Интеллектуальные системы на службе заводов: как предсказать поломку и сэкономить миллионы. Технологии умных фабрик и прогнозируемое обслуживание. Монография

20

.Мишустин на ЦИПР-2025 предложил новые меры поддержки отечественного ПО. [Электронный ресурс] 2025 URL: https://cifrastroy.ru/news/mishustin-na-tsipr-2025-predlozhil-novye-mery-podderzhki-otechestvennogo-po (дата обращения: 14.12.2023). — Текст: электронный.

21

.Дмитрий Григоренко: Развитие цифровых технологий — один из стратегических приоритетов России. [Электронный ресурс] 2025 URL: https://национальнаяэкономика.рф/2025/11/26/dmitrij-grigorenko-razvitie-cifrovyh-tehnologij-odin-iz-strategicheskih-prioritetov-rossii/ (дата обращения: 14.12.2025). — Текст: электронный.

22

.Тельнов Ю. Ф., Казаков В. А., Данилов А. В., Денисов А. А. Требования к программной реализации системы Индустрии 4.0 для создания сетевых предприятий // Программные продукты и системы. 2022. Т. 35. №4. С. 557—571. DOI: 10.15827/0236—235X.140.557—571

23

.Тельнов Ю. Ф., Казаков В. А., Данилов А. В., Брызгалов А. А. Разработка моделей производственных и бизнес-процессов сетевых предприятий на основе многоагентных систем // Программные продукты и системы. 2023. №4. С. 632—643. doi: 10.15827/0236—235X.142.632—643

24

.Роботы разошлись в показателях. [Электронный ресурс] 2025 URL: https://www.kommersant.ru/doc/8179876 (дата обращения: 14.12.2025). — Текст: электронный.

25

.Цифровизация промышленности. Обзор TAdviser. [Электронный ресурс] URL: https://www.tadviser.ru/index.php/Статья:Обзор_Цифровизация_промышленности_в_России_2025 _2025 (дата обращения: 14.12.2025). — Текст: электронный.

26

.Цифровизация промышленности в России: ключевые тенденции 2025 года. [Электронный ресурс] 2025 URL: https://globus-ltd.ru/blog/237 (дата обращения: 14.12.2025). — Текст: электронный.

27

.Михаил Мишустин дал поручения по итогам форума «Цифровые решения». [Электронный ресурс] 2025 URL: http://government.ru/news/57274/ (дата обращения: 14.12.2025). — Текст: электронный.

28

.Глобальные тренды цифровой трансформации промышленности. [Электронный ресурс] 2025 URL: https://www.vedomosti.ru/press_releases/2025/07/17/globalnie-trendi-tsifrovoi-transformatsii-promishlennosti (дата обращения: 14.12.2025). — Текст: электронный.

29

.Чесалов А. Ю. Применение прорывных технологий искусственного интеллекта в промышленных экосистемах Индустрии 4.0 // Перспективные интеграционные процессы в мировой экономике: нооподход / Сборник материалов IX Санкт-Петербургского международного экономического конгресса (СПЭК-2024) / Под общ. ред. С. Д. Бодрунова. Том 2. — М.: ИНИР им. С. Ю. Витте, 2024. — С. 176—184.

30

.Галкин Д. И., Чесалов А. Ю. Перспективы цифровой трансформации производителей оборудования неразрушающего контроля на примере опыта НИИИН МНПО «СПЕКТР» // XXIII Всероссийская научно-техническая конференция по неразрушающему контролю и технической диагностике «Умные технологии НК. Единство теории и практики»: сб. тр. Москва, 23 — 25 октября 2023 г. С. 187—170. — М.: Издательский дом «Спектр». — С. 167 — 170.

31

.Палюх Б. В., Чесалов А. Ю. Методологический подход к цифровой трансформации предприятий отрасли производителей оборудования неразрушающего контроля // «Инжиниринг предприятий и управление знаниями» (ИП&УЗ — 2023): сборник научных трудов XXVI Российской научной конференции. 29 — 30 ноября 2023 г. / под науч. ред. Ю. Ф. Тельнова.- Москва: ФГБОУ ВО «РЭУ им. Г. В. Плеханова». — С. 256 — 260.

32

.Lee J, Lapira E, Bagheri B, Kao H. Recent advances and trends in predictive manufacturing systems in big data environment. Manuf Letter 2013; 38:41. [Электронный ресурс]. 2013 — URL: https://www.researchgate.net /publication/ 262880066_Recent_advances_ and_trends_in_predictive_ manufacturing_systems_in_big_data_environment (дата обращения: 18.03.2025)

33

.Predictive maintenance: techniques and advantages. [Электронный ресурс]. 2024. — URL: https://www.mecalux.com/blog/predictive-maintenance (дата обращения: 23.10.2024)

34

.Explore Beyond GenAI on the 2024 Hype Cycle for Artificial Intelligence. [Электронный ресурс]. www.gartner.com — URL: https://www.gartner.com/en/articles/hype-cycle-for-artificial-intelligence (дата обращения: 16.03.2025)

35

.Галкин Д. И., Ефимов А. Г., Чесалов А. Ю. (2024). Перспективы создания цифровой инфраструктуры данных в НК // Территория NTD — январь-март — 2024. — С. 62 — 65.

