Рассматриваются основы построения и развития пятой и шестой промышленных революций (I5.0 / I6.0) как развитие результатов проекта Индустрия 4.0 (I4.0) с применением моделей интеллектуальной когнитивной робототехники, квантовой программной инженерии, квантового интеллектуального управления и дружественных интерфейсов типа «мозг - компьютер», «человек - робот». Обсуждаются вопросы построения физических законов интеллектуального управления роботизированными социотехническими системами на основе законов информационно-термодинамического распределения критериев устойчивости, управляемости и робастности. Извлеченная квантовая информация позволяет сформировать дополнительную «социальную» термодинамическую силу управления, скрытую в информационном обмене между агентами многокомпонентной социотехнической системе.
Идентификаторы и классификаторы
Захватывающий и интерактивный образовательный опыт - это будущее преподавания и обучения, сочетающее в себе лучшее из образовательных технологий Education 5.0 и Industry 4.0 для привлечения учащихся нынешнего поколения, чей стиль обучения уникален, вплоть до цифровой эры. Появление системы образования 5.0 выдвигает на первый план такие навыки, как коммуникация, лидерство и устойчивость, любознательность, понимание, критическое и творческое мышление. “Умное общество” будет оснащено новой версией программы “Иммерсивный и интерактивный образовательный опыт - это будущее преподавания и обучения”, сочетающей в себе лучшее из образовательных технологий “Образование 5.0” и “Индустрия 4.0” для привлечения современного поколения учащихся, чей стиль обучения уникален для цифровой эры. Индустрия 5.0 ставит серьезные задачи и требует новых современных подходов к обучению и воспитательной работе, а также преобразования школ и образовательных учреждений.
Список литературы
1. Smart Factory of Industry 4.0: Key Technologies, Application Case, and Challenges / B. Chen [et al.] // IEEE Access. - 2018. - No 6. - Pp. 6505 - 6519. -. DOI: 10.1109/ACCESS.2017.2783682 EDN: YEDDHV
2. IEEE Intellectual Property Rights // IEEE - The world’s largest technical professional organization. -IEEE, 2024. - URL: http://www.ieee.org/publications_standards/publications/rights/index.html.
3. Digital twin and virtual reality: a co-simulation environment for design and assessment of industrial workstations/ V. Havard, B. Jeanne, M. Lacomblez, D. Baudry // Production & Manufacturing Research - 2019. - Vol. 7. - No 1. - Pp. 472-489. -. DOI: 10.1080/21693277.2019.1660283
4. A Survey on AI-Driven Digital Twins in Industry 4.0: Smart Manufacturing and Advanced Robotics / Z. Huang [et al.] // Sensors. - 2021. - Vol. 21. - No 19. - Article 6340. -. DOI: 10.3390/s21196340 EDN: BQBWIS
5. Tyatyushkina O., Ulyanov S.Intelligent cognitive control of robotic sociotechnical systems. Pt.1: Robotic systems and “Human being - robot” interactive models in project “Industry 4.0” // System Analysis in Science and Education. - 2021. - No 3. - Pp. 44-101(In Russ). - URL: http://sanse.ru/download/447. EDN: ZNYELC
6. Ulyanov S. V.Intelligent cognitive control of sociotechnical robotic systems. Pt. 2: Nonlinear model generation of intelligent cognitive robotics for project “Industry 4.0” // System Analysis in Science and Education. - 2021. - No 3. - Pp. 1-43(In Russ). URL: http://sanse.ru/download/449. EDN: WAQUKQ
7. Alcácer V., Cruz-Machado V. Scanning the Industry 4.0: A Literature Review on Technologies for Manufacturing Systems // Intern. J. Eng. Sci. and Technol. - 2019. - Vol. 22. - Pp.899 - 919. -. DOI: 10.1016/j.jestch.2019.01.006
8. Pegman G. Leading European Robotics: Robotic Visions to 2020 and beyond - The Strategic Research Agenda for robotics in Europe. Industrial Technologies Conference Brussels, Belgium, 2020.
9. Intelligent Cognitive Robotics / A. G. Reshetnikov, S. V. Ulyanov, D. P. Zrelova, P. V. Zrelov. - M.: Kurs, 2023. - 464 p. EDN: FOFPAM
10. A Methodology for Flexible Implementation of Collaborative Robots in Smart Manufacturing Systems / H. Giberti [et al.] // Robotics. - 2022. -Vol. 11. - No 9. -. DOI: 10.3390/robotics11010009
11. Intelligent cognitive robotics. Vol. 1: Soft computational intelligence and information-thermodynamic law of intelligent cognitive control / O. Tyatyushkina, A. Reshetnikov, V. Ulyanov [et al.]. - M.: Kurs, 2022. - 528 p. EDN: JMULUL
12. Marinho M. M., Quiroz-Omaña J. J., Harada K. Design and Validation of a Multi-Arm Robot Platform for Scienti c Exploration // arXive.org e-Print archive. - arXiv:2210.11877v1 [cs.RO] 21 Oct 2022.
