Ushbu tadqiqot binolardagi isitish, shamollatish va konditsionerlash tizimlariga texnik xizmat ko‘rsatishni yagona raqamli ish oqimi doirasida boshqarish maqsadida BIM, sun’iy neyron tarmoqlari, uzoq-qisqa muddatli xotira tarmoqlari va axborot qidiruvi bilan qo‘llab-quvvatlangan generatsiyani birlashtiruvchi tizimni taklif etadi. Tizim Industry Foundation Classes formatidagi BIM modelidan HVAC uskunalarining turi, joylashuvi, ulanishlari va ekspluatatsion xususiyatlarini ajratib oladi; ushbu semantik ma’lumotlarni harorat, bosim, oqim, tebranish, energiya iste’moli va samaradorlik kabi sensor o‘lchovlari bilan birlashtiradi. Statik va kontekstual xususiyatlar sun’iy neyron tarmoq tarmog‘ida, vaqt davomida o‘zgaruvchi degradatsiya xatti-harakatlari esa LSTM tarmog‘ida qayta ishlanadi; ikki tasvir birlashtirilib, uskunaning joriy texnik holati va kelajakdagi nosozlik xavfi prognoz qilinadi.

Prognoz qilingan degradatsiya holati keyin texnik xizmat ko‘rsatish qo‘llanmalari, ishlab chiqaruvchi hujjatlari, avvalgi xizmat ko‘rsatish yozuvlari va muhandislik standartlaridan tegishli parchalarni olib keluvchi RAG moduliga uzatiladi. Katta til modeli BIM aktiv ma’lumotlari, prognoz qilingan degradatsiya va qaytarilgan texnik hujjatlardan foydalanib, nosozlik turi, ildiz sabab, ta’sir, aniqlash ko‘rsatkichi, og‘irlik, yuz berish ehtimoli, aniqlanuvchanlik, Xavf Ustuvorligi Sonini va tavsiya etilgan texnik xizmat amallarini o‘z ichiga olgan tuzilmali FMEA yozuvlarini yaratadi.

Tadqiqotda xabar qilingan natijalarga ko‘ra, gibrid ANN–LSTM modeli %4,1 RMSE, %3,2 MAE, %5,0 MAPE, 0,958 R² va %95 prognoz aniqligiga erishgan. RAG qatlami uchun o‘rtacha RAGAS balli 0,917, BLEU va ROUGE-1 qiymatlari esa %79,2 sifatida hisobot qilingan. Nasos kavitatsiyasi 420, chiller issiqlik almashtirgichi ifloslanishi 336, havo ishlov berish qurilmasi filtri tiqilib qolishi 252 va VAV damper aktuatori nosozligi 160 RPN bilan misollangan.

Biroq natijalar asosan sintetik IFC4 raqamli egizaklari va atigi 96 sensor kuzatuvidan iborat 24 soatlik nazorat qilinadigan ma’lumotlarda olingan. Ma’lumotlarni bo‘lish va ketma-ketlik yaratish usuli yetarlicha tushuntirilmagani sababli mustaqil test samaradorligining ishonchliligi aniq emas. Ishlatilgan katta til modeli, embedding modeli, hujjatlarni bo‘laklash sozlamalari, so‘rovlar soni va ekspert baholash protokoli ham ko‘rsatilmagan. Bundan tashqari, yaratilgan kritik nosozliklar ro‘yxatida elektr avtomati, havo kanali va VAV terminali kabi komponentlarga kavitatsiya yoki podshipnik nosozligi biriktirilgani avtomatik FMEA yaratish hali bevosita texnik xizmat qarorini qabul qiladigan darajadagi ishonchlilikka yetmaganini ko‘rsatadi.

Turkiya nuqtai nazaridan ahamiyati va moslashtirish talablari

Taklif etilgan yondashuv Turkiyada shifoxona, savdo markazi, aeroport, mehmonxona, davlat binosi, zavod va ma’lumotlar markazi kabi zich HVAC infratuzilmasiga ega binolarda texnik xizmat ma’lumotlarini BIM obyektlari bilan bog‘lash jihatidan muhimdir. Mahalliy amaliyotda nasos, chiller, ventilyator, havo ishlov berish qurilmasi, VAV terminali va sensorlarning IFC identifikatorlari; binolarni avtomatlashtirish tizimidan keladigan real vaqt ma’lumotlari va texnik xizmatni boshqarish dasturidagi ish buyruqlari bilan yagona aktivlar reyestrida birlashtirilishi mumkin.

