ИИ-мониторинг систем противопожарной защиты: перспективы нормативного регулирования и практическая реализация

Константин Прокшиц

Менеджер по отраслевым решениям инженерной и дорожной инфраструктуры ООО «СИБУР»

В апреле 2026 года МЧС России инициировало внесение изменений в Положение о государственном пожарном надзоре. В числе прочих нововведений — критерий добросовестности, который влияет на итоговую категорию риска объекта.

Текст критерия выглядит следующим образом: «Предоставление контролируемым лицом сведений, подтверждающих создание и применение цифровых технологий (нейросети, искусственный интеллект), которые внедрены на объекте надзора для обеспечения мониторинга функционирования систем противопожарной защиты».

Рассмотрим, какие задачи решает эта поправка, как в теории можно выстроить мониторинг на примере автоматической установки пожаротушения, в каком формате готовить сведения для инспектора ГПН и какие экономические выгоды может получить бизнес.

1. Предлагаемые МЧС изменения: цели и предпосылки

Действующая модель надзора основана на периодических проверках, в ходе которых инспектор оценивает состояние пожарной безопасности объекта. Периодичность проверок зависит от категории риска, присвоенной объекту защиты. Новый критерий вводит дополнительную оценку, по которой пожарный надзор считает, насколько добросовестно на объекте выполняются требования пожарной безопасности. Чем ниже категория риска, тем объект считается безопаснее, и значит, надзор будет реже его проверять. Естественно, что эти категории пересматриваются по результатам проведенных проверок.

На мой взгляд, цель, которую преследует новый критерий — дать возможность организациям применять современные технологии на благо обеспечения безопасности. Но есть нюансы с реализацией, и о них я расскажу далее.

2. Теория организации мониторинга на примере АУПТ

Рассмотрим архитектуру решения для водозаполненной спринклерной установки пожаротушения, охватывающей насосную станцию, питающие и распределительные трубопроводы, запорную арматуру, узлы управления и спринклерные оросители. Предположительно, не вдаваясь в глубокие детали, она может выглядеть следующим образом:

2.1. Сбор данных

Интеграция с существующим оборудованием осуществляется по промышленным протоколам (Modbus, BACnet, OPC UA). Оборудование опрашивается контроллерами сбора данных (PLC) и агрегируются на сервере платформы мониторинга с периодичностью, достаточной для выявления трендов.

2.2. Обработка данных нейросетью

На уровне платформы разворачиваются обученные модели. Одна модель обучается на исторических данных нормального функционирования системы и в реальном времени оценивает отклонение текущих параметров от прогноза. Другая прогнозирует остаточный ресурс оборудования, что позволит своевременно планировать ремонты.

2.3. Выходные данные

Платформа формирует:

сводный статус системы (исправна / ограниченно работоспособна / неисправна);
перечень активных предупреждений с указанием узла, прогнозируемого срока развития отказа и рекомендуемого действия;
электронный журнал событий с хронологией изменений параметров
и срабатываний алгоритмов.

В теории выглядит, наверное, здорово, но всегда есть «но». Не все оборудование имеет возможность такой интеграции в единую сеть. А оснащение системы дополнительной автоматикой и софтом влечет за собой много вопросов от технической совместимости и точности до кибербезопасности.

В этой части нужно совместно с регулятором прийти к пониманию, насколько вообще выполнима такая процедура в целом, а также для каждой отдельно взятой системы, чтобы зачесть это «плюсиком» в общую оценку объекта.

3. Критерии оценки и форма предоставления сведений для ГПН

Поскольку какие-либо пояснения к этой правке от МЧС России пока отсутствуют, критерии, по которым инспектор будет оценивать «достаточность» внедрения ИИ-мониторинга, можно попробовать сформировать из общей логики надзорной практики и существующих требований к документированию работоспособности СПЗ.

3.1. Ожидаемые критерии оценки

Для признания системы мониторинга легитимным инструментом подтверждения соответствия должны выполняться следующие условия:

полнота охвата: по отдельной взятой системе либо комплексу систем (на мой взгляд, логичнее ввести оценку за отсутствие мониторинга, частичный мониторинг или полный мониторинг всех систем объекта);
автоматический сбор данных: исключено ручное внесение показаний;
все параметры поступают непосредственно от датчиков и контроллеров
без участия человека;
интеллектуальная обработка: наличие обученных моделей, решающих задачи обнаружения аномалий, предиктивной диагностики или верификации событий, а не просто визуализация сырых данных;
прослеживаемость и хронология: ведение защищенного от модификации электронного журнала событий, фиксирующего все изменения состояния, срабатывания алгоритмов и действия персонала;
защищенный удаленный доступ: возможность предоставления сводных отчетов и выгрузок по защищенному каналу связи без выезда инспектора
на объект.

3.2. Форма и структура отчетных сведений

Сведения целесообразно оформлять в виде электронного отчета, подписанного усиленной квалифицированной электронной подписью лица, ответственного за пожарную безопасность объекта или руководителя.

Структуры отчетного документа:

Раздел	Содержание
1. Общие данные	Наименование и адрес объекта, реквизиты контролируемого лица, идентификатор цифровой платформы мониторинга, отчетный период
2. Перечень контролируемых систем	Перечень СПЗ, охваченных мониторингом, с указанием типа системы и контролируемых параметров
3. Описание применяемых технологий	Перечень используемых нейросетевых моделей и алгоритмов с кратким описанием решаемых задач (обнаружение аномалий, предиктивная диагностика, верификация и т.п.) и указанием программно-аппаратной платформы
4. Сводка результатов мониторинга	По каждой системе: текущее состояние («исправна», «ограниченно работоспособна», «неисправна»), количество обнаруженных отклонений, прогноз отказов (при наличии), факты ложных срабатываний или отказов за период. При отсутствии отклонений — формализованная запись о работоспособности
5. Журнал событий (выдержка)	Перечень значимых событий с временными метками: срабатывания алгоритмов, выявленные аномалии, выполненные рекомендации системы. Допустимо приложение полного лог-файла в машиночитаемом виде
6. Заключение	Формулировка: «По данным цифровой системы мониторинга, все перечисленные в разделе 2 системы противопожарной защиты за отчетный период находились в работоспособном состоянии. Событий, требующих вмешательства эксплуатационного персонала, не зафиксировано» (или перечень выявленных и устраненных неисправностей)

4. Экономический эффект для бизнеса

Сейчас сложно прогнозировать реальный эффект или его отсутствие, но плюсы и минусы отметить можно.

Плюсы:

cнижение затрат на ТО и ремонт;
предотвращение аварийных ситуаций;
снижение издержек от ложных срабатываний;
более четкое понимание реального состояния системы;
повышение уровня пожарной безопасности объекта

Минусы:

высокая стоимость входа;
длительный срок окупаемости затрат;
нецелесообразность для небольших объектов;
внедрение софта, автоматики повлечет за дополнительные расходы
на обслуживание;
риски по кибербезопасности;
пока еще нужен человеческий ресурс для контроля (ИИ также может ошибаться).

Внедрение ИИ-мониторинга, безусловно, положительная идея, но это весьма капиталоемкое решение. Темпы внедрения ИИ высоки, также как и цена ошибок этих внедрений, и последние мировые новости это подтверждают.

Читайте также на сайте журнала RUБЕЖ «ГОСТ Р 59638-2021: почему единые требования к обслуживанию пожарной сигнализации требуют пересмотра»

Подписывайся на наши каналы в Telegram: