МИВАР22

МИВАР’22

СБОРНИК НАУЧНЫХ СТАТЕЙ

Под редакцией О.О. Варламова

Москва

ИНФРА-М

2022

УДК 004.8
ББК 32.813
М57

ФЗ 

№ 436-ФЗ

Издание не подлежит маркировке

в соответствии с п. 1 ч. 2 ст. 1

Р е ц е н з е н т ы с т а т е й:
Варламов О.О., доктор технических наук, профессор;
Максимычев О.И., доктор технических наук, профессор;
Остроух А.В., доктор технических наук, профессор;
Теслинов А.Г., доктор технических наук, профессор;
Чувиков Д.А., кандидат технических наук

М57

МИВАР’22 : сборник научных статей / под ред. О.О. Варламова.  —

Москва : ИНФРА-М, 2022. — 439 с.

ISBN 978-5-16-110922-9 (online)

В сборник включено 58 научных статей с описанием результатов развития миварных 

технологий логического искусственного интеллекта, полученные в период с февраля 2021 г. по 
май 2022 г. В исследованиях, которые проводились в рамках работ научно-исследовательской 
инициативы НИИ МИВАР, приняли участие 138 человек, из них три доктора и 12 кандидатов 
наук, а также 105 молодых ученых — студентов и аспирантов.

Цель сборника — собрать и показать в систематизированном виде все новые 

достижения, направления развития и результаты практической реализации миварных 
технологий искусственного интеллекта. Миварные экспертные системы можно образно 
сравнить с созданием паровоза, для которого теперь необходимо строить железные дороги —
базы знаний по всем отраслям науки и практики. Линейная вычислительная сложность 
(относительно количества правил «если, то») логического вывода в миварных экспертных 
системах позволяет перейти от «Больших Данных» к созданию «Больших Знаний» и на новый 
качественный уровень в области искусственного интеллекта. 

Важной особенностью прикладных миварных систем является их достаточная 

универсальность, простое обучение и легкое освоение, не требующее специальной подготовки. 
Опыт применения КЭСМИ (Wi!Mi) показал, что школьники старших классов успешно создают 
миварные экспертные системы.  

Для специалистов, научных работников, студентов вузов и техникумов в области 

искусственного интеллекта, обработки информации и управления. Может использоваться 
в качестве учебного пособия по современным информационным технологиям и искусственному 
интеллекту для аспирантов, студентов вузов и учреждений среднего профессионального 
образования, школьников.

УДК 004.8
ББК 32.813

ISBN 978-5-16-110922-9 (online)

© НИИ МИВАР, 2022

© Коллектив авторов, 2022

Содержание 
 

Миварные экспертные системы (МЭС)
6

Абросимова Н.Г., Арбузов А.П., Саврасов П.А., Аксенова М.В., Антонов А.И.
МЭС для организации управления проектами IT-компании……………………………
6

Авдеев Ю.В., Оганесян Р.Р., Мурашко И.А., Ваняшкин Ю.Ю., Аксенова М.В. 
МЭС для создания сайта предприятия с сервисом по подбору напитков……………...
13

Богомолов Д.Н., Умряев Д.Т., Кротов Ю.Н., Абрамкина Т.П., Виноградова М.В. 
МЭС для автоматизации решения заявок в службе технической поддержки…………
20

Житенев В.Г., Демьянчук Г.В., Колпаков М.О., Бурашников В.В., Абрамкина Т.П. 
МЭС противодействия мошенничеству при дистанционном обслуживании в банке...
29

Ишков Д.О., Фадеев А.А., Курганова А.Г., Мокренко Н.В., Правдина А.Д.
МЭС для подбора оправы для очков……………………………………………………...
38

Кауров М.Д., Андреев К.А., Жизневский П.И., Ковалева Н.А., Шкуратова Л.П. 
МЭС для подбора комбинации персонажей в игровом проекте Genshin Impact………
44

