Бул изилдөө имараттардагы жылытуу, желдетүү жана кондициялоо системаларын тейлөөнү бирдиктүү санариптик иш агымынын алкагында башкаруу максатында BIM, жасалма нейрон тармактарын, узак-кыска мөөнөттүү эс тутум тармактарын жана маалымат издөөгө таянган генерацияны бириктирген алкак сунуштайт. Система Industry Foundation Classes форматындагы BIM моделинен HVAC жабдууларынын түрүн, жайгашкан жерин, байланыштарын жана эксплуатациялык өзгөчөлүктөрүн чыгарат; бул семантикалык маалыматтарды температура, басым, агым, вибрация, энергия керектөө жана натыйжалуулук сыяктуу сенсордук өлчөөлөр менен бириктирет. Статикалык жана контексттик өзгөчөлүктөр жасалма нейрон тармагынын бутагында, убакыт менен өзгөргөн бузулуу жүрүм-турумдары LSTM бутагында иштетилет; эки өкүлчүлүк бириктирилип, жабдуунун учурдагы ден соолук абалы жана келечектеги иштен чыгуу коркунучу болжолдонот.

Болжолдонгон бузулуу абалы андан соң тейлөө колдонмолорунан, өндүрүүчү документтеринен, мурдагы тейлөө жазууларынан жана инженердик стандарттардан тиешелүү бөлүктөрдү алып келген RAG модулуна өткөрүлөт. Чоң тил модели BIM актив маалыматын, болжолдонгон бузулууну жана алынган техникалык документтерди колдонуп, бузулуу түрү, түпкү себеп, таасир, аныктоо көрсөткүчү, оордук, пайда болуу ыктымалдыгы, аныкталуучулук, Тобокелдик Приоритет Саны жана сунушталган тейлөө иштерин камтыган структураланган FMEA жазууларын түзөт.

Изилдөөдө берилген жыйынтыктарга ылайык, гибрид ANN–LSTM модели %4,1 RMSE, %3,2 MAE, %5,0 MAPE, 0,958 R² жана %95 болжолдоо тактыгына жеткен. RAG катмары үчүн орточо RAGAS упайы 0,917, BLEU жана ROUGE-1 маанилери %79,2 деп билдирилген. Насос кавитациясы 420, chiller жылуулук алмаштыргычынын булганышы 336, аба иштетүүчү блоктун фильтринин бүтөлүшү 252 жана VAV дампер актуаторунун бузулушу 160 RPN менен мисал катары көрсөтүлгөн.

Ошол эле учурда жыйынтыктар негизинен синтетикалык IFC4 санарип эгиздерине жана болгону 96 сенсордук байкоодон турган 24 сааттык көзөмөлдөнгөн маалыматка таянат. Маалыматты бөлүү жана ыраат түзүү ыкмасы жетиштүү түшүндүрүлбөгөндүктөн көз карандысыз тест көрсөткүчтөрүнүн ишенимдүүлүгү так эмес. Колдонулган чоң тил модели, embedding модели, документти бөлүү параметрлери, суроолордун саны жана эксперттик баалоо протоколу да көрсөтүлгөн эмес. Мындан тышкары, түзүлгөн критикалык бузулуулар тизмесинде электр өчүргүчү, аба каналы жана VAV терминалы сыяктуу компоненттерге кавитация же подшипник бузулуусу ыйгарылышы автоматтык FMEA түзүү азырынча түз тейлөө чечимин бере турган ишенимдүүлүккө жетпегенин көрсөтөт.

Түркия үчүн мааниси жана ыңгайлаштыруу талаптары

Сунушталган ыкма Түркияда оорукана, соода борбору, аэропорт, мейманкана, мамлекеттик имарат, завод жана маалымат борбору сыяктуу тыгыз HVAC инфраструктурасы бар курулуштарда тейлөө маалыматын BIM объекттери менен байланыштыруу жагынан маанилүү. Жергиликтүү колдонмодо насос, chiller, желдеткич, кондиционердик блок, VAV терминалы жана сенсорлордун IFC идентификаторлору; имарат автоматташтыруу системасынан келген реалдуу убакыт маалыматы жана тейлөө башкаруу программасындагы иш буйруктары менен жалпы актив каттоо системасында бириктирилиши мүмкүн.

