#YouTube как пример Области Нормального Функционирования коллективного поведения пользователей

В последнее время я все больше думаю о том, насколько широко можно применять концепцию Области Нормального Функционирования — ОНФ.

Изначально термин ОНФ появился у меня еще в диссертационной работе по робототехнике. Тогда речь шла об области начальных положений объекта, при которых роботизированный захват все еще мог успешно выполнить операцию.

Позже, уже в области компьютерных систем, я развивал методы статистического анализа производительности: определение нормальных диапазонов, обнаружение исключений, трендов и точек изменения. В частности, мой метод SETDS — Statistical Exception and Trend Detection System был впервые опубликован на конференции CMG в 2002 году. Эта работа получила награду Best Paper.

Тогда основной задачей было следить за компьютерными системами и определять:

• что является нормальным поведением;
• когда показатель выходит за ожидаемые границы;
• когда появляется аномалия;
• когда меняется сам нормальный режим;
• и куда движется тренд.

Но сейчас я вижу, что те же идеи можно применять не только к техническим системам.

Один интересный пример — YouTube-канал.

YouTube-канал как динамическая система

У моего YouTube-канала @iTrubin есть своя аудитория и своя история активности.

Пользователи смотрят видео, подписываются, возвращаются на канал, реагируют на новые публикации. Если рассматривать эту активность во времени, получается типичный динамический процесс.

Например, можно анализировать:

• количество просмотров;
• число новых зрителей;
• возвращающихся зрителей;
• число подписчиков;
• просмотры отдельных видео;
• реакцию аудитории после публикации нового материала;
• долгосрочные тренды роста или снижения.

В обычной аналитике YouTube это просто показатели канала.

Но с точки зрения ОНФ это можно рассматривать иначе.

Мы можем спросить:

Как выглядит нормальный диапазон активности аудитории этого канала?

И тогда для каждого временного периода можно определить:

• центральный или типичный уровень активности;
• верхнюю границу нормального поведения;
• нижнюю границу;
• значения вне ОНФ;
• изменение тренда;
• и возможный переход к новому нормальному состоянию.

Не отдельный пользователь, а коллектив

Это особенно интересно потому, что система здесь — не один человек.

Мы анализируем коллективное поведение большой группы пользователей.

Каждый отдельный зритель принимает собственное решение:

• смотреть или не смотреть;
• подписаться или нет;
• вернуться к каналу;
• посмотреть старое видео;
• заинтересоваться новым материалом.

Но когда таких пользователей много, их совокупная активность образует вполне измеримый временной ряд.

Возникает нечто похожее на поведение сложной системы.

Именно здесь идея ОНФ становится особенно интересной.

Что может означать выход за ОНФ

Необычный всплеск активности выше верхней границы может означать:

• неожиданно успешное видео;
• попадание в рекомендации;
• внешний информационный повод;
• рост интереса к теме;
• изменение алгоритмов платформы.

А сильное падение ниже нижней границы может быть связано с:

• снижением интереса аудитории;
• сезонностью;
• отсутствием новых публикаций;
• изменением рекомендаций;
• изменением поведения самой аудитории.

Сам по себе выход за границу не объясняет причину.

Но он говорит:

Поведение этой группы пользователей сейчас отличается от ее собственного обычного поведения.

Это и есть основная идея ОНФ.

Когда меняется сама ОНФ

Еще интереснее не отдельная аномалия, а ситуация, когда меняется весь нормальный диапазон.

Например, после периода устойчивого роста канал может перейти на новый уровень просмотров. Тогда прежний всплеск постепенно становится новой нормой.

И наоборот, продолжительное снижение активности может привести к тому, что вся область нормального функционирования смещается вниз.

Это уже не просто исключение.

Это изменение режима поведения системы.

Именно здесь становятся особенно полезны методы:

• обнаружения точек изменения;
• анализа трендов;
• прогноза;
• и построения IT-control chart.

Связь с моими более ранними работами

Для меня этот пример особенно интересен еще по одной причине.

Когда я начинал развивать SETDS в начале 2000-х годов, я применял его прежде всего к производительности компьютерных систем.

Позже я заметил, что некоторые коммерческие инструменты начали использовать похожие идеи: динамические базовые линии, обнаружение аномалий и автоматическое выявление отклонений.

Но теперь становится понятно, что тот же подход можно переносить значительно шире.

YouTube-аналитика — хороший пример того, как методы, первоначально разработанные для технических систем, могут использоваться для анализа человеческого коллективного поведения.

. Область нормального функционирования (ОНФ) коллективной активности пользователей YouTube. Серой областью показан ожидаемый диапазон нормальной активности; выходы за его границы могут указывать на аномалии, изменение интереса аудитории или переход к новому режиму поведения.

От технической системы к человеческой

В компьютерной системе мы можем анализировать:

• CPU;
• память;
• транзакции;
• response time;
• workload.

