priborИзвестия высших учебных заведений. ПриборостроениеJournal of Instrument Engineering0021-34542500-0381Национальный исследовательский университет ИТМО10.17586/0021-3454-2024-67-11-928-934pribor-310Research ArticleМЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ И ТЕХНОЛОГИИ ПРОАКТИВНОГО УПРАВЛЕНИЯ СЛОЖНЫМИ ОБЪЕКТАМИMETHODOLOGICAL PRINCIPLES AND TECHNOLOGIES OF PROACTIVE CONTROL OF COMPLEX OBJECTSАвтоматизация анализа интероперабельности технических систем cложных агробиотехнических объектов на основе технологий искусственного интеллектаAutomation of Interoperability Analysis of Technical Systems of Complex Agrobiotechnical Objects Based on Artificial Intelligence TechnologiesСоколовБ. В.SokolovB. V.

Борис Владимирович Соколов — д-р техн. наук, профессор; СПИИРАН, лаборатория информационных технологий в системном анализе и моделировании; гл. научный сотрудник

Boris V. Sokolov — Dr. Sci., Professor; St. Petersburg Institute for Informatics and Automation of the RAS, Laboratory of Information Technologies in Systems Analysis and Modeling, Chief Researcher

sokolov_boris@inbox.ruОхтилевП. А.OkhtilevP. A.

Павел Алексеевич Охтилев — канд. техн. наук; СПИИРАН, лаборатория информационных технологий в системном анализе и моделировании; мл. научный сотрудник

Pavel A. Okhtilev — PhD; St. Petersburg Institute for Informatics and Automation of the RAS, Laboratory of Information Technologies in Systems Analysis and Modeling, Junior Researcher

pavel.oxt@mail.ruСанкт-Петербургский федеральный исследовательский центр Российской академии наукРоссияSt. Petersburg Federal Research Center of the RASRussian Federation2024071220246711928934Copyright © Национальный исследовательский университет ИТМО, 20242024Национальный исследовательский университет ИТМОНациональный исследовательский университет ИТМОhttps://pribor.ifmo.ru/jour/about/submissions#copyrightNoticehttps://pribor.ifmo.ru/jour/article/view/310

Рассматриваются вопросы автоматизации анализа и локализации барьеров интероперабельности разнородных технических систем сложных агробиотехнических объектов в условиях обеспечения решения задачи интегрированного мониторинга их состояния. Цель исследования — обеспечение возможности многовариантного прогнозирования и оценивания функциональной совместимости сопрягаемых унаследованных и создаваемых перспективных автоматизированных систем в сельскохозяйственном производстве на основе имитационного проблемно-ориентированного моделирования и применения интеллектуальных технологий извлечения экспертных знаний и манипулирования ими. Сформирована концептуальная модель локализации барьеров интероперабельности и разработано соответствующее технико-методическое обеспечение для обоснования типовых решений по преодолению барьеров интероперабельности, автоматизации процесса формирования сводной характеристики (профиля) сопряжения систем, проведения верификации, валидации и тестирования прикладных моделей интероперабельности для конкретных наборов сопрягаемых автоматизированных систем. Полученные результаты имеют важное практическое значение для технико-экономического эффекта при выборе технических решений по обеспечению интероперабельности автоматизированных систем и моделированию ее прогнозируемого уровня.

The issues of automation of analysis and localization of barriers of interoperability of heterogeneous technical systems of complex agrobiotechnical objects in the conditions of ensuring the solution of the problem of integrated monitoring of their state are considered. The purpose of the study is to provide the possibility of multivariate forecasting and assessment of the functional compatibility of mating legacy and emerging promising automated systems in agricultural production based on simulation problem-oriented modeling and the use of intelligent technologies for extracting expert knowledge and manipulating it. A conceptual model of interoperability barriers localization is formed and the corresponding technical and methodological support is developed to substantiate typical solutions for overcoming interoperability barriers, automating the process of forming a summary characteristic (profile) of system interfacing, verifying, validating and testing applied interoperability models for specific sets of mating automated systems. The obtained results are of great practical importance for the technical and economic effect when choosing technical solutions to ensure interoperability of automated systems and modeling the predicted level.

