Bu tədqiqat universitet əsaslı texnoparkın tədqiqat laboratoriyaları ilə çevik istehsal sahələrini vahid avtomatlaşdırma arxitekturası altında idarə etmək üçün qeyri-səlis çıxarım əsaslı idarəetmə sistemi hazırlayır. Fuzzy Inference System (FIS) struktur vəziyyəti, enerji vəziyyəti, ölçmə dəqiqliyi və idarəetmə vəziyyəti kimi çoxsaylı girişləri qeyri-səlis üzvlük funksiyaları və ekspertlərin müəyyən etdiyi qaydalar vasitəsilə qiymətləndirərək “emal et”, “tənzimlə”, “yenidən emal et” və ya “dayandır” tipli idarəetmə qərarları yaradan çıxarım sistemidir. Tədqiqat riyazi modelləşdirmə və kompüter əsaslı simulyasiya təcrübələrinə söykənir; real texnoparkın uzunmüddətli sahə tətbiqi deyil.

Təklif olunan arxitektura sensor səviyyəsi, verilənlərin emalı səviyyəsi, qərar səviyyəsi və icra səviyyəsi olmaqla dörd iyerarxik qatdan ibarətdir. Tədqiqat laboratoriyası, çevik istehsal sistemi, kran-manipulyator, CNC dəzgahları, ölçmə alt sistemi və nəqliyyat sistemi eyni nəzarət strukturuna qoşulur. Heterogen sensor verilənləri min–max normallaşdırması ilə ölçüsüzləşdirilir; modul yükü, tapşırığın emal müddəti və iş keyfiyyəti kimi dəyişənlərdən istehsal vəziyyətini ifadə edən qeyri-səlis vəziyyət dəyişəni yaradılır.

Mənbədə verilən nümunə FIS hesabında struktur, enerji, ölçmə və idarəetmə girişlərinə aid ekspert üzvlük dərəcələri qaydalarla birləşdirilmiş; ağırlıq mərkəzi üsulu ilə aparılan defuzzification nəticəsində y* ≈ 0,405 alınmışdır. Bu dəyər orta qərar bölgəsində yerləşdiyinə görə sistem “adjust/reprocess”, yəni tənzimləmə və ya yenidən emal istiqamətində qərar verir.

Simulyasiya nəticələrində ənənəvi deterministik idarəetmə yanaşması ilə müqayisədə idarəetmə qərarlarının orta emal müddətində təxminən %19, proses nasazlığı ehtimalında təxminən %27, modulun həddindən artıq yüklənmə amilində təxminən %19 və anomal vəziyyətlərə cavab müddətində təxminən %33 azalma; istehsal vəziyyətinin qiymətləndirilmə dəqiqliyində təxminən %23 və ümumi əməliyyat səmərəliliyində təxminən %17 artım bildirilmişdir. Bu dəyərlər simulyasiya nəticələridir və real sənaye sahəsində təsdiqlənmiş performans göstəriciləri kimi şərh edilməməlidir.

Texnoparkda Qeyri-səlis Çıxarım Sistemi İdarəetmə Qərarını Necə Verir?

Tədqiqatdakı Fuzzy Inference System iş parçasının struktur vəziyyətini, maşının enerji vəziyyətini, ölçmə verilənlərinin etibarlılığını və idarəetmə sisteminin yük/vəziyyət məlumatını qeyri-səlis üzvlük dərəcələrinə çevirir; ekspert qaydalarını aktivləşdirir, aktivləşmiş qaydaların nəticələrini birləşdirir və ağırlıq mərkəzi ilə vahid ədədi çıxış yaradaraq sistemin emal, tənzimləmə, yenidən emal və ya dayandırma qərarlarından hansına yönəlməli olduğunu müəyyən edir.

Tədqiqat problemi

Texnoparklarda tədqiqat laboratoriyaları, prototipləşdirmə, istehsal maşınları, robotlar, ölçmə sistemləri və məhsul keyfiyyətinə nəzarət çox vaxt bir-biri ilə əlaqəli proseslərdir. Mənbə tədqiqatın çıxış nöqtəsi bu komponentlərin parçalanmış idarəetmə mexanizmləri ilə idarə edilməsinin qərar gecikmələrinə, istehsal çevikliyinin azalmasına və qeyri-müəyyənlik şəraitində koordinasiya problemlərinə səbəb ola bilməsidir.

Təklif olunan həll tədqiqat və istehsal fəaliyyətlərini eyni hesablama əsaslı idarəetmə arxitekturası altında birləşdirərək ölçmədən qərarın yaradılmasına və fiziki idarəetmə hərəkətinə qədər uzanan fasiləsiz nəzarət zənciri yaratmaqdır.

