izmertechИзмерительная техникаIzmeritel`naya Tekhnika0368-10252949-5237ФГУП "ВНИИФТРИ"10.32446/0368-1025it.2026-1-101-110izmertech-2418Research ArticleДИСКУССИОННЫЕ ВОПРОСЫ МЕТРОЛОГИИDISCUSSION ISSUES OF METROLOGYПути решения проблем создания предиктивных измерительных системWays to solve the problems of creating predictive measurement systemshttps://orcid.org/0000-0002-5882-3160СулаберидзеВ. Ш.SulaberidzeV. Sh.

Владимир Шалвович Сулаберидзе, д-р техн. наук, старший научный сотрудник, ведущий научный сотрудник научно-исследовательской лаборатории теоретической метрологии

190005, Санкт-Петербург, Московский пр., 19

Vladimir Sh. Sulaberidze, D. Sci. (Engineering), Senior Researcher, Leading Researcher of the Research Laboratory of Theoretical Metrology

190005, St. Petersburg, Moskovsky ave., 19

sula_vlad@mail.ruhttps://orcid.org/0000-0002-6222-5884ЧуновкинаА. Г.ChunovkinaA. G.

Анна Гурьевна Чуновкина, д-р техн. наук, руководитель отдела метрологии; профессор кафедры метрологического обеспечения инновационных технологий и промышленной безопасности

190005, Санкт-Петербург, Московский пр., 19; 190121, Санкт-Петербург, ул. Большая Морская, д. 67, лит. А

Anna G. Chunovkina, D. Sci. (Engineering), Head of the Metrology Department; Professor at the Department of Metrological Support for Innovative Technologies and Industrial Safety

190005, St. Petersburg, Moskovsky ave., 19; 190121, Russia, St. Petersburg, Bolshaya Morskaya st., 67, bldg. A

a.g.chunovkina@vniim.ruПронинА. Н.ProninA. N.

Антон Николаевич Пронин, генеральный директор 

190005, Санкт-Петербург, Московский пр., 19

Anton N. Pronin, Director 

190005, St. Petersburg, Moskovsky ave, 19

A.N.Pronin@vniim.ruhttps://orcid.org/0009-0005-0472-6962НеклюдоваА. А.NekliudovaA. A.

Анастасия Александровна Неклюдова, канд. техн. наук, главный метролог,доцент кафедры теоретической и прикладной метрологии; доцент кафедры метрологического обеспечения инновационных технологий и промышленной безопасности

190005, Санкт-Петербург, Московский пр., 19; 190121, Санкт-Петербург, ул. Большая Морская, д. 67, лит. А

ResearcherID: O-3887–2018

Anastasia A. Nekliudova, Cand. Sci. (Engineering), Chief Metrologist, Associate Professor of the Department of Theoretical and Applied Metrology; Associate Professor at the Department of Metrological Support for Innovative Technologies and Industrial Safety

190005, St. Petersburg, Moskovsky ave, 19; 190121, St. Petersburg, BolshayaMorskaya st., 67, bldg. A

ResearcherID: O-3887–2018

a.a.tsurko@vniim.ruhttps://orcid.org/0000-0002-9868-1531ТомскийК. А.TomskyiK. A.

Константин Абрамович Томский, д-р техн. наук, профессор кафедры «Теоретическая и прикладная метрология»

190005, Санкт-Петербург, Московский пр., 19

Konstantin A. Tomskyi, D. Sci. (Engineering), Professor of the Department of Theoretical and Applied Metrology

190005, St. Petersburg, Moskovsky ave., 19

tka46@mail.ruВсероссийский научно-исследовательский институт метрологии им. Д. И. МенделееваРоссияD. I. Mendeleyev Institute for MetrologyRussian FederationВсероссийский научно-исследовательский институт метрологии им. Д. И. Менделеева; Санкт-Петербургский государственный университет аэрокосмического приборостроенияРоссияD. I. Mendeleyev Institute for Metrology; Saint-Petersburg State University of Aerospace InstrumentationRussian FederationВсероссийский научно-исследовательский институт метрологии им. Д. И. МенделееваRussian Federation202614032026751101110Copyright © ФГУП "ВНИИФТРИ", 20262026ФГУП "ВНИИФТРИ"ФГУП "ВНИИФТРИ"https://www.izmt.ru/jour/about/submissions#copyrightNoticehttps://www.izmt.ru/jour/article/view/2418