36

.Болтенков А. А., Сарсенбаев Е. А., Селивёрстов М. В., Каликасов Н. Т. интеллектуализация процессов контроля и управления электроконтактным нагревом при восстановлении деталей типа диск. DOI: 10.53083/1996-4277-2021-202-08-102-107 [Электронный ресурс]. cyberleninka.ru — URL: https://cyberleninka.ru/article/n/intellektualizatsiya-protsessov-kontrolya-i-upravleniya-elektrokontaktnym-nagrevom-pri-vosstanovlenii-detaley-tipa-disk (дата обращения: 22.03.2025)

37

.The Top 10 Industrial AI use cases. [Электронный ресурс]. iot-analytics.com — URL: https://iot-analytics.com/the-top-10-industrial-ai-use-cases/ (дата обращения: 04.03.2025)

38

.Lee, J., Bagheri, B., & Kao, H. A. (2015) A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems. Manufacturing Letters, 3, 18—23. DOI: 10.1016/j. mfglet.2014.12.001

39

.Мячева Оксана Дмитриевна, Ефимова Евгения Аркадьевна. Автоматизированная система учета и контроля качества продукции в экспертной лаборатории. [Электронный ресурс]. cyberleninka.ru — URL: https://cyberleninka.ru/article/n/avtomatizirovannaya-sistema-ucheta-i-kontrolya-kachestva-produktsii-v-ekspertnoy-laboratorii (дата обращения: 16.03.2025)

40

.Predictive maintenance market: 5 highlights for 2024 and beyond. [Электронный ресурс]. iot-analytics.com — URL: https://iot-analytics.com/predictive-maintenance-market/ (дата обращения: 03.03.2025)

41

.Boosting Productivity: The Impact of Predictive Maintenance in Manufacturing. [Электронный ресурс]. praxie.com — URL: https:// praxie.com/predictive-maintenance -in-manufacturing-4/#:~:text= Defining%20Predictive%20 Maintenance, Monitoring %20equipment%20in%20real%2Dtime. (дата обращения: 23.10.2024)

42

.Галкин Д. И., Чесалов А. Ю. Перспективы цифровой трансформации производителей оборудования неразрушающего контроля на примере опыта НИИИН МНПО «СПЕКТР» // XXIII Всероссийская научно-техническая конференция по неразрушающему контролю и технической диагностике «Умные технологии НК. Единство теории и практики»: сб. тр. Москва, 23 — 25 октября 2023 г. С. 187—170. — М.: Издательский дом «Спектр». — С. 167 — 170.

43

.Палюх Б. В., Чесалов А. Ю. Методологический подход к цифровой трансформации предприятий отрасли производителей оборудования неразрушающего контроля // «Инжиниринг предприятий и управление знаниями» (ИП&УЗ — 2023): сборник научных трудов XXVI Российской научной конференции. 29 — 30 ноября 2023 г. / под науч. ред. Ю. Ф. Тельнова.- Москва: ФГБОУ ВО «РЭУ им. Г. В. Плеханова». — С. 256 — 260.

44

.Галкин Д. И., Ефимов А. Г., Чесалов А. Ю. Перспективы создания цифровой инфраструктуры данных в НК // Территория NTD — январь-март — 2024. — С. 62 — 65.

45

.Using AI in Predictive Maintenance: The Benefits of AI-Assisted Maintenance. [Электронный ресурс].. — URL: https://tractian.com/en/blog/ai-predictive-maintenance (дата обращения: 23.10.2024)

46

.Predictive Maintenance [Электронный ресурс].. — URL: https://www.gofmx.com/predictive-maintenance/ (дата обращения: 23.10.2024)

47

.Ideal State of Equipment Maintenance: Technology That Realizes Predictive Maintenance [Электронный ресурс].. — URL: https://article.murata.com/en-eu/article/technology-to-realize-predictive-maintenance (дата обращения: 23.10.2024)

48

.What is edge AI? [Электронный ресурс].. — URL: https://www.ibm.com/topics/edge-ai (дата обращения: 23.10.2024)

49

.Ucar, A.; Karakose, M.; Kırımça, N. Artificial Intelligence for Predictive Maintenance Applications: Key Components, Trustworthiness, and Future Trends. Appl. Sci. 2024, 14, 898. https://doi.org/10.3390/app14020898 (дата обращения: 23.10.2024)

50

.Энгель Екатерина Александровна, Ковалев Игорь Владимирович Методы и алгоритмы обработки информации нечеткими нейросетями в системах интеллектуальной поддержки принятия решений // Сибирский аэрокосмический журнал. 2007. №4. URL: https://cyberleninka.ru/article/n/metody-i-algoritmy-obrabotki-informatsii-nechetkimi-neyrosetyami-v-sistemah-intellektualnoy-podderzhki-prinyatiya-resheniy (дата обращения: 20.09.2025).

