МИВАР26. Том 1
Миварные технологии в действии: обзор сборника научных статей «МИВАР’26»
Введение в мир миварных технологий
Представленный сборник научных статей «МИВАР’26», под редакцией О.О. Варламова, является результатом Пятой Международной Научной Конференции и Молодежной Школы, проходившей в Москве в конце 2025 и начале 2026 года. Издание объединяет 367 исследователей, включая 10 докторов и 21 кандидата наук, а также 323 молодых ученых, демонстрируя активное развитие и практическое применение миварных технологий логического искусственного интеллекта. Основная цель сборника – систематизация и представление новейших достижений в области миварных технологий, охватывающих как теоретические аспекты, так и практические реализации.
Ключевые направления исследований
Сборник фокусируется на нескольких перспективных направлениях развития миварных технологий:
- Автоматическое создание миварных баз знаний: Исследуются возможности использования больших языковых моделей (LLM) для автоматизации процесса формирования миварных баз знаний (МБЗ). Это открывает путь к созданию более гибких и легко адаптируемых систем искусственного интеллекта.
- Умные производственные системы (УмПС): Представлены многочисленные примеры применения миварных экспертных систем (МЭС) для поддержки принятия решений в различных отраслях промышленности, включая пищевую, химическую, машиностроительную и энергетическую. Особое внимание уделяется автоматизации контроля качества, оптимизации технологических процессов и предиктивному обслуживанию оборудования.
- Комплексные гибридные системы ИИ: Исследуются возможности интеграции миварных логических систем с нейронными сетями для решения задач понимания текстов и образов. Такой гибридный подход позволяет сочетать преимущества обеих парадигм, достигая высокой точности и интерпретируемости результатов.
Преимущества миварных технологий
Одной из ключевых особенностей миварных технологий, подчеркиваемой в сборнике, является кардинальное снижение вычислительной сложности автоматического построения алгоритмов и логического вывода. Сложность переходит от факториальной (N!) к линейной (N) относительно количества правил. Это достигается за счет использования двудольных миварных сетей и реализации вычислительных процедур в едином информационно-управляющем пространстве. Миварные системы успешно работают на простых компьютерах и смартфонах, отличаются универсальностью, быстрым обучением и не требуют специальной подготовки пользователей.
Практические применения в промышленности
Значительная часть сборника посвящена конкретным примерам применения МЭС в различных отраслях:
- Пищевая промышленность: Разработаны МЭС для контроля качества воды в производстве безалкогольных напитков, регулирования жирности кисломолочных продуктов, производства фруктовых консервов детского питания, производства сусла на пивоваренной мануфактуре, контроля процесса фильтрации и розлива пива, а также для производства пельменей.
- Машиностроение и производство: Представлены МЭС для автоматизации контроля качества токопроводящих дорожек в аддитивном производстве печатных плат, управления покраской автомобильных деталей, управления производством этилового спирта, управления 5-корпусной выпарной установкой в сахарной промышленности, управления конш-машиной на кондитерской фабрике, предиктивного обслуживания фрезерного станка с ЧПУ, контроля охлаждения металлических заготовок, производства алюминиевых профилей, контроля качества полупроводниковых пластин, подбора режимов резания для токарного станка, управления литьем и нанесением покрытий в производстве трубопроводной арматуры.
- Энергетика и инфраструктура: Описаны МЭС для контроля и диагностики районных электроподстанций и управления станцией подготовки воды методом обратного осмоса.
- Другие области: Также представлены МЭС для подбора персонала в обучающие организации, анализа психотипа сотрудников, подбора мест для путешествий, оптимизации SQL-запросов, управления складскими запасами и для многих других задач.
Перспективы развития
Сборник подчеркивает, что миварные технологии являются мощным инструментом для создания «думающих саморазвивающихся машин» и машиностроительного ИИ. Развитие новых направлений, таких как автоматическое создание миварных баз знаний с помощью LLM, и интеграция миварных и нейронных сетей в комплексные гибридные системы ИИ, открывают новые горизонты для решения сложных задач в области понимания текстов и образов, а также конструирования автономных интеллектуальных робототехнических комплексов.
В целом, сборник «МИВАР’26» демонстрирует широкий спектр успешных применений миварных технологий, подчеркивая их значимость для развития современного искусственного интеллекта и его практической реализации в различных отраслях экономики.
