Виктор Александрович Нетес – доктор технических наук, профессор кафедры сетей связи и систем коммутации
Москва
Victor A. Netes, Doctor of Engineering, Professor of the Department of Communication Networks and Switching Systems
Moscow
Цель. Дать анализ современного состояния работ в России в области применения методов искусственного интеллекта для обеспечения надежности в технике, а также предложить новые перспективные направления исследований и разработок в этой области.
Методы. Использованы методы контекстного поиска информации, системного анализа и теории надежности.
Результаты. Проведен обзор отечественных публикаций в рассматриваемой области, который показал возможность применения разнообразных методов искусственного интеллекта, в частности машинного обучения, для повышения надежности различных технических объектов. Выявлены две основные решаемые при этом задачи: выявление предотказных состояний с целью предотвращения возникновения отказов путем проведения предупредительного технического обслуживания или ремонта; быстрое обнаружение уже происшедших отказов и их локализация. Приведены примеры уже внедренных и работающих подобных решений. Проанализированы возможные пути преодоления нехватки исходных данных, требуемых для обучения, возникаю‑ щей при малом числе отказов. Для более точного прогнозирования отказов предложено собирать и использовать не только параметры, характеризующие сам контролируемый объект, но и параметры окружающей среды, которые также могут влиять на состояние объекта. Показана целесообразность проведения обобщающих и систематизирующих исследований, результатом которых станут практические рекомендации, указывающие области предпочтительного применения тех или иных методов искусственного интеллекта. Указаны новые перспективные области применения искусственного интеллекта: выявление возможных общих причин в случаях возникновения множественных отказов, что будет способствовать сокращению времени восстановления, и проведение анализа коренных причин отказов с целью принятия мер по их устранению или уменьшению влияния в будущем.
Заключение. Проведенный анализ и данные рекомендации будут способствовать межотраслевому обмену опытом, расширению и углублению работ по применению искусственного интеллекта для обеспечения надежности и приданию им большей практической направленности.
The Aim of the paper is to analyse the state of the art of artificial intelligence application in Russia as regards technological dependability, as well as to propose new promising areas of research and development.
Methods. The methods of contextual information search, system analysis, and dependability theory are used.
Results. A review of domestic publications in the area of interest was conducted and showed the applicability of various artificial intelligence methods, in particular machine learning, to improve the dependability of various technological items. Two main t asks are identified to be solved: identification of pre failures in order to prevent failures by conducting preventive maintenance or repair; rapid detection of failures that have already occurred and their localisation. Examples of existing similar solutions are provided. The possible ways to overcome the absence of initial learning data associated with rare failures, are analysed. For more accurate prediction of failures, it is proposed to collect and use not only the parameters that characterise an examined item itself, but also environmental parameters that can also affect the condition of the item. The paper shows the relevance of studies aimed at generalized and systematic results to serve as guidelines for preferred application of certain artificial intelligence methods. New promising areas of artificial intelligence application are indicated, i.e., identifying possible common causes in cases of multiple failures, which will help reduce recovery time, and analysing the root causes of failures in order to take measures to eliminate them or reduce their future impact.
Conclusion. The conducted analysis and the propose recommendations will contribute to the cross‑industry exchange of experience, the expansion and deepening of work on the use of artificial intelligence for dependability assurance and make them more practical.
The authors declare that there are no conflicts of interest present.