Бул изилдөө университетке негизделген технопарктын изилдөө лабораториялары менен ийкемдүү өндүрүш аймактарын бирдиктүү автоматташтыруу архитектурасынын астында башкаруу үчүн бүдөмүк чыгарымга негизделген башкаруу системасын иштеп чыгат. Fuzzy Inference System (FIS) структуралык абал, энергиялык абал, өлчөөнүн тактыгы жана башкаруу абалы сыяктуу бир нече кирүүнү бүдөмүк мүчөлүк функциялары жана эксперттер аныктаган эрежелер аркылуу баалап, “иштетүү”, “жөнгө салуу”, “кайра иштетүү” же “токтотуу” түрүндөгү башкаруу чечимдерин чыгарган чыгарым системасы болуп саналат. Изилдөө математикалык моделдөөгө жана компьютердик симуляциялык эксперименттерге негизделет; бул чыныгы технопарктагы узак мөөнөттүү талаалык колдонмо эмес.

Сунушталган архитектура сенсор деңгээли, маалыматтарды иштетүү деңгээли, чечим деңгээли жана аткаруу деңгээли болуп төрт иерархиялык катмарды камтыйт. Изилдөө лабораториясы, ийкемдүү өндүрүш системасы, кран-манипулятор, CNC станоктору, өлчөө подсистемасы жана ташуу системасы бир эле көзөмөл түзүмүнө туташтырылат. Гетерогендүү сенсор маалыматтары min–max нормалдаштыруу аркылуу өлчөмсүз абалга келтирилет; модулдун жүгү, тапшырманы иштетүү убактысы жана иштин сапаты сыяктуу өзгөрмөлөрдөн өндүрүштүн абалын туюндурган бүдөмүк абал өзгөрмөсү түзүлөт.

Булакта берилген үлгүлүү FIS эсебинде структуралык, энергиялык, өлчөө жана башкаруу кирүүлөрүнө тиешелүү эксперттик мүчөлүк даражалары эрежелер менен бириктирилген; оордук борбору ыкмасы менен жүргүзүлгөн defuzzification натыйжасында y* ≈ 0,405 алынган. Бул маани орто чечим аймагында жайгашкандыктан, система “adjust/reprocess”, башкача айтканда жөнгө салуу же кайра иштетүү багытында чечим чыгарат.

Симуляциянын натыйжаларында салттуу детерминисттик башкаруу ыкмасына салыштырганда башкаруу чечимдеринин орточо иштетүү убактысында болжол менен %19, процесстин бузулуу ыктымалдыгында болжол менен %27, модулдун ашыкча жүктөлүү факторунда болжол менен %19 жана анормалдуу абалдарга жооп берүү убактысында болжол менен %33 азайуу; өндүрүш абалын баалоонун тактыгында болжол менен %23 жана жалпы операциялык натыйжалуулукта болжол менен %17 өсүү кабарланган. Бул маанилер симуляциянын натыйжалары болуп саналат жана чыныгы өнөр жай талаасында тастыкталган натыйжалуулук көрсөткүчтөрү катары чечмеленбеши керек.

Технопаркта Бүдөмүк Чыгарым Системасы Башкаруу Чечимин Кантип Кабыл Алат?

Изилдөөдөгү Fuzzy Inference System даярдалуучу тетиктин структуралык абалын, машинанын энергиялык абалын, өлчөө маалыматтарынын ишенимдүүлүгүн жана башкаруу системасынын жүк/абал маалыматын бүдөмүк мүчөлүк даражаларына айландырат; эксперттик эрежелерди активдештирет, активдешкен эрежелердин натыйжаларын бириктирет жана оордук борбору аркылуу бир сандык чыгыш түзүп, системанын иштетүү, жөнгө салуу, кайра иштетүү же токтотуу чечимдеринин кайсынысына багытталышы керектигин аныктайт.

Изилдөө маселеси

Технопарктарда изилдөө лабораториялары, прототиптөө, өндүрүш машиналары, роботтор, өлчөө системалары жана продукциянын сапатын көзөмөлдөө көп учурда өз ара байланышкан процесстер болуп саналат. Булактагы изилдөөнүн баштапкы пункту — бул компоненттерди бөлүнгөн башкаруу механизмдери менен башкаруу чечимдердин кечигишине, өндүрүштүн ийкемдүүлүгүнүн төмөндөшүнө жана белгисиздик шартында координация көйгөйлөрүнө алып келиши мүмкүн экендиги.

Сунушталган чечим изилдөө жана өндүрүш ишмердигин бир эле эсептөөчү башкаруу архитектурасынын астында бириктирип, өлчөөдөн чечим чыгарууга жана физикалык башкаруу аракетине чейин созулган үзгүлтүксүз көзөмөл чынжырын түзүү болуп саналат.