Бирок Түркияда түз колдонууга өтүүдөн мурда ар башка климаттык аймактарды жана мезгилдерди камтыган жок дегенде бир жылдык чыныгы эксплуатациялык маалымат, ар түрдүү өндүрүүчүлөрдүн HVAC жабдуулары, калибрленген вибрация жана энергия сенсорлору, көз карандысыз тейлөө адистери даярдаган FMEA эталондору жана чыныгы бузулуу жазуулары менен текшерүү жүргүзүлүшү керек. Түркчө тейлөө документтери жана колдонуудагы техникалык эрежелер билим базасына кошулуп, ар бир түзүлгөн сунуш булак документ, документ бөлүмү жана ишеним упайы менен көрсөтүлүшү зарыл. Автоматтык система берген RPN же тейлөө сунушу ыйгарым укуктуу инженердин ырастоосусуз жабдууну өчүрүү, тетик алмаштыруу же коопсуздук-критикалык чечим үчүн колдонулбашы керек.

Изилдөө чечүүгө аракет кылган көйгөй

Салттуу HVAC тейлөөсү негизинен эки ыкмага таянат. Түзөтүүчү тейлөөдө жабдуу бузулгандан кийин кийлигишүү жасалат; бул күтүлбөгөн токтоп калууга, жогорку оңдоо чыгымына жана имарат кызматтарында үзгүлтүккө алып келиши мүмкүн. Алдын алуучу тейлөөдө болсо жабдуу белгилүү календардык аралыктарда текшерилет же тетиктери алмаштырылат. Календарга негизделген мындай ыкма ишке жарамдуу тетиктин керексиз алмашуусуна же тез бузулуп жаткан жабдууга кеч кийлигишүүгө алып келиши мүмкүн.

Болжолдоочу тейлөө сенсорлор аркылуу чыныгы жабдуу абалын көзөмөлдөп, бузулуу өнүгө электе кийлигишүүнү максат кылат. Ошого карабастан учурдагы иш агымдарында имарат модели, жабдуу каталогу, сенсордук өлчөөлөр, тейлөө жазуулары жана инженердик документтер көбүнчө бири-биринен бөлөк системаларда сакталат. Тейлөө инженери бузулуу тенденциясын түшүнүү үчүн бул ар башка булактарды кол менен бириктирип, FMEA сыяктуу ишенимдүүлүк документтерин кол менен даярдоого аргасыз болушу мүмкүн.

Изилдөө бул маалыматтын бөлүнүп-жарылышын үч технологияны бириктирүү аркылуу азайтууну көздөйт:

• BIM жана IFC: Жабдуунун кайсы имаратта, кабатта, аймакта жана HVAC тармагында жайгашканын; түрүн, кубаттуулугун, байланыштарын жана касиеттерин көрсөтөт.
• ANN–LSTM: Статикалык актив маалыматы менен убакыт катарындагы сенсор маалыматын бириктирип, бузулуу жана иштен чыгуу коркунучун болжолдойт.
• RAG: Болжол жыйынтыгын техникалык документтер менен байланыштырып, структураланган FMEA жана тейлөө сунушун түзөт.

Сунушталган баштан-аяк иш агымы

19. беттеги 1-сүрөт ыкманы алты байланышкан этапта көрсөтөт:

1. Revit же башка BIM чөйрөсүндөгү моделди IFC форматында экспорттоо.
2. IFCни талдоо жана HVAC активдеринин семантикалык касиеттерин чыгаруу.
3. IFC касиеттерин эксплуатациялык сенсор маалыматы менен бириктирүү.
4. Гибрид ANN–LSTM модели менен жабдуунун абалын болжолдоо.
5. Техникалык документтерди билим базасынан семантикалык түрдө алып келип, RAG менен FMEA түзүү.
6. Натыйжаны акылдуу тейлөө чечимин колдоо, BIM чөйрөсү же компьютерлештирилген тейлөө башкаруу системасына өткөрүү.

