А.Ю. Чесалов1
1 ООО «Программные системы Атлансис» (г. Тверь, Россия)

1 achesalov@mail.ru

Постановка проблемы. В настоящее время промышленные предприятия требуют принципиально новых решений, направленных на прогнозирование отказов работы оборудования и своевременное устранение нештатных аварийных ситуаций, управление затратами на ремонт, а также оптимизацию и улучшение стратегий технического обслуживания. Существующие автоматизированные системы прогнозируемого обслуживания имеют различные функциональные ограничения. Это требует разработки новых архитектурных решений для создания интеллектуальных систем, способных обрабатывать большие объемы разнородных данных в режиме реального времени, прогнозировать отказы с высокой точностью и оптимизировать процессы плана обслуживания, в тесной взаимосвязи с работой устройств промышленного Интернета вещей в условиях использования новых технологий периферийного искусственного интеллекта. Данная работа посвящена исследованию возможности применения большой языковой модели OpenThinker2-32B как вспомогательного инструмента для автоматизированной системы прогнозируемого обслуживания многостадийных технологических процессов.

Цель. Изучить возможность применения и адаптации большой языковой модели OpenThinker2-32B как дополнительного и вспомогательного инструмента, применяемого для повышения эффективности работы автоматизированных систем прогнозируемого обслуживания многостадийных технологических процессов для малых и средних промышленных предприятий.

Результаты. Показано, что большая языковая модель OpenThinker2-32B предоставляет набор функциональных возможностей, которые могут быть использованы в решении узкоспециализированных задач прогнозируемого или предписывающего обслуживания. Отмечено, что эти возможности позволяют эффективно выполнять анализ данных, определять возможные неисправности и прогнозировать отказы в работе оборудования, оптимизировать расписание и процессы технического обслуживания при наименьших затратах и стоимости владения вычислительной инфраструктурой. При помощи теории свидетельств Демпстера-Шафера могут быть реализованы новые алгоритмы, которые позволят снизить факторы неопределенности для получения более точных прогнозов, а также подготовить экспертные рекомендации и заключения. Установлено, что благодаря своей гибкости, высокой производительности и невысокой стоимости владения большая языковая модель OpenThinker2-32B является мощным вспомогательным инструментом для автоматизации промышленных процессов и повышения их эффективности для малых и средних промышленных предприятий.

Практическая значимость. Результаты исследования могут быть использованы для проектирования промышленных автоматизированных систем прогнозируемого или предписывающего обслуживания.

Чесалов А.Ю. Анализ возможности применения модели OpenThinker2-32B в автоматизированных системах прогнозируемого обслуживания для малых и средних промышленных предприятий // Нейрокомпьютеры: разработка, применение. 2025. Т. 27. № 5. С. 56–70. DOI: https://doi.org/10.18127/j19998554-202505-07

