ВВЕДЕНИЕ

Искусственный интеллект в производстве запускает трансформационные процессы, открывая возможности для беспрецедентных прорывов и повышения эффективности за счёт автоматизации. По мере развития технологий искусственного интеллекта и повышения их доступности производственный сектор сможет использовать эти возможности, что приведёт к кардинальным изменениям и стратегическим преимуществам. Интеграция искусственного интеллекта в производство может существенно изменить динамику развития отрасли.

Согласно национальной стратегии цифрового развития искусственного интеллекта в России, к 2030 году доля отраслей с высоким уровнем внедрения ИИ вырастет до 95%. [1]

Спрос и готовность со стороны бизнеса полноценно делегировать задачи искусственному интеллекту возрастает. В России, по данным опроса Ассоциации менеджеров, 39% крупных предприятий уже используют ИИ-инструменты, а 25% опрошенных планируют их внедрить в ближайшем будущем. Цифровых двойников используют уже почти 22% компаний, а 34% планируют внедрить эту технологию, показало исследование Высшей школы бизнеса НИУ ВШЭ. [2]

Среди общих основных трендов можно выделить: развитие генеративного ИИ: модели, подобные GigaChat, будут помогать инженерам составлять ТЗ, генерировать код для контроллеров и писать инструкции; полностью автономные фабрики (Lights-out manufacturing): производства, где весь процесс от загрузки сырья до отгрузки готового продукта управляется AI без участия человека и гиперперсонализацию, где ИИ поможет настраивать оборудование под выпуск мелкосерийных партий продукции с уникальными параметрами, что изменит саму концепцию массового производства. По данным Gartner, потенциальный эффект внедрения генеративного ИИ ‒ до 15,8% роста выручки, 15,2% сокращения издержек и более 22% роста производительности сотрудников[2];

Большие данные, представляющие собой нечто среднее между статистическим анализом и исследованием потребительского спроса, стали популярной темой благодаря своей способности приносить пользу. В частности, в производственном секторе использование практических выводов, полученных на основе больших данных, может стать ключом к экономии времени и средств. Совместное исследование, проведенное компаниями Honeywell и KRC, показало, что эффективное использование аналитики больших данных может сократить количество поломок на 26 % и незапланированных простоев почти на четверть. Согласно тому же исследованию Honeywell-KRC, 67 % руководителей производственных предприятий планируют инвестировать в большие данные, несмотря на то что многие из них вынуждены сокращать расходы. [3]

Согласно исследованию «Эффективные отечественные практики применения технологий искусственного интеллекта в сфере топливно-энергетического комплекса», проведенному АНО «Цифровая экономика» совместно с консалтинговой компанией О2Consulting и Ассоциацией лабораторий по развитию искусственного интеллекта, 69% проектов ИИ в ТЭК продемонстрировали позитивный эффект. Основные результаты внедрения технологий включают ускорение процессов в 59% кейсов, улучшение качества в 24% и повышение безопасности в 21% случаев. Таким образом, в 21% кейсов, представленных в кейсбуке, повышение безопасности процессов было отмечено как ключевой эффект от применения искусственного интеллекта. [4]

В 2025 году объём рынка системной интеграции 5G достиг 25,87 млрд долларов США, а к 2035 году ожидается его рост до 312,7 млрд долларов США при прогнозируемом совокупном годовом темпе роста 28,3 %. Этот рынок растёт благодаря сочетанию государственных инициатив по внедрению 5G, инвестициям в автоматизацию «умных» городов и передовые сетевые решения, а также развитию «умных» городов

По оценкам аналитиков (market.us), к 2033 г. объем мирового рынка Edge AI (который включает также рынки оборудования и программного обеспечения, рынки Edge-инфраструктуры и Edge-сервисов) составит около 163 млрд. долл. США по сравнению с 19 млрд. долл. США в 2023 г., а среднегодовой темп роста составит 24,1% в прогнозируемый период с 2024 по 2033 гг. [5].

ПЕРСПЕКТИВЫ РАЗВИТИЯ

Промышленного интернет вещей IIoT

Перспективы развития промышленного Интернета вещей выглядят многообещающе, рынок IIoT развивается семимильными шагами и преобразования неизбежны. Основными векторами развития являются:

Расширенная автоматизация: IIoT продолжит стимулировать автоматизацию производственных процессов, снижая необходимость ручного вмешательства. Автоматизация повысит эффективность, сведет к минимуму ошибки и приведет к экономии средств в различных отраслях.