13. Kaigom E.G. Potentials of the Metaverse for Robotized Applications in Industry 4.0 and Industry 5.0 // arXive.org e-Print archive. - arXiv:2404.00783v1 [cs.RO] 31 Mar 2024.
14. Интеллектуальная когнитивная робототехника. Ч. 1: Технологии квантовых когнитивных вычислений / В. В. Кореньков, С. В. Ульянов, А. А. Шевченко, А. В. Шевченко. - Москва: КУРС, 2022. - 557 с. EDN: ZHQZIT
15. Ulyanov S.V.Intelligent cognitive robotics. Vol. 2. - M.: Kurs, 2022. EDN: JPOUBW
16. Quantum soft engineering toolkit. Pt I. / Ivancova O.V., Korenkov V.V., Ulyanov S.V., Zrelov P.V. - M.: Kurs, 2022.
17. Tyatyushkina O.Yu., Ulyanov S.V. Unmanned Aerial Robotic Vehicles. Pt. 2: Unconventional models of unmanned aerial systems and aerial embedding manipulators // System analysis in science and education. - 2022. - No 3. - Pp. 53-109/ - URL: http://sanse.ru/download/474. EDN: NGSXSA
18. All the Feels: A dexterous hand with large area sensing / R. Bhirangi [et al.] // arXive.org e-Print archive. - arXiv:2210.15658v1 [cs.RO] 27 Oct 2022.
19. Berscheid L., Friedrich C., Kröger T. Robot Learning of 6DoF Grasping using Model-based Adaptive Primitives // arXive.org e-Print archive. - arXiv:2103.12810v1 [cs.RO] 23 Mar 2021.
20. Robot Cooking with Stir-fry: Bimanual Non-prehensile Manipulation of Semi- uid Objects /j. Liu [et al.] // arXive.org e-Print archive. - arXiv:2205.05960v1 [cs.RO] 12 May 2022.
21. SAM-RL: Sensing-Aware Model-Based Reinforcement Learning via Differentiable Physics-Based Simulation and Rendering / Jun Lv [et al.] // arXive.org e-Print archive. - arXiv:2210.15185v1 [cs.RO] 27 Oct 2022.
22. Robust Control of a New Asymmetric Teleoperation Robot Based on a State Observer / B. Shi, H. Wu, Y. Zhu, M. Shang, // Sensors. - 2021. - Vol. 21. - Pp. 6197. DOI: 10.3390/s21186197 EDN: AYPQBF
23. Caveats on the rst-generation da Vinci Research Kit: latent technical constraints and essential calibrations / Z. Cui, J. Cartucho, S. Giannarou, F. R. y Baena // arXive.org e-Print archive. - arXiv:2210.13598v1 [cs.RO] 24 Oct 2022.
24. Kasaei H., Kasaei M. Throwing Objects into A Moving Basket While Avoiding Obstacles // arXive.org e-Print archive. - arXiv:2210.00609v1 [cs.RO] 2 Oct 2022.
25. A Mixed-Reality Tele-Operation Method for High-Level Control of a Legged-Manipulator Robot / C. Cruz Ulloa, D. Domínguez, J. Del Cerro, A. Barrientos // Sensors. - 2022. - Vol. 22. - No 21. - Pp. 8146. -. DOI: 10.3390/s22218146 EDN: HYJQBM
26. Towards Semantic Integration of Machine Vision Systems to Aid Manufacturing Event Understanding / K. Xia [et al.] // Sensors. - 2021. - Vol. 21. - No 13. - Pp. 4276. -. DOI: 10.3390/s21134276 EDN: DPKPDJ
27. Multimodal Human-Robot Interface for Accessible Remote Robotic Interventions in Hazardous Environments / G. Lunghi [et al.] // IEEE Access. - 2019. - Vol. 7. - Pp. 127290 - 127319. -. DOI: 10.1109/ACCESS.2019.293949
28. Sheridan T. B. Human-Robot Interaction: Status and Challenges // Human factors. - 2016. - Vol. 58. - No. 4. - Pp. 525 -532. -. DOI: 10.1177/0018720816644364
29. MiniCERNBot Educational Platform: Antimatter Factory Mock-up Missions for Problem-Solving STEM Learning / M. Garcés [et al.] // Sensors. - 2021. - Vol. 21. - Pp. 1398. -. DOI: 10.3390/s21041398 EDN: WLXEBW
