Цифровизация и искусственный интеллект в метрологии

Интеграция цифровых технологий в метрологическую практику

Цифровизация выводит метрологию на качественно новый уровень. Объединив накопленный опыт с новейшими информационными технологиями, метрологи могут получать и анализировать данные более оперативно. Сегодня работа ведется в нескольких направлениях: 

1. Цифровые эталоны и СИ. Сейчас в РФ действует обширная эталонная база из более чем 114 тысяч утвержденных эталонов, включая современные цифровые эталоны для ключевых единиц СИ. Улучшение эталонной базы с соблюдением ГОСТ Р 8.000-2015 «Государственная система обеспечения единства измерений. Основные положения» направлено в сторону создания эталонов на цифровых моделях физических констант и квантовых принципах. Так, в средства измерений все чаще встраивают микропроцессоры и интерфейсы для прямого анализа и демонстрации полученных данных с возможностями самодиагностики;

2. Электронные системы регистрации. Замена бумажной структуры записи данных на электронные системы регистрации данных с соблюдением норм и правил, описанных в ГОСТ Р 7.0.97-2016 «Система стандартов по информации, библиотечному и издательскому делу. Организационно-распорядительная документация. Требования к оформлению документов» с целью быстрого поиска и анализа информации, а также ее неизменяемости. В цифровых ИС результаты измерений не только обрабатываются, но и передаются и хранятся в базах данных для связи между разными компонентами системы;

3. Системы автоматизированного контроля. Изменение системы в сторону автоматизации на производстве дает возможность непрерывно мониторить различные параметры продукции и технологические процессы в режиме реального времени, передавая информацию с цифровых средств измерений напрямую в системы управления, такие как  PLM ,  MES  и  ERP . Сложные системы анализа больших данных позволяют в реальном времени отслеживать состояние приборов, выявлять отклонения от нормы и принимать меры, если приборы начинают передавать недостоверные данные;

4. Цифровые базы данных. Создание единых цифровых реестров средств измерений, результатов их поверки, калибровки, методик измерений (с соответствием требованиям ГОСТ Р 8.563-2009 «Государственная система обеспечения единства измерений (ГСИ). Методики (методы) измерений») увеличивает доступность, понятность и прозрачность метрологической информации.

В настоящее время основной формой подтверждения работ по поверке является их электронная регистрация во ФГИС «Аршин». Внедрен специальный программный модуль, позволяющий аккредитованным организациям самостоятельно загружать сведения по поверке.

«В целом метрология движется по пути цифровизации – например, в отношении электроэнергии это может быть применение не просто «умных» счетчиков, а «умных систем» коммерческого учета, которые будут давать оценку необходимости проводить поверку не жестко по истечении срока межповерочного интервала, а с учетом показаний смежных счетчиков и каналов в «умной системе». Если результаты измерений смежных приборов учета согласованы, то необходимости проводить поверку нет», – отметил руководитель Федерального агентства по техническому регулированию и метрологии (Росстандарт) Антон Шалаев.

Использование искусственного интеллекта в метрологической практике

Искусственный интеллект в метрологии открывает новые возможности для повышения точности и надежности измерений. Современные алгоритмы способны значительно улучшать измерительные возможности приборов в сложных условиях, автоматически корректировать погрешности, ускорять процесс калибровки и разрабатывать «умные» системы учета.

В настоящее время в метрологической практике активно используются следующие инструменты ИИ:

• Обработка данных измерений.

Прогнозирование аномалий и тенденций. Алгоритмы ИИ обладают возможностью проводить анализ потоков данных со средств измерений, обнаруживая скрытые закономерности, прогнозируя изменения характеристик и предупреждая о возможных рисках, потенциальных отказах и выходе параметров за допустимые пределы.

Оптимизация поверки и калибровки. Искусственный интеллект обладает способностью анализировать комплексы данных о стабильности работы конкретных средств измерений, а также их моделей и типов. И на основе этих данных определять оптимальные, а не регламентированные по умолчанию, межповерочные интервалы (с учетом требований Федерального закона «Об обеспечении единства измерений» от 26.06.2008 № 102-ФЗ и ГОСТ Р 71562-2024 «Национальный стандарт Российской Федерации. Средства измерений на основе искусственного интеллекта. Метрологическое обеспечение»), снижая издержки без потери надежности.

«Метрологическую деятельность на предприятии невозможно осуществлять эффективно, используя устаревшие алгоритмы работы», – говорит эксперт компании «Первый Бит» по автоматизации бизнес-процессов в метрологической деятельности Александра Самсонова.

Автоматизация анализа сложных сигналов. В таких областях, как акустика, вибродиагностика и анализ изображений (дефектоскопия, контроль качества поверхности), искусственный интеллект дает возможность автоматически классифицировать сигналы и обнаруживать дефекты с высокой точностью, превосходящей возможности человека;

• Снижение неопределенности и повышение точности.