В YouTube-сообществе мы анализируем:

• просмотры;
• подписчиков;
• возвращающихся зрителей;
• реакцию аудитории;
• динамику интереса.

Математически это снова временные ряды.

Но смысл показателей уже другой.

Они отражают не работу процессоров и серверов, а действия людей.

Поэтому такой пример занимает интересное промежуточное положение между техническими и социальными системами.

Почему этот пример важен для более широкой концепции ОНФ

Для меня YouTube-пример стал еще одним подтверждением, что ОНФ — это не только инженерная характеристика оборудования или программы.

ОНФ может описывать:

• техническую систему;
• бизнес-процесс;
• спортсмена;
• пациента;
• и даже коллектив пользователей цифровой платформы.

Общий вопрос во всех случаях остается тем же:

Что является нормальным поведением этой системы, и когда это нормальное поведение меняется?

В этом смысле коллектив пользователей YouTube можно рассматривать как еще один тип динамической системы — человеческой по своей природе, но наблюдаемой через цифровые данные.

Именно такие примеры постепенно расширяют для меня область применения ОНФ — от робототехники и компьютерных систем к человеческим и социальным процессам.

Применение ОНФ к клиническим данным: HRV, восстановление и человеческая адаптация

 В последних заметках я рассматривал, как концепция Области Нормального Функционирования — ОНФ — может применяться не только к компьютерным системам.

Сначала я попробовал этот подход на спортивных данных: SoccerMon и данных тренировок бегунов. Эти примеры показали, что ОНФ может описывать нормальный диапазон тренировочной нагрузки спортсмена, выявлять необычные периоды, находить сдвиги нормального режима и даже показывать возможные тренировочные циклы.

На этот раз я решил проверить ОНФ на другом типе данных о человеке: не на соревновательном спорте, а на клиническом мониторинге упражнений и восстановления.

Для этого эксперимента я использовал набор данных ATOPE+Breast, который содержит ежедневные записи мониторинга пациенток с раком молочной железы во время терапевтической программы физических упражнений. Файл records.csv включает ежедневные данные: идентификатор пациента, день исследования, информацию о тренировочных сессиях, показатели HRV, самооценку самочувствия, сон и физическую активность/шаги. Среди полей есть lnrmssd, recovery, fatigue, distress, sleep_satisfaction, sleep_time, показатели сна Fitbit и метрики активности.

Это делает набор данных особенно интересным для ОНФ. Цель здесь — не спортивный результат. Цель — более безопасная человеческая адаптация: как пациент реагирует на упражнения, восстановление, сон, усталость и общий контекст лечения во времени.

Почему этот набор данных отличается

В данных бегунов или футболистов главный вопрос часто связан с результативностью:

- Тренируется ли спортсмен в пределах своего нормального диапазона нагрузки?

В клинических данных вопрос другой:

- Восстанавливается ли пациент и адаптируется ли он в пределах своего индивидуального нормального функционального диапазона?

Поэтому ОНФ здесь может быть полезна как пациент-специфический слой мониторинга. Она не ставит медицинский диагноз и не заменяет клиническое решение врача. Но она может помочь заметить, когда ежедневное восстановление или физиологическое состояние пациента отклоняется от его недавней нормальной картины.

Для первого proof-of-concept я выбрал одного пациента с относительно длинной ежедневной историей и построил графики ОНФ на основе скользящих процентильных границ.

Модель использовала:

• скользящую базу по недавним наблюдениям,
• CL = P50,
• UCL = P95,
• LCL = P05,
• серую область = ОНФ,
• оранжевые точки = значения вне ОНФ,
• вертикальные маркеры = дни тренировочных сессий.

График 1 — ОНФ для LnRMSSD / HRV

Рисунок 1. Индивидуальная ОНФ для LnRMSSD — показателя HRV, связанного с физиологическим восстановлением. Серая область показывает недавний нормальный диапазон; точки вне области указывают на дни, выходящие за пределы недавнего физиологического паттерна восстановления пациента.

Первый график использует LnRMSSD.

LnRMSSD означает натуральный логарифм RMSSD — одного из распространенных показателей вариабельности сердечного ритма, или HRV. В практическом смысле этот показатель часто используется как индикатор автономного восстановления или физиологической готовности.

Для ОНФ это важно, потому что LnRMSSD дает более объективный физиологический сигнал, чем только самооценка самочувствия.

На графике область ОНФ представляет недавний нормальный диапазон HRV-восстановления данного пациента. День ниже нижней границы может указывать на то, что физиологическое восстановление ниже обычного. Устойчивое движение вниз может быть связано со стрессом, усталостью, нагрузкой лечения, плохим сном или другим контекстным фактором.

