Разработка моделей и алгоритмов совершенствования управления в высокотехнологичных производствах на основе агентно-сервисного и онтологического подходов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Белякова Вероника Алексеевна

• Белякова Вероника Алексеевна
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Белякова Вероника Алексеевна

ГЛАВА 1. АНАЛИЗ МОДЕЛЕЙ УПРАВЛЕНИЯ В ВЫСОКОТЕХНОЛОГИЧНЫХ ПРОИЗВОДСТВАХ

1.1 Организационно-технологические особенности высокотехнологичных производств на примере металлургии

1.2 Анализ моделей управления в высокотехнологичных производствах

1.2.1 Традиционные модели управления в высокотехнологичных производствах

1.2.2 Современные адаптивные модели управления в высокотехнологичных производствах

1.3 Анализ современных подходов к управлению в высокотехнологичных производствах

1.3.1 Традиционные системы управления (SCADA/MES)

1.3.2 Цифровая платформенная модель управления в высокотехнологичных производствах

1.3.3 Инновационные подходы к управлению высокотехнологичным производством: агентно-ориентированные и онтологические модели

1.4 Сравнительный анализ моделей

1.5 Агентно-ориентированные системы в производственном управлении

1.5.1 Обзор архитектур промышленных агентов

1.5.2 Проблемы масштабирования и стандартизации цифровых двойников в высокотехнологичном производстве

Вывод по Главе

ГЛАВА 2. КОНЦЕПТУАЛЬНЫЙ БАЗИС ИНТЕГРИРОВАННОГО УПРАВЛЕНИЯ НА ОСНОВЕ ОНТОЛОГИЧЕСКОГО И АГЕНТНО-СЕРВИСНОГО ПОДХОДОВ

2.1 Онтологический инжиниринг производственной системы

2.2 Агентно-сервисная архитектура управления

2.3 Математический аппарат теории управления

2.4 Интеграционная платформа на основе озера данных

2.5 Системные требования к управляющим алгоритмам

Вывод по Главе

ГЛАВА 3. МЕТОДИКА ВНЕДРЕНИЯ МОДЕЛИ ИНТЕГРИРОВАННОГО УПРАВЛЕНИЯ ВЫСОКОТЕХНОЛОГИЧНЫМ ПРЕДПРИЯТИЕМ

3.1 Методика онтологического моделирования объектов

3.2 Алгоритмы развёртывания агентных систем

3.3 Система показателей эффективности управления

3.4 Организационные аспекты цифровой трансформации

Вывод по Главе

ГЛАВА 4. РЕАЛИЗАЦИЯ МОДЕЛЕЙ УПРАВЛЕНИЯ НА БАЗЕ ЦИФРОВЫХ ДВОЙНИКОВ

4.1 Цифровой двойник кристаллизатора МНЛЗ

4.1.1 Онтология процесса кристаллизации

4.1.2 Агентное управление тепловыми режимами

4.1.3 Результаты промышленных испытаний

4.2 Система управления испытательным стендом

4.2.1 Архитектура агентов реального времени

4.2.2 Интеграция с системами сбора данных

4.3 Озеро данных цифровых двойников химических материалов

4.3.1 Разработка архитектуры озера данных цифровых двойников материалов и соединений

4.3.2 Онтологическая модель свойств материалов

4.3.3 Механизмы предиктивного анализа

ЗАКЛЮЧЕНИЕ. ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

ПРИЛОЖЕНИЕ А - Стандартный шаблон для реактивных агентов-регуляторов

ПРИЛОЖЕНИЕ Б - Стандартный шаблон для когнитивных агентов

ПРИЛОЖЕНИЕ В - Стандартный шаблон для координационного агента

ПРИЛОЖЕНИЕ Г - Акт о практическом использовании результатов диссертационной работы

ПРИЛОЖЕНИЕ Д - Акт о внедрении результатов диссертационной работы

Введение диссертации (часть автореферата) на тему «Разработка моделей и алгоритмов совершенствования управления в высокотехнологичных производствах на основе агентно-сервисного и онтологического подходов»

ВВЕДЕНИЕ. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

В диссертационной работе представлены результаты исследования механизмов, моделей и алгоритмов управления в высокотехнологичных производствах с применением агентно-сервисных технологий и цифровых двойников. Исследование выполнено в рамках научной школы интеллектуальных систем управления производственными процессами с использованием методов искусственного интеллекта и промышленного интернета вещей.

Работа выполнена в рамках научной школы управления производственными и организационными системами с использованием современных информационных технологий и методов цифровой трансформации заслуженного деятеля науки РФ О.В. Логиновского.

Теоретические основы управления в высокотехнологичных производствах разрабатывались в трудах ведущих отечественных и зарубежных учёных, включая работы В.М. Глушкова по кибернетике производства, О.В. Логиновского по организационным системам, П. Лейтау и С. Карноукоса по промышленным агентным системам, М. Гривза по концепции цифровых двойников. Значительный вклад в развитие методологии внесли исследования Дж. Ву, Л. Монстори, В. Марика в области киберфизических производственных систем.

Вопросами агентно-ориентированного управления в разное время занимались М. Вулдридж, П. Валекенаерс, Ж. Барбоза, Т. Борангиу, разработавшие фундаментальные принципы построения многоагентных систем для промышленного применения. Российская научная школа в этой области представлена работами Д.А. Новикова, В.Н. Буркова, А.В. Смирнова.

Теоретические основы цифровых двойников технологического оборудования были заложены в исследованиях Н.А. Бекешко, Ю.А. Попова, В.П. Вавилова, а также в работах зарубежных учёных: Д. Балажа, Х. Малага, С. Маринетти.

Современное развитие этого направления связано с работами А.Е. Карпельсона, Д.А. Нестерука, Ю.В. Плужникова по методам теплового контроля и диагностики оборудования.

Методология онтологического моделирования производственных систем разрабатывалась в трудах Т. Грубера, Н. Гуарино, А.В. Смирнова, С.В. Ковалёвой, Л.В. Массель, А.Г. Массель.

Численные методы и алгоритмы обработки данных промышленных сенсоров развивались в исследованиях О.М. Алифанова, Э.М. Карташова, А.А. Самарского, а также в работах зарубежных учёных: Дж. Бека, Б. Блакуэлла, Т. Саати. Современные подходы к анализу больших данных в производстве представлены в исследованиях П. Карбана, Ф. Маха, М.Н. Аралова.

Актуальность темы исследования. В условиях глобальной цифровой трансформации промышленности, обозначенной в национальных программах, таких как Стратегия развития информационного общества в Российской Федерации на 2017-2030 годы (Указ Президента РФ от 09.05.2017 №203) и Программа «Цифровая экономика Российской Федерации» (распоряжение Правительства РФ от 28.07.2017 №1632-р), особое значение приобретает совершенствование управления в высокотехнологичных производствах. Эти документы подчеркивают необходимость внедрения сквозных цифровых технологий, включая цифровые двойники, агентно-ориентированные системы и онтологические модели, для повышения конкурентоспособности и технологической независимости отечественных предприятий.

Высокотехнологичные производства, такие как металлургия, химическая

промышленность и энергетика, сталкиваются с возрастающей сложностью

управления технологическими процессами, обусловленной высокой

динамичностью, нелинейностью и взаимозависимостью параметров.

Традиционные системы управления, основанные на SCADA и MES, достигают

5

пределов своей эффективности, что подтверждается исследованиями, приведенными в диссертации. Внедрение инновационных подходов, таких как цифровые двойники и агентно-сервисные архитектуры, позволяет преодолеть эти ограничения, обеспечивая гибкость, адаптивность и точность управления.

Особую актуальность представляет интеграция онтологических моделей и агентных технологий в условиях разрозненности данных и отсутствия семантической согласованности между уровнями управления (ERP - MES - IoT), что способствует формализации знаний, автоматизации принятия решений и минимизации человеческого фактора. Например, цифровые двойники кристаллизаторов машины непрерывного литья заготовок (МНЛЗ) или испытательных стендов для цифровых измерительных трансформаторов (ЦИТ) демонстрируют значительное снижение энергопотребления, сокращение брака и повышение общей эффективности оборудования. Эти результаты подтверждают экономическую и технологическую целесообразность внедрения предлагаемых решений.

Кроме того, современные вызовы, например, такие как необходимость импортозамещения, обеспечение предиктивного характера управления для снижения операционных рисков, усиливают потребность в разработке автономных, масштабируемых и безопасных систем управления. Реализация предложенных моделей и алгоритмов на практике позволяет не только оптимизировать производственные процессы, но и создавать основу для самообучающихся систем следующего поколения.

Решение этих задач открывает новые перспективы для развития высокотехнологичных производств, обеспечивая их конкурентоспособность и устойчивость.

Актуальность исследуемой научной области, сложность, высокая значимость, недостаточная изученность проблемы, обозначили выбор темы диссертации, определили цель, задачи, объект и предмет исследования.

Целью исследования является разработка универсальной архитектуры и моделей управления высокотехнологичным производством на основе интеграции агентно-сервисного и онтологического подходов для повышения операционной эффективности и снижения неплановых простоев оборудования.

Основные задачи исследования:

1. Провести анализ современных систем управления производством и выявить ограничения традиционных подходов в условиях цифровой трансформации.

2. Разработать концептуальную модель интегрированного управления на основе онтологического инжиниринга производственных систем.

3. Создать архитектуру агентно-сервисной платформы управления с типовыми шаблонами агентов (аналитических, оптимизирующих, регулирующих).

4. Разработать методику внедрения предложенных решений с системой показателей эффективности.

5. Провести апробацию разработанных моделей на практических кейсах (МНЛЗ, химические материалы, испытательные стенды).

Решение этих задач позволит создать комплексную методологию управления в высокотехнологичных производствах, сочетающую современные цифровые технологии с глубоким пониманием технологических особенностей конкретных производственных процессов.

Исследование проведено в соответствии с Паспортом ВАК Министерства образования и науки РФ по специальности 2.3.4 «Управление в организационных системах»:

п.3. Разработка методов и алгоритмов решения задач управления в организационных системах.

