Трансформация интеллектуальных систем управления организацией: от детерминированных цифровых двойников Индустрии 4.0 к агентно-ориентированным моделям Индустрии 5.0

Цель . Исследовать трансформацию интеллектуальных систем управления (ИСУ) в контексте человекоцентричной парадигмы и разработать концептуальную модель архитектуры цифрового двойника организации, обеспечивающую переход от автоматизированного мониторинга Индустрии 4.0 к адаптивному управлению Индустрии 5.0.

Задачи . Проанализировать эволюцию ИСУ и выявить технологии ИИ для их трансформации в рамках человекоцентричной парадигмы; предложить концептуальную модель архитектуры цифрового двойника организации в качестве ядра ИСУ.

Методология. Использованы методы анализа научных изданий российских и зарубежных авторов, теоретического обобщения и систематизации данных, полученных из открытых источников, экономико-организационного моделирования.

Результаты . Выполнена семантическая интерпретация термина «интеллектуальные системы управления», прослеживается эволюция концепции ИСУ. Рассмотрен процесс становления нового рыночного сегмента ИИ-технологий (сегмента AI-агентов), а также доказано преимущество многоагентной архитектуры для создания цифрового двойника организации в качестве ядра ИСУ. Автором предложена концептуальная модель цифрового двойника организации. 

Выводы. Переход к Индустрии 5.0 требует трансформации ИСУ через конвергенцию цифрового двойника организации и многоагентных ИИ-технологий, что позволяет перейти от пассивного мониторинга к проактивному адаптивному управлению. Предложенная авторская концептуальная модель цифрового двойника на базе многоагентной системы создает методологический базис для реализации ключевых принципов Индустрии 5.0, в частности человекоцентричности, устойчивости и резильентности промышленных предприятий.

1. Oshima H., Yasunobu S., Sekino S. Automatic train operation system based on predictive fuzzy control // Proc. of the Int. workshop on artificial intelligence for industrial applications. (Hitachi City, May 25–27, 1988). New York, NY: IEEE, 1988. P. 485–489. https://doi.org/10.1109/AIIA.1988.13336

2. Kierner S., Kucharski J., Kierner Z. Taxonomy of hybrid architectures involving rule-based reasoning and machine learning in clinical decision systems: A scoping review // Journal of Biomedical Informatics. 2023. Vol. 144. Article 104428. https://doi.org/10.1016/j.jbi.2023.104428

3. Остроух А. В., Суркова Н. Е. Интеллектуальные информационные системы и технологии: монография. Красноярск: Научно-инновационный центр, 2015. 370 с.

4. Пупков К. А., Броварская Ю. К. Динамические и информационные свойства интеллектуальных систем управления // Автоматизация. Современные технологии. 2021. Т. 75. № 4. С. 167–170.

5. Кузнецов О. П. Интеллектуализация поддержки управляющих решений и создание интеллектуальных систем // Проблемы управления. 2009. № 3 S1. С. 64–72.

6. Макаров И. М., Лохин В. М., Манько С. В., Романов М. П. Искусственный интеллект и интеллектуальные системы управления. М.: Наука, 2006. 333 с.

7. Averkin A. N., Kobrinskii B. A. D. A. Pospelov and the development of artificial intelligence in the Soviet Union and the Russian Federation // Pattern Recognition and Image Analysis. 2023. Vol. 33. No. 4. P. 840–861. https://doi.org/10.1134/S1054661823040089

8. Wooldridge M., Jennings N. R. Intelligent agents: Theory and practice // The Knowledge Engineering Review. 1995. Vol. 10. No. 2. P. 115–152. URL: https://www.cs.cmu.edu/~motionplanning/papers/sbp_papers/integrated1/woodridge_intelligent_agents.pdf (дата обращения: 15.05.2026).