1. Large language model market [Электронный ресурс] / URL: https://www.marketsandmarkets.com/Market-Reports/large-language-model-llm-market-102137956.html (дата обращения: 13.03.2025).
2. Large language model (LLM) market – A global and regional analysis [Электронный ресурс] / URL: https://bisresearch.com/industry-report/large-language-model-market.html (дата обращения: 13.03.2025).
3. Обзор видов лучших ИИ-моделей 2024: сравнение и рейтинг популярных LLM [Электронный ресурс] / URL: https://iaassaaspaas.ru/ rating/ai/obzor-vidov-luchshih-ii-modeley-2024-sravnenie-i-reyting-populyarnyh-llm (дата обращения: 12.03.2025).
4. Что такое контекстное окно в ИИ и как оно влияет на работу языковых моделей [Электронный ресурс] / URL: https://blog.colo­bridge.net/2025/04/context-window-in-ai/ (дата обращения: 12.05.2025).
5. Малышко В. Большие языковые модели: что это такое и как они работают [Электронный ресурс] / URL: https://just-ai.com/ blog/bolshie-yazykovye-modeli-chto-eto-takoe-i-kak-oni-rabotayut (дата обращения: 02.05.2025).
6. Agarwal R., Singh A., Zhang L.M. et al. Many-shot in-context learning. 2024 [Электронный ресурс] / URL: https://arxiv.org/abs/ 2404.11018 (дата обращения: 12.05.2025).
7. Указ Президента Российской Федерации от 30.03.2022 № 166 «О мерах по обеспечению технологической независимости и безопасности критической информационной инфраструктуры Российской Федерации» [Электронный ресурс] / URL: http://publication.pravo.gov.ru/Document/View/0001202203300001 (дата обращения: 12.05.2025).
8. Qwen2.5-32B-Instruct [Электронный ресурс] / URL: https://huggingface.co/Qwen/Qwen2.5-32B-Instruct (дата обращения: 12.05.2025).
9. OpenThoughts2-1M [Электронный ресурс] / URL: https://huggingface.co/datasets/open-thoughts/OpenThoughts2-1M (дата обращения: 12.05.2025).
10. Open-thoughts [Электронный ресурс] / URL: https://github.com/open-thoughts/open-thoughts (дата обращения: 09.05.2025).
11. Чуйко Д. Большие языковые модели как инструмент для анализа технической документации и решения ИТ-инцидентов [Электронный ресурс] / URL: https://habr.com/ru/articles/895114/ (дата обращения: 02.05.2025).
12. Юмагузин У.Ф., Баширов М.Г. Прогнозирование остаточного ресурса оборудования предприятий нефтегазовой отрасли // Фундаментальные исследования. 2014. № 3 (часть 2). С. 277–280. URL: https://fundamental-research.ru/ru/article/view?id=33623 (дата обращения: 15.03.2025).
13. Казаринов Л.С., Шнайдер Д.А., Хасанов А.Р. Метод оценки текущего состояния контролируемого оборудования в задаче оперативного планирования ремонтно-профилактических работ // Вестник Южно-Уральского государственного университета. Сер.: Компьютерные технологии, управление, радиоэлектроника. 2006. № 14 (69). С. 84–87.
14. Казаринов Л.С., Шнайдер Д.А. Метод упреждающего управления сложными технологическими комплексами по критериям энергетической эффективности // Сб. трудов «Управление большими системами». 2011. № 32. С. 221–240.
15. Шнайдер Д.А. Автоматизированные системы упреждающего управления по критериям энергетической эффективности (в теплоэнергетических комплексах металлургических предприятий). Дисс. … докт. техн. наук. Челябинск. 2011.
16. Ганцева Е.А., Каладзе В.А., Поляков А.М. Формирование экспертного вывода на основе теории свидетельств // Вестник ВГТУ. 2015. Т. 11. № 1. С. 42–46.
17. Что такое большая языковая модель (LLM)? [Электронный ресурс] / URL: https://aws.amazon.com/ru/what-is/large-language-model/ (дата обращения: 02.05.2025).
18. Учим большие языковые модели описывать продукты данных [Электронный ресурс] / URL: https://habr.com/ru/companies/ sberbank/articles/795617/ (дата обращения: 02.05.2025).
19. Палюх Б.В., Чесалов А.Ю. Современные подходы к созданию автоматизированных систем прогнозируемого обслуживания многостадийных технологических процессов в промышленности // Сб. науч. трудов XXVII Российской науч. конф. «Инжиниринг предприятий и управление знаниями» (ИП&УЗ – 2024). 28–29 ноября 2024 г. М.: ФГБОУ ВО «РЭУ им. Г.В. Плеханова». 2024. Т. 1. С. 351–357.
20. Иванов В.К., Палюх Б.В. Демонстратор программной платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах // Программные продукты и системы. 2021. Т. 34. № 4. С. 511–523.
21. Виноградова Н.В., Иванов В.К., Палюх Б.В., Сотников А.Н. Современные направления развития и области приложения теории Демпстера-Шафера (обзор) // Искусственный интеллект и принятие решений. 2018. № 4. С. 32–42.
22. Дырмовский Д. Большие языковые модели – большие возможности для роста бизнеса [Электронный ресурс] / URL: https://www.speechpro.ru/media/news/bolshie-yazykovye-modeli-bolshie-vozmozhnosti-dlya-rosta-biznesa (дата обращения: 02.05.2025).
23. Палюх Б.В., Чесалов А.Ю. Методологический подход к цифровой трансформации предприятий отрасли производителей оборудования неразрушающего контроля // Сб. науч. трудов XXVI Российской науч. конф. «Инжиниринг предприятий и управление знаниями» (ИП&УЗ – 2023). 29–30 ноября 2023 г. М.: ФГБОУ ВО «РЭУ им. Г.В. Плеханова». 2023. С. 256–260.
24. OpenThinker2-32B [Электронный ресурс] / URL: https://huggingface.co/open-thoughts/OpenThinker2-32B (дата обращения: 13.05.2025).
25. Transformers [Электронный ресурс] / URL: https://huggingface.co/docs/transformers/index (дата обращения: 12.05.2025).