- 32: Радиоэлектроника
- 328: Кибернетика. Общая радиотехника. Электроника. Электроакустика. Элетросвязь. Радиосвязь
- ВО - Бакалавриат
- 01.03.01: Математика
- 02.03.02: Фундаментальная информатика и информационные технологии
- 02.03.03: Механика и математическое моделирование
- 03.03.03: Механика и математическое моделирование
- 11.03.01: Радиотехника
- ВО - Магистратура
- 01.04.02: Прикладная математика и информатика
- 02.04.02: Фундаментальная информатика и информационные технологии
- 02.04.03: Математическое обеспечение и администрирование информационных систем
- 09.04.04: Программная инженерия
- 15.04.06: Мехатроника и роботехника
- Аспирантура
- 01.06.01: Математика и механика
- 02.06.01: Компьютерные и информационные науки
- 09.06.01: Информатика и вычислительная техника
МИВАР᾽26 ТОМ 1 Под редакцией О.О. Варламова СБОРНИК НАУЧНЫХ СТАТЕЙ Москва ИНФРА-М 2026
УДК 004.891+007.52+681.518+004.896+65.011.56+62-529+62-519(075.4) ББК 32.81:22.1 М57 М57 МИВАР’26. Том 1 : сборник научных статей / под ред. О.О. Варламова. — Москва : ИНФРА-М, 2026. — 599 с. : ил. ISBN 978-5-16-022424-4 (print) ISBN 978-5-16-115128-0 (online) В первый том Сборника включены научные статьи, подготовленные по материалам докладов Пятой Международной Научной Конференции и Молодежной Школы «МИВАР’26», организованной 17–19 декабря 2025 года и 16–18 апреля 2026 года научно-исследовательской инициативой (НИИ) МИВАР, Базовой кафедрой № 254 — ВК Института ИИ РТУ МИРЭА, НИИ ВК имени М.А. Карцева и кафедрой «Системы обработки информации и управления» (ИУ-5) МГТУ имени Н.Э. Баумана. В статьях представлены результаты исследований, полученные в период с июля 2025 г. по июнь 2026 г. В этих исследованиях приняли участие 367 человек, из них 10 докторов, 21 кандидат наук и 323 молодых ученых. Цель Сборника — собрать и показать в систематизированном виде все новые достижения, направления развития и результаты практической реализации миварных технологий логического искусственного интеллекта (ИИ). Развиваются новые направления исследований: автоматическое создание миварных баз знаний с помощью больших лингвистических моделей, Умные Производственные Системы, комплексные гибридные системы ИИ понимания текстов и образов на основе миварных и нейронных сетей. Преимуществом прикладных миварных систем является их работа на простых компьютерах и смартфонах, универсальность, быстрое обучение и освоение, не требующее специальной подготовки. Опыт применения КЭСМИ Wi!Mi показал, что студенты успешно и быстро создают миварные экспертные системы. Для специалистов, инженеров, когнитологов, научных работников, студентов вузов и техникумов в областях: информатика и вычислительная техника, кибернетика, ИИ, обработка информации и управление. Может использоваться в качестве учебного пособия по ИИ и современным информационным технологиям для аспирантов, студентов, обучающихся в учреждениях среднего профессионального образования и школьников. УДК 004.891+007.52+681.518+004.896+65.011.56+62-529+62-519(075.4) ББК 32.81:22.1 Р е ц е н з е н т ы: Адамова Л.Е., кандидат психологических наук, доцент; Балдин А.В., доктор технических наук, профессор; Варламов О.О., доктор технических наук, профессор; Выскуб В.Г., доктор технических наук, профессор; Максимов Н.В., доктор технических наук, профессор; Мутин Д.И., доктор технических наук, доцент; Старчак С.Л., доктор технических наук, профессор; Терехов В.И., доктор технических наук, доцент; Теслинов А.Г., доктор технических наук, профессор; Чувиков Д.А., кандидат технических наук Вопросы и заявки на участие в работе Молодежной Школы «МИВАР’27» принимаются на почту ovar@yandex.ru. ISBN 978-5-16-022424-4 (print) ISBN 978-5-16-115128-0 (online) © Коллектив авторов, 2026 © НИИ МИВАР, 2026 © МГТУ им. Н.Э. Баумана, 2026
Содержание Варламов О.О. 2026: обзор областей применения миварных технологий ЛИИ ............................. 6 МЭС ДЛЯ УМПС: МИВАРНЫЕ ЭКСПЕРТНЫЕ СИСТЕМЫ ДЛЯ УМНЫХ ПРОИЗВОДСТВЕННЫХ СИСТЕМ Арзуманов Г.В., Татарников А.Е., Петров М.В., Балдин А.В., Антонов А.И. МЭС для поддержки принятия решений при управлении процессом подачи полимерного сырья для изготовления пластиковой продукции на термопластавтомате ................................................... 13 Асадова А.В., Ржевская О.А., Мышенков К.С., Алексеева Е.А., Артемьев В.И. МЭС для производства эмульсионного крема на вакуумном эмульгаторе-гомогенизаторе ..................... 24 Братьков С.Д., Рыжакин Н.С., Нестеров Ю.Г., Сорокин С.А., Белодедов М.В. МЭС для автоматизации контроля качества токопроводящих дорожек в аддитивном производстве печатных плат .................................................................................................................................... 32 Бурукина А.А., Очирова М.Ж., Абрамкина Т.П., Алексеева Е.А., Мутина Е.И. МЭС для автоматизированного контроля качества воды в производстве безалкогольных напитков ...... 42 Варварин И.Д., Петренко А.А., Калистратов А.П., Сорокин С.А., Мутин Д.И. МЭС для производства этилового спирта ....................................................................................................... 55 Вартанян А.А., Забиров М.Р., Астафьев Н.О., Селиверстова А.В., Мутина Е.И. МЭС для производства фруктовых консервов детского питания ................................................................. 63 Герасимов И.М., Замахин Д.С., Абрамкина Т.П., Большаков С.А., Мутин Д.И. МЭС по регулированию жирности кисло-молочных продуктов ................................................................ 