Texnopark arxitekturasındakı üç əsas alt sistem

Dörd səviyyəli avtomatlaşdırma arxitekturası

Tapşırıq axınının riyazi göstərimi

Tənlik (1):

\[ \vartheta_i(t)=\sum_{k=1}^{m}\vartheta_{ik}(t) \]

Burada \(\vartheta_i(t)\), i-ci səviyyədəki ümumi tapşırıq axınının intensivliyini; \(\vartheta_{ik}(t)\) isə k-cı fərdi axının intensivliyini ifadə edir. Mənbədə bu axınların elmi təcrübələri, prototipləşdirməni, istehsal əməliyyatlarını, ölçmə alt sistemlərini, icra vahidlərini və idarəetmə tapşırıqlarını əhatə etdiyi göstərilir.

Axın prioritetləri sabit deyil. Tədqiqat tapşırıqların kritikliyi, zaman təcililiyi, resurs istehlakı, modul yükü və avadanlığın əlçatanlığı kimi şərtlərə görə resursların dinamik şəkildə yenidən bölüşdürülməsini nəzərdə tutur.

Heterogen sensor verilənlərinin normallaşdırılması

Tənlik (2):

\[ \tilde{x}_{ij}= \frac{x_{ij}-x_{ij}^{min}} {x_{ij}^{max}-x_{ij}^{min}} \]

\(x_{ij}\), O_i obyektinin j-ci ölçmə parametridir. \(x_{ij}^{min}\) və \(x_{ij}^{max}\), qəbul edilən minimum və maksimum dəyərləri göstərir. Bu min–max çevrilməsi fərqli fiziki vahidlərə və miqyaslara malik sensor dəyərlərini ölçüsüz vahid miqyasa gətirir.

Bu addım vacibdir, çünki temperatur, mövqe, sürət, yük və ya digər ölçmələr birbaşa eyni kəmiyyət kimi FIS-ə verilərsə dəyişən miqyasları çıxarım prosesinə təsir göstərə bilər.

İdarəetmə səmərəliliyinin əsas göstəriciləri

Tənlik (3) — ümumi ölçmə yükü:

\[ M_{com}=\sum_{i=1}^{n}O_i m_i \]

Tənlik (4) — çəkili orta tapşırıq emal müddəti:

\[ \bar{T}= \frac{\sum_{i=1}^{n}O_i m_i t_i} {\sum_{i=1}^{n}O_i m_i} \]

Tənlik (5) — modul yük əmsalı:

\[ \rho_i=\frac{\vartheta_i}{\mu_i} \]

Burada \(\mu_i\) modulun emal gücünü, \(t_i\) bir ölçmənin emal müddətini və \(\rho_i\) tələb olunan tapşırıq axını ilə güc arasındakı yük münasibətini ifadə edir. \(\rho_i\) yüksəldikcə modulun öz gücünə nisbətən daha çox yükləndiyi anlaşılır.

Qeyri-səlis sistem vəziyyəti dəyişəni

Tənlik (6):

\[ S_i=f(\rho_i,T_i^{avg},Q_i) \]

Bu ifadə modul yük əmsalını, orta tapşırıq emal müddətini və tapşırığın icra keyfiyyətini vahid qeyri-səlis vəziyyət tərifində birləşdirir. Mənbədə S_i dəyərləri aşağı, normal, yüksək və kritik yük kimi linqvistik siniflərə ayrılır.

Hədlər universal sabitlər deyil. Onlar araşdırılan mexaniki montaj ssenarisinin avadanlıq xüsusiyyətlərinə, gücünə və texnoloji tələblərinə görə kalibrlənir; başqa istehsal sisteminə köçürüldükdə yenidən qurulmalıdır.

Mexaniki montaj istehsal marşrutu

Mənbə Figure 1 mexaniki montaj FMS-nin üçölçülü yerləşimini; Figure 2 isə bu istehsal ardıcıllığını göstərir. Bu iki şəklin elmi rolu fiziki avadanlıq düzülüşü ilə istehsal əməliyyatlarının idarəetmə ardıcıllığını bir-birinə bağlamaqdır.

FIS-in girişləri və çıxışları

Model dörd əsas giriş dəyişənindən istifadə edir:

• x₁: iş parçasının struktur vəziyyəti — həndəsə və qüsurlar,
• x₂: enerji vəziyyəti — enerji təchizatının sabitliyi,
• x₃: informasiya/ölçmə vəziyyəti — ölçmə verilənlərinin dəqiqliyi,
• x₄: idarəetmə vəziyyəti — cədvəlləşdirmə və yükləmə.

İki əsas çıxış var: y₁ sistemin emal/tənzimləmə/yenidən emal/dayandırma qərarını, y₂ isə cari mərhələdə aşağı/orta/yüksək xəta riskini göstərir.

Trapezoidal üzvlük funksiyası

Tənlik (7):

\[ \mu_A(x_i)= \begin{cases} 0, & x_i\le a\\ \dfrac{x_i-a}{b-a}, & a\le x_i\le b\\ 1, & b\le x_i\le c\\ \dfrac{d-x_i}{d-c}, & c\le x_i\le d\\ 0, & x_i\ge d \end{cases} \]

\(a,b,c,d\), hər qeyri-səlis vəziyyət termininin trapezoidal üzvlük sərhədlərini müəyyən edir. Mənbədə bu sərhədlərin ekspert biliyi, avadanlığın istismar xüsusiyyətləri, qəbul edilən iş diapazonları və simulyasiya əsaslı müşahidələrlə müəyyən edildiyi açıqlanır.

