Киберфизическая система (Cyber-Physical System, CPS) – это система,

которая может эффективно интегрировать кибер- и физические компоненты,

используя современные сенсорные, вычислительные и сетевые технологии .
Ключевые технологические тенденции, лежащие в основе CPS, включают:
«Интернет вещей» (Internet of Things), Big Data, смарт-технологии, облачные
вычисления и т.д.
Лекция 7: Оперативное планирование и управление интеллектуальным
производством.Беспроводные системы для промышленной среды.

Оперативное планирование и управление интеллектуальным

производством. Методология оперативного планирования и управления
интеллектуальным производством (SMOPAC) фокусирует стандарты и
теоретические знания об измерительных системах для поддержки
интеграционных мероприятий на производстве.Интеллектуальные
производственные системы определены как системы, которые в режиме
реального времени реагируют на меняющиеся требования клиентов и условия
работы на заводе. План исследований в области оперативного планирования и
управления интеллектуальным производством состоит из :

(1) цифровой поток,

(2) интеграция системного анализа,

(3) беспроводные системы,

(4) кибербезопасность,
(5) прогнозирование, управление здравоохранением и контроль.

Беспроводные системы для промышленной среды. Беспроводные системы

для промышленной среды - интегрированная методология и протоколы для
включения, оценки и обеспечения производительности беспроводных систем
в промышленных условиях в реальном времени. Промышленная среда,
такая как среда интеллектуального производства, требует разнообразных
беспроводных технологиий, обеспечивающих бесперебойную связь от
сенсорных узлов с низким энергопотреблением к видеосвязи с высокой
скоростью передачи данных. Беспроводные сенсорные сети (WSN) являются
ключевой технологией для промышленного интернета вещей. Беспроводные
сенсорные сети— это интернет-сеть сенсорных узлов, которые совместно
определяют и, возможно, контролируют окружающую среду автономно или
совместно с персоналом в производственном цикле.
Лекция 7

Кибербезопастность для интеллектуальных производственных систем.

Исследования в области кибербезопасности для интеллектуальных
производственных систем направлены на количественное определение
влияния кибербезопасности на производительность, использование ресурсов,
надежность и безопасность в режиме реального времени. Здесь можно
выделить две исследовательские задачи:

• разработка комплексных требований и вариантов

использования, которые представляют практические подходы
кибербезопасности для реальных потребностей;

• разработка набора конкретных тестов, которые измеряют

влияние технологии кибербезопасности.
Основная задача заключается в разработке производственной реализации
профиля кибербезопасности Cybersecurity Framework (CSF).

Основополагающие принципы ситуационного управления

1. Принцип компетентности руководства. Недостаточно иметь только

хорошую теоретическую подготовку и владеть информацией о нынешнем
состоянии организации — нужно еще обладать хорошей управленческой
интуицией и способностью принимать нестандартные, а иногда и
парадоксальные решения.
2. Принцип отсутствия прецедентов. Ни одна управленческая ситуация,
какой бы стандартной она ни казалась, не может быть абсолютно похожей ни на
одну ситуацию, которая имела место в прошлом.
3. Принцип взаимосвязи ситуационных переменных. Все факторы
ситуации составляют единое целое, некую систему и поэтому так или иначе
влияют друг на друга.
4. Принцип двойственного влияния факторов. Ситуационные факторы
обладают разными, порой даже противоречивыми характеристиками.
5. Принцип непрерывности изменений. Изменения в организации и ее
внешнем окружении, так или иначе, происходят постоянно.
6. Принцип необратимости изменений. Всякое изменение ставит
организацию на новую (более высокую или более низкую) ступень развития.
7. Принцип быстрой реакции. Постоянное изменение ситуационных
переменных требует непрерывной выработки управленческих решений,
направленных на адаптацию организации к этим изменениям.
8. Принцип наличия предпосылок к изменениям. Наряду с постоянным
мониторингом происходящих изменений необходимо непрерывно
контролировать наличие предпосылок и условий, необходимых для приведения
параметров организации в соответствие с изменившейся ситуацией.
9. Принцип приоритетности человеческого фактора. Принимая
решение, руководитель прежде всего должен учитывать его влияние на
трудовой коллектив.
 10. Принцип оптимального соотношения результатов и затрат.
Критерием оптимальности в данном случае является наибольшее приближение
организации к поставленным целям.
11. Принцип априорного решения. Хороший руководитель должен уметь
не только правильно оценивать ситуацию и своевременно реагировать на ее
изменение, но и предвидеть возможные изменения этой ситуации.
12. Принцип формирования изменений. Вершиной управленческого
искусства можно считать принятие таких решений, которые не только
позволяют организации приспособиться к изменениям ситуации, но и
адаптировать сами изменения к организации.
Лекция 8.
Применение Искусственного Интеллекта в киберфизических системах.
1. ИИ ускоряет симуляции цифровых двойников.
2. ИИ помогает принимать решения в космосе.
3. ИИ на страже безопасности CPS.
Обеспечение безопасности CPS — создание систем защиты от
киберфизических атак стало новым актуальным направлением в
области информационной безопасности.
4. ИИ усиливает органы чувств CPS.