70 Гурин А.И., Александров М.В., Асташов А.М., Семенов Д.В., Долгов В.В. МЭС для покраски автомобильных деталей..................................................................................................................... 77 Елин А.В., Бурмистрова М.В., Галкин В.А., Сорокин С.А., Адамова Л.Е. МЭС для управления 5-корпусной выпарной установкой в сахарной промышленности ............................................... 83 Ермолин А.В., Натореев О.Р., Белов К.М., Семкин А.П., Мутин Д.И. МЭС для поддержки принятия решений при управлении конш-машиной на кондитерской фабрике ........................ 92 Жарасов А.М., Пучков А.А., Сапронов С.М., Семкин П.С., Сорокин С.А. МЭС поддержки принятия решений для предиктивного обслуживания фрезерного станка с ЧПУ ..................... 99 Ильин А.Д., Дацковский Р.А., Нургалеев Т.Р., Абрамкина Т.П., Выскуб В.Г. МЭС для производства сусла на пивоваренной мануфактуре ...................................................................... 106 Кириллов С.К., Логунова Д.М., Тонконоженко Н.Д., Нестеров Ю.Г., Адамова Л.Е. МЭС для контроля процесса охлаждения металлических заготовок на производстве анкерных болтов... 113 Ковтун Д.Е., Дерябкина У.А., Черненький С.В., Выскуб В.Г., Тимофеев В.Б. МЭС контроля и диагностики для производства алюминиевых профилей .............................................................. 119 Коломейчук С.И., Лебедев С.В., Ахметшин А.А., Ковалева Н.А., Долгов В.В. МЭС для производства творога ........................................................................................................................ 126 Кондратьев П.И., Чернов А.С., Карпов М.Ю., Шкуратова Л.П., Мутин Д.И. МЭС для производства безалкогольных газированных напитков................................................................. 134 Краус Л.Ф., Рогальский А.С., Шабин А.Д., Аксенова М.В., Сорокин С.А. МЭС для управления станцией подготовки воды методом обратного осмоса ................................................................ 141 Круженевский В.В., Егоров М.И., Морозов И.В., Шкуратова Л.П., Алексеева Е.А. МЭС мониторинга на этапах фильтрации и розлива пива ...................................................................... 148 Кузнецов М.А., Бурмистрова М.В., Виноградова М.В., Аксенов Н.В., Мутина Е.И. МЭС для производства печатных плат и материнских плат ......................................................................... 154 Ли М.А., Тернющенко М.А., Бычков В.А., Бурмистрова М.В., Долгов В.В. МЭС производства гидрогелевого суперабсорбента ....................................................................................................... 162 Макарова Т.В., Степанов М.Е., Климаш Д.С., Варламов О.О., Выскуб В.Г. МЭС для обжига клинкера во вращающейся печи цементного производства ......................................................... 169 Македонский А.С., Коваленко А.И., Реброва М.В., Шкуратова Л.П., Алексеева Е.А. МЭС контроля и диагностики районных электроподстанций ............................................................... 174 Макеева Е.И., Кузьмина И.С., Матагиров Е.Р., Варламов О.О., Выскуб В.Г. МЭС для пищевого производства пельменей ................................................................................................................... 181 Мальцев Р.К., Гоков С.Ю., Шкуратова Л.П., Сорокин С.А., Мутин Д.И. МЭС для управления литьем и нанесением покрытий в производстве трубопроводной арматуры .............................. 188
Пенязь А.Д., Боричевский М.А., Болдаев М.А., Коценко А.А., Сорокин С.А. МЭС для диагностики и устранения неисправностей холодильной машины ХМ-ФУУ-80 .................... 194 Савчук Л.В., Кочесоков И.З., Лосева С.С., Чумаков В.П., Алексеева Е.А. МЭС для поддержки принятия решений в процессе производства водки ...................................................................... 201 Сазонова Е.В., Варламов О.О. МЭС для производства комплексных минеральных удобрений ... 208 Тахиров А.Г., Гоч М.С., Матвеев Л.С., Шкуратова Л.П., Алексеева Е.А. МЭС для роботизированной сварки кузова автомобиля................................................................................ 215 Тяпкин Д.С., Козлов А.Р., Семкин А.П., Семкин П.С., Мутин Д.И. МЭС для управления логистикой склада ............................................................................................................................. 222 Черепанов А.М., Старикова А.А., Михалева О.П., Чумаков В.П., Выскуб В.Г. МЭС для производства макаронных изделий ................................................................................................. 229 Белов А.Н., Ермолаев А.М., Силантьева Е.Ю., Антонов А.И., Мутина Е.И. МЭС для подбора промышленных датчиков давления для АСУТП ........................................................................... 235 Жаренков Р.Р., Кочиев Д.Г., Аксенова М.В., Силантьева Е.Ю., Мутин Д.И. МЭС для подбора смазочных материалов для подшипников конвейерных систем .................................................. 245 Федоров А.Д., Калиниченко Г.В., Синтина Е.Д., Балдин А.В., Мышенков К.С. МЭС по подбору режимов резания для токарного станка ........................................................................... 251 Бут Д.П., Никонов А.В., Зубакин А.А., Бурмистрова М.В., Долгов В.В. МЭС контроля качества полупроводниковых пластин на производстве чипов ................................................................... 260 Данилов А.С., Петрищев Т.В., Фединский И.А., Варламов О.О., Адамова Л.