Технопарк архитектурасындагы үч негизги подсистема

Төрт деңгээлдүү автоматташтыруу архитектурасы

Тапшырма агымынын математикалык көрсөтүлүшү

Теңдеме (1):

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

Бул жерде \(\vartheta_i(t)\) i-деңгээлдеги жалпы тапшырма агымынын интенсивдүүлүгүн; \(\vartheta_{ik}(t)\) болсо k-жеке агымдын интенсивдүүлүгүн билдирет. Булакта бул агымдар илимий эксперименттерди, прототиптөөнү, өндүрүш операцияларын, өлчөө подсистемаларын, аткаруучу бирдиктерди жана башкаруу тапшырмаларын камтыары көрсөтүлөт.

Агымдардын артыкчылыктары туруктуу эмес. Изилдөө тапшырмалардын критикалуулугуна, убакыттын шашылыштыгына, ресурс керектөөгө, модулдун жүгүнө жана жабдуулардын жеткиликтүүлүгүнө жараша ресурстарды динамикалык түрдө кайра бөлүштүрүүнү карайт.

Гетерогендүү сенсор маалыматтарын нормалдаштыруу

Теңдеме (2):

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

\(x_{ij}\), O_i объектисинин j-өлчөө параметри болуп саналат. \(x_{ij}^{min}\) жана \(x_{ij}^{max}\) кабыл алынган минимум жана максимум маанилерди көрсөтөт. Бул min–max өзгөртүүсү ар башка физикалык бирдиктерге жана масштабдарга ээ сенсор маанилерин өлчөмсүз жалпы масштабга алып келет.

Бул кадам маанилүү, анткени температура, позиция, ылдамдык, жүк же башка өлчөөлөр FISке түздөн-түз бирдей чоңдук катары берилсе, өзгөрмөлөрдүн масштабдары чыгарым процессине таасир этиши мүмкүн.

Башкаруунун натыйжалуулугунун негизги көрсөткүчтөрү

Теңдеме (3) — жалпы өлчөө жүгү:

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

Теңдеме (4) — тапшырманы иштетүүнүн салмакталган орточо убактысы:

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

Теңдеме (5) — модулдун жүк фактору:

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

Бул жерде \(\mu_i\) модулдун иштетүү кубаттуулугун, \(t_i\) бир өлчөөнү иштетүү убактысын жана \(\rho_i\) талап кылынган тапшырма агымы менен кубаттуулуктун ортосундагы жүк катышын билдирет. \(\rho_i\) жогорулаган сайын модул өз кубаттуулугуна салыштырмалуу көбүрөөк жүктөлгөнү түшүнүлөт.

Бүдөмүк системанын абал өзгөрмөсү

Теңдеме (6):

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

Бул туюнтма модулдун жүк факторун, тапшырманы иштетүүнүн орточо убактысын жана тапшырманы аткаруунун сапатын бир бүдөмүк абал аныктамасында бириктирет. Булакта S_i маанилери төмөн, нормалдуу, жогорку жана критикалык жүк сыяктуу тилдик класстарга бөлүнөт.

Чектер универсалдуу туруктуулар эмес. Алар каралып жаткан механикалык чогултуу сценарийинин жабдуу өзгөчөлүктөрүнө, кубаттуулугуна жана технологиялык талаптарына жараша калибрленет; башка өндүрүш системасына өткөрүлгөндө кайра конфигурацияланышы керек.

Механикалык чогултуунун өндүрүш маршруту

Булактагы Figure 1 механикалык чогултуу FMSинин үч өлчөмдүү жайгашуусун; Figure 2 болсо ушул өндүрүш ырааттуулугун көрсөтөт. Бул эки фигуранын илимий ролу — физикалык жабдуулардын жайгашуусу менен өндүрүш операцияларынын башкаруу ырааттуулугун өз ара байланыштырууда.

FISтин кирүүлөрү жана чыгуулары

Модель төрт негизги кирүү өзгөрмөсүн колдонот:

• x₁: даярдалуучу тетиктин структуралык абалы — геометрия жана кемчиликтер,
• x₂: энергиялык абал — электр менен камсыздоонун туруктуулугу,
• x₃: маалымат/өлчөө абалы — өлчөө маалыматтарынын тактыгы,
• x₄: башкаруу абалы — графиктөө жана жүктөө.

Эки негизги чыгыш бар: y₁ системанын иштетүү/жөнгө салуу/кайра иштетүү/токтотуу чечимин, y₂ болсо учурдагы баскычтагы төмөн/орто/жогорку ката тобокелдигин көрсөтөт.

