Интеллектуальные системы на службе заводов: как предсказать поломку и сэкономить миллионы. Технологии умных фабрик и прогнозируемое обслуживание. Монография

Рецензент чл.-корр. РАН, д-р. техн. наук Валерия Викторовна Грибова

Рецензент д-р. техн. наук Александр Григорьевич Гудков

Рецензент д-р. техн. наук Юрий Петрович Степин

Рецензент д-р. техн. наук Вадим Владимирович Борисов

Иллюстратор Александр Юрьевич Чесалов

Дизайнер обложки Александр Юрьевич Чесалов

© Александр Юрьевич Чесалов, 2026

© Александр Юрьевич Чесалов, иллюстрации, 2026

© Александр Юрьевич Чесалов, дизайн обложки, 2026

ISBN 978-5-0070-0487-9

Создано в интеллектуальной издательской системе Ridero

От Автора

«Наука должна заниматься тем, чего „не может быть“, а то, что „может быть“, — это уже не наука, а технология», — советский физик, инженер и инноватор, Академик АН СССР, нобелевский лауреат Петр Леонидович Капица.

Добрый день, дорогие друзья и коллеги!

Представляю вам свою новую и полную 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).

Рисунок 1. Выступление на всероссийском промышленно-энергетическом форуме в МГТУ им. Н. Э. Баумана. Москва. 2025 год

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.

Рисунок 2. Оценка мирового рынка генеративного искусственного интеллекта к 2032 году. Пример слайда из доклада на One AI Forum. Минск. Беларусь. 2024 год

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 двух 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.

Рисунок 3. Оценка мирового рынка промышленной автоматизации к 2029 году. Пример слайда из доклада на One AI Forum. Минск. Беларусь. 2024 год

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, которую вы держите в руках — это некая квинтэссенция знаний и практический опыт, полученный мной в период с 2022 по 2026 годы, которым 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 [1]. 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. Тем не менее, как мы можем видеть, существуют очень смелые оценки.

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, в свою очередь, рано или поздно, приведет нас к пониманию необходимости создания и развития концепции сетевых предприятий и реализации «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 по этой причине, 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, требующий предельной концентрации в работе, но очень интересный и увлекательный). Практическим результатом работы являются разработанные программы для ЭВМ, на которые получены свидетельства о государственной регистрации (Приложения 1 — 2).

P.S.

Изображение робота нарисовано автором данной 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.

Благодарность

Выражаю глубокую благодарность всем тем людям, которые вдохновили меня своим примером, поддержали в моих исследованиях и помогли мне поверить в свои силы, чтобы провести работу над накопленным за последние годы теоретическим материалом и практическим опытом, а также написать и издать эту книгу.

Особую благодарность выражаю:

• Моему Учителю, научному руководителю, заведующему кафедрой «Информационные системы» с 1994 года и по настоящее время Тверского государственного технического университета, заслуженному работнику высшей школы Российской Федерации, доктору технических наук, профессору Борису Васильевичу Палюху.

• Члену Совета при Президенте Российской Федерации по науке и образованию, ректору МГТУ им. Н. Э. Баумана, кандидату технических наук Михаилу Валерьевичу Гордину.

• Почетному работнику сферы образования РФ, проректору МГТУ им. Н. Э. Баумана по науке и цифровому развитию, заведующему кафедрой ИБМ6, доктору экономических наук, профессору Павлу Анатольевичу Дроговозу.

• Директору по стратегии МГТУ им. Н. Э. Баумана, доценту кафедры ИБМ6 Елене Евгеньевне Литвиновой.

• Декану факультета «Информатика и системы управления» МГТУ им. Н. Э. Баумана, доктору технических наук, профессору Андрею Викторовичу Пролетарскому.

• Заведующему кафедрой прикладной информатики и информационной безопасности Российского экономического университета им. Г. В. Плеханова, доктору экономических наук, профессору Юрию Филипповичу Тельнову.

Выражаю благодарность всем ученым, которые поддержали меня в моей инициативе опубликовать монографию, нашли время на ознакомление с данной работой, высказали свои пожелания и замечания, и подготовили на нее свои рецензии, а именно:

• Заместителю директора по научной работе, доктору технических наук, члену-корреспонденту РАН Института автоматики и процессов управления ДВО РАН Валерии Викторовне Грибовой.

