УДК 330
DOI: 10.36871/ek.up.p.r.2025.12.17.026

Авторы

Исмаил Усманович Хашумов,
Асхаб Зелимханович Дукузов,
ФГБОУ ВО «Грозненский государственный нефтяной технический университет им. акад. М. Д. Миллионщикова», г. Грозный, Россия

Аннотация

В работе рассмотрены теоретические основы интеграции методов машинного обучения в контур управления аддитивным производством с целью снижения вариабельности геометрических и механических характеристик изделий. Раскрыта роль обучающихся моделей в прогнозировании параметров процесса, анализе технологических отклонений и формировании адаптивных стратегий управления. Предложена архитектура интеллектуального замкнутого контура, сочетающая цифровой двойник, сенсорную интеграцию и когнитивные механизмы коррекции. Обоснована эффективность подхода с позиций устойчивости процессов и предсказуемости результата.

Ключевые слова

аддитивное производство, машинное обучение, интеллектуальное управление, цифровой двойник

Список литературы

  1. Абдуллин Р. Ш., Гарифуллин А. Р. Интеллектуальное управление тепловым полем при лазерной 3D-печати металлических порошков // Вестник Казанского технологического университета. 2024. Т. 27. № 6. С. 45–55.
  2. Брынцев Н. П., Сазонов А. Л. Использование свёрточных нейронных сетей для онлайноценки геометрии слоя в аддитивном процессе L-PBF // ЗАМ. 2025. Т. 41. № 2. С. 62–73.
  3. Власов Е. К., Сергеева И. М. Адаптивные цифровые двойники в управлении аддитивным производством сложных сплавов // Машиностроение и автоматизация. 2025. № 4. С. 18–30.
  4. Головин С. М., Кузнецова Е. П. Обучение с подкреплением при управлении режимами сна сетевых коммутаторов // Радиоэлектроника. 2025. Т. 31. № 8. С. 91–102.
  5. Жарасов Б. С., Абрамов В. И. Цифровые двойники в управлении производством: принципы создания, проблемы внедрения и перспективы развития // Современная экономика: проблемы и решения. 2024. № 6 (174). С. 80–94.
  6. Козлова В. В. Оптимизация бизнес-процессов с применением технологий искусственного интеллекта // Вестник Евразийской науки. 2025. Т. 17. № s2. С. 1–16.
  7. Лифанов А. Д., Лифанова Е. Г. Использование градиентного бустинга для прогнозирования температуры вспышки органических соединений // Вестник технологического университета. 2025. Т. 28. № 10. С. 102–110.
  8. Мухамеджанов А. И., Хабибуллин И. И. Обзор методов машинного обучения для прогнозирования технического состояния газотурбинных двигателей // Вестник КГТУ им. А. Н. Туполева. 2023. № 3. С. 70–78.