Трапеция түрүндөгү мүчөлүк функциясы

Теңдеме (7):

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

\(a,b,c,d\), ар бир бүдөмүк абал термининин трапециялык мүчөлүк чектерин аныктайт. Булакта бул чектер эксперттик билим, жабдуулардын иштөө өзгөчөлүктөрү, кабыл алынган иш диапазондору жана симуляцияга негизделген байкоолор аркылуу аныкталары түшүндүрүлөт.

Булакта колдонулган бүдөмүк эрежелер

Биринчи эреже структуралык кемчилик төмөн, энергия туруктуу, өлчөө сапаты жогору жана башкаруу абалы оптималдуу болгондо “process / төмөн тобокелдик” натыйжасына алып келет. Экинчи эреже орточо кемчилик же энергия термелүүсүндө “adjust / орто тобокелдик” чыгарат. Үчүнчү эреже жогорку кемчилик, энергия бузулуусу, төмөн өлчөө сапаты же башкаруу конфликтинен кайсынысы болбосун пайда болгондо “stop / жогорку тобокелдик” багытында чечим чыгарат. Төртүнчү эреже орточо кемчиликти, туруктуу энергияны жана орточо өлчөө сапатын “reprocess / орто тобокелдик” менен дал келтирет.

Эреженин активдешүүсү

Теңдеме (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 менен байланышкан шарттарда эң төмөн мүчөлүк даражасы эреженин активдешүү даражасын чектейт. Булактын OR камтыган эрежелеринде болсо тиешелүү мүчөлүк маанилеринин арасында максимум операциясы колдонулат.

Эрежелерди бириктирүү

Теңдеме (9):

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

Бул баскыч ар кандай эрежелер сунуштаган чыгыш аймактарын бир жалпы бүдөмүк чыгыш функциясына айландырат.

Defuzzification

Теңдеме (10):

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

Изилдөө бириктирилген бүдөмүк чыгыштан бир сандык чечим чыгаруу үчүн оордук борбору ыкмасын колдонот. Авторлор бул ыкманы үзгүлтүксүз башкаруу колдонмолорундагы туруктуулугу жана чечмеленүү мүмкүнчүлүгү үчүн тандашкан.

Сандык FIS мисалы

Булактагы мисалда α₁ = 0,8; α₂ = 0,45; α₃ = 0,2 жана α₄ = 0,45 алынат. Эрежелер бириктирилип, Теңдеме (10) колдонулганда y* ≈ 0,405 табылат. Figure 5те бул centroid орто чечим аймагына түшөт жана модель жөнгө салууну/кайра иштетүүнү сунуштайт.

Ресурстарды жүк жана убакыт боюнча кайра бөлүштүрүү

Булак S_i критикалык чектен ашканда айрым тапшырмаларды азыраак жүктөлгөн модулдарга багыттоону сунуштайт.

Теңдеме (11):

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

\(\alpha\), иштетүү убактысын кыскартуу менен модулдун жүгүн азайтуунун ортосундагы артыкчылык тең салмактуулугун аныктаган коэффициент болуп саналат. Максат эң ылдам модулду гана тандоо эмес, иштетүү убактысы менен ашыкча жүктөлүүнүн ортосунда биргелешкен оптималдаштыруу жүргүзүү.

Бул Изилдөөдөгү Бүдөмүк Система Маалыматтар Менен Үйрөтүлгөн Жасалма Интеллект Моделиби?

Жок; учурдагы изилдөөдөгү FIS окутуу/маалыматтарды текшерүү/тест топтомдору менен оптималдаштырылган машиналык үйрөнүү модели эмес. Мүчөлүк функциясынын чектери жана эрежелер базасы эксперттик билим, жабдуунун өзгөчөлүктөрү жана симуляциялык байкоолор менен калибрленген; neuro-fuzzy үйрөнүү, reinforcement learning, data mining жана мүчөлүк функциясын автоматтык жөндөө кийинки изилдөө багыттары катары сунушталат.

Startup продуктунун жашоо цикли

Изилдөө технопарктын негизги чыгышын startup долбоорунун контекстинде беш баскычта концептуалдаштырат: идея/seed концептуалдаштыруу, seed ишке ашыруу, иштеп чыгуу жана жакшыртуу, өсүү жана масштабдоо, акырында интеграцияланган сапат көзөмөлү жана текшерүү.

Акыркы баскыч лабораториялык текшерүүдөн өнөр жай өндүрүшүнө өтүү чекити болуп саналат. Сунушталган автоматташтыруу архитектурасынын негизги функцияларынын бири — бул өтүүдө лабораториялык өлчөөлөрдү өндүрүш линиясындагы сапат жана жабдуу диагностикасы менен бир эле көзөмөл чынжырына байланыштырууда.