Рассмотрены основные проблемы создания предиктивных измерительных систем. Показана роль предиктивной аналитики, цифровых моделей и цифровых двойников измерительных систем в прогнозировании дрейфа метрологических характеристик, оценке остаточного ресурса и снижения риска метрологического отказа. Рассмотрены ключевые аспекты развития интеллектуальных измерительных систем: требования к метрологическому обеспечению и особенности средств измерений на основе искусственного интеллекта, влияние их много компонентности и непрозрачности алгоритмов на процедуры поверки, калибровки и метрологического самоконтроля. На основе действующих стандартов и научных публикаций оценена терминология, используемая в данной области, предложено определение предиктивной измерительной системы, включающее функции прогнозирования как параметров технологического процесса, так и метрологической надёжности средств измерений. Сформулированы рекомендации по совершенствованию методов оценки риска метрологического отказа и отмечена необходимость детализации требований к интеллектуальным измерительным системам посредством разработки (пересмотра) стандартов.

The main problems of creating predictive measurement systems are considered. The role of predictive analytics, digital models and digital twins of measuring systems in predicting the drift of metrological characteristics, estimating the remaining resource and reducing the risk of metrological failure is shown. The key aspects of the development of intelligent measuring systems are considered: requirements for metrological support and features of measuring instruments based on artifi cial intelligence, the infl uence of their multicomponence and opacity of algorithms on the procedures of verifi cation, calibration and metrological self-control. Based on current standards and scientifi c publications, the terminology used in this fi eld is evaluated, and a defi nition of a predictive measuring system is proposed, including functions for predicting both process parameters and the metrological dependability of measuring instruments. Recommendations are formulated to improve methods for assessing the risk of metrological failure and the need to detail the requirements for intelligent measuring systems through the development (revision) of standards is noted.