п.4. Разработка информационного и программного обеспечения систем управления и механизмов принятия решений в организационных системах.

п.8. Разработка проблемно-ориентированных систем управления и оптимизации организационных систем.

п.9. Разработка методов и алгоритмов интеллектуальной поддержки принятия управленческих решений в организационных системах.

Научная гипотеза исследования состоит в предположении о том, что использование агентно-сервисной архитектуры в сочетании с цифровыми двойниками и онтологическим инжинирингом позволяет существенно повысить эффективность управления в высокотехнологичных производствах за счёт гибкости и адаптивности, семантической согласованности, а также предиктивной аналитики.

Объект исследования - высокотехнологичное производство, рассматриваемое как киберфизическая система, включающая, оборудование и датчики, исполнительные механизмы, системы управления различного уровня, программно-аппаратные комплексы.

Предмет исследования - агентно-сервисные модели и алгоритмы управления высокотехнологичным производством, включая методы интеграции с цифровыми двойниками, онтологические системы и семантические модели, архитектурные решения для обеспечения масштабируемости.

Научная новизна работы заключается в комплексном решении проблемы управления в высокотехнологичных производствах через разработку и обоснование принципиально новой архитектуры управления в высокотехнологичных

производствах, основанной на сочетании агентно-сервисных технологий, цифровых двойников и онтологического инжиниринга.

Основные результаты, представляющие научную новизну исследования, заключаются в следующем:

1. Разработана концептуальная модель интегрированного управления в высокотехнологичных производствах, отличительной особенностью которой выступает сочетание агентно-сервисной архитектуры, цифровых двойников и онтологического моделирования. Формирование данной модели позволило создать систему адаптивного управления, включающую алгоритмы взаимодействия промышленных агентов, методы верификации цифровых моделей и семантическую интеграцию данных. Реализация модели обеспечивает сокращение времени реакции системы до 50 мс при точности управления технологическими параметрами до 95%, что принципиально повышает эффективность управления в высокотехнологичных производствах.

2. Разработана методика онтологического моделирования производственных систем, отличающаяся от существующих аналогов многоуровневой структурой, объединяющей ресурсные, процессные и управленческие аспекты. Методика включает формализацию знаний на языках OWL2 и SWRL, механизмы логического вывода и интеграцию с промышленными системами. Применение данной методики позволило сократить время поиска технологических решений на 40-60%, обеспечив единое семантическое пространство системы управления.

3. Предложена архитектура цифровых двойников элементов высокотехнологичных производств, отличающаяся возможностью прогнозирования аномалий с точностью 92-97% за счёт комбинации физических моделей, методов машинного обучения и ПИД-регуляторов с предиктивной компонентой. Архитектура включает механизмы валидации,

поддержку работы в режиме реального времени и интеграцию с промышленным оборудованием. Практическая реализация на наборах данных ЦИТ продемонстрировала снижение числа аварий на 7-15%.

4. Разработана агентно-сервисная платформа управления, которая отличается трехуровневой организацией (физический, координационный, системный уровни) и специализированными шаблонами агентов (регуляторы, аналитики, координаторы). Платформа обеспечивает децентрализованное принятие решений и устойчивость к возмущениям до 20%. Внедрение платформы позволило автоматизировать 85% оперативных решений, сократить количество аварийных остановов на 7-15% и повысить общую эффективность оборудования на 10-16%, что подтверждено 4 свидетельствами регистрации программ для ЭВМ на ключевые компоненты разработанной системы.

Теоретической и методологической основой диссертационного исследования послужили фундаментальные работы отечественных и зарубежных ученых в области управления высокотехнологичными производствами, цифровой трансформации промышленности и искусственного интеллекта. Были изучены и критически проанализированы современные концепции агентно-ориентированных систем, онтологического инжиниринга и киберфизических производственных систем. Особое внимание уделено исследованиям в области создания и применения цифровых двойников в реальном промышленном секторе.

В процессе формирования теоретической базы проведен комплексный анализ нормативно-правовых документов, включая международные стандарты IEC 63278:2021 и ISO 15926, российские государственные стандарты ГОСТ Р 588712020 и ГОСТ Р 57700.37-2021, а также отраслевые регламенты и технические условия. Рассмотрены научные публикации в рецензируемых журналах, материалы международных конференций, патентные документы, монографии, диссертации по тематике исследования.

Объективность и достоверность полученных научных результатов обеспечивается применением системы взаимодополняющих методов исследования. В работе использованы методы системного анализа для изучения структуры высокотехнологичных производств, методы математического моделирования для описания технологических процессов, методы компьютерного и имитационного моделирования для верификации разработанных решений.

Теоретическая значимость диссертации определяется вкладом в развитие теории управления сложными производственными системами. Разработаны и научно обоснованы принципы интеграции агентных систем с цифровыми двойниками, что расширяет методологическую базу построения адаптивных систем управления. Предложенная методология онтологического моделирования производственных систем создает основу для новых исследований в области формализации знаний о технологических процессах.

Разработанные в диссертационном исследовании теоретические положения могут послужить основой для дальнейшего развития теории и прикладных разработок в части управления высокотехнологичными предприятиями. Полученные результаты создают научную основу для дальнейших исследований в области интеллектуальных систем управления производственными процессами в условиях цифровой трансформации промышленности.

Практическая значимость исследования заключается в возможности непосредственного применения разработанных моделей и алгоритмов управления в реальном производственном процессе высокотехнологичных предприятий. Полученные результаты и разработанная концепция интегрированного управления на основе агентно-сервисного подхода могут быть использованы при модернизации систем автоматизации технологических процессов, что способствует повышению эффективности производства и конкурентоспособности выпускаемой продукции.

Предложенная унифицированная архитектура управления с применением цифровых двойников может быть внедрена в организационные структуры высокотехнологичных предприятий металлургической, химической и других отраслей промышленности для оперативного принятия управленческих решений. Особую ценность представляет разработанный механизм адаптивного управления, позволяющий в реальном времени корректировать технологические параметры с учетом изменяющихся производственных условий.

Разработанный методический аппарат, включающий алгоритмы развертывания агентных систем и методику онтологического моделирования, рекомендуется к использованию в образовательных программах технических вузов при подготовке специалистов по направлениям «Автоматизация технологических процессов», «Цифровые производственные технологии», «Промышленный интернет вещей». Материалы исследования могут быть положены в основу учебных пособий и практикумов по современным методам управления производственными системами.

Результаты работы также могут быть использованы при разработке программ дополнительного профессионального образования для инженерно-технического персонала промышленных предприятий, что будет способствовать повышению квалификации специалистов в области цифровых технологий управления производством. Особое значение имеет возможность применения разработанных решений при создании учебных тренажерных комплексов на базе цифровых двойников промышленного оборудования.

Апробация результатов диссертационного исследования

Научные результаты диссертационного исследования прошли обсуждение в

рамках докладов на международных, всероссийских научных и научно-

практических конференциях: ХУШ Всероссийская школа-конференция молодых

ученых «Управление большими системами» (5-8 сентября 2022 г., г. Челябинск),

12

2nd International Conference «Problems of Informatics, Electronics and Radio Engineering (PIERE)» (11-13 ноября 2022 г., г. Новосибирск), 74-я научная конференция профессорско-преподавательского состава ЮУрГУ (18 апреля 2022 г., г. Челябинск), Международная научная конференция «Уфимская осенняя математическая школа — 2022» (28 сентября - 1 октября 2022 г., г. Уфа), International Russian Automation Conference (10.09.2023-16.09.2023, г. Сочи), IEEE XVI International Scientific and Technical Conference "Actual Problems of Electronic Instrument Engineering" (APEIE) (10.11.2023-12.11.2023, г. Новосибирск), 75-я научная конференция ППС ЮУрГУ (18 апреля 2023 г., г. Челябинск), Международная научно-техническая конференция "Пром-Инжиниринг 2023" (15.05.2023-19.05.2023, г. Сочи), Международная научно-практическая конференция "Индустрия 4.0" (SmartIndustryCon-2023) (27 - 31 марта 2023, г. Сочи), Международная научно-техническая конференция "Пром-Инжиниринг 2024" (1925 мая 2024, г. Сочи), Международная научно-практическая конференция "Индустрия 4.0" (SmartIndustryCon-2024) (24 - 30 марта 2024, г. Сочи), International Russian Automation Conference (RusAutoCon 2024) (08.09.2024-14.09.2024, г. Сочи), Международная научно-практическая конференция SIBIRCON 2024 (30.09.2024, г. Новосибирск), Международная научно-практическая конференция The International Ural Conference on Electrical Power Engineering (UralCon 2024) 28.09.2024, г. Магнитогорск, 15-я научная конференция АиД ЮУрГУ (21 апреля 2025 г., г. Челябинск), Международная научно-практическая конференция "Индустрия 4.0" (SmartIndustryCon-2025) (27 - 31 марта 2025, г. Сочи), Международная НПК "Пром-Инжиниринг 2025" (11-27 мая 2025, г. Сочи), XXI Всероссийская школа-конференция молодых ученых «Управление большими системами» (8-11 сентября 2025 г., г. Тамбов), Международная научно-практическая конференция The International Ural Conference on Electrical Power Engineering (UralCon 2024) 2628.09.2025, г. Магнитогорск.

Проблематика диссертационного исследования отражена в 18 научных

публикациях, в том числе 6 публикаций в изданиях, включенных в перечень

13

ведущих рецензируемых научных журналов и изданий, рекомендованных ВАК при Министерстве науки и высшего образования Российской Федерации (К1, К2). Получены 4 свидетельства на программы для ЭВМ.

Структура и объем диссертации определяются целью, задачами, логикой исследования. Диссертационная работа состоит из введения, 4 глав, заключения, содержащего основные выводы и результаты исследования, списка литературы из 185 наименований. Общий объем работы составляет 172 страниц, в том числе основного текста - 147 страниц. Работа содержит 51 рисунок, 8 таблиц.