Подключение к сети 5G: развертывание сетей 5G обеспечит более быструю и надежную передачу данных, что позволит устройствам промышленного интернета вещей обмениваться данными в режиме реального времени с минимальной задержкой. Это еще больше расширит возможности систем промышленного интернета вещей.

Периферийные вычисления: Периферийные вычисления будут играть ключевую роль в промышленном интернете вещей. Обработка данных ближе к источнику (на периферии) сократит время ожидания и позволит принимать решения в режиме реального времени. Это, в свою очередь, будет особенно важно для приложений, требующих мгновенной реакции, таких как беспилотные автомобили и робототехника.

Интеграция искусственного интеллекта и машинного обучения: Системы IIoT будут все чаще включать алгоритмы искусственного интеллекта (ИИ) и машинного обучения (ML) для осмысления огромного объема генерируемых данных. Будет значительно улучшено прогнозное обслуживание, обнаружение аномалий и анализ данных.

Совместимость и стандарты: Продолжена работа по установлению универсальных стандартов для устройств и платформ IIoT для обеспечения лучшей совместимости, что упростит интеграцию и обмен данными между различными системами.

Усиленные меры безопасности: С ростом популярности промышленного интернета вещей потребность в надежных мерах безопасности станет еще более острой. Для защиты устройств и сетей промышленного интернета вещей от киберугроз будут разрабатываться передовые решения в области кибербезопасности.

Экологичность: Промышленный интернет вещей будет способствовать повышению экологичности за счёт более эффективного управления ресурсами и повышения энергоэффективности. Например, интеллектуальные сети оптимизируют использование электроэнергии, сокращая потери.

Отраслевые приложения: IIoT будет все больше адаптироваться к уникальным потребностям конкретных отраслей. В здравоохранении, сельском хозяйстве и «умных городах» ожидается значительный рост применения IIoT, улучшение ухода за пациентами, управления урожаем и городского планирования.

Конфиденциальность данных и регулирование: Поскольку промышленный интернет вещей генерирует огромные объемы данных, проблема конфиденциальности данных будет сохраняться. Правительства и регулирующие органы будут принимать меры для защиты конфиденциальности пользователей и обеспечения ответственного обращения с данными.

Потребительское внедрение: Влияние промышленного Интернета вещей не ограничится промышленными отраслями. Потребители ощутят преимущества «умных» домов и подключённых устройств, которые повышают удобство и качество жизни.

Глобальная экспансия: Внедрение IIoT будет расширяться по всему миру, и развивающиеся страны догонят нас во внедрении решений IIoT для улучшения инфраструктуры и производственных процессов.

Искусственный интеллект/машинное обучение

Внедрение нейросетей и искусственного интеллекта на промышленных предприятиях открывает перспективы для значительного улучшения производительности, эффективности и конкурентоспособности. Будущее использования нейросетей и ИИ на промышленных предприятиях обещает новые возможности и инновации. [6]

Открытие новых технологий в сфере нейросетей и искусственного интеллекта позволит создавать более сложные и глубокие модели для анализа данных и принятия решений. Расширение области применения нейросетей и ИИ на промышленных предприятиях позволит совершенствовать и оптимизировать процессы, повышать качество продукции, снижать издержки и улучшать управление цепями поставок. [7]

Основные направления развития искусственного интеллекта в промышленности представлены на рис.1.

Рис. 1. Основные направления развития искусственного интеллекта в промышленности

Новые технологии, такие как генеративный ИИ и машинное обучение, открывают перед производителями широкие возможности для более эффективного использования больших данных и внедрения инноваций с помощью расширенного моделирования, ускоренного создания прототипов и быстрой настройки продуктов.

Большие данные

Многие производители используют большие данные для оптимизации внутренних процессов, но они могут расширить свои возможности в работе с большими данными, изучая более широкий спектр вариантов их применения.