Е. МЭС для поддержки принятия решений при заполнении параболического бункера горнообогатительного комбината ............................................................................................................. 270 Пустовидов Е.А., Атаманчук А.В., Постнов А.Д., Абрамкина Т.П., Мутина Е.И. МЭС для технологической линии производства кисломолочных продуктов .............................................. 279 Усачева А.А., Рассказова К.М., Тимофеев В.Б., Балдин А.В., Аксенов Н.В. МЭС диагностики неисправностей электродвигателя автомобиля на основе параметров его эксплуатации ......... 289 МБЗ ДЛЯ УМПС: МИВАРНЫЕ БАЗЫ ЗНАНИЙ ДЛЯ УМНЫХ ПРОИЗВОДСТВЕННЫХ СИСТЕМ Александров С.А., Апанин Н.В., Кулебякин Г.Д., Терехов В.И., Долгов В.В. МБЗ производства сухого молока ..................................................................................................................................... 298 Арзиманов Г.К., Ватетин К.А., Григорьев Д.Д., Балдин А.В., Гапанюк Ю.Е. МБЗ для линии розлива яблочного сока в стеклянные бутылки ............................................................................. 307 Ким В.К., Шамилов Ш.А., Симакин Д.Е., Бурмистрова М.В., Долгов В.В. МБЗ для производства бетонных блоков......................................................................................................... 314 Поклонский Д.С., Макунин П.А., Щелочков В.А., Лосева С.С., Алексеева Е.А. МБЗ переработки животного жира ........................................................................................................... 323 Ромазанов Н.Д., Рустамов Д.М., Юлдашев Э.А., Терехов В.И., Мутина Е.И. МБЗ для управления складскими запасами .................................................................................................... 333 Чукунов К.Д., Бурмистрова М.В., Волосова А.В., Ковалева Н.А., Мутина Е.И. МБЗ по контролю производства литых дисков ............................................................................................ 341 Шувалов А.И., Жуков М.О., Митин Ф.Д., Коценко А.А., Долгов В.В. МБЗ производственного процесса брожения пивного сусла ................................................................................................... 351 Авдонин Н.М., Ануфриев Ф.А., Воротягин С.С., Коценко А.А., Балдин А.В. МБЗ производства филамента для аддитивных технологий и 3D-печати ................................................................... 368 Ким И., Иванов А.М., Алекса И.П., Горячкин Б.С., Выскуб В.Г. МБЗ подбора оптимальной рецептуры комбикорма ..................................................................................................................... 378 Краснобаев И.С., Ефимов О.П., Семенов Д.В., Правдина А.Д., Селиверстова А.В. МБЗ для подбора конвейерной ленты на производственной линии ........................................................... 386 КОМПЛЕКСНЫЕ ГИБРИДНЫЕ СИСТЕМЫ ИИ Максимова А.Ю., Лямцев О.А., Чернядьев И.В., Варламов О.О. МЭС для обнаружения объектов на изображении в системе компьютерного зрения с открытым словарём для БПЛА ... 394 Никольская М.А., Подколзин А.А., Варламов О.О. Гибкое и верифицируемое управление мобильным роботом: миварная логика в контуре реального времени JETBOT и ROS2 .......... 406
Тимошенков Ю.Е., Сизых М.П., Артемьев В.И., Варламов О.О., Адамова Л.Е. О подходе к созданию системы оптимизации логистических маршрутов доставки на основе миварных и нейронных сетей ................................................................................................................................ 412 Хаммуд Х. Понимание изображений для оценки усталости человека на основе миварных технологий логического искусственного интеллекта ................................................................... 425 Милевич А.А. МЭС выявления сложных условий наблюдения для однокамерной системы технического зрения робота-курьера .............................................................................................. 435 Овчинников Д.А. МЭС приоритезации объектов окружения для автономного робота-курьера ... 442 Григоренко К.Д., Горенков А.А., Беляев И.А., Варламов О.О. МЭС для системы контроля и управления доступом на основе биометрической идентификации по венам ладони ................ 448 Козлов Е.В., Ильинов Л.И., Терехов В.И., Варламов О.О., Адамова Л.Е. МЭС диагностики патологии глазного дна при ретинопатии ...................................................................................... 454 МЭС: МИВАРНЫЕ ЭКСПЕРТНЫЕ СИСТЕМЫ Беков Б.Р., Кузнецов М.Д., Белодедов М.В., Варламов О.О., Выскуб В.Г. МЭС для оперативной поддержки принятия инженерных решений в корпоративной среде на платформе 1С ............ 462 Здобняков Ф.А., Файзуллин К.Х., Флоринский В.А., Балдин А.В., Большаков С.А. МЭС для подбора мероприятий ....................................................................................................................... 472 Идрисов Д.Р., Гонов М.И., Листов А.В., Виноградова М.В., Абрамкина Т.П. МЭС для оптимизации SQL-запросов для СУБД ........................................................................................... 481 Лахин Н.С., Пермяков С.С., Стрельцов Г.К., Варламов О.О., Адамова Л.Е. МЭС подбора персонала для обучающих организаций ......................................................................................... 488 Абитов М.Р., Горенков А.А., Нагапетян В.С., Варламов О.О., Адамова Л.Е. МЭС для определения индивидуальной траектории обучения в вузе ......................................................... 498 Якимова Т.С., Удалова В.