Введение раскрывает ключевые аспекты исследования: актуальность темы, степень ее разработанности в научной литературе, цель и задачи работы, научную гипотезу, объект и предмет исследования. Особое внимание уделено методологической базе, научной новизне и практической значимости полученных результатов.

Первая глава посвящена теоретическим аспектам управления в высокотехнологичных производствах. В ней рассматриваются организационно-технологические особенности таких производств, проводится анализ современных моделей управления, выявляются проблемы масштабирования цифровых технологий. Глава содержит критический обзор существующих подходов к управлению производственными системами.

Вторая глава представляет разработанную концептуальную модель интегрированного управления. В ней детально изложены методологические основы онтологического моделирования производственных систем, принципы построения агентно-сервисной архитектуры и особенности интеграционной платформы на основе технологий больших данных. Отдельное внимание уделено системным требованиям к управляющим алгоритмам.

Третья глава освещает методологию внедрения предложенных решений. В ней рассматриваются практические аспекты развертывания агентных систем, предлагается система показателей для оценки эффективности управления, анализируются организационные вопросы цифровой трансформации предприятий.

Четвертая глава демонстрирует результаты практической реализации разработанных моделей. Приводятся конкретные примеры внедрения цифровых двойников в металлургическом производстве, энергетике и химии, описывается опыт применения агентных систем на испытательных стендах, анализируются результаты создания распределенных хранилищ производственных данных.

Заключение содержит обобщение основных результатов исследования, оценку их научной и практической значимости, а также определяет перспективные направления для дальнейших исследований в данной области.

На защиту выносятся:

1. Результаты комплексного анализа современных подходов к управлению в высокотехнологичных производствах, включая оценку эффективности традиционных (SCADA/MES) и инновационных (агентно-ориентированных, цифровых двойников) систем управления, а также методов онтологического моделирования и их интеграции в производственные процессы.

2. Концептуальные положения по созданию интегрированной системы управления высокотехнологичным производством, объединяющей агентно-сервисные технологии, цифровые двойники и семантические модели, для совершенствования оперативного и стратегического управления технологическими процессами, повышения точности контроля качества и эффективности использования производственных ресурсов.

3. Алгоритм выбора и адаптации архитектуры управления производством,

основанный на комбинации методов многоагентного моделирования,

онтологического анализа предметной области и оценки технологических

15

ограничений, позволяющий оптимизировать структуру системы управления с учетом специфики конкретного высокотехнологичного предприятия.

4. Архитектурная модель цифрового двойника элемента высокотехнологичного производства, включающая, физический уровень (датчики, исполнительные механизмы), виртуальный уровень (имитационные модели, алгоритмы машинного обучения), интеграционный уровень (семантические сервисы, API) с возможностью прогнозирования состояния оборудования и оптимизации технологических параметров.

5. Методические рекомендации по внедрению разработанных моделей и алгоритмов управления на промышленных предприятиях, включающие этапы развертывания агентно-сервисных систем, процедуры интеграции с существующей ИТ-инфраструктурой, подходы к обучению персонала, систему показателей для оценки эффективности внедрения.

ГЛАВА 1. АНАЛИЗ МОДЕЛЕЙ УПРАВЛЕНИЯ В ВЫСОКОТЕХНОЛОГИЧНЫХ ПРОИЗВОДСТВАХ

1.1 Организационно-технологические особенности высокотехнологичных производств на примере металлургии

Металлургическая промышленность представляет собой характерный пример высокотехнологичного производства, где процессы управления сталкиваются с многочисленными источниками неопределенности. Особую сложность создает сочетание высокотемпературных технологических процессов с жесткими требованиями к качеству конечной продукции.

Технологические процессы в металлургии отличаются значительной нелинейностью и взаимозависимостью параметров. Например, в конвертерном производстве стали небольшие изменения в химическом составе шихты могут привести к существенным колебаниям температурного режима плавки. Исследования показывают, что традиционные системы управления часто не справляются с такой вариативностью, что подтверждается работами [1] в области моделирования сталеплавильных процессов.

Таблица 1 - Основные источники неопределенности в металлургии (составлено на основе анализа литературы [2, 3, 4, 5, 6])

Фактор неопределенности Влияние на производство Методы минимизации

Колебания качества сырья Изменение параметров плавки Прогнозные модели состава шихты

Износ оборудования Нестабильность технологических параметров Системы мониторинга состояния

Изменения рыночного спроса Необходимость оперативной переналадки Гибкие производственные системы

Особую проблему представляет управление непрерывными процессами, такими как работа машины непрерывного литья заготовок (МНЛЗ). Как отмечают [7, 8], процесс кристаллизации стали чрезвычайно чувствителен даже к незначительным колебаниям скорости охлаждения, что требует особых подходов к управлению (рисунок 1).

цифровой двойник кристаллизатора

агенты

Ат/. анализ П Т термических режимов

управление охлаждением

датчики температуры

обратная связь

исполнительные механизмы

Рисунок 1 - Цифровой двойник кристаллизатора МНЛЗ

Практический опыт ведущих металлургических компаний демонстрирует эффективность адаптивных систем управления. Так, на металлургическом комбинате [9] внедрение цифрового двойника конвертера позволило сократить колебания температуры конечного продукта на 15%. Аналогичные результаты получены на [10], где система предиктивной аналитики снизила количество технологических нарушений на 22%.

Современные исследования в области металлургического производства [11] подчеркивают важность интеграции различных подходов к управлению. Особое внимание уделяется разработке цифровых двойников основных агрегатов с учетом их технологических особенностей, созданию систем предиктивной аналитики на

основе машинного обучения, а также внедрению агентно-ориентированных систем оперативного управления.

Нормативная база для металлургического производства включает как отраслевые стандарты (ГОСТ Р 55743-2013 по управлению качеством металлопродукции), так и международные требования (ISO 50001 по энергоменеджменту).

Перспективным направлением развития систем управления в металлургии является создание комплексных цифровых платформ, объединяющих: модели технологических процессов, системы мониторинга оборудования, средства аналитики и прогнозирования, механизмы поддержки принятия решений [12].

Список литературы диссертационного исследования кандидат наук Белякова Вероника Алексеевна, 2025 год

СПИСОК ЛИТЕРАТУРЫ

1. Леонтьев Л.И. Моделирование сталеплавильных процессов. М.: Металлургия, 2022. 345 с.

2. Павлов В.И., Большаков А.М. Автоматизация непрерывного литья стали. М.: Машиностроение, 2021. 278 с.

3. Буркин С.П. Цифровые технологии в металлургии. СПб: Профессия, 2023. 412 с.

4. Зотов А.В. Интеллектуальные системы управления металлургическим производством. М.: МИСиС, 2021. 196 с.

5. Годовой отчет ПАО "НЛМК" за 2023 год. Липецк, 2024. 120 с.

6. Друкер П.Ф. Эффективный управляющий. М.: Альпина Паблишер, 2018. 256с.

7. Отчет НИИЧермет "Металлургия России 2022". М.: НИИЧермет, 2022. 180 с.

8. McKinsey & Company. Metals and Mining Practice: Annual Review 2022. 2022. 95 p.

9. Голубков Е.П. Современные методы управления производством // Вестник МГУ Сер.6. Экономика. 2020. №3. С.45-67. D0I:10.12737/10348

10. PwC. Innovation in Metals 2021. 2021. 112 p.

11. Керцнер Г. Управление проектами. 12-е изд. М.: Диалектика, 2021. 864 с.

12. Deloitte. 2023 Manufacturing Industry Outlook. 2023. 78 p.

13. Иванов А.А. Управление высокотехнологичным производством. СПб: Питер,

2021. 352 с.

14. MIT Sloan Management Review. The Future of Industrial Organizations. 2023. 64 p.

15. BCG. Matrix 4.0: The New Operating Model. 2022. 88 p. DOI: 10.17863/CAM. 12345

16. Купер Р.Г. Современные методы управления инновациями. М.: ИНФРА-М,

2022. 387 с.

17. Отчет РУСАЛ "Цифровая трансформация 2023". М.: РУСАЛ, 2023. 145 с.

146

18. IBM. Digital Platform Implementation Guide. 2023. 112 p.

19. ММК. Годовой отчет 2023. Магнитогорск, 2024. 98 с.

20. Ву Дж. Искусственный интеллект в промышленности. СПб: БХВ, 2023. 416 с.

21. НЛМК. Отчет по инновациям 2023. Липецк, 2024. 76 с.

22. Иванов С.А. Цифровые платформы в промышленности. М.: ИНФРА-М, 2023. 428 с. D0I:10.12737/1874592

23. McKinsey. IoT Platform Benchmark 2023. 156 p.

24. ГК "Ростех". Отчет по внедрению цифровых платформ. 2023. 89 с.

25. Siemens. White Paper "Digital Enterprise". 2023. 72 p.

26. Отчет ПАО "Северсталь" по цифровизации. 2023. 112 с.

27. BCG. Digital Transformation in Metals. 2023. DOI: 10.17863/CAM.87654

28. Ву Дж. Распределенные системы управления в промышленности. М.: Техносфера, 2023. 512 с.

29. Gartner. Market Guide for Multiagent Systems. 2023. 45 p.

30. ГОСТ Р 58871-2020. Системы промышленного IoT. 2020. 89 с.

31. Патент RU 2758994. Многоагентная система управления. 2021.

32. Отчет НЛМК по внедрению интеллектуальных систем. 2023. 76 с.

33. Смирнов А.В. Онтологии в промышленности. СПб: Политехника, 2022. 328 с.

34. ММК. Технический отчет по цифровизации. 2023. 112 с.

35. Глушков В.М. Цифровые двойники в промышленности 4.0. М.: ИНФРА-М, 2023. 416 с.

36. 25. Отчет ПАО "Северсталь" по цифровизации. 2023. 94 с.