Киберфизические системы с искусственным интеллектом: актуальное

направление современной науки и техники.
Изучение различных свойств информационно-технических систем с точки
зрения взаимодействия их физической и цифровой составляющих — новое и
актуальное направление современной науки о киберфизических системах. В
качестве киберфизической системы могут рассматриваться как относительно
небольшие объекты, такие как беспилотный летательный аппарат, система
умных устройств помещения, так и весьма масштабные: заводы по
производству летательных аппаратов или даже целые города.
Lek 10: Продукционные системы: компоненты продукционных систем.
Стратегии решений организации поиска. Логический подход: Представление
простых фактов в логических системах.
Продукционные системы. Компоненты продукционных систем
В общем виде под продукцией понимается выражение следующего вида: (i); Q;P;A→
B;N.
Здесь i - имя продукции, с помощью которого данная продукция выделяется из всего
множества продукций. Элемент Q характеризует сферу применения продукции.
Основным элементом продукции является ее ядро: A→ B Обычное прочтение ядра
продукции выглядит так: ЕСЛИ А, ТО В, более сложные конструкции ядра
допускают в правой части альтернативный выбор, например , ЕСЛИ А, ТО
В1, ИНАЧЕ В2. Элемент Р есть условие применимости ядра продукции. Элемент N
описывает постусловия продукцию.
Стратегии решений организации поиска
Для иллюстрации поиска предположим, что в базе знаний для представления знаний
используется семантическая сеть и продукция.
Семанти́ческая сеть — информационная модель предметной области, имеет вид
ориентированного графа. Вершины графа соответствуют объектам предметной
области, а дуги (рёбра) задают отношения между ними. Объектами могут
быть: понятия, события, свойства, процессы[1]. Таким образом, семантическая сеть —
это один из способов представления знаний.
Логический подход: Представление простых фактов в логических системах.
Представление простых фактов 
Представление - это действие, делающее некоторое понятие воспринимаемым
посредством фигуры, записи, языка или формализма.

Представление знаний- формализация истинных убеждений посредством фигур,

записей или языков
Во многих случаях подлежащие представлению знания относятся к довольно
ограниченной области, например:
- описание состояния человека
- описание ситуации в игре (например, расположение фигур в шахматах)
- описание размещения персонала предприятия
- описание пейзажа
Аннотация: Инфотелекоммуникационные системы

Информационные и коммуникационные технологии ( ИКТ ) – это расширенный

термин для информационных технологий (ИТ), который подчеркивает роль
унифицированных коммуникаций и интеграции телекоммуникаций и компьютеров, а
также необходимого корпоративного программного обеспечения , промежуточного
программного обеспечения. , хранилище и аудиовизуальные средства, которые
позволяют пользователям получать доступ, хранить, передавать, понимать и
манипулировать информацией.

Лекция 10.

Примеры применения логики для представления знаний.

Поясним синтаксис логики предикатов сравнивая нескольким русским фразам их

перевод на язык логического формализма:

По-русски: Жак посылает книгу Мари

Логически: Посылка ( Жак_2, Мари_4, Книга_22)

Язык семантических сетей

Семантическая сеть – это один из способов представления знаний и отражает

семантику предметной области в виде понятий и отношений между ними.
преимуществом применения является практичность поиска данных, возможность
быстрого использования знаний для принятия управленческих решений.

Недостаток – это дублирование информации при построении сетей и смещение групп

знаний относящиеся к различным ситуациям.

Язык логики предикатов

Язык логики предикатов - является разделом математики, применяется в логической

системе, называемой исчислением предикатов, которая при анализе рассуждений
учитывает не только истинностные характеристики логических связок, но и
внутреннюю структуру суждений.