Традиционно производители уделяли больше внимания масштабированию производства, чем персонализации продукции. Большие данные могут помочь производителям выявлять малейшие изменения в поведении потребителей, что, в свою очередь, позволяет предоставлять клиентам персонализированный сервис и индивидуальные продукты. Производственные компании могут использовать большие данные для повышения эффективности работы, улучшения качества продукции, сокращения отходов и экономии энергии. Основными перспективами развития тенденций в области применения больших данных являются:

• Улучшение контроля качества. Мониторинг и анализ производственных данных в реальном времени позволяют на раннем этапе выявлять дефекты, что улучшает качество продукции.
• Снижение отходов. Данные помогают выявлять неэффективности в производственных процессах, минимизируя отходы и максимизируя использование ресурсов.
• Оптимизация производства. Большие данные позволяют динамически корректировать графики производства и операции на основе данных в реальном времени, что повышает эффективность.
• Предсказание неисправностей оборудования. С помощью данных от датчиков машин производители могут предсказывать поломки оборудования и проводить их только при необходимости.
• Повышение эффективности цепочки поставок. Большие данные оптимизируют логистику, управление запасами и отношения с поставщиками, обеспечивая плавные и экономичные операции.
• Улучшение энергоэффективности и устойчивости. Сбор и анализ данных об использовании энергии позволяет оптимизировать её потребление и снизить затраты.
• Возможность персонализации продуктов. Большие данные помогают производителям обнаруживать мельчайшие изменения в поведении потребителей, что позволяет предлагать им персонализированные продукты.

Большие данные позволяют повысить эффективность, сократить расходы и обеспечить стабильную работу по всему миру. Кроме того, по мере того как страны уделяют всё больше внимания устойчивому развитию, большие данные могут помочь в повышении энергоэффективности, сокращении отходов и внедрении экологически безопасных производственных процессов и практик в соответствии с нормативными требованиями. Развитие облачных аналитических платформ также позволяет производителям и отраслям, в том числе автомобильной и фармацевтической, совершенствовать свою деятельность и получать аналитические данные в режиме реального времени.

Автономные роботы

Автономные промышленные роботы находят широкое применение в производстве и других отраслях промышленности. От простых задач, таких как сборка, до более сложных операций, таких как сварка, покраска или работа с опасными материалами, — эти устройства способны выполнять работу с высочайшей точностью и непревзойденной стабильностью.

Достижения в области искусственного интеллекта и машинного обучения позволят этим устройствам стать ещё более автономными и адаптируемыми к различным ситуациям. Ожидается, что они смогут работать вместе с людьми, дополняя их навыки и улучшая взаимодействие между ними. Робототехника и автоматизация продолжат преобразовывать заводы и промышленные процессы, повышая эффективность, точность и уровень инноваций на всех этапах производства. Без сомнения, автономные промышленные роботы — это технологическая революция, которая полностью меняет современный промышленный ландшафт.

Рассуждая на перспективу, можно сказать, что автономные роботы обладают огромным потенциалом. В течение следующего десятилетия можно ожидать нескольких ключевых достижений:

• Улучшенное восприятие: автономные роботы будут оснащены более совершенными датчиками и системами восприятия, что позволит им с большей точностью понимать и интерпретировать окружающую среду.
• Когнитивные способности: роботы будут обладать более развитыми когнитивными способностями, что позволит им рассуждать, планировать и принимать решения в сложных и динамичных ситуациях.
• Совместная автономность: автономные роботы будут беспрепятственно работать вместе с людьми, выполняя совместные задачи и дополняя возможности человека.
• Роевая робототехника: координация действий больших групп автономных роботов станет более распространённой практикой, что облегчит коллективное принятие решений и позволит совместно выполнять сложные задачи.
• Взаимодействие человека и робота: сфера взаимодействия человека и робота будет развиваться в направлении создания интуитивно понятных и естественных интерфейсов, которые обеспечат бесперебойную коммуникацию и сотрудничество между людьми и роботами.

Улучшенное восприятие, когнитивные способности, автономная работа в команде и этические соображения будут определять будущее робототехники. Автономные роботы продолжат менять наше взаимодействие с технологиями и стимулировать инновации, и прежде всего в промышленном производстве. Однако по мере развития этой области крайне важно решать проблемы, связанные с безопасностью, этикой и нормативно-правовой базой, чтобы обеспечить ответственную и полезную интеграцию автономных роботов в общество. Найдя баланс между технологическим прогрессом и этическими соображениями, мы сможем раскрыть весь потенциал автономных роботов и превратить их из простых машин в надёжных и ценных помощников в нашей повседневной жизни. [9].