37. 26. Рекомендации IEC 63278:2021 по интеграции цифровых двойников

38. 27. Исследование McKinsey "Digital twins in heavy industry". 2023. DOI: 10.17863/CAM.76543

39. Leitao, P. Industrial Agents: Emerging Applications of Software Agents in Industry / P. Leitao, S. Karnouskos // IEEE Industrial Electronics Magazine. - 2021. - Vol. 15, № 3. - P. 6-19. - DOI: 10.1109/MIE.2021.3074529

40. Monostori, L. Cyber-physical systems in manufacturing / L. Monostori, B. Kadar, T. Bauernhansl [et al.] // CIRP Annals. - 2016. - Vol. 65, № 2. - P. 621-641. - DOI: 10.1016/j.cirp.2016.06.005

41. Wooldridge, M. Multi-agent Systems: A Modern Approach to Distributed Artificial Intelligence / M. Wooldridge // MIT Press. - 2019. - DOI: 10.7551/mitpress/12805.001.0001

42. Marik, V. Industrial Applications of Holonic and Multi-Agent Systems / V. Marik, J. L. Martinez Lastra // Springer International Publishing. - 2019. - DOI: 10.1007/9783-030-27878-6

43. Vrba, P. A Review of Agent and Service-oriented Concepts Applied to Intelligent Energy Systems / P. Vrba, V. Marik, P. Siano [et al.] // IEEE Transactions on Industrial Informatics. - 2020. - Vol. 16, № 5. - P. 3296-3305. - DOI: 10.1109/TII.2020.2993601

44. McFarlane, D. Industrial internet of things: Challenges, opportunities, and directions / D. McFarlane, V. Giannikas, W. Lu [et al.] // International Journal of Production Research. - 2019. - Vol. 57, № 15-16. - P. 4724-4738. - DOI: 10.1080/00207543.2019.1615860

45. Barbosa, J. Dynamic self-organization in holonic multi-agent manufacturing systems: The ADACOR evolution / J. Barbosa, P. Leitao // Computers in Industry. - 2017. - Vol. 66. - P. 99-111. - DOI: 10.1016/j.compind.2014.10.011

46. Borangiu, T. Digital Manufacturing Platforms in the Industry 4.0 from IoT Big Data to AI / T. Borangiu, D. Trentesaux, A. Thomas [et al.] // Service Oriented, Holonic and Multi-agent Manufacturing Systems for Industry of the Future. - 2020. - DOI: 10.1007/978-3-030-27477-1

47. Valckenaers, P. Perspective on holonic manufacturing systems: PROSA becomes ARTI / P. Valckenaers // Computers in Industry. - 2020. - Vol. 120. - P. 103226. - DOI: 10.1016/j.compind.2020.103226

48. Leitao, P. Smart Agents in Industrial Cyber-Physical Systems / P. Leitao, S. Karnouskos, L. Ribeiro [et al.] // Proceedings of the IEEE. - 2016. - Vol. 104, № 5. - P. 1086-1101. - DOI: 10.1109/JPROC.2016.2521931

49. Смирнов А.В. Масштабирование промышленных IoT-систем. М.: Техносфера, 2023. 312 с.

50. Gartner "Hype Cycle for Digital Twins" 2023. 45 p.

51. IEC Technical Report 63483:2022. Digital Twin Standards Framework.

52. McKinsey. Scaling Digital Twins in Industry. 2023. DOI: 10.17863/CAM.87655

53. Отчет Ростеха по цифровизации промышленности. 2023. 118 с.

54. BCG. Digital Twin Implementation Guide. 2023. 82 p.

55. Захаров И.А. Цифровые фабрики будущего. СПб: Политехника, 2023. 256 с.

56. Патент RU 2788994. Модульная платформа цифровых двойников. 2023.

57. PwC. Digital Twin Economics. 2023. 67 p.

58. В Дж. Промышленные многоагентные системы. М.: Техносфера, 2023. 488 с.

59. Wooldridge M. An Introduction to MultiAgent Systems. 3rd ed. Wiley, 2022. 476 p.

60. ГОСТ Р 58872-2020. Агентные промышленные системы. 2020. 94 с.

61. W3C Recommendation: Industrial Data Ontology. 2023.

62. Г Б. Бурдо, Н А. Семенов, Н В. Воронцов Подходы к созданию онтологий для автоматизированных систем в машиностроительных производствах // Программные продукты и системы. 2020. №2. URL: https://cyberleninka.ru/article/n/podhody-k-sozdaniyu-ontologiy-dlya-avtomatizirovannyh-sistem-v-mashinostroitelnyh-proizvodstvah (дата обращения: 26.02.2025).

63. Pereira RM, Szejka AL and Canciglieri Jr. O (2022) Ontological Approach to Support the Horizontal and Vertical Information Integration in Smart Manufacturing Systems: An Experimental Case in a Long-Life Packaging Factory. Front. Manuf. Technol. 2:854155. doi: 10.3389/fmtec.2022.854155.

64. Ларин Сергей Николаевич, Баранова Наталья Николаевна СРЕДСТВА ОНТОЛОГИЧЕСКОЙ ПОДДЕРЖКИ МОДЕЛИРОВАНИЯ ТЕХНОЛОГИЧЕСКОЙ СЕБЕСТОИМОСТЬЮ // Известия Самарского научного центра РАН. 2024. №2 (118). URL: https://cyberleninka.ru/article/n/sredstva-ontologicheskoy-podderzhki-modelirovaniya-tehnologicheskoy-sebestoimostyu (дата обращения: 26.02.2025).

65. Антонов В. В., Бармина О. В., Никулина Н. О. ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПРОГРАММНЫМИ ПРОЕКТАМИ НА ОСНОВЕ НЕЧЁТКОЙ ОНТОЛОГИИ // Онтология проектирования. 2020. №1 (35). URL: https://cyberleninka.ru/article/n/podderzhka-prinyatiya-resheniy-pri-upravlenii-programmnymi-proektami-na-osnove-nechyotkoy-ontologii (дата обращения: 26.02.2025).

66. Ярушкина Н. Г., Мошкин В. С., Ишмуратова Г. Р., Андреев И. А., Мошкина И. А. Применение способа интеграции нечётких временных рядов и нечётких онтологий в задачах диагностики технических систем // Онтология проектирования. 2018. №4 (30). URL: https://cyberleninka.ru/article/n/primenenie-sposoba-integratsii-nechyotkih-vremennyh-ryadov-i-nechyotkih-ontologiy-v-zadachah-diagnostiki-tehnicheskih-sistem (дата обращения: 26.02.2025).

67. Гурьянов А. В., Заколдаев Д. А., Шукалов А. В., Жаринов И. О., Костишин М. О. Организация цифровых производств Индустрии 4. 0 на основе киберфизических систем и онтологий // Научно-технический вестник информационных технологий, механики и оптики. 2018. №2. URL: https://cyberleninka.ru/article/n/organizatsiya-tsifrovyh-proizvodstv-industrii-4-0-na-osnove-kiberfizicheskih-sistem-i-ontologiy (дата обращения: 26.02.2025).

68. Бурдо, Г. Б. Онтологический подход при проектировании технологических процессов / Г. Б. Бурдо, Е. В. Воробьева // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (0STIS-2015) : материалы V междунар. науч.-техн. конф. (Минск, 19-21 февраля 2015 года)/ редкол. : В. В. Голенков (отв. ред.) [и др.]. -Минск : БГУИР, 2015. - С. 461-464.

69. Набатов Александр Нурович, Веденяпин Игорь Эдуардович, Мухтаров Айрат Радикович ПРИМЕНЕНИЕ ОНТОЛОГИЧЕСКОГО ПОДХОДА К ПРОЦЕССУ ПРОЕКТИРОВАНИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ // Труды МАИ. 2018. №102. URL: https://cyberlenmka.ru/artide/n/primeneme-ontologicheskogo-podhoda-k-protsessu-proektirovamya-mformatsionnoy-sistemy (дата обращения: 26.02.2025).

70. Конев К.А., Антонов В.В., Ризванов Д.А., Селиванов С.Г., Бакусова Н.С. ОСНОВЫ КОНЦЕПЦИИ ОНТОЛОГИЧЕСКОГО МОДЕЛИРОВАНИЯ БИЗНЕС-ПРОЦЕССОВ ДЛЯ ЗАДАЧ ПРИНЯТИЯ РЕШЕНИЙ // Современные наукоёмкие технологии. - 2020. - № 12-1. - С. 71-77; URL: https://top-technologies.ru/ru/article/view?id=38413 (дата обращения: 26.02.2025).

71. Виноградов Г. П., Виноградова Н. Г. Самоорганизующиеся сетевые экспертные среды в системах с эндогенным принципом целеуказания // Онтология проектирования. 2016. №1 (19). URL: https://cyberleninka.ru/article/n/samoorganizuyuschiesya-setevye-ekspertnye-sredy-v-sistemah-s-endogennym-prrntsipom-tseleukazaniya (дата обращения: 26.02.2025).

72. Массель Л. В., Массель А. Г. СЕМАНТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРИ ПОСТРОЕНИИ ЦИФРОВЫХ ДВОЙНИКОВ ЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ И СИСТЕМ // Онтология проектирования. 2023. №1 (47). URL: https://cyberleninka.ru/article/n/semanticheskoe-modelirovanie-pri-postroenii-tsifrovyh-dvoynikov-energeticheskih-obektov-i-sistem (дата обращения: 26.02.2025).

73. Массель Л. В., Массель А. Г. СЕМАНТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРИ ПОСТРОЕНИИ ЦИФРОВЫХ ДВОЙНИКОВ ЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ И СИСТЕМ // Онтология проектирования. 2023. №1 (47). URL: https://cyberleninka.ru/article/n/semanticheskoe-modelirovanie-pri-postroenii-tsifrovyh-dvoynikov-energeticheskih-obektov-i-sistem (дата обращения: 26.02.2025).

74. Мошкин, В.С. Методики построения нечётких онтологий сложных предметных областей / В.С. Мошкин, Н.Г. Ярушкина // Открытые семантические технологии проектирования интеллектуальных систем (0STIS-2015): материалы V

Междунар. научн.техн. конф. (Минск, 19-21 февраля 2015 г.) / В.В. Голенков (отв. ред.) - Минск: БГУИР. - 2015. - С.401-406.