Biroq Turkiyada bevosita joriy etishdan oldin turli iqlim mintaqalari va fasllarni qamrab olgan kamida bir yillik haqiqiy ekspluatatsiya ma’lumotlari, turli ishlab chiqaruvchilarning HVAC qurilmalari, kalibrlangan tebranish va energiya sensorlari, mustaqil texnik xizmat ekspertlari tayyorlagan FMEA etalonlari hamda haqiqiy nosozlik yozuvlari bilan tekshiruv o‘tkazilishi kerak. Turkcha texnik xizmat hujjatlari va amaldagi texnik me’yorlar bilim bazasiga qo‘shilishi; yaratilgan har bir tavsiya manba hujjati, hujjat bo‘limi va ishonch balli bilan ko‘rsatilishi kerak. Avtomatik tizim bergan RPN yoki xizmat tavsiyasi vakolatli muhandis tasdig‘isiz uskunani o‘chirish, qismni almashtirish yoki xavfsizlik uchun kritik qaror qabul qilishda ishlatilmasligi kerak.

Tadqiqot hal qilishga urinayotgan muammo

An’anaviy HVAC texnik xizmati asosan ikki yondashuvga tayanadi. Tuzatuvchi texnik xizmatda uskuna ishdan chiqqandan keyin aralashiladi; bu kutilmagan to‘xtash, yuqori ta’mirlash xarajati va bino xizmatlarida uzilish keltirib chiqarishi mumkin. Profilaktik texnik xizmatda esa uskuna ma’lum taqvim oralig‘ida tekshiriladi yoki qismlari almashtiriladi. Taqvimga asoslangan bu yondashuv sog‘lom qismning keraksiz almashtirilishiga yoki tez yomonlashayotgan uskunaga kech aralashishga olib kelishi mumkin.

Kestirimli texnik xizmat haqiqiy qurilma holatini sensorlardan kuzatib, nosozlik rivojlanishidan oldin aralashishni maqsad qiladi. Shunga qaramay, amaldagi ish oqimlarida bino modeli, qurilma katalogi, sensor o‘lchovlari, texnik xizmat yozuvlari va muhandislik hujjatlari ko‘pincha bir-biridan uzilgan tizimlarda saqlanadi. Texnik xizmat muhandisi nosozlik tendensiyasini tushunish uchun ushbu turli manbalarni qo‘lda birlashtirish va FMEA kabi ishonchlilik hujjatlarini qo‘lda tayyorlashga majbur bo‘lishi mumkin.

Tadqiqot ushbu axborot parchalanishini uch texnologiyani birlashtirish orqali kamaytirishni maqsad qiladi:

• BIM va IFC: Qurilmaning qaysi bino, qavat, hudud va HVAC tarmog‘ida joylashganini; turi, sig‘imi, ulanishlari va xususiyatlarini ifodalaydi.
• ANN–LSTM: Statik aktiv ma’lumotini vaqt qatori sensor ma’lumotlari bilan birlashtirib, degradatsiya va nosozlik xavfini prognoz qiladi.
• RAG: Prognoz natijasini texnik hujjatlar bilan bog‘lab, tuzilmali FMEA va texnik xizmat tavsiyasini yaratadi.

Taklif etilgan uchdan-uchgacha ish oqimi

19. sahifadagi 1-rasm usulni o‘zaro bog‘langan olti bosqichda ko‘rsatadi:

1. Revit yoki boshqa BIM muhitidagi modelni IFC formatida eksport qilish.
2. IFCni tahlil qilish va HVAC aktivlarining semantik xususiyatlarini ajratib olish.
3. IFC xususiyatlarini ekspluatatsion sensor ma’lumotlari bilan birlashtirish.
4. Gibrid ANN–LSTM modeli bilan uskuna holatini prognoz qilish.
5. Texnik hujjatlarni bilim bazasidan semantik tarzda qaytarish va RAG bilan FMEA yaratish.
6. Natijani aqlli texnik xizmat qarorlarini qo‘llab-quvvatlash tizimiga, BIM muhitiga yoki kompyuterlashtirilgan texnik xizmatni boshqarish tizimiga uzatish.