Бул ыкмада IFC модели санарип эгиздин семантикалык өзөгү катары кабыл алынат. Болжолдор жөн гана анонимдүү сенсор саптары болуп калбайт; ар бир жыйынтык белгилүү бир насос, chiller, желдеткич, клапан же аба иштетүүчү блоктун BIM объектиси менен байланыштырылат.

IFC моделинен кандай маалыматтар чыгарылат?

IFC4 моделдери IfcOpenShell сыяктуу талдоо кыймылдаткычы менен окулат. Система төмөнкү HVAC активдерин табууну көздөйт:

• IfcPump классындагы насостор.
• IfcChiller классындагы chiller блоктору.
• IfcAirHandlingUnit классындагы аба иштетүүчү блоктор.
• IfcFan классындагы желдеткичтер.
• IfcValve классындагы клапандар.
• IfcVAVTerminal классындагы өзгөрмө аба агымдуу терминалдар.
• IfcSensor классындагы температура, нымдуулук жана басым сенсорлору.
• Канал, түтүк, башкаруу панели, мотор башкаруу борбору жана чатырга орнотулган HVAC блоктору.

Чыгарылган маалымат үч топко бөлүнөт:

HVAC активдеринин жыйындысы:

\[ E=\{e_1,e_2,\ldots,e_n\} \]

түрүндө аныкталат. Ар бир \(e_i\), IFC моделинен чыгарылган HVAC жабдуусун билдирет. Жабдууга тиешелүү касиеттер жыйындысы:

\[ P_i=\{p_1,p_2,\ldots,p_m\} \]

түрүндө. \(p_j\); агым, басым, температура, натыйжалуулук же вибрация сыяктуу касиет. Бардык активдердин касиеттери төмөнкү матрицада бириктирилет:

\[ X= \begin{bmatrix} P_1\\ P_2\\ \vdots\\ P_n \end{bmatrix} \]

Маалыматты тазалоо жана өзгөчөлүк инженериясы

IFC моделдеринде жетишпеген касиеттер, ар башка өлчөө бирдиктери, кайталанган жазуулар жана тартипсиз категориялык маалымат болушу мүмкүн. Изилдөөдө жетишпеген маалымат интерполяция же медиана менен толтурулары, кайталанган жазуулар өчүрүлөрү, бирдиктер стандартташтырылары жана категориялык маалымат one-hot коддоо аркылуу сандык түргө айландырылары айтылган.

Модель киргизүүлөрү эки топко бөлүнөт:

• Статикалык касиеттер: Жабдуу түрү, өндүрүүчү, имарат аймагы, орнотулган жер, системалык иерархия жана байланыштар.
• Динамикалык касиеттер: Вибрация, температура өзгөрүүсү, басым термелүүсү, агым, энергия керектөө, натыйжалуулук жана иштөө тарыхы.

Бириктирилген өзгөчөлүк вектору:

\[ X=[X_s,X_d] \]

түрүндө берилет. \(X_s\) статикалык IFC касиеттерин, \(X_d\) динамикалык эксплуатациялык маалыматты билдирет.

Үзгүлтүксүз өзгөрмөлөр min–max нормалдаштыруу менен масштабдалат:

\[ X_{\mathrm{norm}}=\frac{X-X_{\min}}{X_{\max}-X_{\min}} \]

Убакыттык көз карандылыкты сактоо үчүн өлчөөлөр 24 убакыт кадамынан турган ырааттарга айландырылат:

\[ X_t=\{x_{t-T+1},x_{t-T+2},\ldots,x_t\} \]

Бул жерде \(T=24\), изилдөөдө 24 сааттык терезе катары чечмеленет. Бирок маалымат топтомунда болгону 96 байкоо болгондуктан канча көз карандысыз окутуу ырааты пайда болгону ачык айтылган эмес.