интероперабельностьискусственный интеллектсложные агробиотехнические объектыпроактивный мониторингавтоматизация анализаinteroperabilityartificial intelligencecomplex agrobiotechnical objectsproactive monitoringanalysis automationисследование выполнено за счет гранта Российского научного фонда № 24-19-00823, https://rscf. ru/project/24-19-00823/.ReferencesПредложения по наборам метаданных для научных информационных ресурсов / М. В. Кулагин, В. А. Серебряков, А. А. Бездушный, А. К. Нестеренко, Т. М. Сысоев // Вычислительные технологии. 2005. Т. 10, вып. 7. С. 29–48.Kulagin M.V., Serebryakov V.A., Bezdushny A.A., Nesterenko A.K., Sysoev T.M. Computational Technologies, 2005, no. 7(10), pp. 29–48. (in Russ.)Калинин В. Н. Теоретические основы системных исследований. СПб: ВКА им. А. Ф. Можайского, 2016. 293 с.Kalinin V.N. Teoreticheskiye osnovy sistemnykh issledovaniy (Theoretical Foundations of Systems Research), St. Petersburg, 2016, 293 р. (in Russ.)Данеев А. В., Воробьев А. А., Лебедев Д. М. Исследование динамики поведения сложных организационно-технических систем в условиях воздействия неблагоприятных факторов // Вестн. Воронеж. института МВД России. 2010. Вып. № 2. С. 163–171.Daneev A.V., Vorobʹev A.A., Lebedev D.M. Vestnik Voronežskogo instituta MVD Rossii, 2010, no. 2, pp. 163–171. (in Russ.)Каргин В. А., Майданович О. В., Охтилев М. Ю. Автоматизированная система информационной поддержки принятия решений по контролю в реальном времени состояния ракетно-космической техники // Изв. вузов. Приборостроение. 2010. Т. 53, № 11. С. 20–23.Kargin V.A., Maydanovich O.V., Okhtilev M.Yu. Journal of Instrument Engineering, 2010, no. 11(53), pp. 20–23. (in Russ.)Крылов А. В., Охтилев П. А., Бахмут А. Д. Использование прецедентной методологии при построении экспертных систем управления сложными организационно-техническими объектами // Научная сессия ГУАП: Сб. докл. Ч. II. Технические науки. СПб: ГУАП, 2017. С. 255–261.Krylov A.V., Okhtilev P.A., Bakhmut A.D. Scientific session of GUAP: Collection of reports. Part II. Technical sciences, St. Petersburg, 2017, рр. 255–261. (in Russ.)Охтилев М. Ю., Соколов Б. В. Новые информационные технологии мониторинга и управления состояниями сложных технических объектов в реальном масштабе времени // Тр. СПИИРАН. 2005. С. 249–265.Okhtilev M.Yu., Sokolov B.V. Trudy SPIIRAN (SPIIRAS Proceedings), 2005, no. 2(2), pp. 249–265. (in Russ.)Охтилев М. Ю., Соколов Б. В. Теоретические и прикладные проблемы разработки и применения автоматизированных систем мониторинга состояния сложных технических объектов // Тр. СПИИРАН. 2002. Т. 1, вып. 1. С. 167–180.Okhtilev M.Yu., Sokolov B.V. Trudy SPIIRAN (SPIIRAS Proceedings), 2002, no. 1(1), pp. 167–180. (in Russ.)Охтилев М. Ю., Соколов Б. В., Юсупов Р. М. Интеллектуальные технологии мониторинга состояния и управления структурной динамикой сложных технических объектов. М.: Наука , 2006. 410 с.Okhtilev M.Yu., Sokolov B.V., Yusupov R.M. Intellektual'nyye tekhnologii monitoringa i upravleniya strukturnoy dinamikoy slozhnykh ob"yektov (Intelligent Technologies for Monitoring and Controlling the Structural Dynamics of Complex Objects), Moscow, 2006, 410 р. (in Russ.)Гаврилова Т. А., Кудрявцев Д. В., Муромцев Д. И. Инженерия знаний. Модели и методы. СПб: Лань, 2016. 324 с.Gavrilova T.A., Kudryavtsev D.V., Muromtsev D.I. Inzheneriya znaniy. Modeli i metody (Knowledge Engineering. Models and Methods), St. Petersburg, 2016, 324 р. (in Russ.)Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб: Питер, 2000. 384 с.Gavrilova T.A., Khoroshevsky V.F. Bazy znaniy intellektual'nykh system (Knowledge Bases of Intelligent Systems), St. Petersburg, 2000, 384 р. (in Russ.)Люггер Дж. Ф. Искусственный интеллект: стратегии методы решения сложных проблем: Пер. с англ. М.: Изд. дом „Вильямс“, 2003. 864 с.Luger G.F. Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Pearson, 2008, 784 p.Боргест Н. М. Онтология проектирования: теоретические основы. Ч. 1. Понятия и принципы: Учеб. пособие. Самара: Изд-во СГАУ, 2010. 92 с.Borgest N.M. Ontologiya proyektirovaniya: teoreticheskiye osnovy. Chast' 1. Ponyatiya i printsipy (Ontology of Design: Theoretical Foundations. Part 1. Concepts and Principles), Samara, 2010, 92 р. (in Russ.)Левашова Т. В. Принципы управления онтологиями, используемые в среде интеграции знаний// Тр. СПИИРАН. 2002. Т. 2, вып. 1. С. 51–68.Levashova T.V. Trudy SPIIRAN (SPIIRAS Proceedings), 2002, no. 1(2), pp. 51–68. (in Russ.)Микони С. В., Соколов Б. В., Юсупов Р. М. Применение алгебраического подхода в квалиметрии моделей и полимодельных комплексов // Сб. докл. VI науч.-практ. конф. „Имитационное моделирование. Теория и практика“. Казань: Изд-во „Фэн“, 2013. Т. 1. С. 68–79.Mikoni S.V., Sokolov B.V., Yusupov R.M. Imitatsionnoye modelirovaniye. Teoriya i praktika (Simulation Modeling. Theory and Practice), Collection of reports of the VI scientific and practical conference, Kazan, 2013, vol. 1, рр. 68– 79. (in Russ.)

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