Эки баскычтуу көзөмөл түзүмү

I баскыч — Лаборатория деңгээлинде функционалдык текшерүү: механикалык подсистемалардын, позиция/ылдамдык/температура сыяктуу өлчөө өткөргүчтөрүнүн, мотор/клапан/пневматикалык же электр актуаторлорунун, PLC жана микроконтроллерлердин, электр булактарынын жана CAN/UART/I2C/Ethernet сыяктуу байланыш интерфейстеринин ишке жарамдуулугу бааланат.

II баскыч — Өндүрүш деңгээлинде сапат жана диагностикалык көзөмөл: продукциянын сапаты, өнөр жай роботтору, манипуляторлор, автоматтык ташуу элементтери жана электромеханикалык түзүлүштөр көзөмөлдөнөт; жабдуунун начарлашы жана операциялык аномалиялар үчүн болжолдоочу баалоо жүргүзүү максат кылынат.

Сенсор модели

Теңдеме (12):

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

\(S(t)\) өлчөнгөн сенсор сигналын, \(x(t)\) чыныгы физикалык өзгөрмөнү, \(G_s\) сенсордун күчөтүү коэффициентин жана \(\varepsilon_s(t)\) стохастикалык өлчөө катасын билдирет. Булак нормалдуу шарттарда ката мүчөсүн нөл орточо маанилүү жана болжол менен Gaussian деп кабыл алууга болорун, бирок FIS чечим түзүмү орточо деңгээлдеги Gaussian эмес бузулууларга да катуу көз каранды эмес экенин белгилейт.

Актуатордун динамикасы

Теңдеме (13):

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

\(y(t)\) актуатордун жылышын, \(M\) эффективдүү массаны, \(B\) демпфирлөө коэффициентин, \(K\) катуулукту жана \(F(t)\) колдонулган башкаруу күчүн билдирет. Теңдеме мехатрондук элементтин башкаруу буйругуна механикалык реакциясын экинчи тартиптеги динамикалык система катары көрсөтөт.

PID кайтарым байланыш башкаруусу

Теңдеме (14):

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

Теңдеме (15):

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

\(x_r(t)\) эталондук траекторияны; \(e(t)\) ээрчүү катасын; \(K_p\), \(K_i\) жана \(K_d\) тиешелүүлүгүнө жараша пропорционалдык, интегралдык жана туунду күчөтүү коэффициенттерин билдирет. Булак бул коэффициенттер учурдагы колдонууда мехатрондук системанын динамикалык реакциясына жараша эмпирикалык түрдө жөндөлгөнүн жана келечекте fuzzy supervisor менен адаптивдүү/self-tuning PID колдонуу мүмкүн экенин белгилейт.

Продукциянын сапат вектору

Теңдеме (16):

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

Сапат вектору өлчөмдүк толеранттуулуктар, структуралык бүтүндүк, функционалдык көрсөткүч, масса касиеттери жана орнотулган интеллект жөндөмү сыяктуу продукциянын өзгөчөлүктөрүн билдирет.

Теңдеме (17):

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

Startup продукту техникалык талаптарга ылайык деп кабыл алынышы үчүн сапат көрсөткүчтөрү аныкталган төмөнкү жана жогорку чектердин ичинде калышы керек.

Активдүү жабдуулар матрицасы

Теңдеме (18):

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

Булакта AE₁₁ кран-манипуляторду, AE₁₂ санарип токардык станокту, AE₁₃ санарип фрезердик станокту, AE₂₁ санарип радиалдык бургулоочу станокту, калган уячалар кесүү/ийүү/пресс жабдууларын жана металл бөлүктөрү үчүн 3D принтерди билдирет.

Иштөө режимдеринин матрицасы

Теңдеме (19), AE₁₁ кран-манипуляторго жана AE₁₂ санарип токардык станокко тиешелүү ON_ij иштөө режимдерин төрт саптуу матрицада уюштурат. Матрицадан кийин булак иштөө режимдерин x₁–x₇ башкаруу өзгөрмөлөрү менен ачык логикалык дал келтирүүлөр аркылуу байланыштырат. Бул мамилелер позициялоо, тетикке жакындоо, кармагычтын ачылышы/жабылышы, жогору кыймыл, токардык станокко алдыга жылуу жана тетикти бекитүү баскычтарын камтыйт.

Булак PDFдеги Теңдеме (20) сейрек башкаруу матрицасынын визуалдык жайгашуусу текст чыгарып алууда символдордун позицияларын ишенимдүү сактабагандыктан, бул жерде кайра жайгаштырылып жалган тактык түзүлгөн эмес. Илимий мазмун x₁–x₇ өзгөрмөлөрү, y чыгыш вектору, 13 башкаруу параметри жана Algorithm 1де берилген операциялык маанилер аркылуу сакталган.