Гибрид ANN–LSTM архитектурасы

24. беттеги 2-сүрөт моделдин эки параллелдүү үйрөнүү бутагын жана алардын бириктирилишин көрсөтөт. Биринчи фазада ачык BIM маалыматтары, мейкиндик топологиясы, HVAC жабдууларынын маалыматы, материалдык жана физикалык касиеттер, башкаруу чектери жана мурдагы тейлөө жазуулары алынат. Экинчи фазада чет маанилерди тазалоо, нормалдаштыруу, категориялык коддоо жана маалыматты бөлүү жүргүзүлөт.

ANN бутагы

ANN бутагы IFCден келген статикалык жана контексттик касиеттер ортосундагы сызыктуу эмес байланыштарды үйрөнөт. Жашыруун өкүлчүлүк:

\[ H_{\mathrm{ANN}}=f(W_AX+b_A) \]

түрүндө эсептелет. \(W_A\) салмак матрицасын, \(b_A\) bias векторун жана \(f\) ReLU сыяктуу сызыктуу эмес активдештирүү функциясын билдирет.

Бул бутак жабдуу түрү, орнотулган аймак, номиналдык кубаттуулук, иштөө сааты, натыйжалуулук жана вибрация сыяктуу касиеттер бирге бузулуу коркунучуна кандай таасир берерин моделдөөнү көздөйт.

LSTM бутагы

LSTM бутагы ырааттуу сенсордук өлчөөлөрдөгү узак мөөнөттүү өзгөрүүлөрдү талдайт:

\[ H_{\mathrm{LSTM}}=\mathrm{LSTM}(X_t) \]

LSTM уячалары натыйжалуулуктун төмөндөшү, вибрациянын өсүшү, температуранын жогорулашы жана басымдын термелүүсү сыяктуу жай же ылдамдаган бузулуу тенденцияларын үйрөнөт деп күтүлөт.

Өзгөчөлүктөрдү бириктирүү

Эки бутактын жашыруун өкүлчүлүктөрү бириктирилет:

\[ H_f=[H_{\mathrm{ANN}},H_{\mathrm{LSTM}}] \]

Акыркы болжол:

\[ \hat{Y}=g(H_f) \]

менен алынат. \(\hat{Y}\), жабдуунун болжолдонгон бузулуу абалы же иштен чыгуу коркунучу. Изилдөөнүн түшүндүрмөсүнө ылайык, BIM контексти окшош вибрация маанилерине ээ, бирок ар башка системалык шарттарда иштеген эки насосту айырмалоого жардам бере алат.

Моделдин окутуу параметрлери

Орточо квадраттык ката:

\[ \mathrm{MSE}=\frac{1}{N}\sum_{i=1}^{N}(Y_i-\hat{Y}_i)^2 \]

Квадраттык орточо катанын тамыры болсо:

\[ \mathrm{RMSE}= \sqrt{\frac{1}{N}\sum_{i=1}^{N}(Y_i-\hat{Y}_i)^2} \]

түрүндө эсептелет. Изилдөөдө MAE, MAPE жана \(R^2\) маанилери да билдирилген.

RAG модулу FMEAны кантип түзөт?

30. беттеги 3-сүрөт RAG иш агымын беш фазада көрсөтөт:

1. IFC моделдеринен, жабдуу каталогдорунан, мурдагы FMEA жазууларынан, тейлөө тарыхынан, стандарттардан жана сенсор жазууларынан билим сактагычын түзүү.
2. Колдонуучунун максатын же болжолдонгон жабдуу абалын embedding векторуна айландыруу.
3. Вектордук маалымат базасынан эң окшош документ бөлүктөрүн Top-K ыкмасы менен алып келүү.
4. BIM маалыматын, болжол жыйынтыгын жана техникалык контекстти бир prompt ичинде бириктирүү.
5. Чоң тил модели менен FMEA матрицасын, RPN, тейлөө сунушун жана экспорттоло турган JSON же CSV чыгышын түзүү.