Конечно, одну дневную точку не следует переинтерпретировать. Физиология человека шумная. Ценность ОНФ не в том, чтобы рассматривать одно дневное значение как диагноз, а в том, чтобы видеть, как восстановление пациента ведет себя относительно его собственной недавней базы.

График 2 — ОНФ для индекса риска восстановления

Рисунок 2. Индивидуальная ОНФ для индекса риска восстановления, основанного на субъективных показателях восстановления и самочувствия. Более высокие значения означают худшее состояние восстановления по совокупности субъективных индикаторов.

Второй график использует комбинированный индекс риска восстановления.

Этот индекс суммирует субъективную сторону восстановления: ощущение восстановления, усталость, эмоциональный дистресс и состояние, связанное со сном. В наборе данных есть ежедневные самооценки, такие как recovery, fatigue, distress, sleep_satisfaction и sleep_time.

Этот график интересен потому, что отражает “человеческое ощущение” того же процесса. HRV может показывать физиологическое восстановление, но субъективные показатели показывают, как пациент реально себя чувствует.

В терминах ОНФ график риска восстановления задает вопрос:

Остается ли воспринимаемое состояние восстановления пациента в пределах его недавнего нормального диапазона?

Дни выше верхней границы могут указывать на необычно повышенный риск восстановления — например, более высокую усталость, худшее ощущение восстановления, худший сон или более высокий дистресс. И снова: ОНФ сама по себе не объясняет причину. Она показывает отклонение от недавнего нормального состояния данного пациента.

Почему важна комбинация показателей

Самое интересное здесь — не каждый график по отдельности, а возможность сравнивать их вместе.

У пациента может быть:

• нормальный HRV, но плохое субъективное восстановление,
• низкий HRV, но нормальная самооценка восстановления,
• оба сигнала внутри ОНФ,
• или оба сигнала вне ОНФ.

Такая комбинация может быть полезнее, чем один показатель.

Например, если HRV падает ниже нормы, а индекс риска восстановления поднимается выше нормы, это может быть более сильным сигналом, что пациент находится в необычном состоянии напряжения. Если меняется только один сигнал, интерпретация требует большего контекста.

Это похоже на то, как я раньше связывал бизнес-драйверы с метриками компьютерных систем. Один сигнал полезен, но две связанные ОНФ могут дать более информативную диагностическую картину.

От спортивной производительности к человеческому восстановлению

Этот пример расширяет идею ОНФ.

В данных бегунов ОНФ описывала нормальную недельную тренировочную нагрузку.
В SoccerMon ОНФ описывала нагрузку спортсмена и показатели wellness/readiness.
В ATOPE+Breast ОНФ описывает индивидуальное восстановление и адаптацию пациента во время терапевтических упражнений.

Это важный шаг.

Он показывает, что ОНФ может применяться не только к компьютерным системам и спортсменам, но и к более широкому контексту человеческого восстановления и реабилитации.

Главный вопрос остается тем же:

Что является нормальным для этой системы в данный момент, и когда это нормальное состояние изменилось?

Первый вывод

Это пока исследовательский proof-of-concept, но он полезен.

ATOPE+Breast показывает, что ОНФ можно применять к ежедневным данным о восстановлении человека, объединяя физиологические, субъективные, сонные, активностные и тренировочные показатели.

Для меня главный вывод такой:

ОНФ может помочь описывать индивидуальную область нормального восстановления и адаптации пациента.

Это не следует трактовать как медицинский диагноз. Скорее, это framework для мониторинга и интерпретации, который может помочь врачам, тренерам, исследователям или самим пациентам заметить, когда ежедневные паттерны восстановления выходят за пределы недавней нормы.

В более широком направлении исследований ОНФ этот набор данных дает важный мост:

• от технических систем,
• к спортивным системам,
• и далее к клинической человеческой адаптации и восстановлению.

Поэтому ATOPE+Breast становится ценным дополнением к будущей работе по ОНФ.

Применение ОНФ к данным бегунов: границы нагрузки, сдвиг режима и возможные тренировочные циклы

В предыдущих заметках я писал о концепции Области Нормального Функционирования — ОНФ. Основная идея проста: у любой динамической системы есть некоторая область нормального поведения. Но эта область не является постоянной. Она может расширяться, сужаться, смещаться, колебаться или резко меняться.

Мои ранние работы в этой области были связаны в основном с компьютерными системами: производительность, нагрузка, аномалии, точки изменения, тренды и прогнозы. Сейчас я пробую расширить этот подход на человеческие системы, в частности на спортивные данные.

После первого эксперимента с открытым набором данных SoccerMon я попробовал другой открытый набор данных — Injury Prediction for Competitive Runners.

Источник данных:
https://github.com/sonicjoy/Injury-Prediction-for-Competitive-Runners

Для первого анализа я выбрал одного бегуна с достаточно длинной историей и взял простую, но важную метрику:

общее количество километров за неделю (total kms)

С точки зрения спортивной науки это можно рассматривать как базовую внешнюю тренировочную нагрузку.