51

.Иванов В. К., Палюх Б. В. Демонстратор программной платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах // Программные продукты и системы / Software & Systems. — 2021. — №4 (34) — С.511—523.

52

.O&M Best Practices Guide, Release 3.0 [Электронный ресурс]. 2025 — URL: https://www1.eere.energy.gov/femp/pdfs/OM_5.pdf (дата обращения: 06.09.2025)

53

.Fuhui Wu, Qingbo Wu, Yusong Tan, Xinghua Xu. Remaining Useful Life Prediction Based on Deep Learning: A Survey. [Электронный ресурс]. www.mdpi.com — URL: https://www.mdpi.com/1424-8220/24/11/3454 (дата обращения: 02.04.2025)

54

.Козлова А. И., Ляндау Ю. В. Esg-стандарты для управления устойчивым развитием компании. [Электронный ресурс]. cyberleninka.ru — URL: https://cyberleninka.ru/article/n/esg-standarty-dlya-upravleniya-ustoychivym-razvitiem-kompanii (дата обращения: 02.04.2025)

55

.LIME и SHAP. [Электронный ресурс]. habr.com — URL: https://habr.com/ru/companies/otus/articles/779430/ (дата обращения: 02.04.2025)

56

.Marco Tulio Ribeiro, Sameer Singh, Carlos Guestrin. «Why Should I Trust You?»: Explaining the Predictions of Any Classifier. [Электронный ресурс]. arxiv.org — URL: https://arxiv.org/abs/1602.04938 (дата обращения: 02.04.2025)

57

.Scott Lundberg, Su-In Lee. A Unified Approach to Interpreting Model Predictions [Электронный ресурс]. arxiv.org — URL: https://arxiv.org/abs/1705.07874 (дата обращения: 02.04.2025)

58

.Шелухин Олег Иванович, Барков Вячеслав Валерьевич, Симонян Айрапет Генрикович. Обнаружение дрейфа концепта при классификации мобильных приложении с использованием автокодировщиков // Наукоемкие технологии в космических исследованиях Земли. 2023. №3. — URL: https://cyberleninka.ru/article/n/obnaruzhenie-dreyfa-kontsepta-pri-klassifikatsii-mobilnyh-prilozhenii-s-ispolzovaniem-avtokodirovschikov (дата обращения: 02.04.2025).

59

.Шелухин Олег Иванович, Ванюшина Анна Вячеславовна. Сравнительный анализ методов обнаружения нежелательных сетевых приложений в потоковом режиме для обеспечения информационной безопасности // Наукоемкие технологии в космических исследованиях Земли. 2023. №5. — URL: https://cyberleninka.ru/article/n/sravnitelnyy-analiz-metodov-obnaruzheniya-nezhelatelnyh-setevyh-prilozheniy-v-potokovom-rezhime-dlya-obespecheniya-informatsionnoy (дата обращения: 02.04.2025).

60

.API FIRST — что это поменяло [Электронный ресурс]. habr.com — URL: https://habr.com/ru/companies/T1Holding/articles/730404/ (дата обращения: 02.04.2025)

61

.Евгения Сафонова. Кто первый? Code first и Design first подходы в разработке сайтов. [Электронный ресурс]. www.vipro.ru — URL: https://www.vipro.ru/articles/who-is-first/ (дата обращения: 02.04.2025)

62

.gRPC vs REST, что выбрать для нового сервера? [Электронный ресурс]. — URL: habr.com https://habr.com/ru/articles/565020/ (дата обращения: 02.04.2025)

63

.Тищенко Дмитрий Александрович, Приходько Татьяна Александровна. Алгоритм защиты от состязательных атак в языковых моделях // International Journal of Open Information Technologies. 2024. №10. — URL: https://cyberleninka.ru/article/n/algoritm-zaschity-ot-sostyazatelnyh-atak-v-yazykovyh-modelyah (дата обращения: 02.04.2025).

64

.Что такое data-driven-подход и как он работает в компаниях: рассказываем на примерах. [Электронный ресурс]. skillbox.ru — URL: https://skillbox.ru/media/management/chto-takoe-datadrivenpodkhod-i-kak-on-rabotaet-v-kompaniyakh-rasskazyvaem-na-primerakh/ (дата обращения: 02.04.2025)