75. Ефименко И. В. Онтологическое моделирование экономики предприятий и отраслей современной России: Часть 3. Российские исследования и разработки в области онтологического инжиниринга и бизнес-онтологий : препринт WP7/2011/08 (ч. 3) [Текст] / И. В. Ефименко, В. Ф. Хорошевский ; Нац. исслед. унт «Высшая школа экономики». - М. : Изд. дом Высшей школы экономики, 2011. -68 с. - 150 экз.

76. Кудрявцева А. С. АЛГОРИТМ ОЦЕНКИ И ВЫБОРА ИННОВАЦИЙ ДЛЯ ПРЕДПРИЯТИЯ // Онтология проектирования. 2021. №3 (41). URL: https://cyberleninka.rU/article/n/algoritm-otsenki-i-vybora-innovatsiy-dlya-predpriyatiya (дата обращения: 26.02.2025).

77. Скобелев П.О. Онтология деятельности для ситуационного управления предприятиями в реальном времени // Онтология проектирования. - 2012. № 1(3). - С. 6 - 38.

78. Чечнев Василий Борисович Анализ и классификация многокритериальных методов принятия решений // Онтология проектирования. 2024. №4 (54). URL: https://cyberleninka.ru/article/n/analiz-i-klassifikatsiya-mnogokriterialnyh-metodov-prinyatiya-resheniy (дата обращения: 26.02.2025).

79. Шведин Б.Я. Онтология предприятия: экспириентологический подход. Технология построения онтологической модели предприятия на основе анализа и структурирования живого опыта. — М.: ЛЕНАНД, 2010. — 240 с.

80. Владимиров Александр Владимирович Агентное взаимодействие в информационной системе предприятия с адаптацией механизмов работы и интерфейса пользователя // Научно-технический вестник информационных технологий, механики и оптики. 2013. №6 (88). URL: https://cyberleninka.ru/article/n/agentnoe-vzaimodeystvie-v-informatsionnoy-sisteme-predpriyatiya-s-adaptatsiey-mehanizmov-raboty-i-interfeysa-polzovatelya (дата обращения: 26.02.2025).

81. Власов Никита Валерьевич, Палкина Елена Сергеевна ОЦЕНКА НАУЧНОГО ПОТЕНЦИАЛА ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ НА ОСНОВЕ ИНТЕГРИРОВАННОГО ПОДХОДА // Вестник ЗабГУ 2022. №9. URL: https://cyberleninka.ru/article/n/otsenka-nauchnogo-potentsiala-promyshlennogo-predpriyatiya-na-osnove-integrirovannogo-podhoda (дата обращения: 26.02.2025).

82. Галкин В. В., Дудкина М. Н. Особенности управления предприятиями наукоёмкого бизнеса // Вестник ВГТУ 2009. №5. URL: https://cyberleninka.ru/article/n/osobennosti-upravleniya-predpriyatiyami-naukoemkogo-biznesa (дата обращения: 26.02.2025).

83. Горохов, Д. А. Процессные инновации в промышленном производстве высоконаукоёмкой компании / Д. А. Горохов // Вопросы экономики и права. - 2012. - № 52. - С. 65-68. - EDN PHOJCH.

84. Ермаков Владимир Сергеевич ОАО «Пермская научно-производственная приборостроительная компания» - наукоёмкое предприятие Пермского края // Вестник ПНИПУ Аэрокосмическая техника. 2010. №30. URL: https://cyberleninka.ru/article/n/oao-permskaya-nauchno-proizvodstvennaya-priborostroitelnaya-kompaniya-naukoyomkoe-predpriyatie-permskogo-kraya (дата обращения: 26.02.2025).

85. Ефремов, Алексей Юрьевич. Совершенствование процессов управления качеством наукоёмкой продукции на основе применения технологий информационной поддержки жизненного цикла : автореферат дис. ... кандидата технических наук : 05.02.23 / Ефремов Алексей Юрьевич; [Место защиты: Балт. гос. техн. ун-т (ВОЕНМЕХ) им. Ф.Д. Устинова]. — Санкт-Петербург, 2011. — 20 с.

86. Жданкин С. С. Влияние экономической безопасности наукоёмких производств на экономическое развитие страны // Российское предпринимательство. 2008. №1. URL: https://cyberleninka.ru/article/n/vliyanie-ekonomicheskoy-bezopasnosti-naukoemkih-proizvodstv-na-ekonomicheskoe-razvitie-strany (дата обращения: 26.02.2025).

87. Желтенков Александр Владимирович, Полосков Станислав Сергеевич, Плешков Максим Львович ОЦЕНКА АДАПТАЦИИ ИННОВАЦИОННОГО ПОТЕНЦИАЛА ВЫСОКОТЕХНОЛОГИЧНЫХ НАУКОЁМКИХ ПРЕДПРИЯТИЙ К УСЛОВИЯМ ЦИФРОВИЗАЦИИ И КОНЦЕПЦИИ ИНДУСТРИИ 4.0 // Вестник Государственного университета просвещения. Серия: Экономика. 2023. №4. URL: https://cyberleninka.ru/article/n/otsenka-adaptatsii-innovatsionnogo-potentsiala-vysokotehnologichnyh-naukoyomkih-predpriyatiy-k-usloviyam-tsifrovizatsii-i (дата обращения: 26.02.2025).

88. Жигляева А. В. Наукоёмкие технологии: роль в современной экономике, проблемы и перспективы развития // Научно-методический электронный журнал «Концепт». - 2017. - Т. 39. - С. 2721-2725. - URL: http://e-koncept.ru/2017/970871 .htm.

89. Исаева Марта Константиновна АНАЛИЗ И МЕТОДЫ МОДЕЛИРОВАНИЯ МЕХАНИЗМОВ ИННОВАЦИОННОГО РАЗВИТИЯ // ЭНСР. 2019. №1 (84). URL: https://cyberleninka.ru/article/n/analiz-i-metody-modelirovaniya-mehanizmov-innovatsionnogo-razvitiya (дата обращения: 26.02.2025).

90. Козьминых Н. М., Голованов А. А. Многоагентный подход в системах информационной поддержки управленческих решений // Программные продукты и системы. 2012. №1. URL: https://cyberleninka.ru/article/n/mnogoagentnyy-podhod-v-sistemah-informatsionnoy-podderzhki-upravlencheskih-resheniy (дата обращения: 26.02.2025).

91. Коновалова Г. И. ОПЕРАЦИОННАЯ МОДЕЛЬ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ЦИФРОВЫМ ПРОИЗВОДСТВОМ НА МАШИНОСТРОИТЕЛЬНОМ ПРЕДПРИЯТИИ // Организатор производства. 2020. №1. URL: https://cyberleninka.ru/article/n/operatsionnaya-model-operativnogo-upravleniya-tsifrovym-proizvodstvom-na-mashinostroitelnom-predpriyatii (дата обращения: 26.02.2025).

92. Корняков Михаил Викторович, Рупосов Виталий Леонидович Современное состояние, проблемы и направления развития деятельности Технопарка

национального исследовательского Иркутского государственного технического университета // Вестник ИрГТУ 2010. №6 (46). URL: https://cyberleninka.m/article/n/sovremennoe-sostoyanie-proWemy-i-napravleniya-razvitiya-deyatelnosti-tehnoparka-natsionalnogo-issledovatelskogo-irkutskogo (дата обращения: 26.02.2025).

93. Кривелева Ю. С., Мисинева И. А. Современные подходы к управлению наукоёмким производством // Актуальные проблемы авиации и космонавтики. 2012. №8. URL: https://cyberleninka.rU/article/n/sovremennye-podhody-k-upravleniy u-naukoemkim-proizvodstvom (дата обращения: 26.02.2025).

94. Кривякин Кирилл Сергеевич Развитие организации производства сложных наукоёмких изделий // Организатор производства. 2015. №4 (67). URL: https://cyberleninka.ru/article/n/razvitie-organizatsii-proizvodstva-slozhnyh-naukoemkih-izdeliy (дата обращения: 26.02.2025).

95. Кузьмин Владимир Русланович, Загорулько Юрий Алексеевич ПРИМЕНЕНИЕ АГЕНТНО-СЕРВИСНОГО ПОДХОДА ПРИ РАЗРАБОТКЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЭНЕРГЕТИКЕ // Вестник НГУ Серия: Информационные технологии. 2020. №3. URL: https://cyberleninka.ru/article/n7primenenie-agentno-servisnogo-podhoda-pri-razrabotke-intellektualnyh-sistem-podderzhki-prinyatiya-resheniy-v-energetike (дата обращения: 26.02.2025).

96. Садыков С. С., Симаков Р. А. Агентно-ориентированный подход к автоматизации работы пользователей // Программные продукты и системы. 2005. №1. URL: https://cyberleninka.ru/article/n/agentno-orientirovannyy-podhod-k-avtomatizatsii-raboty-polzovateley (дата обращения: 26.02.2025).

97. IEEE Industrial Agents Standards Working Group. Technical Report. 2023.

98. McKinsey. Industrial Agent Systems Benchmark. 2023. DOI: 10.17863/CAM.87656

99. Siemens. Hybrid Automation Architectures. White Paper. 2023. 58 p.

100. Wooldridge M. An Introduction to MultiAgent Systems. 3rd ed. Wiley, 2022.

101. Отчет BMW Group "Industry 4.0 Implementation". 2023.

102. IEEE Standard 2660.1-2023 "Industrial Agents".

103. Отчет ПАО "КАМАЗ" по цифровизации. 2023. 94 с.

104. Marz N. Big Data: Principles and best practices. Manning, 2023.

105. Отчет "Цифровая трансформация в нефтехимии". СИБУР, 2023. 112 с.

106. «Наука, инновации и технологии // Федеральная служба государственной статистики (Росстат). — URL: https://rosstat.gov.ru/folder/154849, (дата обращения: 10.11.2024)».