Как строилась ОНФ

Для каждой недели я рассчитывал границы ОНФ на основе предыдущих 12 недель:

• CL = скользящий P50
• UCL = скользящий P99
• LCL = скользящий P01

Область между LCL и UCL показывает недавний нормальный диапазон недельной нагрузки для данного бегуна.

Важно, что ОНФ здесь не фиксирована. Она движется вслед за изменением тренировочного режима спортсмена.

Рисунок 1 — ОНФ за всю историю наблюдений

На полном графике видно, что нормальная недельная нагрузка бегуна не была постоянной. Полоса ОНФ поднимается и опускается, отражая изменения типичного уровня тренировок.

Это уже интересно. Мы смотрим не просто на отдельные высокие или низкие недели, а на то, как меняется сама область нормальной нагрузки спортсмена.

Особенно заметен сильный нисходящий сдвиг ближе к концу ряда. Падает не только фактическая недельная нагрузка, но и сами границы ОНФ. В терминах ОНФ это означает, что нормальный диапазон нагрузки бегуна сместился вниз.

Это не доказывает причину. Такой сдвиг может быть связан с травмой, восстановлением, изменением тренировочного плана, сезонностью, занятостью или другими факторами. Но сам паттерн важен:

бегун больше не функционировал в прежнем диапазоне нормальной недельной нагрузки.

Рисунок 2 — Увеличенный фрагмент с поздним сдвигом

Увеличенный график делает этот поздний сдвиг более заметным. До него нормальный недельный километраж был существенно выше. После сдвига и центральная линия, и границы ОНФ перешли на более низкий уровень.

Это хороший пример того, зачем нужна ОНФ. Она помогает отличать:

• разовую аномалию,
• временное колебание,
• и реальное изменение функционального режима.

Я также сделал детектор точек изменения менее чувствительным, чтобы он не отмечал множество мелких колебаний. В результате остался более чистый и интерпретируемый сигнал — крупное изменение режима.

Возможная периодичность и тренировочные циклы

Еще одно интересное наблюдение: полоса ОНФ движется не совсем случайно. В ней заметны повторяющиеся волны подъема и снижения.

Предварительная проверка периодичности показала широкий повторяющийся цикл примерно около 46 недель, а также дополнительные среднесрочные паттерны примерно в диапазоне 28–40 недель.

Пока я бы не стал переинтерпретировать этот результат. Но он может отражать:

• сезонность,
• тренировочные макроциклы,
• фазы набора нагрузки и восстановления,
• или повторяющиеся изменения тренировочного плана.

Это важное расширение идеи ОНФ. Возможно, ОНФ помогает видеть не только аномалии и точки изменения, но и повторяющиеся циклы изменения нормального режима функционирования.

Почему это интересно

В инженерии производительности компьютерных систем мы часто задаем вопросы:

• Что является нормальным поведением системы?
• Когда система выходит за нормальные границы?
• Изменилась ли сама система?
• Есть ли тренд?
• Есть ли повторяющийся паттерн?

Оказывается, эти же вопросы могут быть полезны и для данных спортсмена.

Этот пример с бегуном показывает, что ОНФ может описывать:

• типичный диапазон недельной нагрузки,
• необычно высокие или низкие недели,
• крупный нисходящий сдвиг режима,
• и возможную периодическую структуру тренировочного процесса.

Для меня самый интересный результат — не просто падение нагрузки. Важнее то, что вниз сместилась сама область нормального функционирования.

Именно такие изменения ОНФ и должна помогать обнаруживать.

Первый вывод

Это пока исследовательский эксперимент, но он дает еще одно подтверждение, что ОНФ можно применять не только к техническим системам.

Бегун, как и компьютерная система, имеет меняющуюся область нормального функционирования. Эта область может расширяться, сужаться, смещаться, колебаться или резко меняться.

Понимание таких изменений может быть полезно не только в инженерии производительности, но и в спортивной науке, анализе тренировок и более широком исследовании человеческой производительности.

Применение ОНФ к данным SoccerMon: первый взгляд на нагрузку, самочувствие и готовность спортсмена

                                                                                                                                                Engish version is HERE

В качестве первого независимого proof-of-concept я применил идею Области Нормального Функционирования — ОНФ — к открытым данным мониторинга спортсменов из набора SoccerMon.

Эта работа продолжает более широкое направление ОНФ, о котором я писал ранее здесь:
https://www.trub.in/2026/06/expanding-area-of-normal-functioning.html

Источник данных для этого эксперимента — открытый датасет SoccerMon:
https://zenodo.org/records/10033832

Целью этого первого эксперимента было не построить окончательную предиктивную модель. Задача была проще: проверить, можно ли определить ОНФ на реальных данных спортивной науки и помогает ли эта концепция интерпретировать тренировочную нагрузку, самочувствие, готовность к тренировке и возможные признаки перегрузки.