интеллектуальная измерительная системаадаптивная измерительная системапредиктивная измерительная системаавтоматизированная техническая системаавтоматизированная измерительная системапредиктивная аналитикацифровизация технологического процессацифровой двойниксредства измеренийискусственный интеллектметрологическая надёжностьриск метрологического отказаintelligent measuring systemadaptive measuring systempredictive measuring systemautomated technical systemautomated measuring systempredictive analyticsdigitalization of the technological processdigital twinmeasuring instrumentsartificial intelligencemetrological dependabilityrisk of metrological failureАвторы заявляют, что во время подготовки данной рукописи не было получено никаких средств, грантов или другой поддержки.The authors declare that no funds, grants, or other supports were received during the preparation of this manuscript.ReferencesШепелева О. С., Ткачёва К. А. Этика и «цифра»: этические проблемы цифровых технологий. https://ethics. cdto.ranepa.ru (дата обращения: 08.06.2025).Shepeleva O. S., Tkacheva K. A. Ethics and “numbers”: ethical issues of digital technologies. (In Russ.) https://ethics. cdto.ranepa.ru (accessed: 8 Jun 2025).Искусственный интеллект в России: разработка и применение: доклад. Под ред. Гохберга Л. М., Рудника П. Б., Абдрахмановой Г. И. Национальный исследовательский университет «Высшая школа экономики», Москва (2025). https://issek.hse.ru/mirror/pubs/share/1053986532.pdf (дата обращения: 08.06.2025).Artifi cial intelligence in Russia: development and application: report. Gokhberg L. M., Rudnik P. B., Abdrakhmanova G. I. (ed.), National Research University Higher School of Economics, Moscow (2025). (In Russ.) https://issek.hse.ru/ (accessed: 8 June 2025).Сигель Э. Просчитать будущее: Кто кликнет, купит, соврёт или умрёт. Альпина Паблишер, Москва (2014).Siegel E. Calculate the future: Whoever clicks, buys, lies or dies. Al’pina Pablisher, Moscow (2014). (In Russ.)Shabbir J., Anwer T. Artifi cial Intelligence and its role in near future. 1 Apr 2018. . https://doi.org/10.48550/arXiv.1804.01396Shabbir J., Anwer T. Artifi cial Intelligence and its role in near future. 1 Apr 2018. https://doi.org/10.48550/arXiv.1804.01396Qomariyah N. N. Artifi cial Intelligence Defi nition. https://international.binus.ac.id/computer-science/2020/11/09/artifi cialintelligence-defi nition/ (дата обращения: 20.05.2025).Qomariyah N. N. Artifi cial Intelligence Defi nition. https://international.binus.ac.id/computer-science/2020/11/09/artifi cialintelligence-definition/ (accessed: 20 May 2025).De Kleijn M., Siebert M. Huggett S. Artificial Intelligence: how knowledge is created, transferred and used (2019). https://repository.ifla.org/handle/20.500.14598/6732 (дата обращения: 28.01.2026).De Kleijn M., Siebert M. Huggett S. Artifi cial Intelligence: how knowledge is created, transferred and used (2019). https://repository.ifla.org/handle/20.500.14598/6732 (accessed: 28 Jan 2026).Artifi cial Intelligence, machine learning, and deep learning: same context, different concepts (2018). https://master-iesc-angers. com/artifi cial-intelligence-machine-learning-and-deep-learning-same-context-different-concepts/ (дата обращения: 20.05.2025).Artifi cial Intelligence, machine learning, and deep learning: same context, different concepts. (2018). https://master-iescangers.com/artificial-intelligence-machine-learning-and-deep-learning-same-context-different-concepts/ (accessed: 20 May 2025).Legg S., Hutter M. A collection of defi nitions of intelligence. 25 Jun 2007. https://doi.org/10.48550/arXiv.0706.3639Legg S., Hutter M. A collection of defi nitions of intelligence. 25 Jun 2007. https://doi.org/10.48550/arXiv.0706.3639Nilsson N. J. The Quest for Artifi cial Intelligence: A History of Ideas and Achievements. Cambridge University Press, England (2010).Nilsson N. J. The Quest for Artifi cial Intelligence: A History of Ideas and Achievements. Cambridge University Press, England (2010). 10. Russell S., Norvig P. Artifi cial Intelligence: A Modern Approach. 4th US ed. Prentice Hall, USA (2020). 11. Martinez R. Artificial Intelligence: Distinguishing Between Types & Defi nitions (2019). https://www.academia.edu/102674235/Artifi cial_Intelligence_Distinguishing_Between_Types_and_Defi nitions (accessed: 20 May 2025).Russell S., Norvig P. Artifi cial Intelligence: A Modern Approach. 4th US ed. Prentice Hall, USA (2020).Valtorta M. Artifi cial Intelligence. University of South Carolina, Columbia (2008).Martinez R. Artifi cial Intelligence: Distinguishing Between Types & Defi nitions (2019). https://www.academia.edu/102674235/Artifi cial_Intelligence_Distinguishing_Between_Types_and_Definitions (дата обращения: 20.05.2025).Winston P. H. Artifi cial Intelligence. Addison-Wesley Publishing Company, USA (1992).Valtorta M. Artifi cial Intelligence. University of South Carolina, Columbia (2008).Ballester O. An Artifi cial Intelligence defi nition and classifi cation framework for public sector applications. DG.O’21: Proc. 22nd Annual International Conference on Digital Government Research, June 09–11, 2021, Omaha, NE, USA, рр. 67–75 (2021). https://doi.org/10.1145/3463677.3463709Winston P. H. Artifi cial Intelligence. Addison-Wesley Publishing Company, USA (1992).Solopchenko G. N. Measurement information systems. Study guide for university students. Izdatel’stvo Politekhnicheskogo un-ta, St. Petersburg (2015). (In Russ.)Ballester O. An Artifi cial Intelligence defi nition and classifi cation framework for public sector applications. DG.O’21: Proc. 22nd Annual International Conference on Digital Government Research, June 09–11, 2021, Omaha, NE, USA, рр. 67–75 (2021). https://doi.org/10.1145/3463677.3463709Udovichenko E. T., Bragin A. A., Semenyuk A. L. et al. Metrological support of measuring information systems (theory, methodology, organization). Izdatel’stvo standartov, Moscow (1991). (In Russ.)