Кран-манипулятор үчүн Algorithm 1

Бул маанилер булак алгоритминдеги маанилер; Verianla тарабынан физикалык ылайыктуулук жагынан өзгөртүлгөн же кайра масштабдалган эмес.

Башкаруу параметрлеринин саны

Теңдеме (21):

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

Булак кран-манипулятордун операциялар ырааттуулугу үчүн жалпы 13 башкаруу параметри бар экенин билдирет.

Башкаруу түзүлүштөрүнүн дал келүүсү

Теңдеме (22):

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

Булакта x₁ үчүн контактсыз 5010SUG өткөргүчү; x₂, x₅, x₆ жана x₇ үчүн optoNCDT 1420 сызыктуу жылыш сенсору; x₃ жана x₄ үчүн SS-G сериясындагы кармагыч башкаруусу; x₆ үчүн кошумча SC-G алдыга/артка сызыктуу кыймыл компоненти дал келтирилген.

Дискреттик убакыттагы абал мейкиндиги модели

Теңдеме (23):

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

Теңдеме (24):

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

\(x(i)\) операция режимдеринин абал вектору, \(u(i)\) баштоо/токтотуу жана ылдамдык сигналдары сыяктуу башкаруу кирүүлөрү, \(y(i)\) болсо жылыш, жүк көтөрүү жана позициялоо сыяктуу өлчөнгөн чыгуулары болуп саналат. A, B, C жана D матрицалары дискреттик убакыттагы системанын динамикасын аныктайт.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Изилдөөнүн түрү

Изилдөө теориялык архитектура сунушун аналитикалык моделдөө жана компьютердик симуляция эксперименттери менен айкалыштырат. Физикалык фабрикада рандомизацияланган эксперимент, узак мөөнөттүү талаа сыноосу же реалдуу иштетүү маалыматтары аркылуу проспективдүү натыйжалуулукту текшерүү билдирилген эмес.

Симуляция чагылдырган физикалык өндүрүш системасы

Симуляциянын борборундагы механикалык чогултуу уячасы кран-манипуляторду, үч иштетүү машинасын, тегерек ташуу линиясын жана blanking station камтыган ийкемдүү өндүрүш уячасы болуп саналат. Өндүрүш цилиндр түрүндөгү даярдалуучу тетиктерди ар кандай машиналардын ортосунда ташуу жана ырааттуу иштетүү аркылуу моделденет.

Симуляцияланган бузулуулар

Булакта күтүлбөгөн окуялар стохастикалык disturbance event катары моделденген. Алар убактылуу сенсор каталарын, энергия булагынын термелүүлөрүн, байланыш кечигүүлөрүн, актуатор четтөөлөрүн жана структуралык иштетүү кемчиликтерин камтыйт.

Белгисиздик деңгээли бузулуу окуяларынын активдешүү ыктымалдыгын, узактыгын жана амплитудасын өзгөртүү аркылуу түзүлгөн. Изилдөө номиналдык шарттарды жана структуралык, энергиялык, байланыш, өлчөө жана башкаруу бузулууларын камтыган сценарийлерди салыштырган.

Симуляция жана текшерүү ыкмасы

Fuzzy inference жана monitoring архитектурасы өнөр жай сенсорлорун, башкаруу подсистемаларын, ташуу модулдарын жана ийкемдүү өндүрүш операцияларын чагылдыра алган компьютердик симуляция чөйрөсүндө жүргүзүлгөн.

Модель ар кандай тапшырма агымынын интенсивдүүлүктөрү, жабдуу жүктөрү жана белгисиздик деңгээлдери менен итерациялык түрдө иштетилген. Ар бир циклде FIS учурдагы иштөө абалын баалап, адаптивдүү башкаруу чечимин чыгарып жана supervisory control аракеттерин жаңыртып турган.

Текшерүү нормалдуу жана бузулган шарттардын ортосунда иштетүү убактысын, жүктү тең салмактоону, бузулууга жооп берүү жүрүм-турумун жана өндүрүш абалын баалоонун тактыгын салыштыруу аркылуу жүргүзүлгөн.

Булак белгилүү бир MATLAB/Simulink/Python версиясын, CPU/GPU жабдуусун, кокустук сан уругун же бардык стохастикалык сценарийлер үчүн толук параметрдик бөлүштүрүү таблицасын бербейт. Ошондуктан көз карандысыз, так ошондой кайра өндүрүү үчүн айрым ишке ашыруу деталдары жетишпейт.