Аддитивное производство/гибридное производство

По прогнозам, в период с 2025 по 2034 год мировой рынок гибридных аддитивных производственных машин будет активно расти, поскольку аддитивные и субтрактивные производственные технологии всё чаще используются вместе. Гибридные аддитивные производственные машины сочетают в себе преимущества обеих технологий — 3D-печати и обработки на станках с ЧПУ — и позволяют создавать более качественные изделия с минимальным количеством операций постобработки, сокращать время выполнения заказа и снижать затраты. Поскольку производителям в аэрокосмической, автомобильной, оборонной, электронной и медицинской отраслях требуется более высокая эффективность и гибкость проектирования, использование гибридных систем набирает обороты. Эти станки представляют собой оптимальное решение для производства сложных деталей с высокими допусками и превосходной чистотой поверхности за одну установку. По данным исследования рынка Data Bridge Market Research, в 2021 году рынок гибридного аддитивного производства оценивался в 94,39 млрд долларов США, а к 2029 году ожидается его рост до 337,15 млрд долларов США при среднегодовом темпе роста 17,25 % в течение прогнозируемого периода с 2022 по 2029 год. [9]

Факторы роста рынка гибридных аддитивных производственных машин

• Революция в производстве: гибридное аддитивное производство выходит на первый план
• Преодоление разрыва: сочетание методов для достижения непревзойденной эффективности
• Устойчивые инновации: рост популярности экологичных решений в производстве
• Тенденции развития рынка гибридных аддитивных производственных машин
• Рост популярности интеллектуальных гибридных аддитивных производственных машин в 2025 году
• Экологичные материалы стимулируют инновации в гибридном производстве
• Персонализация революционизирует производство благодаря гибридным технологиям
• Возможности рынка гибридных аддитивных производственных машин
• Революция в производстве: гибридное аддитивное производство нестандартных деталей
• Устойчивые решения: экологичные материалы в гибридном производстве
• Умная интеграция: гибридные машины с поддержкой IoT для повышения эффективности

Все это позволит быстро получать аналитическую информацию в режиме реального времени, будет способствовать снижению требования к пропускной способности и повышать производительность приложений.

Облачные вычисления

По прогнозам, к 2028 году рынок облачных вычислений достигнет 1,24 трлн долларов США, а среднегодовой темп роста составит 16,40 %. Кроме того, почти 60 % корпоративных данных по всему миру хранится в облаках. Более 50 % организаций по всему миру хранят свои бизнес-данные на общедоступных облачных платформах, а 89 % из них используют мультиоблачный подход. Основные тенденции в сфере облачных вычислений представлены на рис. 2.

Рис. 2. Основные тенденции в сфере облачных вычислений

Подключение 5G

С 2025 по 2035 год рынок системной интеграции 5G будет активно развиваться, поскольку многие компании из телекоммуникационного и автомобильного секторов, а также поставщики медицинских услуг и производственные компании будут внедрять технологию 5G. Спрос на услуги системной интеграции растёт, поскольку организациям требуется бесперебойная связь и расширенная обработка данных, а также эффективное внедрение инфраструктуры 5G. [10]

Сфера охвата отчёта Рынок системной интеграции 5G сталкивается с трудностями при интеграции сложной технологии 5G в существующую сетевую инфраструктуру. Многим предприятиям сложно адаптировать устаревшие системы для обеспечения высокой скорости и низкой задержки в сетях 5G. Кроме того, проблемы совместимости, риски, связанные с безопасностью данных, и высокие затраты на развёртывание затрудняют интеграцию.

Чтобы справиться с этими трудностями, поставщикам услуг необходимо инвестировать в передовые системы управления сетями, облачные платформы для интеграции и усиленные средства защиты, которые облегчат переход на 5G.

Внедрение технологии 5G, вероятно, будет расширяться в различных отраслях. В ближайшие годы рынок системной интеграции 5G получит огромные возможности для роста. Такие отрасли, как автомобилестроение, здравоохранение, логистика, работающая в режиме реального времени, и «умные» города, используют автоматизацию 5G, обмен данными в режиме реального времени и улучшенную связь. Развитие частных сетей 5G, периферийных вычислений и приложений Интернета вещей (IoT) также способствует росту спроса на услуги системной интеграции. В будущем рост рынка будет обеспечиваться несколькими компаниями, которые в первую очередь сосредоточены на предоставлении масштабируемых, безопасных и индивидуальных решений для интеграции 5G.