Ushbu yondashuvda IFC modeli raqamli egizakning semantik tayanchi sifatida qabul qilinadi. Prognozlar faqat anonim sensor satrlari bo‘lib qolmaydi; har bir natija muayyan nasos, chiller, ventilyator, klapan yoki havo ishlov berish qurilmasining BIM obyekti bilan bog‘lanadi.

IFC modelidan qanday ma’lumotlar olinadi?

IFC4 modellari IfcOpenShell kabi tahlil mexanizmi bilan o‘qiladi. Tizim quyidagi HVAC aktivlarini aniqlashni maqsad qiladi:

• IfcPump sinfidagi nasoslar.
• IfcChiller sinfidagi chiller qurilmalari.
• IfcAirHandlingUnit sinfidagi havo ishlov berish qurilmalari.
• IfcFan sinfidagi ventilyatorlar.
• IfcValve sinfidagi klapanlar.
• IfcVAVTerminal sinfidagi o‘zgaruvchan havo sarfi terminallari.
• IfcSensor sinfidagi harorat, namlik va bosim sensorlari.
• Havo kanali, quvur, boshqaruv paneli, motor boshqaruv markazi va tom tipidagi HVAC qurilmalari.

Ajratib olingan ma’lumotlar uch guruhda ko‘rib chiqiladi:

HVAC aktivlari to‘plami:

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

deb ta’riflanadi. Har bir \(e_i\) IFC modelidan ajratib olingan HVAC uskunasini ifodalaydi. Uskunaga tegishli xususiyatlar to‘plami:

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

ko‘rinishidadir. \(p_j\); oqim, bosim, harorat, samaradorlik yoki tebranish kabi xususiyatdir. Barcha aktivlarning xususiyatlari quyidagi matritsada birlashtiriladi:

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

Ma’lumotlarni tozalash va xususiyatlar muhandisligi

IFC modellarida yetishmayotgan xususiyatlar, turli o‘lchov birliklari, takroriy yozuvlar va tartibsiz kategorik ma’lumotlar bo‘lishi mumkin. Tadqiqotda yetishmayotgan ma’lumotlar interpolatsiya yoki mediana bilan to‘ldirilgani, takroriy yozuvlar olib tashlangani, birliklar standartlashtirilgani va kategorik ma’lumotlar one-hot kodlash bilan sonli ko‘rinishga o‘tkazilgani bildirilgan.

Model kirishlari ikki guruhga ajratiladi:

• Statik xususiyatlar: Uskuna turi, ishlab chiqaruvchi, bino hududi, o‘rnatish joyi, tizim ierarxiyasi va ulanishlar.
• Dinamik xususiyatlar: Tebranish, harorat o‘zgarishi, bosim tebranishi, oqim, energiya iste’moli, samaradorlik va ishlash tarixi.

Birlashtirilgan xususiyat vektori:

\[ X=[X_s,X_d] \]

deb beriladi. \(X_s\) statik IFC xususiyatlarini, \(X_d\) esa dinamik ekspluatatsiya ma’lumotlarini ifodalaydi.

Uzluksiz o‘zgaruvchilar min–maks normallashtirish orqali masshtablanadi:

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

Vaqtga bog‘liqlikni saqlash uchun o‘lchovlar 24 vaqt qadamidan iborat ketma-ketliklarga aylantiriladi:

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

Bu yerda \(T=24\) tadqiqotda 24 soatlik oyna sifatida talqin qilinadi. Biroq ma’lumotlar to‘plami atigi 96 kuzatuvdan iborat bo‘lgani sababli nechta mustaqil o‘quv ketma-ketligi hosil bo‘lgani aniq bildirilmagan.

Gibrid ANN–LSTM arxitekturasi

24. sahifadagi 2-rasm modelning ikkita parallel o‘rganish tarmog‘i va ularning birlashtirilishini ko‘rsatadi. Birinchi bosqichda ochiq BIM ma’lumotlari, fazoviy topologiya, HVAC qurilma ma’lumotlari, material va fizik xususiyatlar, boshqaruv chegaralari hamda avvalgi texnik xizmat yozuvlari olinadi. Ikkinchi bosqichda chet qiymatlarni tozalash, normallashtirish, kategorik kodlash va ma’lumotlarni bo‘lish amalga oshiriladi.

ANN tarmog‘i

ANN tarmog‘i IFCdan keladigan statik va kontekstual xususiyatlar orasidagi nochiziqli munosabatlarni o‘rganadi. Yashirin tasvir:

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

deb hisoblanadi. \(W_A\) og‘irlik matritsasini, \(b_A\) bias vektorini va \(f\) ReLU kabi nochiziqli aktivatsiya funksiyasini ifodalaydi.