Суроо жана документ embeddingдеринин ортосундагы косинустук окшоштук:

\[ \mathrm{Sim}(q,d)=\frac{q\cdot d}{\|q\|\|d\|} \]

менен эсептелет. Эң жогорку окшоштук упайына ээ документтер тил моделинин контекстине кошулат.

Структураланган prompt:

\[ P=\{X_{\mathrm{IFC}},\hat{Y},D_r\} \]

түрүндө. \(X_{\mathrm{IFC}}\) актив касиеттерин; \(\hat{Y}\) бузулуу болжолун; \(D_r\) алынган техникалык документтерди билдирет. Түзүлгөн FMEA:

\[ F=g(P) \]

түрүндө көрсөтүлөт.

Түзүлүшү көздөлгөн негизги талаалар төмөнкүлөр:

• Бузулуу түрү.
• Түпкү себеп.
• Бузулуунун жабдууга жана системага таасири.
• Аныктоо көрсөткүчү же сенсор белгиси.
• Түзөтүүчү аракет.
• Тейлөө сунушу.
• Оордук, пайда болуу жана аныкталуучулук упайлары.
• Тобокелдик Приоритет Саны.

FMEA тобокелдик эсеби

Тобокелдик Приоритет Саны:

\[ \mathrm{RPN}=\mathrm{Şiddet}\times\mathrm{Oluşma}\times\mathrm{Tespit} \]

түрүндө эсептелет. Чоң RPN жогорку тейлөө артыкчылыгын билдирет. Бирок изилдөө оордук, пайда болуу жана аныктоо упайлары үчүн деталдуу рейтинг таблицасын же эксперттик упай берүү протоколун сунуштаган эмес.

Эксперимент сценарийлери

IFC касиеттер матрицасы

38. беттеги 4-сүрөт 12 HVAC активи үчүн температура, басым, агым, кубат, вибрация жана натыйжалуулук касиеттерин жылуулук картасы түрүндө көрсөтөт. Түстөр ар башка жабдуулардын термалык, гидравликалык жана механикалык шарттарындагы өзгөрүүнү көрсөтөт.

Изилдөөдө өзгөчө белгиленген төрт актив:

Pump_001 үчүн жогорку вибрация жана төмөн натыйжалуулук механикалык бузулуунун көрсөткүчү катары чечмеленген. Chiller_001 үчүн бир калыптагы термалык өзгөрүү жылуулук алмаштыргычтын булганышы менен байланышкан акырындык менен өндүрүмдүүлүк жоготуусу катары түшүндүрүлгөн. Бирок бул байланыштар чыныгы бузулуу өлчөөлөрү мененби же синтетикалык маалымат түзүү эрежелери мененби пайда болгону деталдуу түшүндүрүлгөн эмес.

Бузулуу болжолунун графиги

41. беттеги 5-сүрөт Chiller_001 жана Pump_001 үчүн өлчөнгөн жана болжолдонгон 24 сааттык натыйжалуулук ийри сызыктарын салыштырат. Chiller натыйжалуулугу болжол менен %89’дан %83’кө, насос натыйжалуулугу болжол менен %92’ден %75’ке түшкөнү көрсөтүлөт. %80 натыйжалуулук деңгээли критикалык босого катары горизонталдык үзүк сызык менен белгиленген.

Насостун ийри сызыгы 14–16. сааттар чамасында критикалык босогодон төмөн түшсө, chiller ийри сызыгы 24 саат бою босогодон жогору калат. Болжол сызыктары өлчөнгөн ийри сызыктарды жакындан ээрчийт; бирок графиктеги маалыматтын көзөмөлдөнгөн же синтетикалык түзүлүшү өндүрүмдүүлүктү чыныгы имарат сенсорлорундагы ызы-чуу жана жетишпеген маалыматка түз өткөрүүгө мүмкүндүк бербейт.