Для первого анализа я выбрал одного игрока с относительно полной продольной историей данных. Были построены две недельные диаграммы в стиле IT-control chart:

1.      Недельная тренировочная нагрузка

2.      Недельный индекс риска по самочувствию и готовности

Обе диаграммы используют одну и ту же логику ОНФ. Для каждой недели текущее значение сравнивается с историей предыдущих 12 недель.

Контрольные границы рассчитаны на основе процентилей:

·         CL = скользящая медиана, или P50

·         UCL = скользящий P95

·         LCL = скользящий P05

Область между LCL и UCL рассматривается как недавняя Область Нормального Функционирования спортсмена.

Недельная нагрузка как внешнее воздействие

Первая диаграмма показывает недельную тренировочную нагрузку. Я рассчитал её как сумму дневных значений daily_load внутри каждой недели.

На языке ОНФ эта диаграмма показывает нормальный диапазон внешнего тренировочного воздействия на спортсмена. Если недельная нагрузка остается внутри полосы ОНФ, это означает, что спортсмен тренируется в диапазоне, который был для него нормальным в недавнем прошлом.

Если недельная нагрузка поднимается выше UCL, это означает, что спортсмен получает более высокую нагрузку, чем можно было бы ожидать на основе его недавней истории. Это может указывать на перегрузку, резкое увеличение тренировочного объёма или временный выход за верхнюю границу нормального функционирования.

В данных было видно несколько недель выше UCL, особенно в периоды быстрого увеличения тренировочной нагрузки. Некоторые из этих высоконагрузочных недель находились рядом с неделями, где были зарегистрированы сообщения о травмах. Это не доказывает причинно-следственную связь, но показывает, что верхняя граница ОНФ может быть полезным сигналом возможной перегрузки.

LCL также показана для симметрии и согласованности с форматом контрольной диаграммы. Однако низкие значения нагрузки интерпретировать сложнее. Неделя ниже LCL может означать отдых, снижение нагрузки, восстановление, перерыв в тренировках или межсезонье. В этом первом примере недели ниже LCL не выглядели связанными с сообщениями о травмах.

Поэтому для тренировочной нагрузки верхняя граница кажется более информативной, чем нижняя.

Риск по самочувствию и готовности как внутренняя реакция

Вторая диаграмма показывает составной индекс риска по самочувствию и готовности.

Этот индекс объединяет нормализованные значения:

·         усталости,

·         болезненности мышц,

·         стресса,

·         обратного значения готовности к тренировке,

·         обратного значения качества сна,

·         обратного значения настроения.

Более высокое значение индекса означает худшее субъективное состояние или более низкую готовность к тренировке.

Эта диаграмма представляет ОНФ спортсмена уже не с точки зрения внешней нагрузки, а с точки зрения внутренней реакции. Она отвечает не на вопрос «сколько работы выполнил спортсмен?», а на вопрос «как спортсмен, судя по субъективным показателям, реагирует на эту работу?».

На диаграмме было несколько недель выше UCL по индексу риска. На языке ОНФ это означает, что субъективное состояние спортсмена вышло за пределы его недавнего нормального диапазона. Это может отражать худшее восстановление, накопленную усталость, повышенный стресс или временно неблагоприятное адаптационное состояние.

Интересно, что в этом первом примере повышенный риск по самочувствию и готовности не совпадал напрямую с неделями сообщений о травмах. Но это тоже важный результат. Он показывает, что ОНФ по самочувствию может отражать краткосрочные изменения внутреннего состояния, тогда как ОНФ по нагрузке может лучше отражать внешнее тренировочное воздействие. Эти два измерения связаны, но не являются одним и тем же.

Почему важны обе диаграммы

Главный вывод из этого первого эксперимента состоит в том, что ОНФ спортсмена, вероятно, является многомерной.

У спортсмена может быть нормальная тренировочная нагрузка, но плохое самочувствие.

У спортсмена может быть высокая нагрузка, но при этом хорошая готовность.

У спортсмена может быть субъективный стресс без немедленной травмы.

У спортсмена может возникнуть травма после необычного паттерна нагрузки.

Это означает, что ОНФ не следует определять только по одной метрике.

В спорте ОНФ, как минимум, должна учитывать два измерения:

1.      Внешняя нагрузка — что спортсмену предлагается выполнить.

2.      Внутренняя реакция — как спортсмен усваивает эту нагрузку и адаптируется к ней.

Это очень близко к более общей идее ОНФ: у систем есть не только входные воздействия, но и внутреннее состояние, адаптационная способность, границы нормального функционирования и отложенные реакции.

Первый вывод

Этот эксперимент с данными SoccerMon пока является предварительным, но он поддерживает базовую идею: ОНФ можно операционализировать на реальных данных человеческой производительности.