Промышленные датчики повышают эффективность производства и автоматизируют управление процессами благодаря интеграции с 5G

Сегмент промышленных датчиков получает значительные преимущества от интеграции в систему 5G, благодаря которой производственные предприятия, центры промышленной автоматизации и логистические узлы получают возможность мониторинга в реальном времени, предиктивной аналитики и оптимизации процессов с помощью искусственного интеллекта.

Технологические достижения в области искусственного интеллекта для аналитики Интернета вещей, робототехники, подключённой к 5G, и решений для профилактического обслуживания на основе блокчейна повышают рентабельность и безопасность производства, а также прозрачность операций, что гарантирует возможности для будущего роста промышленных датчиков в экосистеме 5G.

Периферийные вычисления

Платформы для работы с данными позволяют компаниям хранить, обрабатывать и анализировать огромные массивы данных в режиме реального времени. Эти данные могут выявить закономерности, определить узкие места и предоставить аналитическую информацию, которая может значительно повысить эффективность работы. Это позволяет проводить профилактическое обслуживание, сокращать время простоя и повышать производительность. Это дает компаниям возможность принимать решения на основе данных, которые способствуют росту и внедрению инноваций.

Кроме того, интеграция с инфраструктурой данных обеспечивает безопасность и целостность данных. По мере того как отрасли всё больше полагаются на данные, их защита от киберугроз становится первостепенной задачей. Надежная инфраструктура данных гарантирует безопасность и доступность данных даже в случае вредоносных атак или системных сбоев.

В целом периферийная автоматизация коренным образом меняет бизнес-процессы в различных отраслях. Она позволяет компаниям оптимизировать операции, повышать эффективность, сокращать расходы и внедрять инновации. По мере развития технологий возможности их использования будут только расширяться, открывая перед компаниями новые перспективы в эпоху цифровых технологий.

Будущее периферийной автоматизации, несомненно, за ней. Технологии продолжают развиваться в геометрической прогрессии, и мы можем ожидать ещё большей интеграции, эффективности и производительности. Промышленный ландшафт изменится, когда машины станут умнее, автономнее и взаимосвязаннее.

Некоторые перспективы развития периферийных технологий в промышленности:

• Периферийная автоматизация. Она позволяет использовать последние технологии, исключать необходимость ручного сбора данных о процессе, повышать точность и актуальность информации. Это даёт возможность безбумажных операций и в режиме реального времени отслеживать цепочку поставок.
• Интеграция с технологиями интернета вещей (IoT). Устройства могут автономно общаться друг с другом и делиться важной информацией. Это позволяет оптимизировать операции, собирать данные в реальном времени, анализировать их и принимать обоснованные решения.
• Прогнозируемое обслуживание на основе искусственного интеллекта. Это уменьшает простои оборудования и позволяет устанавливать оптимальные графики обслуживания.
• Использование платформ для хранения, обработки и анализа данных. Это даёт возможность в реальном времени хранить, обрабатывать и анализировать большие объёмы данных, выявлять закономерности и узкие места.

Моделирование/цифровой двойник

Для создания цифровых и виртуальных двойников на основе моделирования, данных и симметрии используется несколько методов: генеративное моделирование, 3D-сканирование, глубокое обучение, графы знаний и моделирование цифровых двойников без использования сетки становятся всё более распространёнными. Эти системы повышают точность и эффективность проектирования цифровых и виртуальных моделей.

Преимущества цифровых двойников способствуют:

1. Повышению эффективности и снижению затрат

Цифровые двойники играют важнейшую роль в оптимизации процессов, что приводит к повышению эффективности и значительному снижению затрат. Создавая виртуальное представление физической системы или процесса, организации могут выявлять конструктивные недостатки и тестировать решения в виртуальной среде, тем самым экономя время и ресурсы.