Mənbədə istifadə olunan qeyri-səlis qaydalar

Birinci qayda aşağı struktur qüsuru, sabit enerji, yüksək ölçmə keyfiyyəti və optimal idarəetmə vəziyyəti birlikdə olduqda “process / aşağı risk” nəticəsinə gedir. İkinci qayda orta qüsur və ya enerji dalğalanmasında “adjust / orta risk” yaradır. Üçüncü qayda yüksək qüsur, enerji nasazlığı, aşağı ölçmə keyfiyyəti və ya idarəetmə münaqişəsindən hər hansı biri meydana çıxdıqda “stop / yüksək risk” istiqamətində qərar verir. Dördüncü qayda orta qüsuru, sabit enerjini və orta ölçmə keyfiyyətini “reprocess / orta risk” ilə uyğunlaşdırır.

Qaydanın aktivləşdirilməsi

Tənlik (8):

\[ \alpha_i= \min\{ \mu_{x_1}(x_1), \mu_{x_2}(x_2), \mu_{x_3}(x_3), \mu_{x_4}(x_4) \} \]

AND ilə bağlı şərtlərdə ən aşağı üzvlük dərəcəsi qaydanın aktivləşmə dərəcəsini məhdudlaşdırır. Mənbənin OR ehtiva edən qaydalarında isə müvafiq üzvlük dəyərləri arasında maksimum əməliyyatından istifadə olunur.

Qaydaların birləşdirilməsi

Tənlik (9):

\[ \mu_{y_1}(y)=\max_i\{\alpha_i\cdot\mu_{y_i}(y)\} \]

Bu mərhələ müxtəlif qaydalar tərəfindən təklif edilən çıxış bölgələrini vahid ümumi qeyri-səlis çıxış funksiyasına çevirir.

Defuzzification

Tənlik (10):

\[ y^*= \frac{\int y\,\mu(y)\,dy} {\int \mu(y)\,dy} \]

Tədqiqat birləşdirilmiş qeyri-səlis çıxışdan vahid ədədi qərar yaratmaq üçün ağırlıq mərkəzi üsulundan istifadə edir. Müəlliflər bu üsulu davamlı idarəetmə tətbiqlərində sabitliyi və şərh oluna bilməsi səbəbindən seçiblər.

Ədədi FIS nümunəsi

Mənbə nümunəsində α₁ = 0,8; α₂ = 0,45; α₃ = 0,2 və α₄ = 0,45 alınır. Qaydalar birləşdirilib Tənlik (10) tətbiq edildikdə y* ≈ 0,405 alınır. Figure 5-də bu centroid orta qərar bölgəsinə düşür və model tənzimləmə/yenidən emal təklif edir.

Resursların yük və müddət baxımından yenidən bölüşdürülməsi

Mənbə, S_i kritik həddi keçdikdə bəzi tapşırıqların daha az yüklənmiş modullara yönləndirilməsini təklif edir.

Tənlik (11):

\[ \min\sum_{i=1}^{n} \left( T_i^{avg}+\alpha\rho_i \right) \]

\(\alpha\), emal müddətinin azaldılması ilə modul yükünün azaldılması arasındakı prioritet tarazlığını müəyyən edən əmsaldır. Məqsəd yalnız ən sürətli modulu seçmək deyil, emal müddəti ilə həddindən artıq yüklənmə arasında birgə optimallaşdırma aparmaqdır.

Bu Tədqiqatdakı Qeyri-səlis Sistem Verilənlərlə Öyrədilən Süni İntellekt Modelidirmi?

Xeyr; mövcud tədqiqatdakı FIS təlim/verilənlərin doğrulanması/test çoxluqları ilə optimallaşdırılmış maşın öyrənməsi modeli deyil. Üzvlük funksiyasının sərhədləri və qayda bazası ekspert biliyi, avadanlıq xüsusiyyətləri və simulyasiya müşahidələri ilə kalibrlənmişdir; neuro-fuzzy öyrənmə, reinforcement learning, data mining və üzvlük funksiyasının avtomatik tənzimlənməsi gələcək tədqiqat istiqamətləri kimi təklif olunur.

Startup məhsul həyat dövrü

Tədqiqat texnoparkın əsas çıxışını startup layihəsi kontekstində beş mərhələdə konseptuallaşdırır: ideya/seed konseptuallaşdırması, seed tətbiqi, inkişaf və təkmilləşdirmə, böyümə və miqyaslama, sonda inteqrasiya olunmuş keyfiyyət nəzarəti və doğrulama.

Son mərhələ laboratoriya doğrulamasından sənaye istehsalına keçid nöqtəsidir. Təklif olunan avtomatlaşdırma arxitekturasının əsas funksiyalarından biri bu keçiddə laboratoriya ölçmələrini istehsal xəttindəki keyfiyyət və avadanlıq diaqnostikası ilə eyni nəzarət zəncirinə bağlamaqdır.