Фреймворк ОНФ позволяет задавать такие вопросы:

Когда тренировочная нагрузка является нормальной для данного спортсмена?

Когда субъективное самочувствие выходит за обычный диапазон?

Адаптируется ли спортсмен, восстанавливается ли он или движется в сторону перегрузки?

Что мы видим: шум, аномалию, изменение, тренд или возможный срыв нормального функционирования?

Именно поэтому спортивная наука может быть очень перспективной первой областью применения ОНФ за пределами технических систем. Спортсмены — это живые динамические системы. У них есть индивидуальные границы, адаптационная способность, стрессовые реакции, паттерны восстановления и изменяющиеся области нормального функционирования.

Следующим шагом должно быть повторение такого анализа для нескольких игроков и проверка, связаны ли устойчивые или повторяющиеся выходы за границы ОНФ с травмами, болезнями, ухудшением восстановления или снижением производительности.

Расширяя концепцию Области Нормального Функционирования: от технических систем к человеческому поведению

В предыдущей публикации ( (From Robot Grasping to Performance Anomaly Detection: Area of Normal Functioning and Exception Value) я представил идею Области Нормального Функционирования, или ОНФ, как способ описать диапазон, в пределах которого система функционирует нормально.

Первоначально мой интерес к этой идее возник в технических областях. Ранее в моей карьере я применял похожий подход к робототехнике и задачам сборки. Позже я начал использовать близкие концепции в IT Capacity Management, анализе производительности, статистическом распознавании образов, обнаружении аномалий, обнаружении изменений и выявлении соответствующих трендов в динамических системах.

В этих областях мы постоянно задаём вопросы:

Когда система ведёт себя нормально?

Когда отклонение ещё допустимо?

Когда изменение становится аномалией?

Когда тренд является значимым, а не просто случайным колебанием?

Когда необходимо реагировать?

Эти вопросы хорошо знакомы инженерам, аналитикам производительности и всем, кто работает со сложными системами. Но я всё больше убеждаюсь, что они не ограничиваются только технологией. Те же вопросы возникают в человеческой жизни, организациях, психологии, социологии и даже в личном развитии.

Именно поэтому я сейчас рассматриваю ОНФ не только как техническую концепцию, но и как более широкую междисциплинарную рамку.

Зона комфорта как человеческая ОНФ

В психологии и социологии часто используется понятие зоны комфорта. Обычно оно описывает диапазон ситуаций, моделей поведения и условий, в которых человек чувствует себя безопасно, уверенно и способен эффективно действовать.

Это очень близко к идее Области Нормального Функционирования.

У каждого человека есть своя ОНФ. Внутри неё он может действовать достаточно эффективно. Он понимает правила. Он знает, как реагировать. Он чувствует достаточную устойчивость и уверенность, чтобы функционировать.

За пределами этой области всё становится сложнее. Человек может испытывать стресс, неопределённость, страх, сопротивление — или, наоборот, рост. Иногда выход за пределы ОНФ необходим. Иногда он опасен. Иногда именно там начинается обучение.

Это делает концепцию особенно интересной. В технических системах мы часто стремимся обнаружить и предотвратить ненормальное поведение. Мы также хотим вовремя обнаружить значимые изменения и формирующиеся тренды, пока они не превратились в серьёзные проблемы. В человеческих системах, однако, выход за пределы нормальной зоны может быть одновременно и риском, и возможностью.

Нормальное не всегда означает идеальное

Важно подчеркнуть: «нормальное» не всегда означает «хорошее».

Машина может функционировать нормально, но неэффективно. Организация может работать привычным образом, но при этом оставаться устаревшей. Человек может жить внутри знакомого поведенческого шаблона, который стабилен, но ограничивает его развитие.

Именно поэтому мне ближе термин Область Нормального Функционирования, а не просто «нормальное состояние». ОНФ — это не одна точка. Это диапазон. У него есть границы. Он может расширяться, сужаться, смещаться или искажаться.

Например, один сотрудник может нормально функционировать при определённом уровне давления. Но если давление выходит за пределы его ОНФ, производительность может снижаться. Другому человеку, наоборот, может требоваться более высокий уровень вызова, чтобы оставаться вовлечённым. «Нормальная область» не одинакова для всех.

То же самое верно для команд и организаций. Стартап, государственное учреждение, больница и команда IT-операций могут иметь совершенно разные ОНФ. Их нормальное функционирование зависит от истории, культуры, ожиданий, ограничений и внешней среды.

Обнаружение аномалий, изменений и трендов в человеческих и социальных системах

В анализе производительности IT-систем обнаружение аномалий является практической необходимостью. Мы отслеживаем метрики, строим базовые уровни, обнаруживаем отклонения и решаем, требует ли отклонение реакции. Но это только часть картины.