Преимущество: данный способ обладает хорошо развитым и понятным

математическим аппаратом.

недостаток: ограниченной выразимости поскольку существует множество фактов и

взаимосвязей которые тяжело или даже невозможно выразить средствами
математической логики.

Язык фреймов

Фреймовая система представления знаний является моделью описания человеческих

знаний в виде связанной совокупности крупных структурных единиц, каждая из
которых содержит данные, описывающие определенную ситуацию.

Достоинство: предоставляет пользователю большую свободу при описании знаний, так

как допускает различные способы описания данных в пределах одного фрейма

Недостатoк: иерархическая сеть знаний с перекрестными ссылками пригодна для

решения сравнительно простых проблем, поскольку при расширении проблемной
области фреймовая сеть имеет свойство разрастаться до значительных размеров.

Аннотация: Идентификация и идентичность в киберфизическом мире

Персональные и групповые идентификаторы (ID) субъектов и материальных

вещей (объектов) в нашем современном мире играют все более значительную
роль. Идентификация - установление тождественности неизвестного объекта
известному на основании совпадения признаков; распознание. Идентичность
(уникальность) – это такое свойство объекта, которое отличает его от всех
других объектов.

Аннотация: Машинное обучение

Машинное обучение — класс методов искусственного интеллекта,
характерной чертой которых является не прямое решение задачи, а обучение за
счёт применения решений множества сходных задач. Для построения таких
методов используются средства математической статистики, численных
методов, математического анализа, различные техники работы с данными в
цифровой форме.
Различают два типа обучения:

1. индуктивное обучение основано на выявлении эмпирических

закономерностей в данных.
2. Дедуктивное обучение предполагает формализацию знаний экспертов и
их перенос в компьютер в виде базы знаний.

Лекция 11.
Экспертные системы
Экспе́ртная систе́ма — компьютерная система, способная частично заменить
специалиста-эксперта в разрешении проблемной ситуации. Важнейшей частью
экспертной системы являются базы знаний. Похожие действия выполняет
«Мастер». Главное отличие мастеров от экспертных систем — отсутствие базы
знаний.

База знаний
База знаний — база данных, содержащая правила вывода и информацию о
человеческом опыте и знаниях в некоторой предметной области.
Современные базы знаний работают совместно с
системами поиска и извлечения информации. Для этого требуется некоторая
модель классификации понятий и определённый формат представления знаний.
Область наук об искусственном интеллекте, изучающая базы знаний и методы
работы - инженерией знаний.
Сущности и иерархия классов
Класс - базовое понятие объективно-ориентированной технологии - основа
представлений знаний в G2. Структуры данных представляются в классов.
Классы наследуют атрибуты от суперклассов и передают свои атрибуты
подклассам. Каждый класс, кроме корневой, может иметь конкретные
экземпляры класса.

Иерархия модулей и рабочих пространств.

Для структуризации G2-приложений используются "модули" и "рабочие

пространства". Приложение может быть организовано в виде одной или
нескольких баз знаний, называемых модулями. Рабочие пространства являются
контейнерным классом, в котором размещаются другие классы и их
экземпляры. Различие: Модули разделяют приложение на отдельные базы
знаний, совместно используемые в различных приложениях; Рабочие
пространства, выполняют свою роль при исполнении приложения.

Лекция 12

1.Искусственный нейрон

Искусственные нейроны -это грубые электронные модели биологических

нейронных сетей(БНС), основанные на нервной структуре головного мозга.

Нейрон— это особая биологическая клетка, которая обрабатывает

информацию.

Сам же нейрон состоит из :

Дендритов- древоподобных ветвей, отвечающих за получение информации от

других нейронов, к которым подключен данный.

Ядра-это тело клетки нейрона, отвечающее за обработку информации,

полученной от дендритов,

Аксона - некий «кабель», посредством которого нейроны посылают

информацию;

Синапсиса-это соединения между аксоном и дендритами других нейронов.

Нейроны структурно более сложно устроены, чем существующие искусственные

нейроны.

Рисунок 2 – Искусственный нейрон(ИНС)

Таблица 1 – Сравнительная характеристика понятий БНС и ИНС

 Биологическая нейронная сеть Искусственная нейронная сеть
Ядро Узел
Дендриты Входные данные
Аксон Выходные данные

Синапсы Веса
2.А рхит
ектура нейронных сетей.