• Президенту Российской ассоциации искусственного интеллекта, доктору технических наук, профессору кафедры «Вычислительная техника» филиала ФГБОУ ВО «НИУ «МЭИ» в г. Смоленске Вадиму Владимировичу Борисову.

• Доктору технических наук, профессору кафедры «Технологии приборостроения» (РЛ6) МГТУ им. Н. Э. Баумана, главному редактору Журнала «Нанотехнологии: разработка, применение — XXI век» Александру Григорьевичу Гудкову.

• Доктору технических наук, профессору кафедры автоматизированных систем управления РГУ нефти и газа (НИУ) имени И. М. Губкина Юрию Петровичу Степину.

Благодарю редакторов журналов: «Открытое образование», «Автоматизация в промышленности», «Нейрокомпьютеры: разработка, применение», «Динамика сложных систем — XXI век», «Современная наука», «Информационные технологии и вычислительные системы» из списка ВАК, а также моих рецензентов и консультантов за неоценимую помощь.

Об авторе

Александр Юрьевич Чесалов родился 10 февраля 1977 года в городе Тверь, Российская Федерация.

Экономист по образованию со специализацией «Информационные системы в экономике». Окончил с отличием Тверской Государственный Технический Университет. Защитил докторскую диссертацию на тему «Методология определения операционных характеристик и рациональной структуры региональных распределенных сервисных сетей передачи, обработки и хранения данных».

С 2009 года основатель и руководитель ИТ-компании «Программные системы Атлансис» («Atlansys Software»), которая является одним из лидеров российского рынка в области разработки систем промышленной автоматизации и кибербезопасности (сайт компании: www.atlansys.tech).

В 2021 году был приглашен в МГТУ им. Н. Э. Баумана для создания Центра искусственного интеллекта. Работает там же, по настоящее время, в качестве эксперта по стратегии программы «Приоритет 2030» и руководителя проекта «Королев ИИ».

Имеет сертификаты в области ИТ и искусственного интеллекта: IBM Professional certificate foundations of AI; IBM Professional certificate Essential Technologies for Business; Rutgers the State University of New Jersey: New Technologies for Business Leaders; University of London; Deeplearning.ai; Microsoft Azure; BSI ISO/IEC 27001; IBM DB2; IBM Lotus Domino и другие.

Александр Юрьевич ведет активную экспертную деятельность. Он является членом Экспертного совета при Комитете Государственной Думы по науке и высшему образованию по вопросам развития информационных технологий в сфере образования и науки, а также членом Российской ассоциации искусственного интеллекта (РАИИ). Спикер TEDx.

Автор более тридцати пяти книг. Среди них наиболее известны следующие: «Как создать центр искусственного интеллекта за 100 дней»; «Генеративный искусственный интеллект #Forge&flux»; «Невероятный искусственный интеллект Easy Diffusion 3.0»; «Интеллектуальные системы на службе заводов: как предсказать поломку и сэкономить миллионы»; «Цифровая экосистема Института омбудсмена: концепция, технологии, практика»; «Глоссариум по искусственному интеллекту: 2500 терминов»; «Методология построения распределенных сетей передачи, обработки и хранения данных» в двух томах, и многие другие.

Блог автора: chesalov.com

Краткое содержание книги

Глава 1. Основные технологические направления цифровой трансформации промышленности Российской Федерации до 2035 года

В данной главе проводится комплексный анализ ключевых мировых трендов, определяющих траекторию цифровой трансформации промышленности на ближайшее десятилетие. На основе синтеза данных международных исследований и прогнозов аналитических агентств, выявляются три взаимосвязанных вектора развития: технологическая конвергенция (искусственный интеллект, интернет вещей, цифровые двойники), фундаментальная перестройка производственных моделей (переход к гиперавтоматизированным и человекоцентричным системам) и ответ на макровызовы (технологический суверенитет, кибербезопасность, трансформация рынка труда). Также, в статье выделены и проанализированы пять фундаментальных технологических направлений, определяющих траекторию цифровой трансформации промышленного комплекса Российской Федерации до 2035 года. На основе анализа текущего состояния экономики, стратегических документов и глобальных трендов обосновывается ключевая роль: промышленного искусственного интеллекта; технологии цифровых двойников; промышленного интернета вещей и периферийных вычислений; аддитивных и гибридных производственных технологий; платформенных решений и экосистем. Исследование фокусируется на специфике их внедрения в условиях импортозамещения, необходимости обеспечения технологического суверенитета и трансформации кадрового потенциала. Делается вывод о том, что успех цифровой трансформации промышленности России к 2035 году будет определяться не одной «прорывной» технологией, а синергией пяти ключевых технологических направлений.