İki mərhələli nəzarət strukturu

Mərhələ I — Laboratoriya səviyyəsində funksional doğrulama: mexaniki alt sistemlərin, mövqe/sürət/temperatur kimi ölçmə ötürücülərinin, mühərrik/klapan/pnevmatik və ya elektrik aktuatorlarının, PLC və mikrokontrollerlərin, enerji mənbələrinin və CAN/UART/I2C/Ethernet kimi rabitə interfeyslərinin işləkliyi qiymətləndirilir.

Mərhələ II — İstehsal səviyyəsində keyfiyyət və diaqnostik nəzarət: məhsul keyfiyyəti, sənaye robotları, manipulyatorlar, avtomatik nəqliyyat elementləri və elektromexaniki cihazlar izlənir; avadanlığın deqradasiyası və əməliyyat anomaliyaları üçün proqnozlaşdırıcı qiymətləndirmənin aparılması hədəflənir.

Sensor modeli

Tənlik (12):

\[ S(t)=G_sx(t)+\varepsilon_s(t) \]

\(S(t)\) ölçülən sensor siqnalını, \(x(t)\) real fiziki dəyişəni, \(G_s\) sensor qazancını və \(\varepsilon_s(t)\) stoxastik ölçmə xətasını ifadə edir. Mənbə normal şərtlərdə xəta termininin sıfır orta qiymətli və təxminən Gaussian qəbul edilə biləcəyini, lakin FIS qərar strukturunun orta səviyyəli Gaussian olmayan pozulmalardan da sərt şəkildə asılı olmadığını bildirir.

Aktuator dinamikası

Tənlik (13):

\[ M\ddot{y}(t)+B\dot{y}(t)+Ky(t)=F(t) \]

\(y(t)\) aktuatorun yerdəyişməsini, \(M\) effektiv kütləni, \(B\) sönümləmə əmsalını, \(K\) sərtliyi və \(F(t)\) tətbiq olunan idarəetmə qüvvəsini ifadə edir. Tənlik mexatronik elementin idarəetmə əmrinə mexaniki reaksiyasını ikinci dərəcəli dinamik sistem kimi təqdim edir.

PID geri əlaqəli idarəetmə

Tənlik (14):

\[ e(t)=x_r(t)-x(t) \]

Tənlik (15):

\[ u(t)= K_pe(t) + K_i\int_0^t e(\tau)d\tau + K_d\frac{de(t)}{dt} \]

\(x_r(t)\) istinad trayektoriyasını; \(e(t)\) izləmə xətasını; \(K_p\), \(K_i\) və \(K_d\) müvafiq olaraq proporsional, inteqral və törəmə qazanc əmsallarını ifadə edir. Mənbə bu qazanc əmsallarının mövcud tətbiqdə mexatronik sistemin dinamik reaksiyasına görə empirik şəkildə tənzimləndiyini və gələcəkdə fuzzy supervisor ilə adaptiv/self-tuning PID istifadəsinin mümkün olduğunu bildirir.

Məhsul keyfiyyəti vektoru

Tənlik (16):

\[ \mathbf{q}= [q_1,q_2,\ldots,q_m]^T \]

Keyfiyyət vektoru ölçü tolerantlıqları, struktur bütövlüyü, funksional performans, kütlə xüsusiyyətləri və daxili zəka qabiliyyəti kimi məhsul xüsusiyyətlərini ifadə edir.

Tənlik (17):

\[ \mathbf{q}_{min} \le \mathbf{q} \le \mathbf{q}_{max} \]

Startup məhsulunun texniki tələblərə uyğun hesab edilməsi üçün keyfiyyət göstəriciləri müəyyən edilmiş aşağı və yuxarı sərhədlər daxilində qalmalıdır.

Aktiv avadanlıq matrisi

Tənlik (18):

\[ M_{AE_{ij}}= \begin{bmatrix} AE_{11}&AE_{12}&AE_{13}\\ AE_{21}&AE_{22}&AE_{23}\\ AE_{31}&AE_{32}&AE_{33} \end{bmatrix} \]

Mənbədə AE₁₁ kran-manipulyatoru, AE₁₂ rəqəmsal torna dəzgahını, AE₁₃ rəqəmsal freze dəzgahını, AE₂₁ rəqəmsal radial qazma dəzgahını, digər xanalar isə kəsmə/bükmə/pres avadanlıqlarını və metal hissələr üçün 3D printeri ifadə edir.

İş rejimləri matrisi

Tənlik (19), AE₁₁ kran-manipulyatoruna və AE₁₂ rəqəmsal torna dəzgahına aid ON_ij iş rejimlərini dörd sətirli matrisdə təşkil edir. Matrisdən sonra mənbə iş rejimlərini x₁–x₇ idarəetmə dəyişənləri ilə açıq məntiqi uyğunlaşdırmalar vasitəsilə əlaqələndirir. Bu əlaqələr mövqeləndirmə, hissəyə yaxınlaşma, tutucunun açılması/bağlanması, yuxarı hərəkət, torna dəzgahına irəliləmə və hissənin bərkidilməsi mərhələlərini əhatə edir.

