Пути решения проблем создания предиктивных измерительных систем

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.

1. Шепелева О. С., Ткачёва К. А. Этика и «цифра»: этические проблемы цифровых технологий. https://ethics. cdto.ranepa.ru (дата обращения: 08.06.2025).

2. 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).

3. Сигель Э. Просчитать будущее: Кто кликнет, купит, соврёт или умрёт. Альпина Паблишер, Москва (2014).

4. Shabbir J., Anwer T. Artifi cial Intelligence and its role in near future. 1 Apr 2018. . https://doi.org/10.48550/arXiv.1804.01396

5. Qomariyah 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).

6. 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).

7. 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).

8. Legg S., Hutter M. A collection of defi nitions of intelligence. 25 Jun 2007. https://doi.org/10.48550/arXiv.0706.3639

9. 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. 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).

12. Valtorta M. Artifi cial Intelligence. University of South Carolina, Columbia (2008).

13. Winston P. H. Artifi cial Intelligence. Addison-Wesley Publishing Company, USA (1992).

14. 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/10.1145/3463677.3463709

15. Солопченко Г. Н. Измерительные информационные системы. Учебное пособие для студентов высших учебных заведений. Изд-во Политехнического ун-та, Санкт-Петербург (2015).

16. Удовиченко Е. Т., Брагин А. А., Семенюк А. Л. и др. Метрологическое обеспечение измерительных информационных систем (теория, методология, организация). Издательство стандартов, Москва (1991).

17. Яшин 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/cvwgnc

18. Протасов 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 1

19. Vedurmudi 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/ivhsxa

20. Прокопчина 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/rthbvl

21. 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/zaxcot

22. 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/nlithv

23. Новицкий П. В., Зограф И. А., Лабунец В. С. Динамика погрешности средств измерений. Энергоатомиздат. Ленингр. отд-ние, Ленинград (1990).

24. 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/gndjys

25. Сулаберидзе В. Ш., Неклюдова А. А., Михеев В. А. Метрологическая надёжность средств измерений. Учебно-методическое пособие. Реноме, Санкт-Петербург (2023).