Изилдөөнүн Ыкмасы жана Табылгалары

Моделдердин салыштырма болжолдоо өндүрүмдүүлүгү

Гибрид модель изилдөөдө салыштырылган өзүнчө ANN жана өзүнчө LSTM моделдерине караганда төмөн ката маанилерин алган. Изилдөөчү муну ANN бутагы статикалык жана сызыктуу эмес байланыштарды, LSTM бутагы убакытка көз каранды бузулууну үйрөнүшү менен түшүндүрөт.

Бирок салыштырууда канча көз карандысыз тест үлгүсү болгону, жыйынтыктар канча окутуу кайталоосунун орточосу экени, стандарттык четтөө, ишеним интервалы, туш келди баштапкы абалдар же статистикалык маанилүүлүк берилген эмес. Модель өлчөмдөрү жана окутуу убакыттары да салыштырылбагандыктан гибрид түзүлүш кошумча татаалдыкка карата кандай пайда бергени толук бааланбайт.

Түзүлгөн өкүлчүлүктүү FMEA жыйынтыктары

Насос кавитациясы үчүн сунушталган аракеттер вибрацияны көзөмөлдөө, соруу басымын жана гидравликалык агымды текшерүү, ошондой эле жумушчу дөңгөлөктү кароо. Chiller булганышы үчүн конденсаторду же жылуулук алмаштыргычты тазалоо, термалык өндүрүмдүүлүктү өлчөө жана пландуу натыйжалуулук баалоосу сунушталат. Фильтр бүтөлгөндө басым түшүүсүн көзөмөлдөө жана фильтрди алмаштыруу, дампер бузулганда болсо актуатор жана позиция кайтарым байланышын текшерүү алдыга чыгарылат.

RPN бөлүштүрүлүшү

46. беттеги 6-сүрөт 12 HVAC компоненти үчүн RPN маанилерин көрсөтөт:

6-сүрөттөгү кошумча компоненттер үчүн оордук, пайда болуу жана аныктоо упайларынын деталдары же RPNге байланышкан бузулуу түрлөрү берилген эмес. Ошондуктан графиктеги бардык маанилер кантип түзүлгөнүн кайра эсептөө мүмкүн эмес.

RAG баалоо жыйынтыктары

Бул маанилер жогорку деп сунушталган. Бирок канча FMEA жазуусу бааланганы, эталон документтерди ким жазганы, RAGAS модель-судьясы кайсы модель экени жана адам эксперттик баалоосу бар-жогу түшүндүрүлгөн эмес. BLEU жана ROUGE-1 маанилеринин так бирдей болушу да баалоо жыйынтыктарын деталдуу отчеттоону талап кылат.

7-сүрөттөгү семантикалык дал келбестик

52. беттеги 7-сүрөт эң критикалык 15 бузулуу түрүн иреттейт. Насос кавитациясы жана AHU подшипник бузулуусу сыяктуу айрым жуптар техникалык жактан логикалуу көрүнсө, төмөнкү жуптар компонент түрлөрү менен шайкеш эмес:

• Электр өчүргүчүндө кавитация.
• VAV терминалында кавитация.
• Аба каналында кавитация.
• Аба каналында подшипник бузулуусу.
• Сенсордо подшипник бузулуусу.
• Мотор башкаруу борборунда подшипник бузулуусу же пломба агышы.
• VAV терминалында пломба агышы.

Кавитация суюктук ташыган гидравликалык жабдуулар менен, подшипник бузулуусу болсо айлануучу механикалык тетиктер менен байланыштуу. Ошондуктан 7-сүрөт актив классы менен мүмкүн болгон бузулуу түрүнүн ортосунда жетиштүү чектөө же текшерүү колдонулбаганын көрсөтөт. Бул ката RAG же FMEA модулунун чыгышы эксперттик ырастоосуз ишенимдүү тейлөө документи катары колдонулбашы керек экенин билдирет.