Корнеева А.П., Черненький С.В., Шкуратова Л.П., Кротов Ю.Н., Семенов Д.В.
МЭС для выбора кредита………………………………………………………………….
53

Крутов Т.Ю., Галичий Д.А., Шкуратова Л.П., Ковалева Н.А., Кротов Ю.Н. 
МЭС для СКУД с соблюдением санитарных требований в условиях пандемии……...
59

Ларичева М.В., Павловская А.А., Белых А.А., Быкова Д.И., Силантьева Е.Ю. 
МЭС по подбору настольных игр…………………………………………………………
68

Макрушина В.А., Шапиев М.М., Горбовцова К.М., Зубаиров В.А., Черненький С.В.   
МЭС для оценки критичности уязвимостей информационных систем………………..
75

Пасатюк А.Д., Аникин Ф.А., Халимонов А.М., Якубов А.Р., Тимофеев В.Б. 
МЭС для решения школьных задач по информатике…………………………………...
82

Сукач Е.А., Чечнев А.А., Кротов Ю.Н., Ковалева Н.А., Шкуратова Л.П. 
МЭС гибкой работы с клиентами в банковской сфере………………………………….
89

Тислюк Д.A., Рожненко М.К., Большаков С.А., Ковалева Н.А., Булатова И.Г.  
МЭС для отбора кандидатов на IT-должности…………………………………………..
98

Чувиков Д.А., Адамова Л.Е., Булатова И.Г., Аладин Д.В., Осипов В.Г. 
МЭС «метаболический синдром» для терапевта и эндокринолога…………………….
105

Базы знаний для миварных экспертных систем (БЗ МЭС)
115

Андреев А.В., Крайчиков О.Д., Карпов Д.К., Балдин А.В., Горячкин Б.С.
БЗ МЭС по подбору фильмов……………………………………………………………..
115

Болотин А.С., Яценко А.А., Булатова И.Г., Шкуратова Л.П., Адамова Л.Е.   БЗ МЭС 
по выбору состава команды создания сценария для различных форм медиа………….
122

Гаврилюк А.Г., Хотин П.Ю., Черната Н.С., Виноградова М.В., Абрамкина Т.П. 
БЗ МЭС подбора ноутбуков……………………………………………………………….
129

Гапчук Л.Д., Громова О.А., Толпаров Н.Р., Шевчук М.С., Ковалева Н.А.
БЗ МЭС построения архитектур web-приложений………………………………………
137

Ионов С.А., Киселев А.А., Киселев В.А., Масленников К.Ю., Нестеров Ю.Г. 
БЗ МЭС по рекомендации туров РЖД……………………………………………………
144

Калашникова А.В., Коценко А.А., Сергеев И.В., Селиверстова А.В., Адамова Л.Е. 
БЗ МЭС «Психодиагностика»……………………………………………………………..
151

Козырев С.А., Ольховенко К.А., Капитонова Д.В., Ведьгун Е.А., Семкин А.П.
БЗ МЭС по подбору обучающих курсов………………………………………………….
158

Саросек М.С., Семкин П.С., Шкуратова Л.П., Масленников К.Ю., Правдина А.Д.
БЗ МЭС поиска по репозиторию информационных материалов……………………….
165

Яценко А.А., Болотин А.С., Шкуратова Л.П., Булатова И.Г., Селиверстова А.В.
БЗ МЭС для оценки и уменьшения текучести кадров на предприятиях……………….
171

Развитие миварной теории
178

Байбарин Р.Г., Кучеренко М.А., Тюлькина Н.В., Чувиков Д.А., Адамова Л.Е.
Проект «Миварная Активная Энциклопедия»…………………………………………...
178

Байбарин Р.Г., Тюлькина Н.В., Кучеренко М.А., Ханмурзин Т.И., Булатова И.Г.  
Миварные мультимодели и использование параллельных вычислений для них……...
187

