю. (2023) Методологический подход к цифровой трансформации предприятий отрасли производителей оборудования неразрушающего контроля // «Инжиниринг предприятий и управление знаниями» (ИП&УЗ – 2023) : сборник научных трудов XXVI Российской научной конференции. 29 – 30 ноября 2023 г. / под науч. ред. д.э.н. Ю.Ф. Тельнова. – Москва: ФГБОУ ВО «РЭУ им. Г.В. Плеханова», 2023. – С. 256 – 260.
3. Галкин Д. И., Ефимов А. Г., Чесалов А. Ю. Перспективы создания цифровой инфраструктуры данных в неразрушающем контроле на примере неразрушающего контроля сварных соединений // Состояние и основные направления развития неразрушающего контроля сварных соединений объектов ПАО “Газпром”: Тезисы докладов IX Отраслевого совещания, Санкт-Петербург, 20–23 ноября 2023 года. – Санкт-Петербург: Научно-исследовательский институт природных газов и газовых технологий – Газпром ВНИИГАЗ, 2023. – С. 13. – EDN TQNBYU.
4. Галкин Д.И., Ефимов А.Г., Чесалов А.Ю. (2024) Перспективы создания цифровой инфраструктуры данных в НК // Территория NTD – январь-март – 2024. – С. 62 – 65.
5. Чесалов А.Ю. Применение прорывных технологий искусственного интеллекта в промышленных экосистемах Индустрии 4.0. // Перспективные интеграционные процессы в мировой экономике: нооподход / Сборник материалов IX Санкт-Петербургского международного экономического конгресса (СПЭК-2024) / Под общ. ред. С.Д. Бодрунова. Том 2. — М.: ИНИР им. С.Ю. Витте, 2024. — С. 176-184.
6. Палюх Б.В., Чесалов А.Ю. Современные подходы к созданию автоматизированных систем прогнозируемого обслуживания многостадийных технологических процессов в промышленности. // «Инжиниринг предприятий и управление знаниями» (ИП&УЗ – 2024): сборник научных трудов XXVII Российской научной конференции. 28 – 29 ноября 2024 г. Том 1. / под науч. ред. д.э.н. Ю.Ф. Тельнова. – Москва: ФГБОУ ВО «РЭУ им. Г.В. Плеханова», 2024. – С. 351 – 357.
7. Чесалов А.Ю. Перспективы развития автоматизированных систем прогнозируемого обслуживания в промышленности на основе технологий искусственного интеллекта. // «Развитие современной науки и технологий в условиях трансформационных процессов», (2025, Москва): сборник материалов XXXII Международной научно-практической конференции (шифр – МКНТ 32). Москва, 12 июня 2025 г. – Издательство «Знание-М», 2025. – С. 47 – 55. https://elibrary.ru/item.asp?id=82748889&pff=1
8. Палюх Б.В., Чесалов А.Ю. Новая архитектура автоматизированных систем прогнозируемого обслуживания на основе технологий искусственного интеллекта и алгоритмов потенциала негативности рассогласования. // «Механизмы достижения национальных целей России» (2025, Москва): сборник статей XIV Международной научно-практической конференции «Абалкинские чтения». 23–24 апреля 2025 г. / под ред. С. Д. Валентея. – Москва: ФГБОУ ВО «РЭУ им. Г. В. Плеханова», 2025. – С. 283 – 290.
9. Чесалов А.Ю. Применение искусственного интеллекта для реализации алгоритмов потенциала негативности рассогласования в промышленных автоматизированных системах прогнозируемого обслуживания // Открытое образование. 2025; 29(3): 11-21. https://doi.org/10.21686/1818-4243-2025-3-11-21
10. Палюх Б.В., Чесалов А.Ю. Роль современных технологий искусственного интеллекта в создании и развитии автоматизированных систем прогнозируемого и предписывающего обслуживания в промышленности // Современная наука: актуальные проблемы теории и практики: серия «Естественные и Технические науки». – 2025. – №5. – С. 147 – 155. DOI 10.37882/2223-2966.2025.05.29
11. Чесалов А.Ю. Тенденции развития периферийного искусственного интеллекта в автоматизации технологических процессов // Автоматизация в промышленности. – 2025. – №7. – С. 9 – 14. [Электронный ресурс] 2025 URL: https://avtprom.ru/article/tendentsii-razvitiya-periferiino (дата обращения: 10.10.2025).
12. Чесалов А.Ю. Математическая модель снижения неопределенности на основе теории свидетельств Демпстера–Шафера на уровне сбора данных в автоматизированных системах прогнозируемого обслуживания // Динамика сложных систем – XXI век. – 2025. Т. 19. № 4. С. 62−74. DOI: 10.18127/j19997493-202504-07
13. Чесалов А.Ю. Этические аспекты использования искусственного интеллекта в промышленности // Автоматизация в промышленности. – 2025. – №10. – С. 33 – 39. [Электронный ресурс] 2025 URL: https://avtprom.ru/article/eticheskie-aspekty-ispolzovaniya (дата обращения: 10.10.2025).