Существует множество видов нейронных сетей.

Сеть прямого распространения – нейронная сеть без обратных связей.Этот

нейронный сеть был первым и самым простым типом искусственной
нейронной сети. В этой сети информация перемещается только в одном
направлении вперед от входных узлов, через скрытые узлы и к выходным
узлам. В сети нет циклов или петель обратных связей.

Сеть Хопфилда — является одним из видов сетей ассоциативной памяти. Это

однослойная нейронная сеть, в которой каждый нейрон связан со всеми
остальными, имеет по одному входу и выходу.

Рекуррентные сети — это класс нейронных сетей, которые хороши для

моделирования последовательных данных, таких как временные ряды или
естественный язык. Такие сети позволяют сократить число нейронов. Эти сети
пригодились в области распознавания речи.

Сеть Хемминга – пример нейронной сети ассоциативной памяти. При

поступлении входного образа, сеть выбирает образец с наименьшим до него
расстоянием Хемминга и соответствующий ему выход активизируется.

Глубокая сеть доверия-это один из типов глубинных нейронных сетей,

состоящая из нескольких скрытых слоев, в которых нейроны внутри одного слоя
не связаны друг с другом, но связаны с нейронами соседнего слоя.[1].

Свёрточные нейронные сети и глубокие свёрточные нейронные сети

используются в основном для обработки изображений, иногда для аудио и
других видов входных данных.Такие сети обычно используют «сканер», не
обрабатывающий все данные за один раз.

3.Методы обучения ИНС

Обучение нейронной сети  — это поиск такого набора весовых коэффициентов,

при котором входной сигнал после прохода по сети преобразуется в нужный

нам выходной. Некоторые из методов обучения нейронных сетей:

Метод обратного распространения ошибки используется для обучения

нейронной сети с помощью так называемого цепного правила . Проще говоря,
после каждого прохода по сети ,обратное распространение выполняет проход в
обратную сторону и регулирует параметры модели (веса и смещения).

Метод упругого распространени -позволяет добиться сходимости нейросети

быстрее в несколько раз, Путём изменения веса связи до тех пор пока реакция
остается положительной.

Генетический алгоритм- При этом методе происходит скрещивание

результатов, выбор наилучших в формирование нового поколения. В случае
если результат не устраивает алгоритм повторяется пока поколение не
становиться идеальным. Алгоритм может завершиться без достижения нужного
результата если количество попыток будет исчерпано или же будет исчерпан
время на мутацию.

Аннотация: технологии защиты информации

Информационная безопасность (ИБ) – это защищенность данных от негативных

воздействий, которые могут нанести урон. Для обеспечения ИБ применяются
методы защиты информации.

Методы защиты информации сократить не получится по ссылке можете

прочесть там как можно коротко все написано

https://searchinform.ru/informatsionnaya-bezopasnost/zaschita-informatsii/
sposoby-zaschity-informatsii/
 Лекция 13. Биологический нейрон и его кибернетическая модель.
Нейронные сети.

Биологический нейрон и его кибернетическая модель

Элементом клеточной структуры мозга является нервная клетка – нейрон.

Состоит из цитоплазмы и ядра. Нейрон переносит информацию в виде
импульсво неровной активности дргуим нейронам. Нейроны крайне
разнобразны по форме, которая зависит от места и особенностей. Тело клетки
содержит множество ветвящихся отростков. Их два типа 1. Дендриты (Служат
входными каналами для нервных импульсов от других нейронов) 2. Аксон
(Служит оторостком вывода испульсов). Тело клетки называется сома

Нейронные сети
Основными действующими элементами нервной системы являются отдельные
клетки, называемые нейронами. Взаимодействующие между собой посредством
передачи через отростки возбуждений нейроны формируют нейронные сети.
Общее число нейронов в центральной нервной системе человека достигает 10
миллиардов и больше. Есть три типа 1. иерархические (информация передается
последовательно) 2. Локальные сети (производят переработку информации в
пределах одного уровня иерархии) 3. Дивергентные сети с одним входом
(Командный нейрон, оказывает влияние сразу на множество нейронов).

Лекция 14
Нечеткий логический вывод
Система нечеткого вывода — это ключевой элемент системы нечеткой логики,
основной задачей которой является принятие решений. Mоделей, основанных
на нечеткой логике, при построении используются средства, близкие к
естественному языку человеческого общения.