Bu tarmoq uskuna turi, o‘rnatish hududi, nominal quvvat, ishlash soati, samaradorlik va tebranish kabi xususiyatlarning birgalikda degradatsiya xavfiga qanday ta’sir qilishini modellashtirishni maqsad qiladi.

LSTM tarmog‘i

LSTM tarmog‘i ketma-ket sensor o‘lchovlaridagi uzoq muddatli o‘zgarishlarni tahlil qiladi:

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

LSTM hujayralari samaradorlik yo‘qolishi, tebranishning ortishi, haroratning ko‘tarilishi va bosim tebranishi kabi sekin yoki tezlashuvchi degradatsiya tendensiyalarini o‘rganishi kutiladi.

Xususiyatlarni birlashtirish

Ikki tarmoqning yashirin tasvirlari birlashtiriladi:

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

Yakuniy prognoz:

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

orqali olinadi. \(\hat{Y}\) uskunaning prognoz qilingan degradatsiya holati yoki nosozlik xavfidir. Tadqiqot izohiga ko‘ra, BIM konteksti o‘xshash tebranish qiymatlariga ega, ammo turli tizim sharoitlarida ishlaydigan ikki nasosni bir-biridan farqlash imkonini berishi mumkin.

Modelni o‘qitish sozlamalari

O‘rtacha kvadratik xato:

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

Ildiz o‘rtacha kvadratik xato esa:

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

deb hisoblanadi. Tadqiqotda MAE, MAPE va \(R^2\) qiymatlari ham hisobot qilingan.

RAG moduli FMEAni qanday yaratadi?

30. sahifadagi 3-rasm RAG ish oqimini besh bosqichda ko‘rsatadi:

1. IFC modellari, qurilma kataloglari, avvalgi FMEA yozuvlari, texnik xizmat tarixi, standartlar va sensor yozuvlaridan bilim omborini yaratish.
2. Foydalanuvchi maqsadi yoki prognoz qilingan qurilma holatini embedding vektoriga aylantirish.
3. Vektor ma’lumotlar bazasidan eng o‘xshash hujjat parchalarini Top-K usuli bilan olish.
4. BIM ma’lumoti, prognoz natijasi va texnik kontekstni bitta promptda birlashtirish.
5. Katta til modeli bilan FMEA matritsasi, RPN, texnik xizmat tavsiyasi va eksport qilinadigan JSON yoki CSV chiqishini yaratish.

So‘rov va hujjat embeddinglari orasidagi kosinus o‘xshashligi:

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

orqali hisoblanadi. Eng yuqori o‘xshashlik balliga ega hujjatlar til modelining kontekstiga qo‘shiladi.

Tuzilmali prompt:

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

ko‘rinishidadir. \(X_{\mathrm{IFC}}\) aktiv xususiyatlarini; \(\hat{Y}\) degradatsiya prognozini; \(D_r\) esa qaytarilgan texnik hujjatlarni ifodalaydi. Yaratilgan FMEA:

\[ F=g(P) \]

deb ifodalanadi.

Yaratilishi ko‘zda tutilgan asosiy maydonlar quyidagilar:

• Nosozlik turi.
• Ildiz sabab.
• Nosozlikning uskuna va tizimga ta’siri.
• Aniqlash ko‘rsatkichi yoki sensor alomati.
• Tuzatuvchi chora.
• Texnik xizmat tavsiyasi.
• Og‘irlik, yuz berish va aniqlanuvchanlik ballari.
• Xavf Ustuvorligi Soni.

FMEA xavfini hisoblash

Xavf Ustuvorligi Soni:

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

deb hisoblanadi. Katta RPN yuqoriroq texnik xizmat ustuvorligini bildiradi. Biroq tadqiqot og‘irlik, yuz berish va aniqlash ballari uchun batafsil baholash jadvali yoki ekspert ballash protokolini taqdim etmagan.

Tajriba ssenariylari

IFC xususiyatlar matritsasi

38. sahifadagi 4-rasm 12 HVAC aktivi uchun harorat, bosim, oqim, quvvat, tebranish va samaradorlik xususiyatlarini issiqlik xaritasi sifatida ko‘rsatadi. Ranglar turli qurilmalarning termik, gidravlik va mexanik sharoitlaridagi o‘zgarishni aks ettiradi.