Mənbə PDF-dəki Tənlik (20) seyrək idarəetmə matrisinin vizual düzülüşü mətn çıxarışında simvolların mövqelərini etibarlı şəkildə qorumadığından burada yenidən düzülərək saxta dəqiqlik yaradılmamışdır. Elmi məzmun x₁–x₇ dəyişənləri, y çıxış vektoru, 13 idarəetmə parametri və Algorithm 1-də verilən əməliyyat dəyərləri vasitəsilə qorunur.

Kran-manipulyator üçün Algorithm 1

Bu dəyərlər mənbə alqoritmindəki dəyərlərdir; Verianla tərəfindən fiziki uyğunluq baxımından dəyişdirilməmiş və ya yenidən miqyaslandırılmamışdır.

İdarəetmə parametrlərinin sayı

Tənlik (21):

\[ N_{KMO}=\sum_{i,j}a_{ij}=13 \]

Mənbə kran-manipulyator əməliyyat ardıcıllığı üçün ümumilikdə 13 idarəetmə parametrinin olduğunu bildirir.

İdarəetmə cihazlarının uyğunlaşdırılması

Tənlik (22):

\[ T:x_i\mapsto Device(x_i), \qquad i=1,\ldots,7 \]

Mənbədə x₁ üçün təmassız 5010SUG ötürücüsü; x₂, x₅, x₆ və x₇ üçün optoNCDT 1420 xətti yerdəyişmə sensoru; x₃ və x₄ üçün SS-G seriyalı tutucu idarəetməsi; x₆ üçün əlavə olaraq SC-G irəli/geri xətti hərəkət komponenti uyğunlaşdırılmışdır.

Diskret zamanlı vəziyyət fəzası modeli

Tənlik (23):

\[ x(i+1)=Ax(i)+Bu(i) \]

Tənlik (24):

\[ y(i)=Cx(i)+Du(i) \]

\(x(i)\) əməliyyat rejimlərinin vəziyyət vektoru, \(u(i)\) başlat/dayandır və sürət siqnalları kimi idarəetmə girişləri, \(y(i)\) isə yerdəyişmə, yük qaldırma və mövqeləndirmə kimi ölçülən çıxışlardır. A, B, C və D matrisləri diskret zamanlı sistem dinamikasını müəyyən edir.

Tədqiqatın Metodu və Nəticələri

Tədqiqat növü

Tədqiqat nəzəri arxitektura təklifini analitik modelləşdirmə və kompüter simulyasiya təcrübələri ilə birləşdirir. Fiziki fabrikdə randomizə olunmuş təcrübə, uzunmüddətli sahə sınağı və ya real əməliyyat verilənləri əsasında prospektiv performans doğrulaması bildirilmir.

Simulyasiyanın təmsil etdiyi fiziki istehsal sistemi

Simulyasiyanın mərkəzindəki mexaniki montaj hüceyrəsi kran-manipulyator, üç emal maşını, dairəvi nəqliyyat xətti və blanking station ehtiva edən çevik istehsal hüceyrəsidir. İstehsal silindrik iş parçalarının müxtəlif maşınlar arasında daşınması və ardıcıl emalı üzərində modelləşdirilir.

Simulyasiya edilən pozulmalar

Mənbədə gözlənilməz hadisələr stoxastik disturbance event kimi modelləşdirilmişdir. Bunlara müvəqqəti sensor xətaları, enerji mənbəyi dalğalanmaları, rabitə gecikmələri, aktuator sapmaları və struktur emal qüsurları daxildir.

Qeyri-müəyyənlik səviyyəsi nasazlıq hadisələrinin aktivləşmə ehtimalı, müddəti və amplitudası dəyişdirilərək yaradılmışdır. Tədqiqat nominal şərtləri və struktur, enerji, rabitə, ölçmə və idarəetmə nasazlıqlarının olduğu ssenariləri müqayisə etmişdir.

Simulyasiya və doğrulama yanaşması

Fuzzy inference və monitoring arxitekturası sənaye sensorlarını, idarəetmə alt sistemlərini, nəqliyyat modullarını və çevik istehsal əməliyyatlarını təmsil edə bilən kompüter əsaslı simulyasiya mühitində işlədilmişdir.

Model müxtəlif tapşırıq axını intensivlikləri, avadanlıq yükləri və qeyri-müəyyənlik səviyyələri ilə iterativ şəkildə işlədilmişdir. Hər dövrdə FIS cari əməliyyat vəziyyətini qiymətləndirib, adaptiv idarəetmə qərarı yaradıb və supervisory control hərəkətlərini yeniləyib.

Doğrulama normal və pozulmuş şərtlər arasında emal müddəti, yük balanslaşdırması, nasazlığa cavab davranışı və istehsal vəziyyətinin qiymətləndirmə dəqiqliyinin müqayisəsi ilə həyata keçirilmişdir.