А., Вопияшин Н.И., Гапанюк Ю.Е., Чумаков В.П. МЭС для подбора поджанров современной российской поп-музыки ......................................................................... 505 Андрест В.Д., Расулов А.Н., Ходырев Р.В., Варламов О.О., Адамова Л.Е. МЭС для анализа психотипа сотрудников и формирования кадровых рекомендаций ............................................ 515 Беспалова В.А., Ювенский Л.А., Адамова Л.Е., Волосова А.В., Машкин К.В. МЭС по подбору котов из приюта ................................................................................................................................. 523 Михеева В.А., Бабасанова Н.С., Ильина К.А., Машкин К.В., Кротов Ю.Н. МЭС для расчета параметров и оценки надежности печатных плат ......................................................................... 530 Чичикин Т.Д., Куренков А.А., Стахов Д.А., Балдин А.В., Варламов О.О. МЭС для проверки и рекомендации списка литературы ................................................................................................... 537 МБЗ: МИВАРНЫЕ БАЗЫ ЗНАНИЙ Ильин К.Ю., Радченко Д.С., Филенко А.В., Галкин В.А., Черненький М.В. МБЗ для подбора строительных материалов ................................................................................................................ 545 Кудрявцев А.Д., Гайнуллин А.М., Мажитов В., Варламов О.О., Черненький М.В. МБЗ интеллектуализации процесса работы с технической документацией на основе RAGархитектуры ....................................................................................................................................... 553 Коваленко А.В., Смыслов Д.О., Лебедев Н.И., Кротов Ю.Н., Тимофеев В.Б. МБЗ поддержки принятия решений при отборе материалов научных конференций ............................................. 561 Ибрагимов Г.И., Найденко А.В., Варламов О.О. МБЗ для подготовки, хранения и управления рабочей документацией по проекту ................................................................................................ 570 Андреев В.А., Сыса П.В., Горячкин Б.С., Правдина А.Д., Черненький С.В. МБЗ рекомендаций мест для путешествий вокруг Москвы ............................................................................................ 578 РАЗВИТИЕ МИВАРНОЙ ТЕОРИИ Доу Л. Метод временного анализа развития пожара в миварной экспертной системе .................. 584 Доу Л. Модель оценки риска химического пожара при утечке горючего газа на основе миварной экспертной системы ........................................................................................................ 589 Доу Л. Модель ранней детекции тлеющего пожара на основе миварной экспертной системы .... 594
УДК 004.891 + 004.896 + 007.52 + 681.5 + 65.011.56 2026: ОБЗОР ОБЛАСТЕЙ ПРИМЕНЕНИЯ МИВАРНЫХ ТЕХНОЛОГИЙ ЛИИ Варламов О.О.1,2,3 1МГТУ им. Н.Э. Баумана, Научно-Исследовательская Инициатива (НИИ) МИВАР 2Институт искусственного интеллекта РТУ МИРЭА, г. Москва, Россия 3АО НИИ Вычислительных комплексов им. М. А. Карцева Аннотация. Проведен обзор развития миварных технологий логического ИИ (МТЛИИ) к середине 2026 года. В РИНЦ уже более 1300 публикаций по МТЛИИ. Преимущества МТЛИИ заключаются в кардинальном снижении вычислительной сложности автоматического построения алгоритмов и логического вывода с N! до линейной N и расширении базовых продукций формата «Если, То» с формальной логики до реализации вычислительных процедур в едином информационно-управляющем пространстве. Логический искусственный интеллект создан на основе миварных технологий и теперь его надо обучать путем создания Больших Знаний, что позволит повысить производительность труда, создать автономных интеллектуальных роботов и решить много других задач. «Большие Знания» – это объединение и синтез разнородных баз знаний, что обеспечивает качественный переход и предоставляет большие возможности для создания систем ИИ. Миварные экспертные системы (МЭС) успешно применяются для создания Умных Производственных Систем. В последнее время, миварные логические системы применяются совместно со статистическими нейросетями, включая и большие языковые модели - LLM. Исследуются различные сочетания применения миварных и нейронных сетей при разработке комплексных гибридных систем ИИ. Решаются проблемы автоматизированного и даже автоматического синтеза миварных баз знаний; логического управления комплексом нейросетей для понимания текстов и образов; конструирования автономных интеллектуальных робототехнических комплексов и киберфизических систем в целях создания машиностроительного ИИ и его вершины - «думающих саморазвивающихся машин». Ключевые слова: мивар, миварные сети, базы знаний, онтологии, система принятия решений, миварная экспертная система, MOGAN, MIPRA, КЭСМИ, Wi!Mi, Разуматор, Большие Знания, умные производственные системы, машиностроительный ИИ, роботы, моделирование, обучение. 