Иногда важным сигналом является не внезапная аномалия, а точка изменения — момент, когда система начинает вести себя иначе, чем раньше. В других случаях важным сигналом является тренд — постепенное движение в определённом направлении, которое сегодня может выглядеть не очень драматично, но со временем становится крайне важным.

Это различие важно и в человеческих, и в социальных системах.

Резкое изменение поведения может быть тревожным сигналом. Но оно также может быть прорывом. Человек, который стал более молчаливым, может испытывать трудности — а может просто находиться в периоде размышлений. Команда, которая начинает оспаривать старые предположения, может находиться в конфликте — а может двигаться к инновациям.

Постепенный тренд заметить ещё сложнее. Человек может медленно терять мотивацию. Команда может постепенно становиться менее открытой. Организация может постепенно привыкать к неэффективности. Общество может постепенно пересматривать границы того, что считается приемлемым или неприемлемым.

Ни один из этих паттернов сам по себе не является всегда хорошим или всегда плохим. Его значение зависит от контекста, направления, скорости и последствий.

Именно здесь ОНФ может быть полезна как способ мышления, а не только как математический инструмент.

Вместо того чтобы спрашивать только: «Это нормально или ненормально?», мы можем задавать более точные вопросы:

Какова текущая Область Нормального Функционирования?

Где проходят её границы?

Переживает ли система внезапную аномалию, структурное изменение или постепенный тренд?

Кто определяет границы нормы?

Являются ли эти границы здоровыми или нездоровыми?

Выталкивается ли система за пределы своей ОНФ?

Расширяется ли ОНФ через адаптацию, смещается ли из-за изменений или сжимается под давлением?

Эти вопросы можно применять к машинам, людям, организациям и обществам.

Рост как расширение ОНФ

В личном развитии часто говорят о необходимости «выйти из зоны комфорта». Я считаю эту фразу полезной, но неполной.

Цель не просто в том, чтобы покинуть зону комфорта. Цель в том, чтобы расширить Область Нормального Функционирования.

Когда мы осваиваем новый навык, выступаем публично, переезжаем в другую страну, меняем профессию или берём на себя новую роль, мы сначала оказываемся за пределами своей привычной ОНФ. Ситуация кажется некомфортной, потому что старых моделей поведения уже недостаточно.

Но с повторением, поддержкой, обратной связью и адаптацией новое поведение может стать частью нашего нормального функционирования. То, что раньше было трудным, становится управляемым. То, что раньше вызывало стресс, становится привычным. ОНФ расширяется.

Это также объясняет, почему рост должен быть управляемым. Если вызов слишком мал, расширения не происходит. Если вызов слишком велик, система может сломаться. Эффективный рост происходит около границы текущей ОНФ — не слишком глубоко внутри неё и не слишком далеко за её пределами.

С этой точки зрения личностный рост можно рассматривать как положительную форму обнаружения изменений: мы замечаем, что старых паттернов больше недостаточно, и сознательно развиваем новые, пока они не становятся частью нашей расширенной нормальности.

У организаций тоже есть ОНФ

Организации также имеют свои Области Нормального Функционирования.

У компании есть привычные способы принятия решений. У команды есть типичные модели коммуникации. У культуры есть нормальные ожидания. У профессии есть принятые стандарты поведения.

Когда внешние условия меняются — новая технология, рыночные сдвиги, смена руководства, экономическое давление — организация может оказаться за пределами своей ОНФ. Одни организации адаптируются и расширяют свою область нормального функционирования. Другие сопротивляются. Некоторые становятся нестабильными. Некоторые не выживают.

Именно поэтому управление изменениями так сложно. Люди часто сопротивляются изменениям не просто потому, что они консервативны или иррациональны. Они сопротивляются потому, что предлагаемое изменение может вытолкнуть их за пределы привычной ОНФ без достаточной поддержки, объяснения или времени на адаптацию.

Здесь также важна работа с трендами. Организации редко становятся неэффективными за одну ночь. Часто производительность, культура или способность к инновациям снижаются постепенно. К тому моменту, когда проблема становится очевидной, тренд уже действует достаточно долго.

Понимание ОНФ организации могло бы помочь лидерам проектировать изменения более разумно. Вместо того чтобы механически навязывать изменения, можно спросить: какова текущая нормальная область функционирования этой организации, как она меняется, и как её можно безопасно расширить?

Почему это важно для меня сейчас

На данном этапе моей карьеры мне всё интереснее связывать мою техническую работу с более широким человеческим и организационным контекстом.

Мой профессиональный опыт связан с IT Capacity Management, анализом производительности, обнаружением аномалий, обнаружением изменений, выявлением трендов и статистическим распознаванием образов. Я также разработал Perfomalist.com как практический инструмент для обнаружения аномалий и точек изменения в производительности. Но сейчас я вижу эту работу как часть более широкой идеи.