Mənbə konkret MATLAB/Simulink/Python versiyası, CPU/GPU avadanlığı, təsadüfi ədəd toxumu və ya bütün stoxastik ssenarilər üçün tam parametrik paylanma cədvəli vermir. Buna görə müstəqil, tam eyni şəkildə təkrar istehsal üçün bəzi tətbiq detalları çatışmır.

Laboratoriya və istehsal qatlarının inteqrasiyası

Təklif olunan arxitekturda laboratoriya mərhələsində funksional doğrulama ilə istehsal mərhələsində keyfiyyət/diaqnostik nəzarət vahid supervisory layer altında birləşdirilir. Bu struktur startup prototipinin tədqiqat laboratoriyasından istehsal xəttinə keçərkən sensor verilənləri, keyfiyyət sərhədləri və avadanlıq vəziyyəti arasındakı əlaqənin qırılmamasını hədəfləyir.

Human-in-the-loop yanaşması

Tədqiqat tam avtonom, insansız istehsal sistemi təklif etmir. Industry 5.0 kontekstində insan operatorların və sahə ekspertlərinin anomal vəziyyətlərin şərhi, kritik idarəetmə qərarlarının doğrulanması, istehsal hədəflərinin strateji şəkildə dəyişdirilməsi və qayda bazası ilə tam ifadə edilə bilməyən qeyri-müəyyən ssenarilər üçün sistemdə qalmalı olduğunu müdafiə edir.

Simulyasiya Nəticələri Ənənəvi Deterministik Nəzarətlə Müqayisədə Nə Göstərdi?

Mənbədə bildirilən kompüter simulyasiyalarına görə qeyri-səlis idarəetmə arxitekturası ənənəvi deterministik/fixed-threshold supervisory yanaşmalarla müqayisədə qərarın emal müddətini, proses nasazlığını, həddindən artıq yüklənməni və anomal vəziyyətə cavab müddətini azaldarkən istehsal vəziyyətinin qiymətləndirmə dəqiqliyini və ümumi əməliyyat səmərəliliyini artırmışdır; lakin bu nisbətlər real fabrik sahə sınağından deyil, simulyasiya müqayisəsindən əldə edilmişdir.

Bütün faizlər mənbədə təxmini dəyərlər kimi bildirilmişdir. Xam təcrübə/simulyasiya seriyalarının hamısı məqalədə cədvəl şəklində verilmədiyinə görə bu nisbətlərdən yeni, dəqiq başlanğıc və son dəyərlər çıxarılmamışdır.

Figure 9-un elmi mesajı

Figure 9 üç ayrı paneldən ibarətdir. Panel (a) ənənəvi sistemlə fuzzy control modelini müxtəlif performans göstəricilərinə görə müqayisə edir. Panel (b) zaman/istehsal dövrləri boyunca yük əmsalının ənənəvi və qeyri-səlis idarəetmə altında necə dəyişdiyini göstərir. Panel (c) x₁–x₄ sistem parametrləri boyunca process, adjust, reprocess və stop qərar bölgələrinə uyğun xəta riski keçidlərini vizuallaşdırır.

Mənbənin Bölmə 5.3 mətni bu performans müqayisəsinə “Figure 6” kimi istinad edir; lakin Figure 6 idarəetmə arxitekturasını göstərir. Performans qrafiki Figure 9-dur. Mənbə daxilindəki bu istinad fərqi Verianla tərəfindən gizlədilməmişdir.

Figure 4 və Figure 5-in elmi rolu

Figure 4, x₁–x₄ girişləri və çıxış dəyişənləri üçün fuzzy membership funksiyalarını göstərir. Figure 5 isə birləşdirilmiş çıxış funksiyasının centroid dəyərini təxminən 0,405 kimi göstərir. Bu iki şəkil birlikdə fuzzification-dan vahid idarəetmə qərarına keçidi izah edir.

Figure 6 və Figure 7-nin elmi rolu

Figure 6 tədqiqat laboratoriyası, startup hazırlıq mərhələsi, test modeli, ölçmə və diaqnostika elementləri, çevik istehsal modulları, yerli idarəetmə vahidləri və mərkəzi avtomatlaşdırma sistemi arasındakı informasiya/nəzarət əlaqəsini göstərir.

Figure 7 mexatronik startup elementində ölçmə ötürücüsü → PID controller → aktuator → mövcud vəziyyətin qiymətləndirilməsi → əməliyyat vəziyyətinin monitorinqi formasındakı geri əlaqə strukturunu göstərir.

Figure 8-in elmi rolu

Figure 8 kran-manipulyator AE₁₁ ilə rəqəmsal torna AE₁₂ arasındakı istehsal və keçidləri x_i idarəetmə dəyişənləri və y keyfiyyət çıxışı ilə əlaqələndirir. Şəklin dərhal altında Algorithm 1 bu keçidlərdə istifadə olunan əsas mövqe, sürət, tutucu və yük parametrlərini ədədi şəkildə müəyyən edir.