2026: REVIEW OF AREAS OF APPLICATION MIVAR TECHNOLOGIES LOGICAL AI Varlamov O.O.1,2,3 1BMSTU, Research Initiative (RI) MIVAR, Moscow, Russia 2Institute of Artificial Intelligence RTU MIREA, Moscow, Russia 3JSC Research Institute of Computing Systems named after M.A. Kartsev Abstract. A review of the development of mivar technologies for logical AI (MTLAI) by mid2026 has been conducted. The Russian Science Citation Index (RSCI) already contains over 1,300 publications on MT LAI. The advantages of MT LAI include a dramatic reduction in the computational complexity of automatically constructing algorithms and logical inference from N! to linear N and the expansion of basic "If, Then" statements from formal logic to the implementation of computational procedures in a unified information management space. Logical artificial intelligence is based on mivar technologies and now needs to be trained by creating Big Knowledge, which will improve labor productivity, create autonomous intelligent robots, and solve many other problems. "Big Knowledge" is the unification and synthesis of heterogeneous knowledge bases, which ensures a qualitative transition and opens up vast opportunities for the creation of AI systems. Mivar expert systems (MES) are successfully used to create Smart Manufacturing Systems. Recently, mivar logical systems have been used in conjunction with statistical neural networks, including large language models (LLMs). Various combinations of mivar and neural networks are being explored in the development of complex hybrid AI systems. These systems address issues such as automated and even automatic synthesis of mivar knowledge bases; logical control of neural network complexes for understanding texts and images; and the design of autonomous intelligent robotic systems and cyber
physical systems for the creation of mechanical engineering AI and its pinnacle – "thinking, selfdeveloping machines." Keywords: mivar, mivar networks, knowledge bases, ontologies, decision-making system, mivar expert system, MOGAN, MIPRA, Wi!Mi, Razumator, Big Knowledge, smart manufacturing systems, mechanical engineering AI, robots, training. Введение. В области искусственного интеллекта (ИИ) продолжается активное развитие научной школы миварных технологий [1] логического ИИ (МТЛИИ) [2], которые обеспечили переход от продукций к двудольным миварным сетям и реализовали линейной сложности логический вывод в виде автоматического конструктора алгоритмов, управляемого потоком входных данных [3]. МТЛИИ позволяют решать самый широкий спектр задач, включая: моделирование процессов понимания [4] компьютерами смысла текстов [5], речи [6] и образов. Созданные на основе нового поколения линейного логического вывода миварные экспертные системы (МЭС) используются, например, для подбора лекарственных форм [7], поиска траекторий робота [8], автоматизации системы диспетчерского контроля городского пассажирского транспорта [9], для создания Машиностроительного ИИ [10], автоматизации выбора частотного преобразователя [11], создания проблемно-ориентированной системы управления [12] и принятия решений [13] в пространстве состояний [14] для решения конкретных управленческих задач [15] и с возможностью автоматической генерации для этого миварных баз знаний (МБЗ) [16]. Отметим, что в робототехнике создана система принятия решений для распределения и перевозки грузов командой складских роботов [17], решена задача избегания мобильными автономными роботами динамических препятствий с изменяющейся зоной безопасности [18]. МЭС применяют для обнаружения пожаров на основе мультимодального распознавания образов [19], а также показана возможность автоматизированного изменения пороговых параметров правил в МБЗ с использованием больших языковых моделей [20]. Для нас важно, что в рамках работ 2025-2026 годов по созданию Умных производственных систем (УмПС) [21] есть статьи «ВАК», в которых представлены МЭС для поддержки принятия решений: персонала на производстве планетарных редукторов [22], персонала газоперерабатывающего цеха при добыче жидкой серы [23], персонала газового завода [24], а также для подбора электродвигателя [25], для планирования ресурсов цеха и анализа отклонений [26], для мониторинга безопасности в мегалаборатории УмПС [27]. Кроме того, МЭС применяют для: подбора растений [28], управления автономными агентами в однопользовательской компьютерной игре [29], формирования последовательности учебных дисциплин в вузе [30] и для диагностики бактериальной устойчивости к антибиотикам [31]. Как известно, кроме нейросетей, есть логический ИИ. Напомним, что главное преимущество МТЛИИ состоит в кардинальном снижении вычислительной сложности логического вывода и/или автоматического построения алгоритмов с N! до линейной (N) [1] (относительно количества правил «Если, То») и расширение базовых продукций формата «Если, То» с обычной логики до реализации вычислительных процедур, сервисов, агентов и т.п., включая описание процессов в формате «Вход-Действие-Выход», в едином информационно-управляющем пространстве (ЕИУП). ЕИУП создается на основе миварной технологии MOGAN – многомерная открытая гносеологическая активная сеть, базирующейся на модели данных «Вещь-Свойство-Отношение» [1]. Поэтому продолжаются исследования совместного использования больших языковых моделей (LLM) [32] и МЭС, в которых разработаны критерии и проведен сравнительный анализ LLM для автоматизированной генерации миварных баз знаний [32], а также показана автоматизация решения оптимизационных задач [33] с использованием гибридной интеллектуальной системы на основе LLM и миварных сетей [34]. Созданы МЭС [35] для УмПС [36], «Умных глаз» [37]. роботов [38] и робототехнических [39] комплексов - РТК [40]. Таким образом, тема данной работы и всего научного направления актуальна и имеет большую практическую значимость. Место и роль МТЛИИ. Напомним, что изначально область ИИ занималась автоматизацией разумной деятельности человека. Несмотря на различные споры о том, что же