Изилдөөнүн күчтүү жактары

• BIM семантикасын, сенсор анализин жана техникалык документ түзүүнү бир баштан-аяк иш агымында бириктириши.
• IFC актив идентификаторун болжолдоо жана тейлөө сунушу боюнча сактоону көздөшү.
• Статикалык контекст менен убакыт катарындагы маалыматты эки өзүнчө модель бутагында иштетиши.
• Сандык болжолду тейлөө инженери пайдалана ала турган FMEA форматына айландырууга аракет кылышы.
• ANN, LSTM жана гибрид моделди бирдей өндүрүмдүүлүк көрсөткүчтөрү менен салыштырышы.
• Оорукана, кеңсе жана соода борбору сыяктуу ар башка колдонуу сценарийлерин камтышы.
• RAG чыгышын далилге байланышы, контекст сапаты жана текст окшоштугу боюнча баалоону көздөшү.

Негизги методологиялык чектөөлөр

• Жалпы маалымат көлөмү болгону 96 сенсордук байкоо.
• Маалыматтар негизинен синтетикалык жана моделденген эксплуатациялык шарттардан турат.
• 24 убакыт кадамдуу ырааттар менен %70/%10/%20 маалымат бөлүштүрүүсү кантип колдонулганы түшүндүрүлгөн эмес.
• Бир эле активге тиешелүү убакыт кадамдары окутуу жана тест ортосунда аралашкан-аралашпаганы белгисиз.
• Тышкы AHU маалымат топтомунун так идентификациясы жана өзүнчө жыйынтыктары берилген эмес.
• Регрессия үчүн билдирилген “болжолдоо тактыгы” аныкталган эмес.
• Модель жыйынтыктары үчүн ишеним интервалы, стандарттык четтөө же көп жолку окутуу кайталоосу жок.
• Салыштырылган ANN жана LSTM моделдеринин параметр саны көрсөтүлгөн эмес.
• Маалымат жана булак коду бөлүшүлгөн эмес.
• Колдонулган LLM жана embedding модели көрсөтүлгөн эмес.
• Билим базасындагы документтердин саны, версиялары, бөлүү ыкмасы жана Top-K мааниси берилген эмес.
• FMEA эталон документтери эксперттер тарабынан кантип даярдалганы түшүндүрүлгөн эмес.
• RPN упайлары үчүн стандарттык рейтинг шкаласы берилген эмес.
• 7-сүрөттө техникалык жактан шайкеш эмес актив-бузулуу жуптары бар.
• RPN кыскартмасы эки башка мааниде колдонулган.
• Текст менен RAG схемасында тизмеленген техникалык стандарттар бири-биринен айырмаланат.
• Чыныгы имаратта тейлөө кийлигишүүсү, бузулуунун алдын алуу же чыгымды азайтуу өлчөнгөн эмес.
• Изилдөө рецензиядан өтө элек.

Изилдөө колдогон жыйынтыктар

• IFC актив касиеттерин сандык машиналык үйрөнүү киргизүүлөрүнө айландырууга болот.
• Изилдөөнүн көзөмөлдөнгөн маалымат топтомунда ANN жана LSTM өзгөчөлүктөрүн бириктирүү өзүнчө моделдерге караганда төмөн болжол катасын берген.
• Болжолдонгон жабдуу абалын структураланган FMEA түзүү үчүн RAG promptуна кошууга болот.
• BIM объектиси менен тейлөө сунушунун ортосунда семантикалык байланыш түзүүгө болот.
• RPN маанилерин тейлөө артыкчылыгын визуалдаштырган чечим колдоосу катары колдонууга болот.

Изилдөө далилдебеген жыйынтыктар

• Система чыныгы имарат портфелдеринде %95 тактык менен иштейт деп далилденген эмес.
• Модель сезондук, жылдык же көп жылдык бузулууну болжолдой турганы көрсөтүлгөн эмес.
• Автоматтык FMEA адам эксперт сыяктуу ишенимдүү экени далилденген эмес.
• RAG чыгыштары галлюцинациядан толук арылганы көрсөтүлгөн эмес.
• Автоматтык сунуштар тейлөө чыгымын, энергия керектөөнү же пландан тышкаркы токтоону азайтканы өлчөнгөн эмес.
• Ар башка HVAC өндүрүүчүлөрүнө жана IFC моделдөө сапатына жалпылануу көрсөтүлгөн эмес.
• Алкак жандуу BIM, IoT, имарат автоматташтыруу же CMMS системасы менен реалдуу убакытта иштей турганы көрсөтүлгөн эмес.
• Түзүлгөн RPN маанилери текшерилген ишенимдүүлүк эксперттеринин упайлары менен бирдей экени көрсөтүлгөн эмес.
• Түркиядагы имарат, климат, жабдуу жана тейлөө эрежелерине түз шайкештик далилденген эмес.