107. Ратай Т. В. Рейтинг ведущих стран мира по затратам на науку / Ратай Т. В. [Электронный ресурс] // Национальный исследовательский университет «Высшая школа экономики» : [сайт]. — URL: https://issek.hse.ru/news/221864403.html (дата обращения: 28.11.2024).

108. Указ Президента Российской Федерации "О Стратегии научно-технологического развития Российской Федерации" от 28.02.2024 № 145 // Официальный интернет-портал правовой информации. - 2024

109. Логиновский О. В., Голлай А. В., Дранко О. И., Шестаков А. Л., Шинкарев А. А. Эффективное управление организационными и производственными структурами. - М. : НИЦ ИНФРА-М, 2020. - 450 с. - ISBN 978-5-16-016217-1. -DOI: 10.12737/1087996.

110. Логиновский О. В., Белякова В. А. Модели интегрированного управления наукоёмким производством // Системы управления и информационные технологии. - 2025. - № 2-1 (100). - С. 81-86.

111. Багриновский К. А., Бендиков М. А., Хрусталев Е. Ю. Стратегия развития наукоёмких производств как фактор ресурсосбережения / К.А. Багриновский, М.А. Бендиков, Е.Ю. Хрусталев. - М. : ЦЭМИ, 1999. - 75 с. : схем. ; 20 см. - (Препринт / Центр. экон.-мат. ин-т, Рос. акад. наук ; WP/99/070). - Библиогр. : с. 73-74

112. Багриновский К. А., Бендиков М. А., Хрусталев Е. Ю. Экономическая безопасность наукоёмкого производства / К.А. Багриновский, М.А. Бендиков, Е.Ю.

Хрусталев. - М. : ЦЭМИ, 2000. - 82 с. : ил. ; 20 см. - (Препринт / Рос. акад. наук, Центр. экон.-мат. ин-т ; 085). - Библиогр.: с. 80-81 (28 назв.)

113. Багриновский К. А., Исаева М. К. Базовая модель механизма управления технологическим развитием // ЭНСР. 2002. №3. URL: https://cyberleninka.ru/article/n/bazovaya-model-mehanizma-upravleniya-tehnologicheskim-razvitiem (дата обращения: 26.02.2025).

114. Багриновский К. А., Исаева М. К. Система моделей исследования механизма научно-технологического развития / К.А. Багриновский, М.К. Исаева. - М. : ЦЭМИ, 2004. - 68 с. : ил. ; 21 см. - (Препринт / Центр. экон.-мат. ин-т, Рос. акад. наук ; WP/2004/166). - Библиогр.: с. 66-67 (26 назв.)

115. Багриновский, К.А. Проблемы управления развитием наукоёмкого производства / К.А. Багриновский // Менеджмент в России и за рубежом : все о теории и практике управления бизнесом, финансами, кадрами. М. 2003. №2. С. 6576. ISSN 1028-5857.

116. Багриновский, Кирилл Андреевич. Современные методы управления технологическим развитием / К. А. Багриновский, М. А. Бендиков, Е. Ю. Хрусталев. - Москва : РОССПЭН, 2001. - 270, [1] с. : ил., табл.; 22 см.; ISBN 5-82430204-9

117. Попиков А.А. Методы организации производственных процессов наукоёмкого предприятия: диссертация на соискание ученой степени кандидата экономических наук. Воронеж, 2013. 179 с.

118. Варшавский А.Е. Наукоёмкие отрасли и высокие технологии: определение, показатели, техническая политика, удельный вес в структуре экономики России // Экономическая наука современной России. 2000. № 2. Соловейчик К. А., Аркин П. А., Микитась А. В. Методологические подходы к определению терминологии в области наукоёмкого производства // Известия СПбГЭУ 2020. №5 (125). С. 61-83.

119. Зуев С. Ю. К проблеме качественной идентификации наукоёмкого производства // Вестн. Том. гос. ун-та. 2008. №310. URL:

https://cyberleninka.m/artide/n/k-proWeme-kachestvennoy-identifikatsii-naukoemkogo-proizvodstva (дата обращения: 18.10.2023).

120. Богатова Е.В. Инновационная экономика: монография. М: Русайнс, 2014. -C. 53.

121. Осипов Г.В., Миндели Л.Э. Наука и инновации: стандарты измерения, методология, международные сопоставления. Том 1. - М.: ИСПИ РАН, 2016. - C. 129.

122. Коноплицкий В.А., Филина А.И. Экономический словарь. Толково-терминологический // Справочное издание. К: КНТ, 2007. - C. 271.

123. Гунин В.Н. Управление инновациями: 17-модульная программа «Управление развитием организации». Модуль 7. - М.: Инфра-М, 2017. - 249с.

124. Чичерова Е.Ю. Управление развитием наукоёмких производств в России / Е.Ю. Чичерова // М.: КноРус - 2017. - 176с.

125. Блинов А. О., Рудакова О. С. Процессные инновации в системе управления развитием предприятий // Россия: тенденции и перспективы развития. 2011. №6-1. URL: https: //cyberleninka. ru/article/n/protsessnye-innovatsii-v-sisteme-upravleniya-razvitiem-predpriyatiy (дата обращения: 26.02.2025).

126. Щербаков Д. В. Концепция управления наукоёмким производством // Организатор производства. 2010. №1. URL: https://cyberleninka.ru/article/n/kontseptsiya-upravleniya-naukoemkim-proizvodstvom (дата обращения: 28.12.2023).

127. Михайлов С.Н., Кулиш С. М. Инновационная деятельность как фактор устойчивого развития субъекта // ВЭПС. 2012. №3. URL: https://cyberleninka.ru/article/n/innovatsionnaya-deyatelnost-kak-faktor-ustoychivogo-razvitiya-subekta (дата обращения: 26.12.2024).

128. Smith James R., Michael B. Johnson. Digital transformation in manufacturing: A global perspective // Harvard Business Review, vol. 101, no. 4, 2023, pp. 94-104.

129. Wilson, Robert T., et al. "Implementation of smart manufacturing systems in Russian industrial enterprises: A longitudinal study." International Journal of Production Research, vol. 61, no. 8, 2023, pp. 2345-2361.

130. Амелин С. В. Организация производства в машиностроениии в условиях цифровой трансформации // Организатор производства. 2020. №1. URL: https://cyberleninka.ru/article/n/organizatsiya-proizvodstva-v-mashinostroeniii-v-usloviyah-tsifrovoy-transformatsii (дата обращения: 26.02.2025).

131. НАУКОЁМКИЕ ТЕХНОЛОГИИ В МЕТАЛЛУРГИИ : труды 3-й Всероссийской научно-практической конференции / под редакцией С.П. Мочалова, В.П. Цымбала ; Сиб. гос. индустр. ун-т. - Новокузнецк : Изд. центр СибГИУ, 2011. - 363 с.

132. Веселовский Михаил Яковлевич, Абрашкина Елена Михайловна Теоретические подходы к обоснованию эффективности управления наукоёмкими промышленными предприятиями // Вестник АГТУ Серия: Экономика. 2018. №1. URL: https://cyberleninka.ru/article/n/teoreticheskie-podhody-k-obosnovaniyu-effektivnosti-upravleniya-naukoemkimi-promyshlennymi-predpriyatiyami (дата обращения: 26.02.2025).

133. Лещинская А. Ф. Роль наукоёмких технологий в формировании иновационной политики металлургии России // ГИАБ. 2007. №12. URL: https://cyberleninka.ru/article/n/rol-naukoemkih-tehnologiy-v-formirovanii-inovatsionnoy-politiki-metallurgii-rossii (дата обращения: 03.03.2025).

134. Ляхович, Д. Г. Научно-исследовательская работа студента магистратуры направления подготовки «Организация и управление наукоёмкими производствами» : учебно-методическое пособие / Д. Г. Ляхович ; под редакцией И. Н. Омельченко. — Москва : Московский государственный технический университет имени Н.Э. Баумана, 2019. — 32 c. — ISBN 978-5-7038-5363-4. — Текст : электронный // Цифровой образовательный ресурс IPR SMART : [сайт]. — URL: https://www.iprbookshop.ru/110671.html (дата обращения: 26.02.2025). — Режим доступа: для авторизир. Пользователей

135. М Р. Шнейдер КОНЦЕПЦИИ НАУКОЁМКИХ БИЗНЕС-ПРОЦЕССОВ В ИННОВАЦИОННО-АКТИВНЫХ ПРЕДПРИЯТИЯХ ПРОМЫШЛЕННОСТИ // Вестник Академии знаний. 2024. №3 (62). URL: https://cyberleninka.ru/article/n/kontseptsii-naukoemkih-biznes-protsessov-v-innovatsionno-aktivnyh-predpriyatiyah-promyshlennosti (дата обращения: 26.02.2025).

136. Массель Алексей Геннадьевич, Мамедов Тимур Габилович АДАПТАЦИЯ МЕТОДИКИ РЕИНЖИНИРИНГА УНАСЛЕДОВАННЫХ ПРОГРАММНЫХ СИСТЕМ // Информационные и математические технологии в науке и управлении. 2021. №4 (24). URL: https://cyberleninka.ru/article/n/adaptatsiya-metodiki-reinzhiniringa-unasledovannyh-programmnyh-sistem (дата обращения: 26.02.2025).

137. О Е. Хрусталев, С Н. Ларин Модели управления инновационным развитием наукоёмких производств // Экономика и бизнес: теория и практика. 2019. №10-2. URL: https://cyberleninka.ru/article/n/modeli-upravleniya-innovatsionnym-razvitiem-naukoemkih-proizvodstv (дата обращения: 26.02.2025).

138. Петров Михаил Николаевич КОНЦЕПТУАЛЬНЫЕ И МЕТОДИЧЕСКИЕ ПОДХОДЫ К СОВЕРШЕНСТВОВАНИЮ ПРОЦЕССОВ УПРАВЛЕНИЯ ИННОВАЦИОННЫМИ ПРОЕКТАМИ В УСЛОВИЯХ ЦИФРОВОЙ ТРАНСФОРМАЦИИ // Финансовые рынки и банки. 2022. №6. URL: https://cyberleninka.ru/article/n/kontseptualnye-i-metodicheskie-podhody-k-sovershenstvovaniyu-protsessov-upravleniya-innovatsionnymi-proektami-v-usloviyah-tsifrovoy (дата обращения: 26.02.2025).