является искусственным интеллектом, в данном контексте целесообразно будет привести следующее формальное определение ИИ: искусственный интеллект — область информатики, занимающаяся автоматизацией разумной деятельности человека. Кроме того, напомним, что согласно российскому классификатору УДК искусственный интеллект является частью кибернетики. Системный анализ научной области ИИ позволил создать системную трехмерную модель ИИ (рисунок 1), которая объединяет все области, уровни исследований и типы создаваемых систем ИИ: 1) представление знаний в экспертных системах; 2) смысловое понимание естественного языка и семантическая обработка текстов; 3) смысловое понимание образов, включая распознавание образов, например, от систем технического зрения: картинки, видео, звуки и т.п. сигналы физического мира; 4) автоматизированные системы управления и управление своими «акторами» для роботов и кибер-физических систем, включая интернет вещей, в реальном физическом мире; 5) системы управления для думающих саморазвивающихся машин - автономных роботов. Рисунок 1 − Системная модель ИИ и место миварных технологий ЛИИ Миварный линейный логический вывод и переход «количества в качество». Напомним, что разработаны три миварные технологии [21] (рисунок 2), которые получены в результате фундаментальных научных исследований и доведены до практического использования и внедрений в различных программно-аппаратных комплексах [3-40]: 1. Накопление информации в формализме гносеологической модели знаний «ВещьСвойство-Отношение» (ВСО), которая обобщает все известные модели данных баз данных. 2. Линейной сложности логический вывод на миварных сетях «переменные, правила» (<P,R>), созданных путем обобщения и развития продукционного подхода и сетей Петри. 3. Многомерная открытая гносеологическая активная сеть (MOGAN), позволяющая проводить и накопление, и логико-вычислительную обработку на миварных сетях в ВСО. После снятия фундаментального ограничения по скорости логико-вычислительной обработки – «проклятия размерности полного перебора» и достижения в МЭС скорости обработки более 5 млн правил/с [1-3, 21, 37-40] на обычных однопроцессорных компьютерах и ноутбуках, актуальной остается проблема создания различных баз знаний для самых разных предметных областей и объединение их на основе формализма миварных сетей - двудольных ориентированных графов <P, R>, в общую систему представления и обработки знаний. Для большей наглядности этой научной проблемы, можно провести следующую аналогию: создание паровоза и строительства сети железных дорог, где миварная машина логического вывода «Разуматор» - это паровоз, а сеть железных дорог – это созданные базы знаний по самым разным предметным областям, которые в итоге и образуют «Большие Знания». По этой аналогии понятно, что разработка программного обеспечения «Разуматор» и создание баз знаний Больших Знаний – это две разные области деятельности, которые ОСНОВНЫЕ СИСТЕМЫ ИИ УРОВНИ ИССЛЕДОВАНИЙ В ОБЛАСТИ ИИ СВЕРХ-ИНТЕЛЛЕКТУАЛЬНЫЙ СОЦИАЛЬНЫЙ ИНТЕЛЛЕКТУАЛЬНЫЙ ЛОГИЧЕСКИЙ ДО-ИНТЕЛЛЕКТУАЛЬНЫЙ РЕФЛЕКСНЫЙ СЕМАНТИЧЕСКАЯ ОБРАБОТКА ТЕКСТА ЭКСПЕРТНЫЕ СИСТЕМЫ ОБЩЕТЕОРЕТИЧЕСКОЕ МОДЕЛИРОВАНИЕ МЫШЛЕНИЯ ПРИКЛАДНОЕ (АВТОМАТИЗАЦИЯ) СМЫСЛОВОЕ ПОНИМАНИЕ ОБРАЗОВ АСУ СИСТЕМЫ УПРАВЛЕНИЯ АВТОНОМНЫМИ РОБОТАМИ 5
требуют и разных специализаций. Разработкой Разуматора занимаются программисты, а созданием Больших Знаний – аналитики, которых в данный момент называют по-разному: инженеры знаний, когнитологи и т.п. Хотя и те, и другие специальности – это все разные специализации одной «классической специальности»: прикладной математики. Миварный подход обладает свойством эволюционного развития и поэтому всегда можно добавить или изменить правила в Миварной Базе Знаний - МБЗ. Рисунок 2 − Три основных миварных технологии логического ИИ Проблема автоматического создания баз знаний для миварных экспертных систем. В 2026 году, как и в предыдущие пару лет, продолжились исследования проблемы автоматизированного и даже автоматического синтеза миварных баз знаний - МБЗ. Были исследованы возможности современных и постоянно обновляющихся Больших Языковых Моделей (LLM) в плане их применения для перевода «формализованного описания предметной области» в виде текстовых инструкций для персонала или для техники в формат правил «Если – То» в целях автоматического создания МБЗ. Эти исследования подтвердили гипотезу о том, что «хорошо» и подробно написанные инструкции достаточно быстро, при некотором «дообучении и настройке», могут быть переведены в формат МБЗ. На следующем этапе была подтверждена гипотеза о возможности автоматического перевода знаний из МБЗ в формат КЭСМИ – Конструктора Экспертных Систем «Разуматор». Таким образом, показан путь достаточно быстрого перевода накопленных в машиностроении знаний в формат миварных экспертных систем с последующей интеллектуализацией производственных систем. Наши эксперименты по автоматическому созданию МБЗ еще раз подтвердили необходимость фиксации накопленных знаний в материальном виде. Желательно, чтобы такие знания были написаны в формате инструкций для новых сотрудников и с максимальной подробностью. Еще раз было выявлено, что далеко не все знания даже «записаны на бумаге», а тем более переведены в электронный вид. Особая проблема состоит в понимании чертежей, схем и рисунков с последующим переводом их в текстовые инструкции для МБЗ, что будет исследовано в наших дальнейших проектах. Описание результатов МТЛИИ по направлению «Умные производственные системы» (УмПС). В 2025-2026 годах продолжались исследования в вузах с инженерным образованием по разработке миварных систем поддержки принятия решений (МСППР) для персонала газового завода, производства: макаронных изделий, этилового спирта, водки, пива, молочных и кисломолочных продуктов, творога, комбикорма для животных, фруктовых консервов детского питания, пельменей, безалкогольных напитков, сухого молока, конширования шоколадной массы на фабрике «Рот Фронт» и т.