Лаборатория жана өндүрүш катмарларынын интеграциясы

Сунушталган архитектурада лаборатория баскычындагы функционалдык текшерүү менен өндүрүш баскычындагы сапат/диагностикалык көзөмөл жалпы supervisory layer астында бириктирилет. Бул түзүм startup прототиби изилдөө лабораториясынан өндүрүш линиясына өтүп жатканда сенсор маалыматтары, сапат чектери жана жабдуу абалынын ортосундагы байланыш үзүлбөшүн көздөйт.

Human-in-the-loop ыкмасы

Изилдөө толук автономдуу, адамсыз өндүрүш системасын сунуштабайт. Industry 5.0 контекстинде адам операторлор жана тармактык эксперттер анормалдуу абалдарды чечмелөө, критикалык башкаруу чечимдерин текшерүү, өндүрүш максаттарын стратегиялык өзгөртүү жана эрежелер базасы менен толук туюнтулбай турган белгисиз сценарийлер үчүн системада калышы керек экенин жактайт.

Симуляциянын Натыйжалары Салттуу Детерминисттик Көзөмөлгө Салыштырмалуу Эмнени Көрсөттү?

Булакта кабарланган компьютердик симуляцияларга ылайык, бүдөмүк башкаруу архитектурасы салттуу детерминисттик/fixed-threshold supervisory ыкмаларга салыштырганда чечимди иштетүү убактысын, процесс бузулуусун, ашыкча жүктөлүүнү жана анормалдуу абалга жооп берүү убактысын азайткан, ошол эле учурда өндүрүш абалын баалоонун тактыгын жана жалпы операциялык натыйжалуулукту жогорулаткан; бирок бул көрсөткүчтөр чыныгы фабрикадагы талаа сыноосунан эмес, симуляциялык салыштыруудан алынган.

Бардык пайыздар булакта болжолдуу маанилер катары кабарланган. Чийки эксперимент/симуляция серияларынын баары макалада таблица түрүндө берилбегендиктен, бул катыштардан жаңы так баштапкы жана акыркы маанилер чыгарылган эмес.

Figure 9дун илимий билдирүүсү

Figure 9 үч өзүнчө панелди камтыйт. Panel (a) салттуу система менен fuzzy control моделин ар кандай натыйжалуулук көрсөткүчтөрү боюнча салыштырат. Panel (b) убакыт/өндүрүш циклдери боюнча жүк коэффициенти салттуу жана бүдөмүк башкаруунун астында кантип өзгөрөрүн көрсөтөт. Panel (c) x₁–x₄ система параметрлери боюнча process, adjust, reprocess жана stop чечим аймактарына туура келген ката тобокелдигинин өтүүлөрүн визуалдаштырат.

Булактын 5.3-бөлүмүндөгү текст бул натыйжалуулук салыштыруусуна “Figure 6” деп шилтеме берет; бирок Figure 6 башкаруу архитектурасын көрсөтөт. Натыйжалуулук графиги Figure 9 болуп саналат. Булак ичиндеги бул шилтеме айырмасы Verianla тарабынан жашырылган эмес.

Figure 4 жана Figure 5тин илимий ролу

Figure 4, x₁–x₄ кирүүлөрү жана чыгыш өзгөрмөлөрү үчүн fuzzy membership функцияларын көрсөтөт. Figure 5 болсо бириктирилген чыгыш функциясынын centroid маанисин болжол менен 0,405 деп көрсөтөт. Бул эки фигура бирге fuzzificationдан бир башкаруу чечимине өтүүнү түшүндүрөт.

Figure 6 жана Figure 7нин илимий ролу

Figure 6 изилдөө лабораториясы, startup даярдоо баскычы, тест модели, өлчөө жана диагностикалык элементтер, ийкемдүү өндүрүш модулдары, жергиликтүү башкаруу бирдиктери жана борбордук автоматташтыруу системасынын ортосундагы маалымат/көзөмөл байланышын көрсөтөт.

Figure 7 мехатрондук startup элементинде өлчөө өткөргүчү → PID controller → актуатор → учурдагы абалды баалоо → иштөө абалын мониторинг кылуу түрүндөгү кайтарым байланыш түзүмүн көрсөтөт.

Figure 8дин илимий ролу

Figure 8 кран-манипулятор AE₁₁ менен санарип токардык станок AE₁₂ ортосундагы өндүрүштү жана өтүүлөрдү x_i башкаруу өзгөрмөлөрү жана y сапат чыгышы менен байланыштырат. Фигуранын дароо астында Algorithm 1 бул өтүүлөрдө колдонулган негизги позиция, ылдамдык, кармагыч жана жүк параметрлерин сандык түрдө аныктайт.