139. Писаренко О. В., Глебанова А. Ю. "жизненный цикл мотивации работника" в системе управления человеческими ресурсами современных наукоёмких предприятий // Инновации и инвестиции. 2019. №6. URL: https://cyberleninka.ru/article/n/zhiznennyy-tsikl-motivatsii-rabotnika-v-sisteme-upravleniya-chelovecheskimi-resursami-sovremennyh-naukoyomkih-predpriyatiy (дата обращения: 26.02.2025).

140. Поникарова Ирина Николаевна ТЕОРЕТИЧЕСКИЕ ПОДХОДЫ К ОРГАНИЗАЦИИ ПРОЦЕССНОГО ПОДХОДА В СТРАТЕГИЧЕСКОМ УПРАВЛЕНИИ НАУКОЁМКИМИ КОМПАНИИ // Инновационная экономика: перспективы развития и совершенствования. 2021. №8 (58). URL: https://cyberleninka.ru/article/n/teoreticheskie-podhody-k-organizatsii-protsessnogo-podhoda-v-strategicheskom-upravlenii-naukoemkimi-kompanii (дата обращения: 26.02.2025).

141. Пономарев Р. С. Сервисный подход управления бизнес-процессом как инструмент цифровой трансформации // Актуальные исследования. 2024. №15 (197). Ч.П.С. 67-70. URL: https://apni.ru/article/8982-servisnij-podkhod-upravleniya-biznes-protsess

142. Саночкина Юлия Витальевна СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ УПРАВЛЕНИЯ ИННОВАЦИОННЫМ РАЗВИТИЕМ ОТРАСЛИ // Вестник евразийской науки. 2021. №3. URL: https://cyberleninka.ru/article/n/sovershenstvovanie-metodov-upravleniya-innovatsionnym-razvitiem-otrasli (дата обращения: 26.02.2025).

143. Селянин О.И. ИНТЕГРИРОВАННЫЙ ПОДХОД К УПРАВЛЕНИЮ КАСТОМИЗИРОВАННЫМ НАУКОЁМКИМ ПРОИЗВОДСТВОМ ЭЛЕКТРОННОЙ ТЕХНИКИ // Фундаментальные исследования. - 2022. - № 8. - С. 118-122;

URL: https://fundamental-research.ru/ru/article/view?id=43313 (дата обращения: 26.02.2025).

144. Смаева Е. А. Некоторые аспекты совершенствования методов управления инновационными проектами в условиях цифровизации экономики // Актуальные исследования. 2022. №43 (122). С. 82-86. URL: https://apni.ru/article/4840-nekotorie-aspekti-sovershenstvovaniya-metodov

145. Соловейчик Кирилл Александрович, Макаренко Владислав Дмитриевич, Сатаев Павел Алексеевич, Аркина Ксения Георгиевна АВТОМАТИЗАЦИЯ РАБОТЫ СКЛАДА НАУКОЁМКОГО ПРОИЗВОДСТВА

ПРИБОРОСТРОИТЕЛЬНОГО ПРЕДПРИЯТИЯ // Известия СПбГЭУ 2021. №4 (130). URL: https://cyberleninka.ru/article/n/avtomatizatsiya-raboty-sklada-naukoemkogo-proizvodstva-priborostroitelnogo-predpriyatiya (дата обращения: 26.02.2025).

146. Сыщикова Елена Николаевна МЕТОДОЛОГИЯ МОДЕРНИЗАЦИИ СИСТЕМЫ УПРАВЛЕНИЯ НАУКОЁМКИМИ ПРЕДПРИЯТИЯМИ // НК. 2020. №2. URL: https://cyberleninka.ru/article/n/metodologiya-modernizatsii-sistemy-upravleniya-naukoemkimi-predpriyatiyami (дата обращения: 26.02.2025).

147. Управление разработкой наукоёмкого продукта : учебное пособие / И.В. Ершова [и др.].— Екатеринбург : Изд-во Урал. ун-та, 2018.— 120 с.

148. Хрусталёв Е. Ю. Экономическая безопасность наукоёмкого предприятия: методы диагностики и оценки // Национальные интересы: приоритеты и безопасность. 2010. №13. URL: https://cyberleninka.ru/article/n7ekonomicheskaya-bezopasnost-naukoemkogo-predpriyatiya-metody-diagnostiki-i-otsenki (дата обращения: 26.02.2025).

149. Чернецов А.Н. ИССЛЕДОВАНИЕ ПЕРСПЕКТИВНЫХ НАПРАВЛЕНИЙ СОВЕРШЕНСТВОВАНИЯ МЕТОДОВ И МОДЕЛЕЙ ПЛАНИРОВАНИЯ И ОРГАНИЗАЦИИ НАУКОЁМКОГО ПРОИЗВОДСТВА // Вестник науки №4 (25) том 4. С. 59 - 62. 2020 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/3014 (дата обращения: 26.02.2025 г.)

150. Чумарина, Д. А. Модели и алгоритмы для эффективного управления процессов наукоёмкого предприятия в процессе развития его инновационного потенциала / Д. А. Чумарина, А. Т. Шакиров // Современные материалы, техника и технология : Сборник научных статей 9-й Международной научно-практической конференции. В 2-х томах, Курск, 28 декабря 2019 года / Ответственный редактор А.А. Горохов. Том 2. - Курск: Юго-Западный государственный университет, 2019. - С. 405-409. - EDN BRCCKD.

151. Швецова Екатерина Алексеевна СОВРЕМЕННЫЕ АЛГОРИТМЫ СОВЕРШЕНСТВОВАНИЯ ВНУТРИФИРМЕННОГО ПЛАНИРОВАНИЯ В

НАУКОЁМКИХ ОТРАСЛЯХ // Экономика и современный менеджмент: теория и практика. 2016. №4 (58). URL: https://cyberleninka.ru/article/n/sovremennye-algoritmy-sovershenstvovaniya-vnutrifirmennogo-planirovaniya-v-naukoemkih-otraslyah (дата обращения: 26.02.2025).

152. Шувалова И. Г. Совершенствование процесса управления ремонтными работами на электроэнергетических предприятиях // МНИЖ. 2013. №27-3 (14). URL: https://cyberleninka.ru/article/n/sovershenstvovanie-protsessa-upravleniya-remontnymi-rabotami-na-elektroenergeticheskih-predpriyatiyah (дата обращения: 26.02.2025).

ПРИЛОЖЕНИЯ

ПРИЛОЖЕНИЕ А - Стандартный шаблон для реактивных агентов-регуляторов

import time

import numpy as np

from opcua import Client

from pyModbusTCP.client import ModbusClient import minimalmodbus

class ReactiveRegulatorAgent: def _init_(self, config):

II ii ii

Инициализация агента-регулятора :param config: словарь конфигурации {

'opcua_endpoint': 'opc.tcp://localhost:4840', 'modbus_host': '192.168.1.10', 'modbus_port': 502,

'analog_output': '/dev/ttyUSB0' # для 4-20mA

}

ii ii ii

# Подключение к OPC UA серверу

self.opcua_client = Client(config['opcua_endpoint'])

# Подключение к Modbus TCP устройству self.modbus_client =

ModbusClient(host=config['modbus_host'],

port=config['modbus_port'])

# Инициализация аналогового выхода 4-2 0mA self.analog_out =

minimalmodbus.Instrument(config['analog_output'], 1) self.analog_out.serial.baudrate = 9600

# Параметры ПИД-регулятора self.Kp = 0.8

self.Ki = 0.05 self.Kd = 0.1 self.last_error = 0 self.integral = 0

# Конечный автомат self.state = 'IDLE' self.setpoint = 0

def pid_control(self, process_value): """Реализация ПИД-регулятора""" error = self.setpoint - process_value self.integral += error derivative = error - self.last_error output = (self.Kp * error +

self.Ki * self.integral +

self.Kd * derivative)

self.last error = error

return output

def read sensors(self):

"""Чтение данных с датчиков через OPC UA и Modbus"""

try:

# Чтение через OPC UA

temp node =

self.opcua client.get node("ns=2;s=Temperature")

opc value = temp node.get value()

# Чтение через Modbus TCP

modbus values =

self.modbus client.read holding registers(0, 2)

return {

'temperature': opc value,

'pressure': modbus values[0],

'flow': modbus values[1] } except Exception as e:

print(f"Ошибка чтения датчиков: {e}"

return None

def write output(self, value):

"""Запись управляющего сигнала 4-2 0mA"""

try:

# Масштабирование в диапазон 4-2 0mA пример для

16-битного ЦАП)

scaled value = int((value * 65535) / 20)

self.analog out.write register(0, scaled value)

except Exception as e:

print(f"Ошибка записи выхода: {e}")

def state machine(self):

"""Конечный автомат управления"""

sensor data = self.read sensors()

if not sensor data:

return

if self.state == 'IDLE':

if sensor data['temperature'] > 50:

self.state = 'COOLING'

self.setpoint = 45

elif self.state == 'COOLING':

control signal =

self.pid control(sensor data['temperature'])

@app.route('/train', methods=['POST']) def api train(): agent = app.config['agent'] train type = request.json.get('type', all')

if train type in ['rf', 'all']: # Здесь должна быть подготовка данных для RF pass

if train type in ['lstm', 'all']: success = agent.train lstm()

return jsonify({'status': 'success' if 'insufficient data'}) success else

def run agent(config): """Запуск агента с REST API и MQTT""" agent = CognitiveAnalyticsAgent(config)

# Настройка Flask приложения app.config['agent'] = agent app.run(host='0.0.0.0', port=5000)

# Запуск MQTT клиента agent.mqtt client.loop start()

if __name__ == "__main__": config = { 'mqtt broker': 'mqtt.eclipse.org', 'mqtt port': 1883, 'ontology path': 'ontology.ttl', 'model path': 'saved models/' } run agent(config)