Tədqiqatın güclü tərəfləri

• Tədqiqat laboratoriyası ilə istehsal xəttini eyni avtomatlaşdırma arxitekturasında nəzərdən keçirməsi.
• Qeyri-müəyyənliyi yalnız sabit hədlərlə deyil, fuzzy membership və qayda bazası ilə modelləşdirməsi.
• Sensor, FIS, PID və istehsal keyfiyyətinə nəzarəti vahid riyazi zəncirdə birləşdirməsi.
• Struktur, enerji, ölçmə və idarəetmə nasazlıqlarını ayrı girişlər kimi qiymətləndirməsi.
• Kran-manipulyator ssenarisini konkret cihaz və hərəkət parametrləri ilə təfərrüatlandırması.
• İnsan ekspertini sistemdən çıxarmaq əvəzinə human-in-the-loop strukturunu Industry 5.0 çərçivəsində qoruması.
• Normal və pozulmuş şərtləri müqayisə edən simulyasiya qiymətləndirməsi təqdim etməsi.

Tədqiqatın məhdudiyyətləri

• Performans nəticələri kompüter simulyasiyasına əsaslanır; genişmiqyaslı real texnopark sahə doğrulaması hələ təqdim edilməyib.
• Fuzzy modelin dəqiqliyi başlanğıcda ekspertlərin müəyyən etdiyi qayda bazasının və üzvlük sərhədlərinin keyfiyyətindən asılıdır.
• Dəyişənlərin sayı çox artdıqda fuzzy rule base ölçüsü sürətlə böyüyə və hesablama xərci problem yarada bilər.
• Mənbə konkret simulyasiya proqramını/versiyasını və avadanlıq platformasını açıqlamır.
• Stoxastik nasazlıqlar üçün ümumi ssenari yaratma məntiqi izah olunsa da, bütün paylanma parametrləri, seed dəyərləri və hər təcrübə şərtinin tam təkrar quruluşları dərc edilməyib.
• Bildirilən performans faizləri təxmini simulyasiya dəyərləridir; real sənaye istehsal xəttində uzunmüddətli etibarlılıq və ya iqtisadi gəlir ölçümü deyil.
• Fuzzy membership funksiyalarının avtomatik öyrənilməsi mövcud sistemdə tətbiq olunmayıb.

Tədqiqatın dəstəklədiyi nəticələr

• Təklif olunan FIS əsaslı arxitektura simulyasiyada qeyri-müəyyənlik altında mərhələli idarəetmə qərarı yarada bilir.
• Struktur, enerji, ölçmə və idarəetmə nasazlıqları vahid qərar modeli daxilində qiymətləndirilə bilir.
• Resursların modullar arasında dinamik yenidən bölüşdürülməsi həddindən artıq yüklənməni azaldan simulyasiya nəticəsi yaradıb.
• Qeyri-səlis idarəetmə simulyasiyalarda ənənəvi deterministik müqayisə ilə müqayisədə müxtəlif performans metriklərində daha yaxşı nəticə verib.
• Laboratoriya doğrulaması və istehsal nəzarəti vahid supervisory architecture altında riyazi şəkildə inteqrasiya edilə bilər.
• Kran-manipulyator, dəzgahlar və nəqliyyat sistemi simulyasiya mühitində koordinasiyalı şəkildə idarə olunub.

Tədqiqatın dəstəkləmədiyi nəticələr

• Təklif olunan sistemin bütün real texnoparklarda eyni faizlərlə performans təmin edəcəyi göstərilməyib.
• ≈ %19, ≈ %27, ≈ %23, ≈ %33 və ≈ %17 dəyərləri real fabrik sahə ölçmələri deyil.
• Sistemin iqtisadi investisiya gəliri real əməliyyat xərcləri ilə təsdiqlənməyib.
• Neuro-fuzzy öyrənmə, reinforcement learning, digital twin və self-tuning PID mövcud təcrübələrin həyata keçirilmiş komponentləri deyil; gələcək tədqiqat təklifləridir.
• Model tam avtonom və insan ekspertindən asılı olmayan Industry 5.0 sistemi kimi təsdiqlənməyib.
• Konkret başqa ölkə, texnopark və ya istehsal şəbəkəsi üçün birbaşa ümumiləşdirilə bilməsi eksperimental olaraq göstərilməyib.

Gələcək tədqiqatlar

Müəlliflər modelin machine learning və data mining ilə genişləndirilməsini, real vaxt Industrial Internet of Things verilənlərindən neuro-fuzzy üzvlük funksiyalarının öyrənilməsini, distributed artificial intelligence və edge computing ilə mərkəzləşdirilməmiş qərar dəstəyinin qurulmasını və istehsal avadanlıqlarının digital twin modellərinin sistemə qoşulmasını təklif edirlər.

Digər gələcək tədqiqat istiqamətləri arasında reinforcement learning, adaptive self-tuning control, avadanlıq deqradasiyasının proqnozlaşdırıcı analizi və daha böyük Industry 5.0 istehsal şəbəkələrində real dünya yerləşdirilməsi var.