Tadqiqotda ajratib ko‘rsatilgan to‘rtta aktiv quyidagilar:

Pump_001 uchun yuqori tebranish va past samaradorlik mexanik degradatsiya ko‘rsatkichi sifatida talqin qilingan. Chiller_001 uchun silliqroq termik o‘zgarish issiqlik almashtirgich ifloslanishi bilan bog‘liq bosqichma-bosqich samaradorlik yo‘qolishi sifatida tushuntirilgan. Biroq bu munosabatlar haqiqiy nosozlik o‘lchovi bilanmi yoki sintetik ma’lumot yaratish qoidalari bilanmi shakllantirilgani batafsil tushuntirilmagan.

Degradatsiya prognozi grafigi

41. sahifadagi 5-rasm Chiller_001 va Pump_001 uchun o‘lchangan hamda prognoz qilingan 24 soatlik samaradorlik egri chiziqlarini taqqoslaydi. Chiller samaradorligi taxminan %89 dan %83 gacha, nasos samaradorligi esa taxminan %92 dan %75 gacha pasaygani ko‘rsatiladi. %80 samaradorlik darajasi kritik chegara sifatida gorizontal uzlukli chiziq bilan belgilangan.

Nasos egri chizig‘i 14–16-soatlar atrofida kritik chegaradan pastga tushadi, chiller egri chizig‘i esa 24 soat davomida chegaradan yuqorida qoladi. Prognoz chiziqlari o‘lchangan egri chiziqlarni yaqindan kuzatadi; biroq grafik ma’lumotlarining nazorat qilinadigan yoki sintetik tarzda yaratilgani natijalarni haqiqiy bino sensorlaridagi shovqin va yetishmayotgan ma’lumotlarga bevosita ko‘chirishga to‘sqinlik qiladi.

Tadqiqot usuli va natijalari

Modellarning qiyosiy prognoz samaradorligi

Gibrid model tadqiqotda taqqoslangan mustaqil ANN va mustaqil LSTM modellariga qaraganda pastroq xato qiymatlarini olgan. Tadqiqotchi buni ANN tarmog‘ining statik va nochiziqli munosabatlarni, LSTM tarmog‘ining esa vaqtga bog‘liq degradatsiyani o‘rganishi bilan izohlaydi.

Biroq taqqoslashda nechta mustaqil test namunasi bo‘lgani, natijalar nechta o‘qitish takrorining o‘rtachasi ekani, standart og‘ish, ishonch oralig‘i, tasodifiy boshlanishlar yoki statistik ahamiyat berilmagan. Model hajmlari va o‘qitish vaqtlari ham taqqoslanmagani sababli gibrid tuzilmaning qo‘shimcha murakkabligiga nisbatan bergan yutug‘i to‘liq baholanmaydi.

Yaratilgan namunaviy FMEA natijalari

Nasos kavitatsiyasi uchun tavsiya etilgan amallar tebranishni kuzatish, so‘rish bosimi va gidravlik oqimni tekshirish hamda ish g‘ildiragini ko‘zdan kechirishdir. Chiller ifloslanishi uchun kondensator yoki issiqlik almashtirgichni tozalash, termik samaradorlikni o‘lchash va rejalashtirilgan samaradorlik bahosi tavsiya etiladi. Filtr tiqilib qolishida bosim pasayishini kuzatish va filtrni almashtirish, damper nosozligida esa aktuator va holat qayta aloqasini tekshirish ta’kidlanadi.

RPN taqsimoti

46. sahifadagi 6-rasm 12 HVAC komponenti uchun RPN qiymatlarini ko‘rsatadi:

6-rasmdagi qo‘shimcha komponentlar uchun og‘irlik, yuz berish va aniqlash ballari tafsilotlari yoki RPNga bog‘langan nosozlik turlari berilmagan. Shu sababli grafikdagi barcha qiymatlar qanday yaratilganini qayta hisoblab bo‘lmaydi.

RAG baholash natijalari

Bu qiymatlar yuqori sifatida taqdim etilgan. Biroq nechta FMEA yozuvi baholangani, etalon hujjatlarni kim yozgani, RAGAS model hakami qaysi model bo‘lgani va inson eksperti bahosi mavjud yoki mavjud emasligi tushuntirilmagan. BLEU va ROUGE-1 qiymatlarining aynan bir xil bo‘lishi ham baholash chiqishlarini batafsil hisobot qilish zarurligini ko‘rsatadi.