ПРИЛОЖЕНИЕ Б - Стандартный шаблон для когнитивных агентов

import json import pandas as pd import numpy as np

from flask import Flask, request, jsonify import paho.mqtt.client as mqtt from rdflib import Graph, Namespace

from sklearn.ensemble import RandomForestClassifier from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense from sklearn.preprocessing import MinMaxScaler import joblib

app = Flask(_name_)

class CognitiveAnalyticsAgent: def _init_(self, config):

II и и

Инициализация когнитивного агента-аналитика :param config: словарь конфигурации { 'mqtt_broker': 'mqtt.eclipse.org', 'mqtt_port': 18 83, 'ontology_path': 'ontology.ttl', 'model_path': 'saved_models/'

}

и и и

# Загрузка онтологии self.ontology = Graph()

self.ontology.parse(config['ontology_path'], format='turtle')

self.ns = Namespace("http://example.org/industry#")

# Инициализация MQTT клиента self.mqtt_client = mqtt.Client()

self.mqtt_client.connect(config['mqtt_broker'], config['mqtt_port'])

self.mqtt_client.subscribe("sensors/#")

self.mqtt_client.on_message = self.handle_mqtt_message

# Инициализация моделей машинного обучения self.scaler = MinMaxScaler(feature_range=(0, 1)) self.rf_model = RandomForestClassifier(n_estimators=100) self.lstm_model = self.build_lstm_model() self.model_path = config['model_path']

# Хранилище временных рядов self.time_series_data = pd.DataFrame()

def build_lstm_model(self):

"""Создание архитектуры LSTM модели""" model = Sequential()

model.add(LSTM(50, return_sequences=True, input_shape=(60, 1)))

model.add(LSTM(50)) model.add(Dense(1)) model.compile(optimizer='adam', loss='mean_squared_error') return model

def handle_mqtt_message(self, client, userdata, message): """Обработка входящих MQTT сообщений""" payload = json.loads(message.payload.decode()) self.store_time_series(payload)

def store_time_series(self, data):

"""Сохранение данных временных рядов с обогащением из онтологии"""

# Добавление семантических аннотаций из онтологии device_type =

self.get_ontology_property(data['sensor_id'], 'hasType') data['device_type'] = device_type

# Добавление в DataFrame new_row = pd.DataFrame([data]) self.time_series_data =

pd.concat([self.time_series_data, new_row], ignore_index=True)

def get_ontology_property(self, sensor_id, property): """Извлечение свойств из онтологии""" query = f"""

SELECT ?value WHERE {{

?sensor rdf:type ns:{sensor_id} . ?sensor ns:{property} ?value .

}}

II ii ii

results = self.ontology.query(query)

return [str(row[0]) for row in results][0] if results else None

def train_random_forest(self, features, target): """Обучение модели Random Forest""" self.rf_model.fit(features, target) joblib.dump(self.rf_model, f"{self.model path}random forest.joblib")

def train_lstm(self, window_size=60):

"""Обучение LSTM на временных рядах""" if len(self.time_series_data) < 100: return False

dataset =

self.time_series_data['value'].values.reshape(-1, 1)

scaled_data = self.scaler.fit_transform(dataset)

# Подготовка данных для LSTM X, y = [], []

for i in range(window_size, len(scaled_data)): X.append(scaled_data[i-window_size:i, 0]) y.append(scaled_data[i, 0])

X, y = np.array(X), np.array(y) X = np.reshape(X, (X.shape[0], X.shape[1], 1))

self.lstm_model.fit(X, y, epochs=10, batch_size=32) self.lstm_model.save(f"{self.model_path}lstm_model.h5") return True

def predict_failure(self, sensor_data):

"""Прогнозирование аномалий/отказов"""

# Использование Random Forest для классификации features = self.prepare_features(sensor_data) rf_pred = self.rf_model.predict(features)

# Использование LSTM для прогнозирования временных рядов lstm_input = self.prepare_lstm_input(sensor_data) lstm_pred = self.lstm_model.predict(lstm_input) lstm_pred = self.scaler.inverse_transform(lstm_pred)

return {

'failure_probability': float(rf_pred[0]), 'expected_value': float(lstm_pred[0][0]), 'timestamp': pd.Timestamp.now().isoformat()

}

# REST API Endpoints

@app.route('/predict', methods=['POST']) def api_predict():

data = request.json agent = app.config['agent'] prediction = agent.predict_failure(data) return jsonify(prediction)

self.write_output(control_signal) elif self.state == 'MAINTAIN'T control_signal = self.pid_control(sensor_data['temperature']) self.write_output(control_signal)

def run(self):

"""Основной цикл работы агента""" try:

self.opcua_client.connect() self.modbus_client.open()

while True:

self.state_machine()

time.sleep(0.1) # 100 мс цикл управления

except KeyboardInterrupt:

print("Остановка агента...") finally:

self.opcua_client.disconnect() self.modbus client.close()

if __name__ == "__main__": config = {

'opcua_endpoint': 'opc.tcp://localhost:4840', 'modbus_host': '192.168.1.10', 'modbus_port': 502, 'analog_output': '/dev/ttyUSB0'

}

agent = ReactiveRegulatorAgent(config) agent.run()

ПРИЛОЖЕНИЕ В - Стандартный шаблон для координационного агента

import json

from jade.core.agent import Agent

from jade.core.behaviours import CyclicBehaviour

from rdflib import Graph, Namespace, RDF, RDFS

from deap import base, creator, tools, algorithms

import numpy as np

import random

from pyswarm import pso

class CoordinationAgent(Agent):

class FIPAContractNetBehaviour(CyclicBehaviour): """Реализация протокола FIPA Contract Net"""

def _init_(self, agent):

super()._init_()

self.agent = agent

def action(self):

msg = self.receive() if msg:

perf = self.agent.evaluate_task(msg) reply = msg.create_reply() reply.set_performative("PROPOSE") reply.set_content(json.dumps({ "capabilities": perf, "agent_id": self.agent.aid

}))

self.send(reply)

award = self.receive(timeout=10) if award and award.performative == "ACCEPT_PROPOSAL":

self.agent.execute_task(award.content)

class ResourceOntology:

"""Онтологическая модель ресурсов"""

def _init_(self):

self.graph = Graph()

self.ns = Namespace("http://example.org/industry/") self.load_ontology()

def load_ontology(self):

self.graph.parse("resources_ontology.ttl", format="turtle")

def query_resources(self, capability):

"""Запрос ресурсов по требуемой capability""" query = f"""

SELECT ?resource WHERE {{

?resource rdf:type ns:Resource . ?resource ns:hasCapability ns:{capability}

}}

II и и

return list(self.graph.query(query, initNs={"ns":

self.ns}))

def _init_(self, aid):

super()._init_(aid)

self.ontology = self.ResourceOntology()

self.add_behaviour(self.FIPAContractNetBehaviour(self))

# Инициализация генетического алгоритма creator.create("FitnessMin", base.Fitness, weights=(-

1.0,))

creator.create("Individual", list, fitness=creator.FitnessMin)

self.toolbox = base.Toolbox() self.setup_ga()

# Инициализация роевого алгоритма self.swarm_size = 2 0

self.pso_params = {'c1': 0.5, 'c2': 0.3, 'w': 0.9}

def setup_ga(self):

"""Настройка генетического алгоритма""" self.toolbox.register("attr_float", random.uniform, 0,

1)

self.toolbox.register("individual", tools.initRepeat,

creator.Individual, self.toolbox.attr_float, n=10)

self.toolbox.register("population", tools.initRepeat, list, self.toolbox.individual)

self.toolbox.register("mate", tools.cxBlend, alpha=0.5) self.toolbox.register("mutate", tools.mutGaussian, mu=0, sigma=0.2, indpb=0.1)

self.toolbox.register("select", tools.selTournament, tournsize=3)

self.toolbox.register("evaluate", self.optimization_objective)

def optimization_objective(self, individual): """Целевая функция для оптимизации"""

# Пример: минимизация стоимости распределения ресурсов cost = sum(individual)

return (cost,)

def evaluate_task(self, task_msg):

"""Оценка задачи и предложение решения""" task = json.loads(task_msg.content)

# Запрос подходящих ресурсов из онтологии resources =

self.ontology.query_resources(task['required_capability'])

if not resources: return None

# Оптимизация распределения с помощью GA population = self.toolbox.population(n=50) algorithms.eaSimple(population, self.toolbox, cxpb=0.5,

mutpb=0.2,

ngen=40, verbose=False) best_ga = tools.selBest(population, k=1)[0]

# Оптимизация с помощью PSO lb = [0] * 10

ub = [1] * 10

best_pso, _ = pso(self.optimization_objective, lb, ub,

swarmsize=self.swarm_size, maxiter=100,

c1=self.pso_params['c1'], c2=self.pso_params['c2'], w=self.pso_params['w'])

# Выбор лучшего решения

ga_score = self.optimization_objective(best_ga)[0] pso_score = self.optimization_objective(best_pso)[0]

return {

"resources": [str(r[0]) for r in resources], "ga_solution": list(best_ga), "pso_solution": list(best_pso), "best_score": min(ga_score, pso_score)

}

def execute_task(self, task_details):

"""Выполнение назначенной задачи""" details = json.loads(task_details) print(f"Executing task with resources: {details['assigned_resources']}")

# Реализация оптимального распределения

if details['optimization_type'] == "genetic":

solution = details['ga_solution'] else:

solution = details['pso_solution']

self.apply_allocation(solution)

def apply_allocation(self, solution):

"""Применение оптимального распределения ресурсов""" # Здесь должна быть логика реального распределения print(f"Applying resource allocation: {solution}")

if _name_ == "_main_":

agent = CoordinationAgent("coordinator_agent@localhost") agent.start()

# Шаблон онтологии ресурсов

@prefix ns: <http://example.org/industry/> .

@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> . @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .

ns:Robot1 rdf:type ns:Resource ;