2. Снижению рисков

Цифровые двойники позволяют компаниям прогнозировать потенциальные проблемы до того, как они усугубятся, с помощью моделирования сценариев и мониторинга данных в реальном времени, получаемых от физических объектов. Такой прогноз позволяет своевременно проводить техническое обслуживание, избегая простоев и сокращая расходы на ремонт.

3. Ускорению внедрения инноваций

Технология цифровых двойников ускоряет внедрение инноваций, позволяя компаниям дорабатывать проекты и тестировать продукты до их выпуска. Она радикально улучшает управление жизненным циклом продукта, предоставляя информацию о каждом этапе его существования, от разработки до утилизации.

4. Прогнозированию тенденций и логистических сценариев

Алгоритмы расширенной аналитики и машинного обучения, встроенные в цифровые двойники, анализируют исторические закономерности и текущие данные, чтобы прогнозировать будущие тенденции. Например, они могут прогнозировать спрос, выявлять потенциальные узкие места или предсказывать влияние сбоев на цепочку поставок.

Перспективы развития на различных сроках стратегического планирования цифровых двойников в промышленности можно представить следующим образом:

• В краткосрочной перспективе основным фокусом становится контроль над активами и оптимизация процессов. Цифровой двойник позволяет анализировать данные, строить прогнозы для технического обслуживания и ремонта оборудования, что в итоге приводит к сокращению затрат на эти операции.
• В среднесрочной перспективе цифровые двойники приводят к повышению эффективности как управления, так и эксплуатации производства. На крупных предприятиях с большим количеством производственных потоков цифровой двойник становится незаменимым инструментом для оптимизации всех процессов.
• В долгосрочной перспективе цифровой двойник становится катализатором инноваций, особенно на стадии проектирования. Он не только позволяет контролировать текущее состояние и исправность процессов, но и открывает новые возможности для создания и тестирования инновационных решений.

Технология цифровых двойников находится на пороге революционных изменений, которые изменят подход к работе и внедрению инноваций в различных отраслях.

Кибербезопасность

Развитие рынка промышленной кибербезопасности обусловлено растущим числом киберугроз, требованиями к соблюдению нормативных актов и растущей потребностью в повышении операционной эффективности в этих отраслях. Каждый из этих конечных пользователей не только представляет значительный рыночный потенциал, но и подчеркивает острую необходимость в надежных мерах кибербезопасности во взаимосвязанном мире.

Объем рынка промышленной кибербезопасности в 2019 году оценивался в 15,84 млрд долларов США, а к 2032 году, по прогнозам, достигнет 51,58 млрд долларов США, при этом среднегодовой темп роста составит 8,9 % в течение прогнозируемого периода. [11]

По результатам исследования выделены основные тенденций в сфере промышленной кибербезопасности:

1. Обнаружение аномалий в режиме реального времени с помощью ИИ

Внедрение глубоких нейронных сетей и неконтролируемых методов машинного обучения обеспечивает непрерывное поведенческое профилирование активов операционных технологий (OT). Системы искусственного интеллекта теперь принимают потоковые данные от ПЛК, SCADA и сенсорных сетей для мгновенного обнаружения отклонений - от едва заметных аномалий ввода команд до необычных аномалий пропускной способности.

2. Профилактическое обслуживание с использованием ИИ

Модели ИИ прогнозируют сбои в работе оборудования, анализируя вибрацию, термографию, потребляемый ток и управляющие сигналы. При появлении аномалий, указывающих на износ или нарушение работы, системы кибербезопасности сопоставляют их с потенциальным саботажем или заражением прошивки вредоносным ПО.

3. Архитектура с нулевым доверием для сред OT

Принципы нулевого доверия теперь адаптированы для операционных сетей и используют искусственный интеллект для обеспечения детального контроля доступа. Модели непрерывной аутентификации, использующие журналы биометрического доступа, шаблоны управляющих команд и функции идентификации устройств, обеспечивают динамическую микросегментацию.

4. Edge AI для защиты OT в режиме реального времени

Пограничные вычисления в сочетании с искусственным интеллектом меняют подход к защите критически важных активов на промышленных объектах. Благодаря использованию облегченных механизмов нейронного вывода на полевых устройствах или шлюзах можно обнаруживать угрозы в режиме реального времени и контролировать доступ без отправки данных в облако. Это сокращает время ожидания и обеспечивает непрерывность работы даже при наличии ограничений в сети.