Глава 2. Роль современных технологий искусственного интеллекта (ИИ) в создании и развитии автоматизированных систем прогнозируемого и предписывающего обслуживания.

Основная цель данной главы заключается в определении основных информационно-технологических направлений и технологий, которые необходимо создавать, развивать и использовать в современных автоматизированных системах прогнозируемого и предписывающего обслуживания в промышленности.

В ней сформирован перечень приоритетных производственных задач автоматизации во взаимосвязи с современными технологиями и технологиями искусственного интеллекта (ИИ) в условиях перехода от концепции цифровой экономики к экономике данных. Выполнен анализ возможности интеграции ИИ с такими системами, как система управления производством, система управления активами предприятия, система планирования ресурсами, система управления качеством продукции, компьютеризированной системой управления техническим обслуживанием.

Глава 3. Базовый подход к созданию автоматизированных систем прогнозируемого обслуживания в промышленности.

В главе исследуются современные подходы к созданию автоматизированных систем прогнозируемого и предписывающего обслуживания. Делается основной акцент на необходимость применения технологий ИИ для их создания, эксплуатации и развития. Указывается необходимость совместного применения методов нейронных сетей и теории свидетельств Демпстера—Шафера, в части уменьшения уровня неопределенности входных данных и увеличения уровня доверия к выходным данным. Предложены два базовых варианта архитектуры автоматизированных систем прогнозируемого / предписывающего обслуживания. Приведены данные об эффективности применения автоматизированных систем прогнозируемого и предписывающего обслуживания в промышленности.

Глава 4. Концептуальная архитектура автоматизированной системы прогнозируемого обслуживания с использованием перспективных технологий ИИ.

Данная глава является логическим продолжением предыдущий. В ней представлена концептуальная конвергентная архитектура автоматизированной системы прогнозируемого / предписывающего обслуживания, созданная с учетом применения новых технологий ИИ.

Предлагаемое архитектурное решение состоит из пяти основных логических уровней (условно, подсистем) и их функциональных модулей, позволяющих собирать и обрабатывать данные для решения широкого спектра производственных задач.

В данной главе, при разработке концептуальной архитектуры, особое внимание уделено перспективным технологиям, которые систематизированы и распределены по соответствующим им уровням автоматизированной системы. При проектировании архитектуры, учтены гибридные подходы, сочетающие принципы, основанные на управлении данными и физические принципы работы устройств промышленного интернета вещей и промышленного оборудования.

Глава 5. Тенденции развития технологий периферийного ИИ (Edge AI) в автоматизации технологических процессов.

Основная задача, которая ставится в этой главе — это всестороннее изучение возможности широкого применения периферийного искусственного интеллекта (англ. Edge AI) в автоматизации технологических процессов в промышленности, в рамках предложенной ранее концептуальной архитектуры автоматизированной системы прогнозируемого / предписывающего обслуживания.

Результаты проведенного анализа показывают, что для решения актуальных задач промышленной автоматизации необходимо внедрять и развивать технологии периферийного искусственного интеллекта в тесной взаимосвязи с интеграцией их со скоростными сетями передачи данных нового поколения, интеллектуальными системами диагностики и автономными системами поддержки принятия решений.

Глава 6. Решение задачи снижения неопределенности данных на уровне сбора и агрегации данных в автоматизированных системах прогнозируемого обслуживания.

В рамках продолжения исследования использования периферийного ИИ в промышленности, в данной главе представлена базовая математическая модель снижения неопределенности данных, поступающих с периферийных устройств (датчиков, шлюзов и других) промышленного Интернета вещей, обрабатываемых в системах прогнозируемого обслуживания, разработанная на основе теории свидетельств Демпстера—Шафера, которая позволяет повысить точность прогнозов состояний работы эксплуатируемого оборудования, а также внести необходимые уточнения в графики и расписания проведения различных видов работ, необходимых для поддержания оборудования в рабочем состоянии. Представленная базовая модель хорошо подходит для малодостоверных или неоднозначных показаний датчиков.