Солопченко Г. Н. Измерительные информационные системы. Учебное пособие для студентов высших учебных заведений. Изд-во Политехнического ун-та, Санкт-Петербург (2015).Yashin V. N. Evaluation of metrological reliability of measuring instruments by method of generating functions. Vestnik of Samara State Technical University. Technical Sciences Series. 28(2), 84–96 (2020). (In Russ.) https://doi.org/10.14498/tech.2020.2.6 ; https://elibrary.ru/cvwgncУдовиченко Е. Т., Брагин А. А., Семенюк А. Л. и др. Метрологическое обеспечение измерительных информационных систем (теория, методология, организация). Издательство стандартов, Москва (1991).Protasov A. A., Shirmanov A. V., Radomanov S. I. Priority tasks of the introduction of artifi cial intelligence technologies in the interests of automating the activities of military command and control bodies. Informatization and communication, (2), 91–94 (2021). (In Russ.) https://doi.org/10.34219/2078-8320-2021-12-2-91-94 ; https://www.elibrary.ru/maeexoЯшин В. Н. Оценка метрологической надежности средств измерений с использованием метода производящих функций. Вестник Самарского государственного технического университета. Серия «Технические науки». 28(2), 84–96 (2020). https://doi.org/10.14498/tech.2020.2.6 ; https://elibrary.ru/cvwgncVedurmudi A. P., Miličević K., Kok G. et al. Automation in sensor network metrology: An overview of methods and their implementations. Measurement: Sensors, Supplement, 38, 101799 (2025). https://doi.org/10.1016/j.measen.2024.101799 ; https://elibrary.ru/ivhsxaПротасов А. А., Ширманов А. В., Радоманов С. И. Первоочередные задачи внедрения технологий искусственного интеллекта в интересах автоматизации деятельности органов военного управления. Информатизация и связь, (2), 91–94 (2021). https://doi.org/10.34219/2078-8320-2021-12-2-91-94 ; https://www.elibrary.ru/maeexo 1Prokopchina S. V. A new direction in artifi cial intelligence: measuring artifi cial intelligence. XXVII International Conference on Soft Computing and Measurements (SCM’2024), 22–24 May, 2024, Russia, St. Petersburg, 1, 3–6 (2024). (In Russ.) https://elibrary.ru/rthbvlVedurmudi A. P., Miličević K., Kok G. et al. Automation in sensor network metrology: An overview of methods and their implementations. Measurement: Sensors, Supplement, 38, 101799 (2025). https://doi.org/10.1016/j.measen.2024.101799 ; https://elibrary.ru/ivhsxaBorovkov A. I., Ryabov Yu. A., Kukushkin K. V., Maruseva V. M., Kulemin V. Yu. Digital twins and the digital transformation of defense industry enterprises. Vestnik Vost-Sibirskoj otkrytoj akademii, (32), 2 (2019). (I n Russ.) https://elibrary.ru/zaxcotПрокопчина С. В. Новое направление в искусственном интеллекте: измерительный искусственный интеллект. Международная конференция по мягким вычислениям и измерениям (SCM’2024): сборник докладов, 1, 3–6 (2024). https://elibrary.ru/rthbvlFridman A. E. Theory of metrological dependability of measuring instruments and other technical means having precision characteristics. Doctor’s dissertation Technical sciences, D. I. Mendeleev Institute for Metrology, St. Petersburg (1994). (In Russ.)Боровков А. И., Рябов Ю. А., Кукушкин К. В., Марусева В. М., Кулемин В. Ю. Цифровые двойники и цифровая трансформация предприятий ОПК. Вестник Восточно-Сибирской открытой академии, (32), 2 (2019). https://elibrary.ru/zaxcotNovitskiy P. V., Zograf I. A., Labunets V. S. The dynamics of measurement error. Energoatomizdat. Leningr. otd-nie, Leningrad (1990). (In Russ.)Фридман А. Э. Теория метрологической надёжности средств измерений и других технических средств, имеющих точностные характеристики: дис. докт. техн. наук. Всероссийский научно-исследовательский институт метрологии им. Д. И. Менделеева, Санкт-Петербург (1994). https://elibrary.ru/nlithvSulaberidze V. Sh., Neklyudova A. A. Metrological reliability of measurement instruments and assessment of the risk of metrological failure. Transactions of the TSTU, 29(4), 574–585 (2023). (In Russ.) https://doi.org/10.17277/vestnik.2023.04.pp.574-585 ; https://elibrary.ru/gndjysНовицкий П. В., Зограф И. А., Лабунец В. С. Динамика погрешности средств измерений. Энергоатомиздат. Ленингр. отд-ние, Ленинград (1990).Sulaberidze V. Sh., Neklyudova A. A., Mikheev V. A. Metrological Dependability of measuring instruments. Educational and methodical manual. Renome, St. Petersburg (2023). (In Russ.)Сулаберидзе В. Ш., Неклюдова А. А. Метрологическая надежность средств измерений и оценка риска метрологического отказа. Вестник Тамбовского государственного технического университета, 29(4), 574–585 (2023). https://doi.org/10.17277/vestnik.2023.04.pp.574-585 ; https://elibrary.ru/gndjysСулаберидзе В. Ш., Неклюдова А. А. Метрологическая надежность средств измерений и оценка риска метрологического отказа. Вестник Тамбовского государственного технического университета, 29(4), 574–585 (2023). https://doi.org/10.17277/vestnik.2023.04.pp.574-585 ; https://elibrary.ru/gndjysСулаберидзе В. Ш., Неклюдова А. А., Михеев В. А. Метрологическая надёжность средств измерений. Учебно-методическое пособие. Реноме, Санкт-Петербург (2023).Сулаберидзе В. Ш., Неклюдова А. А., Михеев В. А. Метрологическая надёжность средств измерений. Учебно-методическое пособие. Реноме, Санкт-Петербург (2023).

The authors declare that there are no conflicts of interest present.