Изилдөөнүн күчтүү жактары

• Изилдөө лабораториясы менен өндүрүш линиясын бир эле автоматташтыруу архитектурасында кароосу.
• Белгисиздикти туруктуу чектер менен гана эмес, fuzzy membership жана эрежелер базасы менен моделдештирүүсү.
• Сенсор, FIS, PID жана өндүрүштүн сапатын көзөмөлдөөнү бир математикалык чынжырга бириктирүүсү.
• Структуралык, энергиялык, өлчөө жана башкаруу бузулууларын өзүнчө кирүүлөр катары баалоосу.
• Кран-манипулятор сценарийин конкреттүү түзүлүш жана кыймыл параметрлери менен кеңири баяндоосу.
• Адам эксперти системадан чыгаруунун ордуна human-in-the-loop түзүмүн Industry 5.0 алкагында сактоосу.
• Нормалдуу жана бузулган шарттарды салыштырган симуляциялык баалоону сунуштоосу.

Изилдөөнүн чектөөлөрү

• Натыйжалуулук жыйынтыктары компьютердик симуляцияга негизделген; чоң масштабдагы чыныгы технопарктагы талаалык текшерүү азырынча берилген эмес.
• Fuzzy моделдин тактыгы башында эксперттер аныктаган эрежелер базасынын жана мүчөлүк чектеринин сапатына көз каранды.
• Өзгөрмөлөрдүн саны өтө көбөйгөндө fuzzy rule base өлчөмү тез өсүп, эсептөө чыгымы көйгөй жаратышы мүмкүн.
• Булак белгилүү симуляция программасын/версиясын жана жабдуу платформасын түшүндүрбөйт.
• Стохастикалык бузулуулар үчүн жалпы сценарий түзүү логикасы түшүндүрүлгөнү менен, бардык бөлүштүрүү параметрлери, seed маанилери жана ар бир эксперимент шартынын толук кайталоо жөндөөлөрү жарыяланган эмес.
• Кабарланган натыйжалуулук пайыздары болжолдуу симуляциялык маанилер; алар чыныгы өнөр жай өндүрүш линиясындагы узак мөөнөттүү ишенимдүүлүк же экономикалык кайтарым өлчөмү эмес.
• Fuzzy membership функцияларын автоматтык үйрөнүү учурдагы системада колдонулган эмес.

Изилдөө колдогон жыйынтыктар

• Сунушталган FIS негизиндеги архитектура симуляцияда белгисиздик шартында баскычтуу башкаруу чечимин чыгара алат.
• Структуралык, энергиялык, өлчөө жана башкаруу бузулууларын жалпы чечим модели ичинде баалоого болот.
• Ресурстарды модулдар арасында динамикалык кайра бөлүштүрүү ашыкча жүктөлүүнү азайткан симуляциялык натыйжа берген.
• Бүдөмүк башкаруу симуляцияларда салттуу детерминисттик салыштырууга караганда ар кандай натыйжалуулук метрикаларында жакшыраак натыйжа берген.
• Лабораториялык текшерүү менен өндүрүш көзөмөлүн бирдиктүү supervisory architecture астында математикалык түрдө интеграциялоого болот.
• Кран-манипулятор, станоктор жана ташуу системасы симуляция чөйрөсүндө координацияланган түрдө башкарылган.

Изилдөө колдобогон жыйынтыктар

• Сунушталган система бардык чыныгы технопарктарда бирдей пайыздар менен натыйжалуулук бере турганы көрсөтүлгөн эмес.
• ≈ %19, ≈ %27, ≈ %23, ≈ %33 жана ≈ %17 маанилери чыныгы фабрикадагы талаа өлчөөлөрү эмес.
• Системанын экономикалык инвестициялык кайтарымы чыныгы иштөө чыгымдары менен тастыкталган эмес.
• Neuro-fuzzy үйрөнүү, reinforcement learning, digital twin жана self-tuning PID учурдагы эксперименттердин ишке ашырылган компоненттери эмес; алар келечектеги изилдөө сунуштары.
• Модель толук автономдуу жана адам экспертинен көз карандысыз Industry 5.0 системасы катары тастыкталган эмес.
• Белгилүү бир башка өлкөгө, технопаркка же өндүрүш тармагына түздөн-түз жалпылоо мүмкүнчүлүгү эксперименттик түрдө көрсөтүлгөн эмес.

Келечектеги изилдөөлөр

Авторлор моделди машиналык үйрөнүү жана data mining менен кеңейтүүнү, реалдуу убакыттагы Industrial Internet of Things маалыматтарынан neuro-fuzzy мүчөлүк функцияларын үйрөнүүнү, distributed artificial intelligence жана edge computing менен борбордон ажыратылган чечим колдоосун түзүүнү жана өндүрүш жабдууларынын digital twin моделдерин системага туташтырууну сунушташат.