Варламов О.О., Егоров С.А. 
Развитие миварных технологий смысловой обработки потоков текстовых данных….
194

Коценко А.А., Герасименко А.В., Калашникова А.В., Базанова А.Г., Аладин Д.В. 
МЭС для решения оптимизационных задач и поиска траекторий робота……………..
213

Соболева Е.Д., Попова И.А., Макаров Д.А., Балдин А.В., Ковалева Н.А.  Методика 
преобразования из метаграфовой модели представления знаний в миварную………..
220

Соболева Е.Д., Попова И.А., Макаров Д.А., Балдин А.В., Ковалева Н.А.  Методика 
преобразования из миварной модели представления знаний в метаграфовую………..
228

Чиженков Б.М., Силаев А.В., Казаков Н.А., Тимофеев В.Б., Силантьева Е.Ю. 
Миварный классификатор репозиториев информационных материалов………………
236

Комплексные проекты искусственного интеллекта
244

Алпеев В.С., Ли М.В., Савельев А.А., Белодедов М.В., Большаков С.А. ГИИС на 
основе мультипредметных нейронных сетей и миварных экспертных систем………..
244

Волков А.С., Варламов О.О.   О создании двухуровневой нейросетевой структуры 
для применения в машиностроении………………………………………………………
251

Забелина В.А., Ахвердиев В.И., Гоголь И.В., Овчинников С.С., Нестеров Ю.Г.
Рекомендательная система подбора товаров в интернет-магазине на основе ГИИС…
261

Маматкулов У.Б., Кесель С.А., Семенов Д.В., Варламов О.О., Шкатов П.Н 
Миварная интеллектуализация SGRC-платформ информационной безопасности……
269

Румянцев О.К., Писарчук Н.А., Шкатов П.Н., Балдин А.В., Семкин П.С.  
Улучшение точности распознавания речи на основе МЭС……………………………..
275

Старых Ф.А., Саргсян Т.А., Ванцян А.Г., Аксенова М.В., Белодедов М.В. 
Автоматизация процедурной генерации уровней в видеоиграх на основе МЭС……...
281

Сысойкин Е.М., Шпак И.Д., Антонов А.И., Самойлов А.М., Енин А.О. 
О распознавании номеров участников соревнований ансамблем нейросетей…………
287

Цыбров П.П., Аршанов Г.О., Черненький С.В., Кротов Ю.Н.
О системе принятия решения на основе анализа текстового описания симптомов…...
295

Шашурин А.С., Мелконьянц А.Р., Ковалев С.А., Гусев С.Р., Селиверстова А.В. 
Комплексное распознавание дорожных знаков на основе нейронных сетей и МЭС…
302

Шевцова Ю.Б., Замула А.И., Мышенков К.С., Терехов В.И., Нестеров Ю.Г. 
ГИИС оценки человека по фотографии и выдачи рекомендаций по питанию………...
309

Мивары и образование
315

Адамова Л.Е., Варламов О.О.  Обеспечения психологической безопасности 
студентов при пандемии и цифровизации………………………………………………..
315

Гузева Т.А., Егоров С.А., Адамова Л.Е., Аладин Д.В., Варламов О.О.  
Применение МЭС для управления образовательными программами в вузе…………..
323

Егоров С.А., Гузева Т.А., Адамова Л.Е., Чувиков Д.А., Варламов О.О.  
БЗ МЭС для учебной дисциплины «РКПТ»……………………………………………...
330

Миварные системы принятия решений
338

Аладин Д.В.
ГИИС для поведенческой модели водителя ВАТС……………………………………...
338

Аладин Д.В., Чувиков Д.А. Миварные системы интеллектуального планирования 
и контроля за соблюдением ПДД…………………………………………………………
344

Чувиков Д.А., Аладин Д.В.
Миварное представление оперативного мышления водителя ВАТС…………………..
351