14. Чесалов А.Ю. Анализ возможности применения модели OpenThinker2-32B в автоматизированных системах прогнозируемого обслуживания для малых и средних промышленных предприятий // Нейрокомпьютеры: разработка, применение. – 2025. Т. 27. № 5. С. 56–70. DOI: https://doi.org/10.18127/j19998554-202505-07
15. Чесалов А.Ю. Применение больших языковых моделей в автоматизированных системах прогнозируемого обслуживания промышленного оборудования // Society, science, practice»: материалы XI Международной научно-практической конференции (15 декабря 2025 г., г. Москва). М.: АНО ДПО «Университет ИТБО», КРСУ им. первого Президента Российской Федерации Б.Н. Ельцина, 2025. – С. 84-92. DOI: 10.26118/y2517-2117-6897-r
16. Чесалов А.Ю. Задача снижения неопределенности данных в системах прогнозируемого обслуживания на основе теории Демпстера–Шафера, как элемент цифровой трансформации промышленных предприятий // Инжиниринг предприятий и управление знаниями (ИП&УЗ-2025): сборник научных трудов XXVIII Российской научной конференции. 4–5 декабря 2025 г. / под науч. ред. Ю. Ф. Тельнова. – Москва : ФГБОУ ВО «РЭУ им. Г. В. Плеханова», 2025. — С. 365 – 372.
17. Чесалов А.Ю. Актуальные вопросы этики применения искусственного интеллекта в промышленности // «Научный поиск: фундаментальные и прикладные аспекты»: сборник статей III Международной научно-практической конференции (29 января 2026 г., г. Петрозаводск). — Петрозаводск: МЦНП «НОВАЯ НАУКА», 2026. — С. 11-17. DOI 10.46916/02022026-6-978-5-00215-995-6
18. Громов С.В., Чесалов А.Ю. Концептуальная архитектура автоматизированной системы оценки остаточного срока службы промышленного оборудования // Science and technology research – 2026: сборник статей Международной научно-практической конференции (5 февраля 2026 г.). — Петрозаводск: МЦНП «НОВАЯ НАУКА», 2026. — С. 15-21. DOI 10.46916/09022026-4-978-5-00276-001-5
19. Чесалов А.Ю. Роль периферийного искусственного интеллекта в реализации стратегии прогнозируемого обслуживания промышленного оборудования // «Современные тенденции развития науки и мирового сообщества в эпоху цифровизации», (2026, Москва). Сб. материалов 39 Международной научно-практической конференции – Москва: Издательство АНО ДПО «Университет ИТБО», 2026. – С. 203 – 209. DOI 10.26118/8565.2026.94.45.018
20. Чесалов А.Ю. Интеллектуальная диагностика технического состояния промышленного оборудования в условиях неопределенности данных // Будущее науки 2026 : сборник статей Международного научно-исследовательского конкурса (18 февраля 2026 г.). — Петрозаводск: МЦНП «НОВАЯ НАУКА», 2026. — С. 143 – 151. DOI 10.46916/20022026-2-978-5-00276-011-4
21. Чесалов А.Ю. Передовые направления развития промышленной автоматизации в рамках концепции человекоцентричной адаптивной стратегии развития цифрового общества. // «Развитие науки и практики в глобально меняющемся мире в условиях рисков», (2026, Москва). Сб. материалов 4 (IV) Международной научнопрактической конференции, Издательство «АНО ДПО «Университет ИТБО», 2026. – С. 243 – 248. DOI: 10.26118/7153.2026.64.69.008
22. Чесалов А.Ю. Цифровая трансформация промышленности и железнодорожного транспорта // Автоматика, связь, информатика. – 2026. – №4. – С. 21 – 25. DOI: 10.62994/AT.2026.4.4.005
23. Чесалов А.Ю. Снижение неопределенности данных в системах периферийного искусственного интеллекта // Scientific research: материалы XII Международной научно-практической конференции (26 января 2026г., г. Москва). М.: АНО ДПО «Университет ИТБО», КРСУ им. Первого Президента Российской Федерации Б.Н. Ельцина, 2026. – С. 51-58. DOI 10.26118/2183.2026.92.90.008
24. Чесалов А.Ю. Современный подход к построению предсказательных моделей на основе исторического опыта эксплуатации промышленного оборудования // Современная наука: актуальные проблемы теории и практики: Серия «Естественные и Технические науки». – 2026. – №3. – С. 214 – 219. DOI 10.37882/2223-2966.2026.03.47