Он использует правила «если — то» вместе с соединителями «ИЛИ» или «И»

для рисования основных правил принятия решений.

В общем случае механизм логического вывода включает четыре этапа:

введение нечеткости (фазификация), нечеткий вывод, композиция и
приведение к четкости, или дефазификация.
Тенденции развития систем ии

Искусственный интеллект и машинное обучение становятся доминирующей

частью технологической индустрии, помогая предприятиям достигать цели,
принимать важные решения и создавать инновационные продукты и услуги. ИИ
был признан основным двигателем новых технологий.

Вот несколько основных тенденций:

Пересечение ИИ и машинного обучения с loT

Основные сегменты, где вы можете увидеть пересечение AI и ML:

● Носимые устройства. Носимые устройства включают фитнес-трекеры,

трекеры здоровья, умные часы, очки AR и VR и беспроводные наушники.
● Умный дом: эти устройства включают в себя освещение, смарт-
телевизор или интеллектуальные колонки, которые учатся на привычках
пользователей, чтобы обеспечить поддержку дома.
● Умный город: AIoT используется, чтобы сделать города более
безопасными и удобными для жизни. Например, умные энергосистемы,
умные уличные фонари и умный общественный транспорт.
● Умная промышленность: AIoT используется для анализа данных в
реальном времени для оптимизации операций, логистики и цепочки
поставок.

Использование ИИ и машинного обучения для приложений

кибербезопасности.

Кибербезопасность включает в себя множество точек данных. Таким образом,

AI можно использовать в кибербезопасности для кластеризации,
классификации, обработки и фильтрации данных.

Лекция 14

Состояние и тенденции развития ИИ

Программы, базирующиеся на технологиях искусственного интеллекта,
получили значительное распространение в мире, благодаря решениям значимых
задач, которые приносят значительный экономический эффект. Уже сейчас
экспертные системы играют ведущую роль в проектировании, разработки,
производства, оказания услуг и т. п. В 1993 году объем мирового
коммерческого рынка ПО ИИ оценивался в 0,9 млрд долларов, а уже в 2021
году сумма достигает 51 млрд долларов. Последние годы, определенные
направления рынка пользуются огромным спросом: 1. Экспертные системы 2.
Нейронные сети 3. Естественно-языковые системы 4. Автономные агенты 5.
Генетическое программирование

Успехи систем ИИ и их причины.

Причины, приведшие системы искусственного интеллекта к успеху:

1. Специализация. Переход от разработки инструментальных средств общего

назначения к проблемно/предметно специализированным средствам, что
обеспечивает сокращение сроков разработки приложений, увеличивает
эффективность, упрощает и ускоряет работу эксперта.

2. Использование языков традиционного программирования и рабочих

станций. Переход от систем, основанных на языках искусственного интеллекта
(Prolog), к языкам традиционного программирования (С, С++ и т.п.) упростил
"интегрированность" и снизил требования приложений к быстродействию и
емкости памяти.

3. Интегрированность. Разработаны инструментальные средства искусственного

интеллекта, легко интегрирующиеся с другими информационными
технологиями(с СУБД).

4. Открытость и переносимость. Разработки ведутся с соблюдением стандартов,

обеспечивающих данные характеристики.

5. Архитектура клиент/сервер. Разработка распределенной информационной

системы в данной архитектуре позволяет снизить стоимость оборудования,
используемого в приложении, повысить надежность и общую
производительность, поскольку сокращается объем информации.

Аннотация: Индустриальные киберфизические системы

Вместе с развитием области искусственного интеллекта развиваются и

киберфизические системы, поскольку качество работы таких систем
определяется во многом качеством обработки информации, присутствующей в
таких системах. Поэтому использование искусственного интеллекта для
киберфизических систем является актуальной на текущей день задачей. Целью
создания индустриальной киберфизической платформы является непрерывный
сбор комплексных данных об объектах производства, выполняемых процессах и
используемых для их реализации ресурсах, а также обработка получаемой
информации и формирование баз знаний.
ЛЕКЦИЯ 15: Обеспечение информационной безопасности КФС.
Киберфизические угрозы.

Обеспечение информационной безопасности КФС.