30. Tyatyushkina O.Yu., Ulyanov S.V. Unmanned Aerial Vehicles. Pt. 1: Bio-inspired and aerial-aquatic locomotion // System analysis in science and education. - 2022. - No 3. - Pp. 8-52. - URL: http://sanse.ru/download/473. EDN: THYHHT
31. Tyatyushkina O.Yu., Ulyanov S.V. Unmanned Aerial Robotic Vehicles. Pt. 2: Unconventional models of unmanned aerial systems and aerial embedding manipulators // System analysis in science and education. - 2022. - No 3. - Pp. 53-109. - URL: http://sanse.ru/download/474. EDN: NGSXSA
32. Mohiuddin A. et al. A survey of single and multi-UAV aerial manipulation // Unmanned Systems. - 2020. - Vol. 8. - No 2. - Pp. 119-147. -. DOI: 10.1142/S2301385020500089 EDN: RSXXBE
33. Past, Present and Future of Aerial Robotic Manipulators / A. Ollero [et al.] // IEEE TRANSACTIONS ON ROBOTICS. - 2022. - Vol. 38. - No. 1. - Pp. 626-645. - [Preprint version nal version at http://ieeexplore.ieee.org/, 2021.]. EDN: BWUDGN
34. Sanalitro D. Aerial Cooperative Manipulation: full pose manipulation in air and in interaction with the environment. - DOCTORAT DE L’UNIVERSITÉ FÉDÉRALE TOULOUSE MIDI-PYRÉNÉES. l’Institut National des Sciences Appliquées de Toulouse (INSA de Toulouse), 2022.
35. Huan N., Kostas A. Forceful Aerial Manipulation based on an Aerial Robotic Chain: Hybrid Modeling and Control // IEEE Robotics and Automation Letters. - 2021. - Vol. 6. - No 2. - Pp. 3711-3719. -. DOI: 10.1109/LRA.2021.3064254 EDN: DFBASM
36. Zhao M., Anzai T., Nishio T. Design, Modeling and Control of a Quadruped Robot SPIDAR: Spherically Vectorable and Distributed Rotors Assisted Air-Ground Amphibious Quadruped Robot // arXive.org e-Print archive. - arXiv:2301.04050v1 [cs.RO] 10 Jan 2023.
37. The current state and future outlook of rescue robotics / Delmerico J. et al. // Journal of Field Robotics. - 2019. -Pp. 1-21. -. DOI: 10.1002/rob.21887
38. A survey of quantum computing hybrid applications with brain-computer interface / D. Huang, M. Wang, J. Wang, J. Yan // Cognitive Robotics. - 2022. - Vol. 2. - Pp. 164-176. -. DOI: 10.1016/j.cogr.2022.07.002 EDN: RCVPLY
39. Hybrid EEG-EMG based brain computer interface (BCI) system for real-time robotic arm control / S. Abdullah, M. A. Khan, M. Serpelloni, E. Sardini // Advanced Materials Letters. - 2019. - Vol. 10. - No 1. - Pp. 35-40. -. DOI: 10.5185/amlett.2019.2171
40. Duarte R. M. Low cost Brain Computer Interface system for AR Drone Control. - PhD Thesis. UNIVERSIDADE FEDERAL DE SANTA CATARINA CENTRO TECNOLÓGICO PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE AUTOMAÇÃO E SISTEMAS, 2017.
41. van Erp T., Gladysz B. Quantum Technologies in Manufacturing Systems: Perspectives for Application and Sustainable Development // Procedia CIRP. - 2022. - Vol. 107. - Pp.1120-1125. -. DOI: 10.1016/j.procir.2022.05.118 EDN: MYMWIC
42. Artificial Intelligence and Machine Learning for Quantum Technologies / M. Krenn, J. Landgraf, T. Foesel, F. Marquardt // arXive.org e-Print archive. - arXiv:2208.03836v1 [quant-ph] 7 Aug 2022.
43. Industry quantum computing applications / A. Bayerstadler [et al.] // EPJ Quantum Technology. - 2021. - Vol. 8. - Article number: 25 (2021). -. DOI: 10.1140/epjqt/s40507-021-00114-x
44. Quantum Communication Systems: Vision, Protocols, Applications, and Challenges /Syed Rakib Hasan, Mostafa Zaman Chowdhury, Md. Saiam, Yeong Min Jang // arXive.org e-Print archive. - arXiv: 2212.13333v1 [quant-ph] 29 Dec 2022.