Компенсация систематических погрешностей. Модель искусственного интеллекта можно обучить для учета и автоматической компенсации определенных систематических погрешностей, вызванных конкретными факторами, с целью получения более корректных данных.

Восстановление сигналов. В ситуациях, где полезный сигнал искажен шумами, ИИ обладает возможностью восстанавливать исходный сигнал за счет отфильтровывания ненужных сигналов.

Оптимизация процедур измерений. ИИ с помощью алгоритмов может автоматически подбирать оптимальные параметры измерительных процедур для минимизации неопределенности, основываясь на данных об окружающей среде, средстве и предмете измерения;

• Разработка и валидация методик выполнения измерений . Искусственный интеллект может быть применен для моделирования измерительных задач и условий, на основе которых можно получить предварительные оценки неопределенности и оптимизировать МВИ на этапе разработки.

Потенциальные проблемы и возможные способы их решить

Валидация и верификация работы автоматизированных алгоритмов.

В чем проблема

Одной из наиболее важных проблем является сложность доказательства того, что алгоритм выдает достоверные и метрологически значимые результаты.

Ни одна цифровая модель не учитывает многообразия параметров реального мира. Например, для ФГИС «Аршин» или другой информационной системы два СИ с одним и тем же регистрационным номером – это два объекта, которые отличаются лишь заводскими номерами или номерами партий.

На фоне этого требуются новые подходы к валидации — с соблюдением ГОСТ ИСО/IEC 17025-2019 «Общие требования к компетентности испытательных и калибровочных лабораторий».

• определение метрик точности и надежности системы;

• проверка на репрезентативных и экстремальных блоках данных;

• оценка неопределенности, которую вносит сам алгоритм;

• обеспечение возможности воспроизводимости результатов;

• интерпретирование сложных решений алгоритмов.

Обеспечение прослеживаемости

В чем проблема

Весьма важной является возможность прослеживаемости работы искусственного интеллекта для полноценного понимания направления вычислений, анализа данных и возможности воспроизведения показанных результатов.

Вариант решения:

• создание специализированных методов и протоколов и их внедрение в систему.

Безопасность данных

В чем проблема

Цифровые средства измерений и системы, использующие искусственный интеллект, являются потенциальными целями для кибератак.

Вариант решения:

• для уменьшения рисков необходимо строгое соблюдение требований к информационной безопасности (включая ГОСТы серии Р 50.1. по защите информации) и полноте данных измерений.

Нормативно-правовая адаптация

В чем проблема

На данный момент существуют основные нормативные базы , на их основании нужно проходить периодическую проверку на соответствие стандартам:

• периодическую проверку правильности распознавания МПВ, если такое распознавание используется в задачах, решаемых СИИИ ;

• обучение СИИИ решению новых задач с проверкой результатов;

• проверку и совершенствование программы самообучения СИИИ, если запланировано выполнение СИИИ задач нового вида;

• учет накапливаемого опыта метрологов при подготовке каждого цикла обучения СИИИ с учителем;

• периодическую проверку достоверности МСК (при его наличии) путем использования избыточной информации;

• анализ причин возникших дефектов и при наличии возможности – их устранение, в том числе путем замены выявленных при МСК неисправных компонентов.

Так, один из предполагаемых рисков – что какая-то компания первой изобретет новое высокотехнологичное средство измерений и в результате монополизирует эту сферу. Регулирование крупных игроков на этом рынке – один из новых вызовов отрасли, пока ни один из регуляторов не обладает достаточными компетенциями для того, чтобы регулировать это направление. 

Варианты решения:

• обеспечение поддержки государства для развития отрасли;

• разработка нового подхода к контролю, при котором регулятор максимально вовлечен в то, что происходит внутри профессионального сообщества.

Квалификация кадров

В чем проблема

Есть потребность в специалистах, обладающих знаниями сразу в двух сферах: метрологии и IT.

Варианты решения:

• популяризация метрологических профессий среди студентов;

• развитие программы стажировок и сотрудничество организаций с учебными заведениями;

• развитие программ переподготовки и повышения квалификации.

Цифровизация и искусственный интеллект вносят большие изменения в структуру метрологии. Они открывают возможности к принципиально нового уровня точности, автоматизации и эффективности измерительных процессов. Реализация этого потенциала в первую очередь связана с решением комплекса метрологических задач, таких как разработка надежных методов валидации алгоритмов, обеспечение прослеживаемости и безопасности цифровых данных и своевременная адаптация нормативно-правовой базы.

Успешная реализация этих задач позволит метрологии выполнять свою ключевую миссию – обеспечение единства и требуемой точности измерений с учетом нынешней цифровой эпохи.