Башка келечектеги изилдөө багыттарына reinforcement learning, adaptive self-tuning control, жабдуулардын начарлашын болжолдуу талдоо жана кыйла чоң Industry 5.0 өндүрүш тармактарында реалдуу дүйнөдө жайылтуу кирет.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска изилдөө: Automation of the Control Process of the Research and Flexible Production Areas of the Technopark.

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

Жооптуу автор: José Ramón Trillo.

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

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

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

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

Журнал: AI.

Басма: MDPI, Basel, Switzerland.

Том / саны / макала: 7(5), 173.

DOI: 10.3390/ai7050173.

Макаланын түрү: Article; математикалык моделдөөнү жана компьютердик симуляция эксперименттерин камтыган инженердик/башкаруу изилдөөсү.

Даталар: Алынган 15-март 2026; кайра каралган 07-май 2026; кабыл алынган 14-май 2026; жарыяланган 19-май 2026.

Лицензия: Creative Commons Attribution (CC BY).

Рецензиялоо: Жарыяланган MDPI журналдык макаласы; расмий жарыялоо барагында review reports шилтемеси бар.

Каржылоо: Авторлор изилдөө тышкы каржылоо албаганын билдиришкен.

Этика комитети: Колдонулбайт.

Маалымдалган макулдук: Колдонулбайт.

Маалыматтардын жеткиликтүүлүгү: Авторлор маалыматтарды купуялуулук/чектөө себептеринен улам жооптуу автордон суроо-талап боюнча алууга болорун билдиришкен.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышы жок экенин билдиришкен.

Авторлордун салымдары: Концептуалдаштыруу Yusif Huseynov жана Javanshir Mammadov; методология José Ramón Trillo, Yusif Huseynov жана Aysel Eminova; программалык камсыздоо José Ramón Trillo жана Yusif Huseynov; текшерүү Javanshir Mammadov, Aysel Eminova, Yusif Huseynov жана Matanat Ahmadova; формалдуу талдоо José Ramón Trillo жана Yusif Huseynov; изилдөө Yusif Huseynov, Javanshir Mammadov жана Matanat Ahmadova; ресурстар Javanshir Mammadov жана Aysel Eminova; маалыматтарды курациялоо Yusif Huseynov; баштапкы долбоор José Ramón Trillo жана Aysel Eminova; карап чыгуу-редакциялоо José Ramón Trillo, Javanshir Mammadov, Yusif Huseynov жана Matanat Ahmadova; визуалдаштыруу José Ramón Trillo; көзөмөл Javanshir Mammadov; долбоорду башкаруу Javanshir Mammadov жана Aysel Eminova тарабынан жүргүзүлгөн.

Негизги методологиялык чектөө: Изилдөөнүн сандык натыйжалуулук жыйынтыктары симуляцияга негизделген. Булак сунушталган системанын чоң масштабдагы чыныгы технопаркта узак мөөнөттүү талаалык жайылтылышын азырынча көрсөтпөйт.

Булак ичиндеги шилтеме эскертүүсү: 5.3-бөлүм натыйжалуулук салыштыруусун Figure 6га байланыштырат; визуалдык мазмун каралганда тиешелүү натыйжалуулук салыштыруусу Figure 9да. Figure 6 — изилдөө жана ийкемдүү өндүрүш аймактарынын автоматташтыруу архитектурасы.

Кыскартма эскертүүсү: Булак “GPS system” сөз айкашын технопарктын механикалык чогултуу жана өндүрүш системасы контекстинде колдонот, бирок PDF ичинде ишенимдүү толук жазылышы аныкталбагандыктан, Verianla бул кыскартма үчүн жаңы чечмелөө түзбөйт.

Кайра өндүрүлүү мүмкүндүгү жөнүндө эскертүү: Булак жалпы компьютердик симуляция жана fuzzy-model simulation environment сүрөттөмөсүн берет; белгилүү программа/версия, жабдуу, random seed жана бардык disturbance сценарийлеринин толук параметрдик аныктамасын билдирбейт.

Verianla кайра баяндоо эскертүүсү: Бул текст түпнуска макаланын толук котормосу же сүйлөм-параграф деңгээлинде кайра жазылышы эмес. Булактын маселе аныктамасы, модель архитектурасы, математикалык теңдемелери, алгоритмдик байланыштары, сандык симуляция натыйжалары, фигуралардын илимий милдеттери жана чектөөлөрү сакталуу менен өз алдынча кыргызча билим берүүчү илимий катмар түзүлгөн. Булак фигураларынын пикселдик көчүрмөлөрү колдонулган эмес.