45. Quantum Machine Learning for 6G Communication Networks: State-of-the-Art and Vision for the Future / S. J. Nawaz [et al.] // IEEE Access. - Vol.7. - Pp. 46317-46350. -. DOI: 10.1109/ACCESS.2019.2909490
Выпуск
Другие статьи выпуска
Представлен анализ опыта подготовки бакалавров кафедры информационных технологий по профилю «Безопасность информационных систем», определены тенденции развития этого направления подготовки и обоснование требований дальнейшего его развития с учетом современных повышенных требований к ИТ-проектам по безопасности и доверию к ним. При проведении исследований использовался системный анализ для анализа требований к специалистам ИТ и ИБ в условиях повышения уровня требований к надёжности, безопасности и уровня доверия к разрабатываемому программному обеспечению. Полученные результаты позволят провести коррекцию учебного плана и рабочих учебных программ для совершенствования компетенций выпускников по профилю «Безопасность информационных систем» в области обеспечения информационной безопасности ИТ-проектов и уровня доверия к ним.
Адаптивное обучение в современных условиях имеет важную роль в организации образовательной деятельности. На данный момент разработано множество систем обучения с претензией на адаптивность. Для разработки системы адаптивного обучения необходимо разработать общие принципы построения таких систем. Авторы статьи на основе исследования существующих адаптивных моделей обучения выделяют принципы построения системы адаптивного обучения.
Рассмотрены принципы и методы построения моделей квантового «сильного» вычислительного интеллекта на основе инструментария квантового глубокого обучения с применением квантовых нейронных сетей и квантового генетического алгоритма. Обсуждаются дополнительные особенности моделей квантового перцептрона и модели инженерии квантового глубокого обучения при применении инструментария оптимизации баз знаний интеллектуальных регуляторов на основе QCOptKBTM в задачах квантового интеллектуального управления роботизированными социотехническими системами в проектах «Индустрия 4.0 / 5.0 /6.0». Описание особенностей квантового глубокого обучения позволяет точнее и глубже освоить возможности инструментария QCOptKBTM, который включает в себя этапы обучения и извлечения (из исходных данных) сигнала обучения за счет инструментария SCOptKBTM на технологии мягких вычислений, и далее рассматривается как классические данные. За счет операторов квантовых вычислений классические данные кодируются кубитами, осуществляется оптимальный выбор квантовой корреляции между искомыми решениями и применением конструктивной интерференции извлекается искомый результат путем измерения. Таким образом, разработанный интеллектуальный инструментарий SCOptKBTM и QCOptKBTM включает принципы квантового глубокого обучения, и также как в случае технологии мягких вычислений, формирует оптимальную структуру теперь квантовой нейронной сети, а за счет применения квантового генетического алгоритма ускоряет поиск искомого решения.
Настоящая работа посвящена разработке и анализу нейросетевых подходов и методов к решению задачи распознавания рукописных документов. Для решения данной задачи в работе предлагается использовать модели глубоких нейронных сетей. Рассматриваются вопросы конфигурации и обучения рассматриваемых моделей, также описываются и анализируются возможные их усовершенствования. Приводятся результаты численного исследования всех предложенных подходов и сравнение их эффективности в решении поставленной задачи.
Цель работы - разработать перспективную SCADA IDE для ПАО «ТЕНЗОР», отвечающую современным стандартам и обеспечивающую комплексную поддержку создания систем промышленной автоматизации. В ходе исследования проведен анализ текущего состояния и трендов развития SCADA-систем, выполнен сравнительный анализ существующих SCADA IDE, выявлены их ограничения. На основе этого определены ключевые требования к проектируемой системе. Разработанный программный прототип прошел апробацию на реальном индустриальном проекте, подтвердив свою практическую применимость и эффективность. Полученные результаты закладывают основы для перехода ПАО «ТЕНЗОР» на качественно новый уровень разработки современных систем промышленной автоматизации на базе SCADA. Дальнейшие направления развития включают интеграцию с облачными платформами Интернета вещей, реализацию веб-ориентированных средств разработки.
В статье рассматривается процесс цифровой трансформации расторжения договоров добровольного страхования. Описаны этапы проектирования и реализации архитектурного решения, включающего использование Archimate и предметно-ориентированного подхода к проектированию. Основное внимание уделяется оптимизации бизнес-процессов, повышению эффективности и точности операций, а также снижению затрат и рисков, связанных с ручными операциями. В результате внедрения предложенного архитектурного решения достигается значительное улучшение качества обслуживания клиентов и повышение операционной эффективности компании.
Издательство
- Издательство
- ДУБНА
- Регион
- Россия, Дубна
- Почтовый адрес
- 141980 г.Дубна Московской обл., ул.Университетская, 19
- Юр. адрес
- 141980 г.Дубна Московской обл., ул.Университетская, 19
- ФИО
- Деникин Андрей Сергеевич (ИСПОЛНЯЮЩИЙ ОБЯЗАННОСТИ РЕКТОРА)
- E-mail адрес
- rector@uni-dubna.ru
- Контактный телефон
- +8 (496) 2166001