Чувиков Д.А., Аладин Д.В., Варламов О.О.
Автономные группы роботов с миварными системами принятия решений…………...
356

Машиностроительный искусственный интеллект
363

Варламов О.О., Кривошеев О.В., Трищенков А.В., Осипов В.Г., Лялин Е.С.  
Машиностроительный искусственный интеллект как новое направление  
для СПЖЦ…………………………………………………………………………………..
363

Баканов С.В. 
Разработка миварных баз знаний для BPMS……………………………………………..
370

Варламов О.О., Кривошеев О.В.
Использование миварных сетей для РРПС……………………………………………….
376

Варламов О.О., Кривошеев О.В.
Применение комбинированного алгоритм РРПС при неполноте данных……………..
383

Варламов О.О., Кривошеев О.В., Трищенков А.В., Осипов В.Г., Лялин Е.С.  
Цифровизация агропромышленного комплекса и машиностроительный ИИ…………
390

Кривошеев О.В.
Применение миварного алгоритма РРПС при неполноте данных……………………...
399

Кривошеев О.В. 
Применение МЭС в условиях неполноты данных «без предыстории» для решения 
задач объемного, объемно-календарного и сменно-суточного планирования………...
406 

Кривошеев О.В. 
Интегрированная модель данных для СПЖЦ изделий машиностроения……………...
414

Осипов В.Г., Чувиков Д.А., Кривошеев О.В., Варламов О.О., Трищенков А.В.
Планирование действий по обработке и сборке изделий в машиностроительном 
ИИ…………………………………………………………………………………………...
420

Титков М.Д., Осипов В.Г., Адамова Л.Е.
Оптимизация персонала в машиностроении на основе миварных технологий………..
428

Трищенков А.В., Осипов В.Г., Лялин Е.С., Чувиков Д.А., Аладин Д.В. 
2022: развитие  машиностроительного ИИ для СПЖЦ…………………………………
433

 
 
 

МИВАРНЫЕ ЭКСПЕРТНЫЕ СИСТЕМЫ  
 
УДК 004.891  
МЭС ДЛЯ ОРГАНИЗАЦИИ УПРАВЛЕНИЯ  
ПРОЕКТАМИ IT-КОМПАНИИ 
Абросимова Н.Г., Арбузов А.П., Саврасов П.А., Аксенова М.В., Антонов А.И.  
ФГБОУ ВО МГТУ им. Н.Э. Баумана, г. Москва, Россия 
 
Аннотация. Обосновано применение миварных экспертных систем 
(МЭС) для организации управления проектами IT-компании. Разработана база 
знаний МЭС для организации работы IT-компании, содержащая необходимые 
правила вывода. Эта база знаний позволяет оценить трудоёмкость, 
стоимость, длительность и требуемое число людей для оцениваемого 
проекта. МЭС оценивает все нужные факторы проекта, вводимые 
пользователем, и выдаёт искомый результат в виде рассчитанного значения. 
Разработанная модель знаний может быть дополнена в случае необходимости 
путём добавления новых входных или выходных параметров и правил. Для 
разработки экспертной системы использовалась среда КЭСМИ Wi!Mi 
«Разуматор». Wi!Mi является весьма простым в использовании и имеет 
большую вычислительную быстроту. Применение МЭС упрощает процесс 
планирования и распределения различных ресурсов для осуществления проектов 
IT-компании, а благодаря высокой вычислительной мощности используемой 
среды КЭСМИ Wi!Mi «Разуматор» разработанная экспертная система 
является быстродействующей и позволяет получить результат в реальном 
времени. Кроме того, данная среда позволяет объяснить решение, проследить 
процесс вычисления искомого значения и наглядно отображает его на графах.  
Ключевые слова: мивар, миварные сети, Большие Знания, экспертная 
система, IT-компания, проект, COCOMO II, КЭСМИ, Wi!Mi, Разуматор. 
 