Mənbə və Metod Qeydi

Orijinal tədqiqat: Automation of the Control Process of the Research and Flexible Production Areas of the Technopark.

Müəlliflər: José Ramón Trillo; Javanshir Mammadov; Yusif Huseynov; Matanat Ahmadova; Aysel Eminova.

Məsul müəllif: José Ramón Trillo.

Qurum 1: Department of Computer Science and Systems Engineering, University of Zaragoza, Zaragoza, Spain.

Qurum 2: Department of Process Automation, Faculty of Engineering, Sumgayit State University, Sumgayit, Azerbaijan.

Qurum 3: Department of Automation and Mechanics, Azerbaijan University of Technology, Ganja, Azerbaijan.

Qurum 4: Department of Management, Azerbaijan University of Technology, Ganja, Azerbaijan.

Jurnal: AI.

Nəşriyyat: MDPI, Basel, Switzerland.

Cild / nömrə / məqalə: 7(5), 173.

DOI: 10.3390/ai7050173.

Məqalə növü: Article; riyazi modelləşdirmə və kompüter əsaslı simulyasiya təcrübələrini ehtiva edən mühəndislik/idarəetmə tədqiqatı.

Tarixlər: Alınma 15 mart 2026; reviziya 07 may 2026; qəbul 14 may 2026; nəşr 19 may 2026.

Lisenziya: Creative Commons Attribution (CC BY).

Rəyçilik: Nəşr olunmuş MDPI jurnal məqaləsidir; rəsmi nəşr səhifəsində review reports keçidi var.

Maliyyələşdirmə: Müəlliflər tədqiqatın xarici maliyyələşdirmə almadığını bildiriblər.

Etik komitə: Tətbiq edilə bilməz.

Məlumatlandırılmış razılıq: Tətbiq edilə bilməz.

Verilənlərin əlçatanlığı: Müəlliflər verilənlərin məxfilik/məhdudiyyət səbəbləri ilə məsul müəllifdən sorğu əsasında əldə edilə biləcəyini bildiriblər.

Maraqlar toqquşması: Müəlliflər maraqlar toqquşmasının olmadığını bəyan ediblər.

Müəllif töhfələri: Konseptuallaşdırma Yusif Huseynov və Javanshir Mammadov; metodologiya José Ramón Trillo, Yusif Huseynov və Aysel Eminova; proqram təminatı José Ramón Trillo və Yusif Huseynov; doğrulama Javanshir Mammadov, Aysel Eminova, Yusif Huseynov və Matanat Ahmadova; formal analiz José Ramón Trillo və Yusif Huseynov; tədqiqat Yusif Huseynov, Javanshir Mammadov və Matanat Ahmadova; resurslar Javanshir Mammadov və Aysel Eminova; verilənlərin kurasiyası Yusif Huseynov; ilkin qaralama José Ramón Trillo və Aysel Eminova; nəzərdən keçirmə-redaktə José Ramón Trillo, Javanshir Mammadov, Yusif Huseynov və Matanat Ahmadova; vizuallaşdırma José Ramón Trillo; nəzarət Javanshir Mammadov; layihə idarəetməsi Javanshir Mammadov və Aysel Eminova tərəfindən həyata keçirilmişdir.

Əsas metodoloji məhdudiyyət: Tədqiqatın kəmiyyət performans nəticələri simulyasiya əsaslıdır. Mənbə təklif olunan sistemin genişmiqyaslı real texnoparkda uzunmüddətli sahə yerləşdirilməsini hələ göstərmir.

Mənbədaxili istinad qeydi: Bölmə 5.3 performans müqayisəsini Figure 6 ilə əlaqələndirir; vizual məzmun araşdırıldıqda müvafiq performans müqayisəsi Figure 9-dadır. Figure 6 tədqiqat və çevik istehsal sahələrinin avtomatlaşdırma arxitekturasıdır.

Qısaltma qeydi: Mənbə “GPS system” ifadəsini texnoparkın mexaniki montaj və istehsal sistemi kontekstində istifadə edir, lakin PDF daxilində etibarlı açıq uzun forması müəyyən edilmədiyindən Verianla bu qısaltma üçün yeni açılış yaratmır.

Təkrar istehsal oluna bilmə qeydi: Mənbə ümumi kompüter əsaslı simulyasiya və fuzzy-model simulation environment təsviri verir; konkret proqram/versiya, avadanlıq, random seed və bütün disturbance ssenarilərinin tam parametrik tərifini bildirmir.

Verianla yenidən anlatma qeydi: Bu mətn orijinal məqalənin tam tərcüməsi və ya cümlə-paraqraf səviyyəsində yenidən yazılması deyil. Mənbənin problem tərifi, model arxitekturası, riyazi tənlikləri, alqoritmik əlaqələri, ədədi simulyasiya nəticələri, şəkillərin elmi funksiyaları və məhdudiyyətləri qorunaraq müstəqil Azərbaycan dilində tədris xarakterli elmi qat yaradılmışdır. Mənbə fiqurlarının piksel surətlərindən istifadə edilməmişdir.