Один и тот же паттерн появляется снова и снова:

У системы есть нормальный диапазон.

У нормального диапазона есть границы.

Изменения создают отклонения.

Некоторые отклонения являются шумом.

Некоторые отклонения являются предупреждениями.

Некоторые отклонения указывают на структурные изменения.

Некоторые тренды показывают постепенное движение к новой нормальности.

Некоторые отклонения открывают возможности для роста.

Задача — научиться различать эти случаи.

Именно это направление я хотел бы исследовать дальше — в статьях, выступлениях, преподавании и, возможно, в будущей книге. Моя цель — развивать ОНФ как универсальную рамку, которая может соединить технические системы, человеческое поведение, организации и социальные изменения.

В сторону универсальной рамки

Область Нормального Функционирования пока остаётся развивающейся идеей. Я не утверждаю, что это завершённая теория. Но я считаю, что она может стать полезным мостом между разными дисциплинами.

Инженеры, психологи, социологи, менеджеры, преподаватели и лидеры — все они имеют дело с системами, которые функционируют в определённых границах. Все они сталкиваются с изменениями, адаптацией, стрессом, устойчивостью, ненормальным поведением и возникающими трендами.

Язык может быть разным, но базовые вопросы часто похожи:

Что означает нормальное функционирование в данном случае?

Как понять, что нормальное функционирование изменилось?

Как отличить шум, аномалию, тренд и значимую трансформацию?

Что происходит, когда система выходит за пределы своей нормальной области?

Эти вопросы могут быть техническими. Они могут быть личными. Они могут быть организационными. Они могут быть даже философскими.

Для меня именно это делает концепцию ОНФ достойной дальнейшего развития.

Она началась как техническая идея. Но, возможно, её более широкая ценность состоит в том, что она помогает нам понять, как системы — включая человеческие системы — выживают, адаптируются, изменяются и растут.

Пример ОНФ (ANF) из робототехники Issledovanie_Processov_Zahvatyvania_Obektov_Manipulirovania_Promyslennym_Robotom

🎉 Обновление системы до версии 70 (издание «Игорь») 🎉

🎉 Обновление системы до версии 70 (издание «Игорь») 🎉

Сегодня мы отмечаем Игоря — настоящего человека кода,
Который «дебажил» жизнь по длинной, извилистой дороге.
Версия 7.0 — и всё ещё работает без сбоев,
С ясным умом, мудростью и уверенным настроем.

Мастер систем, логики и потоков,
Он видит баги там, где другим не до того.
Когда другие видят хаос — он спокойно объяснит:
«Это не катастрофа… просто цепочки так названы не очень удачно».

Его ум — как сервер: ни сбоев, ни лагов,
(Хотя иногда памяти нужен небольшой «тег» 😉)
Быстрая перезагрузка с кофе — и снова вперёд,
Таков Игорь — всегда продолжает ход.

И не только код — в нём есть творческий дар,
YouTube, монтаж — всё делает с душой и без лишних слов.
Доказательство, что любопытство не стареет,
А страсть к делу с годами только крепнет.

Мы благодарны за смех, за мудрость, за вклад,
За всё, что ты делаешь — это по-настоящему ценно для нас.
С тобой жизнь становится ярче и лучше,
Ты — человек высшего уровня, без сомнений и случаев.

Так пусть аптайм будет высоким всегда 🚀
С сильным сигналом и скоростью на года.
В 70 — ты всё ещё на высоте,
С Днём Рождения, Игорь! 🎂 Ещё один отличный год впереди!

#СДнёмРождения #Версия70 #ТопУровень #Легенда

Оригинал: https://trubinigor.blogspot.com/2026/04/the-70-year-old-system-upgrade-igor.html

Мой последний Авторитет - руководитель моей диссертации - Игорь Челпанов. Светлая память.

Вот только что набрел на статью о нем, посмертную, в его светлую память - ПАМЯТИ ИГОРЯ БОРИСОВИЧА ЧЕЛПАНОВА (ENGLISH VERSION)

Итересно, что я заметил в этом моем блоке о том что он мой последий авторитет ЗДЕСЬ, спустя 3 месяца после его смерти о которой я узнал только сечас... 

Наибольший талат у него был - Учитель аспирантов. Я его нашел сам после выступления -презентации (о динамике сватов роботов) одного из его учеников - С.Н. Колпашникова. 

Это был поворотный момент в моей карьере (он был руководителем моей диссертации) да и всей моей профессиональной жизни!

Безмерно благодарен Игорю Борисовичу и вечно помню о нем!

Заседание Кафедры Автоматов. Политех, Питер, ~1998 В первом ряду 1-й слева И. Челпанов, 2-й спрва я (И. Трубин) Кроме нас: Попов, Краснослабодцев, Дьяченко (зав. каф.), Волков (будуший зав. каф.) и др.