MES FOR THE ORGANIZATION OF PROJECT MANAGEMENT 
 OF THE IT COMPANY 
Abrosimova N.G., Arbuzov A.P., Savrasov P.A., Aksenova M.V., Antonov A.I. 
BMSTU, Moscow, Russia 
Abstract.  The use of mivar expert systems (MES) for the organization of 
project management of an IT company is justified. A knowledge base of the MES has 
been developed for organizing the work of an IT company, containing the necessary 
withdrawal rules. This knowledge base allows you to estimate the labor intensity, 
cost, duration and the required number of people for the project being evaluated. The 
MES evaluates all the necessary project factors entered by the user and outputs the 
desired result in the form of a calculated value. The developed knowledge model can 
be supplemented, if necessary, by adding new input or output parameters and rules. 
For the development of the expert system, environment was used Wi!Mi "Razumator". 
Wi!Mi is very easy to use and has great computational speed. The use of MES 
simplifies the process of planning and allocating various resources for the 

implementation of IT company projects, and thanks to the high computing power of 
the used environment, Wi!Mi "Razumator" developed expert system is fast-acting and 
allows you to get results in real time. In addition, this environment allows you to 
explain the solution, trace the process of calculating the desired value and visually 
displays it on graphs. 
Keywords: mivar, mivar networks, Big Knowledge, expert system, IT company, 
project, COCOMO II, Wi!Mi, Razumator. 
 
Введение. IT-инфраструктура постоянно расширяется, занимая всё 
большее место в жизни людей, отчего растёт и необходимость в управлении ей. 
Так как не всегда рядовой пользователь владеет необходимыми для этого 
навыками, помощь ему в этом могут оказать специализированные IT-компании. 
Таким образом можно обеспечить, например, безопасность системы, провести 
аудит или разработать специализированное программное обеспечение для 
заказчика, позволяющее упростить и автоматизировать работу в нужной ему 
области. Одной из важных частей систем IT-компаний для достижения 
выполняемых ими задач является управление проектами для того, чтобы 
наиболее эффективно распределить сотрудников и их задачи, а также грамотно 
оценить требуемые затраты на проект [1]. Организацию управления ITпроектами можно автоматизировать на основе применения технологий 
искусственного интеллекта (ИИ).  
В настоящее время для решения подобных задач целесообразно 
применять миварный [2] подход [3] логического ИИ [4], который успешно [5] 
применяется для решения многих [6] математически подобных задач [7] и 
многих других, например: для понимания смысла [8] русскоязычных [9] 
текстов [10] и оценки их сложности [11], управления образованием в вузах [12], 
моделирования [13] сложных систем управления [14], автоматизации [15], 
распараллеливания [16] обработки данных [17] на вычислительных кластерах 
[18], создания интеллектуальных [19] систем [20], баз данных [21] и правил 
[22], инфопространства [23], трехмерного моделирования [24] и создания 
тренажеров [25], распознавания [26] образов [27], для развития [28] медицины 
[29] и средств [30] диагностики [31], регулирования дорожного движения [32]; 
создания [33] быстрых [34] безопасных [35] интеллектуальных [36] и 
верифицированных [37] систем [38] принятия [39] решений [40] для 
автономных [41] роботов [42]; распределения ресурсов [43] и сравнения [44] 
векторов [45]. Отметим, что аналогами для систем организации управления 
проектами в ИТ-компаниях являются системы принятия решений для 
интеллектуальных роботов [38-45].  
Разрабатываемая модель знаний для миварной экспертной системы 
(МЭС) [2-45] должна определять требуемое число человеческих, временных и 
денежных ресурсов для осуществления тех или иных проектов в зависимости 
от их характеристик. Поскольку в связи с большим распространением 
использования информационных технологий спрос на услуги IT-компаний 
только растёт, а распределение ресурсов для их осуществления является 
важной задачей, требующей наиболее оптимального решения для наиболее 