5. Моделирование цифровых двойников на основе ИИ

Цифровые двойники промышленных систем теперь могут моделировать сценарии кибератак с помощью виртуальных моделей на основе ИИ. Инженеры загружают в двойник логику управления, топологию сети, параметры физических процессов и телеметрические данные. Затем усовершенствованные модели состязательного обучения имитируют тактику, методы и процедуры злоумышленников. Это позволяет командам тестировать реагирование на инциденты, оценивать схемы сегментации и оптимизировать протоколы защиты перед развертыванием.

6. Поведенческая биометрия для предотвращения внутренних угроз

Поведенческие биометрические системы на основе ИИ теперь отслеживают действия операторов, время ввода команд, жесты на сенсорном экране и процедуры контроля доступа, чтобы выявлять неправомерное использование или компрометацию. Сочетание поведенческой аналитики с управлением идентификацией помогает поддерживать доверие при взаимодействии человека и машины в особо важных средах.

7. Федеративное машинное обучение для совместной работы на нескольких площадках

Федеративное обучение теперь позволяет организациям, имеющим несколько производственных предприятий, совместно обучать модели обнаружения угроз и аномалий без обмена конфиденциальными данными. Каждое предприятие предоставляет локальные обновления моделей на основе телеметрии OT, следов атак и журналов аномалий. Централизованная агрегация улучшает глобальные модели, сохраняя конфиденциальность данных на уровне предприятия.[12]

Цифровые интеллектуальные активы

На рынке программного обеспечения для защиты интеллектуальной собственности наблюдается устойчивый рост, обусловленный растущей потребностью в эффективном управлении нематериальными активами в условиях сложной нормативно-правовой базы. Повышенное внимание к защите патентов, обеспечению соблюдения прав на товарные знаки и управлению портфелем интеллектуальной собственности ускорило внедрение специализированных програмных решений.

При прогнозировании развития блокчейна в среднесрочной перспективе стоит обратить внимание на несколько факторов, чтобы оценить вероятность замедления роста. Хотя запретить криптовалюты практически невозможно, для более продвинутых сценариев использования требуется чёткая правовая база. Если правительства не будут активно работать над созданием нормативно-правовой ясности, внедрение криптовалют будет тормозиться из-за юридических аспектов.

В 2017 и 2018 годах стартапы привлекли миллиарды долларов для разработки блокчейн-решений и приложений. Несвоевременная поставка продуктов или несоответствие продукта рынку могут подорвать доверие к технологии распределённого реестра (DLT) и замедлить прогресс. Крупномасштабные кибератаки могут посеять страх и помешать внедрению как со стороны предприятий, так и со стороны потребителей, которые с меньшей вероятностью будут доверять деньги децентрализованным сервисам.

Самая старая криптовалюта привлекает наибольшее внимание и используется СМИ и широкой общественностью для оценки состояния всего блокчейн-пространства. Несмотря на то, что это поверхностный показатель, динамика цены биткоина, скорее всего, отражает приток средств в отрасль и влияет на него.

Организации отдают приоритет автоматизации и цифровым инструментам, чтобы улучшить управление жизненным циклом патентов, снизить риски нарушения авторских прав и повысить эффективность совместной работы юридических отделов и отделов исследований и разработок. Рост числа патентных заявок по всему миру и повышенное внимание к конкурентной разведке ещё больше увеличили спрос.

Возможности интеграции с существующим корпоративным программным обеспечением и облачными решениями повысили доступность и масштабируемость. Ожидается, что в будущем развитие аналитики на основе искусственного интеллекта и блокчейна для обеспечения безопасности интеллектуальной собственности откроет новые возможности для роста, а необходимость соблюдения нормативных требований обеспечит устойчивое расширение рынка.

ЗАКЛЮЧЕНИЕ

Каким будет будущее машинного обучения в производстве? Во-первых, мы увидим рост числа автономных фабрик, которые работают практически без участия человека. Машины и оборудование смогут подключаться друг к другу и оптимизировать свою работу. Модели будут объединять данные из разных источников, поскольку все устройства будут подключены к Интернету вещей, оснащены датчиками и смогут транслировать видео. В то же время результаты работы ИИ станут более понятными для рядовых сотрудников. Продукты станут более персонализированными с учетом потребностей и предпочтений клиентов. А цифровые двойники, которые уже используются в производстве, помогут обеспечить их надежность. Производственные дефекты будут сведены к нулю благодаря прогностической аналитике и контролю качества в режиме реального времени.