п. Как видим, в этот период большое количество проектов МЭС было предложено для пищевой промышленности. НАКОПЛЕНИЕ ИНФОРМАЦИИ=> БОЛЬШИЕ ЗНАНИЯ МНОГОМЕРНАЯ ОТКРЫТАЯ ГНОСЕОЛОГИЧЕСКАЯ АКТИВНАЯ СЕТЬ (MOGAN) БЫСТРАЯ ЛОГИЧЕСКАЯ И ВЫЧИСЛИТЕЛЬНАЯ ОБРАБОТКА ИНФОРМАЦИИ ТЕОРЕТИЧЕСКИЕ РЕЗУЛЬТАТЫ РАЗВИТИЯ МИВАРНЫХ ТЕХНОЛОГИЙ 5 000 000 правил/сек УНИКАЛЬНОСТЬ В ОБЪЕДИНЕНИИ МНОГОМЕРНОЙ ГНОСЕОЛОГИЧЕСКОЙ МОДЕЛИ ЗНАНИЙ «ВЕЩЬСВОЙСТВО-ОТНОШЕНИЕ» «VSO» И ЛОГИЧЕСКОГО ВЫВОДА С ЛИНЕЙНОЙ СЛОЖНОСТЬЮ БАЗЫ ЗНАНИЙ «VSO», ЛИНЕЙНЫЙ ЛОГИЧЕСКИЙ ВЫВОД, СТАТИСТИЧЕСКАЯ И ВЫЧИСЛИТЕЛЬНАЯ ОБРАБОТКА ПРЕДСТАВЛЯЮТ СОБОЙ ЕДИНОЕ ЦЕЛОЕ, ЧТО ПОЗВОЛЯЕТ АВТОМАТИЧЕСКИ СТРОИТЬ ГИБКИЕ АЛГОРИТМЫ РЕШЕНИЙ И ПРОИЗВОДИТЬ ВЫЧИСЛЕНИЯ В АВТОНОМНЫХ РОБОТАХ МИВАР = Многомерная Информационная Варьирующаяся Адаптивная Реальность MIVAR = Multidimensional Informational Variable Adaptive Reality MOGAN = Multidimensional Open Gnoseological Active Net 00 /сек 1. Единое Информационное Пространство 6 2. Единое Управляющее Пространство 3. Единое ИнформационноУправляющее Пространство
Также были проработаны, представленные ниже, проекты создания МЭС для УмПС для поддержки принятия решений: контроля процесса охлаждения металлических заготовок на производстве; о способе устранения отказов компрессора холодильной машины ХМ-ФУУ 80; автоматизированной покраски в автомобилестроении; роботизированной сварки кузова автомобиля; при управлении процессом подготовки и подачи полимерного сырья для изготовления пластиковых изделий на термопластавтомате; для подбора смазочных материалов для подшипников в конвейерных системах; оператора при заполнении параболического бункера горно-металлургического комбината; обжига клинкера во вращающейся печи цементного производства; контроля качества полупроводниковых пластин на производстве чипов; автоматизации процесса контроля качества токопроводящих дорожек в аддитивном производстве печатных плат; подбора конвейерной ленты на производственной линии; подбора режимов резания токарного станка и для предиктивного обслуживания производственного оборудования. Проведенные исследования показали, что в области УмПС целесообразно и необходимо создавать МЭС в самых различных вариантах, начиная от внешних автономных ноутбуков с СППР для операторов УмПС, до встраивания МЭС в управляющий контур АСУ производственных систем (АСУ ПС) и АСУ технологическими процессами (АСУ ТП). За сравнительно короткие сроки в 3-6 месяцев и силами нескольких человек (от 3 до 7) вполне возможно создание практически полезной МЭС для самых различных УмПС, что позволит повысить производительность труда, снизить ошибки «человеческого фактора» и значительно повысит качество продукции и конкурентоспособность производства. Комплексные гибридные системы ИИ понимания образов. Продолжались исследования по изучению возможности логического управления комплексом нейросетей для понимания текстов и образов [35, 40]. Особое внимание уделялось мультиспектральным системам технического зрения, в которых миварные технологии помогают «понимать образы» в плане совмещения разных спектров и использования контекста и развития идей работ. Проведенные эксперименты подтвердили гипотезу [36, 40] о повышении точности распознавания после создании гибридной «нейро-символической системы» [37, 40]. Особое значение имеет создание автономных робототехнических комплексов [38-40] и кибер-физических систем, для которых не используют «облачные технологии» с доступом к сверхбольшим Центрам обработки данных и ресурсам Больших Языковых Моделей (LLM). Наши эксперименты подтвердили гипотезу о том, что совместное использование миварных и нейронных сетей позволяет решать задачи распознавания и понимания образов с хорошим качеством (на уровне LLM и выше) на основе применения достаточно простых и экономных нейронных сетей, которыми управляет специально подготовленная миварная экспертная система. Стоит цель создания таких компактных комплексных систем технического зрения (СТЗ), которые можно будет размещать на автономных автомобилях, беспилотниках и небольших космических аппаратах (типа «кубсат»), которые самостоятельно будут определять по сигналам мультиспектральной СТЗ специальные признаки, которые будут соотноситься в МЭС с общей базой знаний в целях принятия решения о текстовом описании наблюдаемой ситуации. Ранее было дано «формализованное описание термина «понимание смысла» текстов и картинок»: текст будет «понят» тогда и только тогда, когда каждому слову этого текста будет однозначно поставлен в соответствие единственный концепт в гносеологической базе знаний «Вещь-Свойство-Отношение». Аналогичный подход подтверждает свою истинность при понимании образов и видео. Без заранее созданной миварной базы знаний «Картина мира» нельзя говорить о понимании текстов и образов [37]. Заключение. Таким образом, результаты развития миварных технологий логического искусственного интеллекта успешно применяют в целях создания машиностроительного ИИ и его вершины - «думающих саморазвивающихся машин». Также они могут использоваться при подготовке специалистов для формирования единого образовательного пространства с целью максимального удовлетворения образовательных потребностей личности и компанийзаказчиков, в которые эти личности придут работать. В тех областях Экономики, где есть