быстрого их предоставления, то поставленные задачи можно назвать 
актуальными на настоящий момент. 
Решение задачи проекта. В качестве средства для разработки МЭС 
будет использоваться среда КЭСМИ Wi!Mi «Разуматор» [6, 7, 22], которая 
является простой в использовании и работает в реальном времени [2-3]. 
Поставленную задачу можно достигнув, разбив её на подзадачи: 
1. Определение трудоёмкости проекта 
2. Определение длительности проекта 
3. Определение стоимости проекта 
4. Определение суммарного числа разработчиков 
Для оценки трудоёмкости проекта можно воспользоваться моделью 
COCOMO II [1], которая позволяет оценить затраты на проект в человекомесяцах и, отталкиваясь от этого значения, определить также длительность, 
стоимость проекта и требуемое число разработчиков.  
Основное уравнение для вычисления трудоёмкости (затрат) проекта в 
человеко-месяцах, если брать в расчёт, что архитектура проекта уже 
сформирована, будет выглядеть так [3]: 
ЗАТРАТЫ =  А х К~������������ х РАЗМЕР���� х Мр  + 3��������������������Ы���������������� [чел.-мес] 
Где: 
- А = 2,5 – масштабный коэффициент; 
- К~req – коэффициент изменчивости требований к проекту, вычисляется 
по формуле:  

К~������������ = 1 + BRAK
100  

Где BRAK — процент кода, отброшенного из-за изменения требований. 
- Размер проекта исчисляется в KLOC – количестве строк кода. 
- B является показателем зависимости затрат от размера проекта, 
вычисляется по формуле:  

���� = 1,01 + 0,01 ��������

5

����=1
 

-  Мр – множитель правки, вычисляется по формуле:  

 Мр = ���� М����

17

����=1
 

- 3ATPATЫauto – затраты на автогенерируемый код. 
Кроме того, следует выделить следующие ограничения: 
- Коэффициенты Wi оцениваются целыми числами по шкале от 0 до 5; 
- Коэффициенты Мi оцениваются целыми числами по шкале от 1 до 6; 
- Процент кода BRAK находится в диапазоне от 0 до 100. 
На основании полученного значения затрат можно определить стоимость 
и длительность проекта [3].  
Длительность (TDEV) =
 [3,0 х ЗАТРАТЫ0,33+0,2(����−1,01)] х 
SCEDPercentage

100
  [мес] 

Где: 

- В - показатель степени, описанный выше; 
- SCEDPercentage - процент увеличения (уменьшения) номинального 
графика. 
СТОИМОСТЬ =  ЗАТРАТЫ х РАБ_ КОЭФ 
Где РАБ_ КОЭФ - значение рабочего коэффициента, составляет среднюю 
зарплату за месяц. 
Число требующихся для выполнения проекта разработчиков также можно 
вычислить, исходя из трудоёмкости и срока выполнения: 

Число разработчиков = 
ЗАТРАТЫ

ДЛИТЕЛЬНОСТЬ  [человек] 

Создание базы знаний МЭС. В соответствии с полученными выше  
правилами создадим в КЭСМИ Wi!Mi «Разуматор» модель, включающую 
перечисленные формулы и параметры, которые приведены на рисунке 1. 

 
Рис.1. Классы и параметры в КЭСМИ Wi!Mi «Разуматор». 
 

После ввода всех правил система была протестирована. Определённые 
ранее подзадачи могут быть выполнены одновременно или по отдельности. На 
рисунке 2 приведено тестирование расчёта затрат. Красным цветом выделены 
значения, 
посчитанные 
в процессе 
выполнения 
алгоритма, 
синим – 
определённые как значения по умолчанию. Галочкой помечается искомый 
параметр перед запуском системы. Фрагмент графа решения для этого 
алгоритма приведён на рисунке 3. 
 

 
Рис.2. Тестирование расчёта затрат.  

 
Рис.3.Часть графа расчёта трудоёмкости проекта.