Булак жана Ыкма Жөнүндө Эскертүү

Изилдөөнүн толук оригинал аталышы: A BIM-Integrated ANN–LSTM–RAG Framework for Intelligent Predictive Maintenance and Automated FMEA Generation in HVAC Systems

Автор: Asif Iqubal.

Авторлордун ирети: Изилдөө бир авторлуу.

Тең биринчи автор: Колдонулбайт; изилдөө бир авторлуу.

Жооптуу автор: Asif Iqubal. Автордун атындагы жылдызча белгиси жана байланыш электрондук почтасы жооптуу авторду көрсөтөт.

Мекеме: Department of Building Engineering and Construction Management, Khulna University of Engineering & Technology, Khulna 9203, Bangladesh.

Мекемелик текшерүү эскертүүсү: Мекеме маалыматы каралган текстте бар. SSRN расмий каттоосунда автордун мекемелик байланышы өзүнчө берилген эмес.

ORCID: ORCID маалыматы каралган версияда жок.

DOI:10.2139/ssrn.7193081

Журнал: Рецензияланган журналдын аты каралган версияда жок.

Басмакана: Бекитилген оригинал басмакана маалыматы жок.

Жарыялоо платформасы: SSRN.

Жарыяланган дата: 27 Июль 2026.

Жарыяланган жыл: 2026.

Булактын түрү: BIM семантикалык чыгарууну, синтетикалык санарип эгиз маалыматын, гибрид терең үйрөнүүнү жана RAG негизиндеги FMEA түзүүнү бириктирген инженердик изилдөө preprintи.

Рецензия абалы: Изилдөө рецензиядан өтө элек.

Расмий булак:SSRN расмий изилдөө каттоосу.

Каржылоо: Каржылоо билдирүүсү каралган версияда жок.

Кызыкчылыктардын кагылышы: Кызыкчылыктардын кагылышы тууралуу билдирүү каралган версияда жок.

Этикалык жактыруу: Адам же жаныбар катышуучулары колдонулбаганы түшүнүлөт, бирок өзүнчө этикалык билдирүү каралган версияда жок.

Маалымат жана кодго жетүү: Булак код, үйрөтүлгөн модель, синтетикалык маалымат түзүү скрипттери, IFC файлдары, RAG билим базасы жана эксперимент журналдары үчүн ачык репозиторий шилтемеси берилген эмес.

Бул кыргызча түшүндүрмө изилдөөнүн 60 беттик версиясынын тексти, формулалары, таблицалары жана сүрөттөрү менен бирге каралып даярдалды. Илимий жыйынтыктарга изилдөөнүн сыртынан жаңы эксперименттик натыйжа кошулган жок. Тышкы булак текшерүүсү аталыш, автор, DOI, SSRN каттоо датасы жана жарыялоо абалын библиографиялык текшерүү үчүн гана колдонулган.

Изилдөөдөгү жыйынтыктардын көбү кичине жана негизинен синтетикалык маалымат топтомуна таянат. Автоматтык FMEA бөлүмүндөгү айрым компонент-бузулуу жуптары инженердик жактан шайкеш эмес. Ошондуктан алкак чыныгы имараттарда автономдуу тейлөө чечим системасы катары эмес, көз карандысыз маалымат текшерүүсүн, актив-түрү чектөөлөрүн, эксперттик ырастоону жана узак мөөнөттүү талаа эксперименттерин талап кылган эрте этаптагы чечим колдоо прототиби катары бааланышы керек.