Цель проекта:

В проекте в качестве базовой концепции автоматизации процессов мониторинга предложен переход от традиционно используемого реактивного мониторинга состояний сложных агробиотехнических объектов (САБО), в ходе которого в реальном масштабе времени происходит выявление и диагностика уже произошедших инцидентов, к проактивному мониторингу состояний САБО, реализуемому в ходже превентивного оценивания состояний САБО (с заранее заданными интервалами контроля), либо предиктивного (с непрерывным контролем и диагностированием САБО) оценивания, анализа и упреждающего многовариантного прогнозирования состояний САБО с целью своевременного обнаружения, локализации и предотвращения непредвиденных нарушений жизнедеятельности агробиологических и технических элементов и подсистем САБО, вызванных болезнями (для агробиологических объектов), сбоями, отказами (для технических объектов). Кроме того, проактивный мониторинг предполагает оценивание не только отдельных параметров, но и структур, связывающих данные параметры, что позволяет за меньшее время (с большей оперативностью) выявлять, локализовать и парировать возникающие проблемы по сравнению с традиционными подходами к решению задач мониторинга, поскольку используется дополнительная информация о текущих и прогнозируемых структурных состояниях САБО. Известно, что интеллектуальную основу всякой современной АС мониторинга САБО составляет соответствующее специальное программно-математическое обеспечение (СПМО). Однако анализ существующих отечественных и зарубежных версий СПМО показывает, что они не позволяют комплексно оценить, анализировать и прогнозировать биохимические, тепло массообменные, физические и системотехнических параметры САБО и их взаимовлияние в процессе функционирования данных объектов.

Говоря о программно-техническом уровне реализации АС мониторинга САБО следует отметить, что, во-первых, в подавляющем большинстве случаев мониторинг состояний САБО автоматизирован лишь частично, а результаты носят констатирующий характер, т.е. операторам АС предоставляются данные о текущих состояниях отдельных элементов, а не объекте контроля в целом. Интегральную оценку состояний САБО в таких системах выполняют операторы вручную и реактивно. При этом некачественный и несвоевременный мониторинг состояний САБО, вызванный ошибками в процессе их оценивания, невыполнением работ в надлежащий срок, неполным сбором информации, неполным приведением её к единому виду, в конечном итоге, ведет к снижению качества выпускаемой продукции (в нашем случае, сельскохозяйственной продукции). Во-вторых, современные АС мониторинга САБО, в большинстве своем являются зарубежными программными системами, которые между собой не интегрированы.

Таким образом в условиях существующих жестких зарубежных санкций особую актуальность, научную и практическую значимость начинают приобретать вопросы создания и применения отечественной интегрированной АС проактивного мониторинга САБО, позволяющей осуществить гармоничное объединение с существующими отечественными и зарубежными АС рассматриваемого класса. В целом для обеспечения требуемой степени качества и оперативности решения задач проактивного мониторинга САБО необходимо, во-первых, обеспечить алгоритмизацию процессов смысловой интерпретации состояний их функционирования и, во-вторых, обеспечить проактивное решение этой задачи на различных этапах жизненного цикла (ЖЦ) САБО. Для этого в проекте будут разработаны новые научные основы и интеллектуальная технология, позволяющие в практической деятельности осуществить переход от эвристической алгоритмизации перечисленных процессов к последовательности целенаправленных теоретически и методически обоснованных этапов построения СПМО оценивания и анализа состояний САБО как интеллектуального ядра АС мониторинга САБО, адаптивных к возможным изменениям структур АС мониторинга.

Публикации:

1. Спесивцев А.В., Тиличко Ю.Н., Спесивцев В.А. Методология постановки и решения задачи управления взаимовлиянием в комплексной системе «сложный объект–окружающая среда» // Прикладной искусственный интеллект: перспективы и риски: Международная научная конференция (СПб., 17 октября 2024 г.): сб. докл. – СПб.: ГУАП, 2024. С. 97–100. DOI: 10.31799/978-5-8088-1975-7-2024.

2. Спесивцев А.В., Соколов Б.В. Математические модели выполнения унифицированных арифметических операций с нечеткими числами при формализации экспертных знаний // Вестник ЮУрГу. Серия «Математика. Механика.Физика». 2024. Т.16. №3. С.75–84. DOI: 10.14529/mmph240409.

3. Григорьев Д.А., Мусаев А.А., Соколов Б.В. From Chaos to Cont rol: Leveraging Multi-Estimator Strategies for PredictiveAccuracy in Autonomous Systems // Proceedings ot the 3rd International Conference on Mechatronics and Automation Technology (ICMAT 2024). October 25–27, 2024, Wuhan, China.

4. Григорьев Д.А., Мусаев А.А., Соколов Б.В. Forecasting Chaotic Processes Using a Multi-Expert System Based on Stacking Machine Learning Techniques // Proceedings of the 2th International Conference on Evolutionary Artificial Intelligence (ICEAI 2024). November 26–27, 2024, Malaysia.

5. Соболевский В.А., Захаров В.В., Д. И. Мухаметов Д.И. Использование технологий AutoML для автоматического анализа временных рядов // Авиакосмическое приборостроение. 2024. №10. С. 10–18. DOI: 10.25791/aviakosmos.10.2024.1434.

6. Захаров В.В. Основы автоматизации процессов проактивного мониторинга обобщенных состояний сложных агробиотехнических объектов // Известия высших учебных заведений. Приборостроение. 2024. Т. 67. №11. С. 918–927. DOI: 10.17586/0021-3454-2024-67-11-918-927.

7. Соколов Б.В., Охтилев П.А. Автоматизация анализа интероперабельности технических систем cложных агробиотехнических объектов на основе технологий искусственного интеллекта // Известия высших учебных заведений. Приборостроение. 2024. Т. 67. № 11. С.928–934. DOI: 10.17586/0021-3454-2024-67-11-928-934.

8. Соколов Б.В., Миронов А.Н., Шестопалова О.Л. Управление устареванием мехатронных систем на основе мониторинга деградации ресурсной отказоустойчивости // Мехатроника, автоматизация, управление. 2024. Т. 25. №12. С. 624–632. DOI: 10.17587/mau.25.624-632.

9. Кимяев И.Т., Спесивцев А.В., Спесивцев В.А., Шилов Н.Г. Contribution of fuzzy-possibility approach to assessing the complexity level of IT-systems design // IN4PL 2024 5th IFAC/INSTICC International Conference on Innovative Intelligent Industrial Production and Logistics (IN4PL). November 21–22, 2024 Porto, Portugal.

10. Брюханов А.Ю., Спесивцев В.А., Спесивцев А.В. Сохранность азота как количественный показатель экологической устойчивости фермы КРС // Аграрный научный журнал. 2025. №3. С. 93–104. DOI: 10.28983/asj.y2025i3pp93-104.