Облачные вычисления, периферийные вычисления и внедрение Интернета вещей способствуют росту рынка, поскольку бизнес-организациям нужны безопасные и масштабируемые решения. Во многих отраслях стремительно растет потребность в надежной интеграции 5G из-за повсеместного внедрения автоматизации на основе ИИ, а также интеллектуальных сетей и цифровых двойников. Фундаментальная роль поставщиков решений для интеграции 5G становится решающей для развития корпоративных экосистем, поскольку они обеспечивают бесперебойную связь между устаревшими и будущими сетевыми системами.

Искусственный интеллект выступает в роли связующего звена, объединяющего эти тенденции и обеспечивающего обнаружение, реагирование, прогнозирование и совместную работу в сфере промышленной кибербезопасности. Он повышает прозрачность сложных операционных сред, превращая потоки данных с датчиков и из сети в полезную информацию. Системы глубокого обучения и обучения с подкреплением обеспечивают адаптивную защиту, анализируя новые модели атак и оперативно корректируя пороговые значения. Федеративный и периферийный ИИ обеспечивают баланс между инновациями, конфиденциальностью и задержками. Поведенческая аналитика снижает внутренние риски, прогностические модели увеличивают время безотказной работы, а цифровые двойники позволяют безопасно экспериментировать. В совокупности эти возможности, основанные на искусственном интеллекте, создают экосистему, в которой доверие обеспечивается алгоритмически, риски динамически управляются, а отказоустойчивость обеспечивается на каждом уровне — от полевых устройств до центральных SIEM-систем.

Промышленная кибербезопасность имеет решающее значение в эпоху, когда физический и цифровой миры тесно взаимосвязаны. В ближайшие годы промышленные предприятия смогут уверенно ориентироваться в сложной сфере кибербезопасности благодаря комплексному подходу, инвестициям в передовые технологии и сотрудничеству с компаниями, занимающимися промышленной кибербезопасностью.

1. «О развитии искусственного интеллекта в Российской Федерации». Указ Президента Российской Федерации от 10.10.2019 г. № 490

2. https://www.vedomosti.ru/technologies/trendsrub/articles/2024/11/14/1074829-generativnii-intellekt-umnozhaet (дата обращения: 14.06.2025).

3. https://www.engineering.com/how-big-data-is-shaping-the-future-of-manufacturing/. (дата обращения: 11.08.2025).

4. https://d-economy.ru/analitic/jeffektivnye-otechestvennye-praktiki-primenenija-tehnologij-iskusstvennogo-intellekta-v-promyshlennosti/ (дата обращения: 12.08.2025).

5. https://market.us/report/edge-ai-market (дата обращения: 14.08.2025).

6. Сопина, Н. В. Перспективы внедрения нейросетей и искусственного интеллекта на промышленном производстве / Н. В. Сопина, Р. С. А. Маккаева // Журнал монетарной экономики и менеджмента. – 2023. – № 3. – С. 222-227. – DOIhttps://doi.org/10.26118/2782-4586.2023.78.70.032. – EDN SJHYYC.

7. Горобченко С.Л., Шифрин Б.М., Алексеева С.В., Гоголевский А.С., Кривоногова А.С., Пушков Ю.Л., Войнаш С.А. Современное состояние применения и развития методов искусственного интеллекта в промышленных регуляторах и интеллектуальных системах управления // Известия ТулГУ. Технические науки. - 2023. - №3. - С. 106–112.

8. https://the-tech-vortex.com/2023/05/17/the-rise-of-autonomous-robots/#future-prediction (дата обращения: 25.06.2025).

9. https://www.databridgemarketresearch.com/ru (дата обращения: 08.07.2025).

10. https://www.futuremarketinsights.com/reports/5g-system-integration-market (дата обращения: 01.08.2025).

11. https://www.fortunebusinessinsights.com/industrial-cybersecurity-market-104557 (дата обращения: 10.07.2025).

12. https://teliportme.com/blog/digital-twins-your-comprehensive-guide-for-2024 (дата обращения: 27.07.2025).