В связи с широким применением беспроводных технологий для сбора и
передачи данных и команд управления, где используется беспроводная
сенсорная сеть (Wireless Sensor Network, WSN), растет необходимость в
разработке систем защиты информации в промышленности.
Безопасность CPS поднимает целый ряд новых проблем. Проблемы по
обеспечению безопасности CPS включают:
 моделирование угроз безопасности;
 разработка формального подхода к оценке уязвимостей CPS;
 проектирование надежных и отказоустойчивых архитектур для
обработки быстро развивающихся кибер- физических угроз.
Киберфизические угрозы представляют собой угрозы, которые берут начало в
киберпространстве, но оказывают влияние на физическое пространство
системы.
Киберугрозы влияют на:
1) конфиденциальность, которая необходима для поддержания безопасности
личных данных пользователей в CPS;
2) целостность, когда данные или ресурсы могут быть изменены без
разрешения;
3) доступность, когда происходят сбои в вычислительной технике, управлении,
коммуникации, оборудовании;
4) достоверность, когда необходимо подтвердить, что обе участвующие
стороны есть действительно те, за кого они себя выдают.
Классификации угроз CPS включает:
 подмена личности (Spoofing identity);
• модификация данных (Tampering with data);
• отказ от авторства (Repudiation of origin);
• разглашение информации (Information disclosure);
• повышение привилегий (Elevation of privilege);
• отказ в обслуживании (Denial of service, DoS).

PREZENTACII
1. Аннотация: Инфотелекоммуникационные системы
Информационные и коммуникационные технологии ( ИКТ ) – это
расширенный термин для информационных технологий (ИТ), который
подчеркивает роль унифицированных коммуникаций и интеграции
телекоммуникаций и компьютеров, а также необходимого корпоративного
программного обеспечения , промежуточного программного обеспечения. ,
хранилище и аудиовизуальные средства, которые позволяют пользователям
получать доступ, хранить, передавать, понимать и манипулировать
информацией.

2. Аннотация: Идентификация и идентичность в киберфизическом мире

Персональные и групповые идентификаторы (ID) субъектов и материальных

вещей (объектов) в нашем современном мире играют все более значительную
роль. Идентификация - установление тождественности неизвестного объекта
известному на основании совпадения признаков; распознание. Идентичность
(уникальность) – это такое свойство объекта, которое отличает его от всех
других объектов.

3. Аннотация: Машинное обучение

Машинное обучение — класс методов искусственного интеллекта,

характерной чертой которых является не прямое решение задачи, а обучение за
счёт применения решений множества сходных задач. Для построения таких
методов используются средства математической статистики, численных
методов, математического анализа, различные техники работы с данными в
цифровой форме.
Различают два типа обучения:

3. индуктивное обучение основано на выявлении эмпирических

закономерностей в данных.
4. Дедуктивное обучение предполагает формализацию знаний экспертов и
их перенос в компьютер в виде базы знаний.
4. Аннотация: технологии защиты информации

Информационная безопасность (ИБ) – это защищенность данных от негативных

воздействий, которые могут нанести урон. Для обеспечения ИБ применяются
методы защиты информации.

5. Аннотация: Индустриальные киберфизические системы

Вместе с развитием области искусственного интеллекта развиваются и

киберфизические системы, поскольку качество работы таких систем
определяется во многом качеством обработки информации, присутствующей в
таких системах. Поэтому использование искусственного интеллекта для
киберфизических систем является актуальной на текущей день задачей. Целью
создания индустриальной киберфизической платформы является непрерывный
сбор комплексных данных об объектах производства, выполняемых процессах и
используемых для их реализации ресурсах, а также обработка получаемой
информации и формирование баз знаний.

6. АННОТАЦИЯ: Интеллектуальные промышленные технологии

Промышленные технологии – это совокупность способов обработки или

переработки материалов, изготовление изделий, проведение различных
производственных операций

Информационные технологии в промышленности - это комплекс методов и

процедур, при помощи которых реализуется функции сбора, передачи,
обработки, обогащения и доведения до пользователя о состоянии объекта.

Интеллектуальные технологии (ИТ) (англ. Intellectual technology, IT) — это

экосистема технологий и методов, помогающих человеку ускорить анализ
политической, экономической, социальной и технической ситуации для
принятия правильных управленческих решений в условиях неопределенности.

Промышленные роботы обычно заменяют человека в тех отраслях

производства, где требуется поведение утомительных и однообразных работ
(например, конвейерная сборка автомобилей и электронных устройств),
опасность технических работ. Промышленный робот способен обеспечить:
высокую производительность, лучшую экономичность, высокое качество,
безопасность для здоровья людей, маленькая рабочая зона.