7-rasmdagi semantik nomuvofiqlik

52. sahifadagi 7-rasm eng kritik 15 nosozlik turini tartiblaydi. Nasos kavitatsiyasi va AHU podshipnik nosozligi kabi ayrim mosliklar texnik jihatdan mantiqli ko‘rinsa-da, quyidagi mosliklar komponent turlariga mos emas:

• Elektr avtomatida kavitatsiya.
• VAV terminalida kavitatsiya.
• Havo kanalida kavitatsiya.
• Havo kanalida podshipnik nosozligi.
• Sensorda podshipnik nosozligi.
• Motor boshqaruv markazida podshipnik nosozligi yoki muhr sizishi.
• VAV terminalida muhr sizishi.

Kavitatsiya suyuqlik tashuvchi gidravlik uskunalar bilan, podshipnik nosozligi esa aylanuvchi mexanik qismlar bilan bog‘liq. Shu sababli 7-rasm aktiv sinfi bilan mumkin bo‘lgan nosozlik turi o‘rtasida yetarli cheklov yoki tekshiruv qo‘llanmaganini ko‘rsatadi. Bu xato RAG yoki FMEA moduli chiqishi ekspert tasdig‘isiz ishonchli texnik xizmat hujjati sifatida ishlatilmasligi kerakligini ko‘rsatadi.

Tadqiqotning kuchli tomonlari

• BIM semantikasi, sensor tahlili va texnik hujjat yaratishni bitta uchdan-uchgacha ish oqimida birlashtirishi.
• IFC aktiv identifikatorini prognoz va texnik xizmat tavsiyasi davomida saqlashni maqsad qilishi.
• Statik kontekst bilan vaqt qatori ma’lumotini ikki alohida model tarmog‘ida qayta ishlashi.
• Sonli prognozni texnik xizmat muhandisi ishlata oladigan FMEA formatiga aylantirishga urinishi.
• ANN, LSTM va gibrid modelni bir xil samaradorlik mezonlari bilan taqqoslashi.
• Shifoxona, ofis va savdo markazi kabi turli foydalanish ssenariylarini qamrab olishi.
• RAG chiqishini dalilga bog‘liqlik, kontekst sifati va matn o‘xshashligi nuqtai nazaridan baholashni maqsad qilishi.

Asosiy metodologik cheklovlar

• Jami ma’lumot miqdori atigi 96 sensor kuzatuvidir.
• Ma’lumotlar asosan sintetik va simulyatsiya qilingan ekspluatatsiya sharoitlaridan iborat.
• 24 vaqt qadamli ketma-ketliklar bilan %70/%10/%20 ma’lumot bo‘linishi qanday qo‘llangani tushuntirilmagan.
• Bir xil aktivga tegishli vaqt qadamlarining o‘qitish va test orasida aralashgan-aralashmagani noma’lum.
• Tashqi AHU ma’lumotlar to‘plamining aniq identifikatori va alohida natijalari berilmagan.
• Regressiya uchun hisobot qilingan “prognoz aniqligi” ta’riflanmagan.
• Model natijalari uchun ishonch oralig‘i, standart og‘ish yoki ko‘p martalik o‘qitish takrori mavjud emas.
• Taqqoslangan ANN va LSTM modellarining parametr sonlari tushuntirilmagan.
• Ma’lumotlar va manba kodi ulashilmagan.
• Ishlatilgan LLM va embedding modeli ko‘rsatilmagan.
• Bilim bazasidagi hujjatlar soni, versiyalari, bo‘laklash usuli va Top-K qiymati berilmagan.
• FMEA etalon hujjatlari ekspertlar tomonidan qanday tayyorlangani tushuntirilmagan.
• RPN ballari uchun standart baholash shkalasi taqdim etilmagan.
• 7-rasmda texnik jihatdan mos kelmaydigan aktiv–nosozlik mosliklari mavjud.
• RPN qisqartmasi ikki xil ma’noda ishlatilgan.
• Matn va RAG sxemasida sanab o‘tilgan texnik standartlar bir-biridan farq qiladi.
• Haqiqiy binoda texnik xizmat aralashuvi, nosozlikning oldini olish yoki xarajatni kamaytirish o‘lchanmagan.
• Tadqiqot hakamlik baholashidan o‘tmagan.

Tadqiqot qo‘llab-quvvatlaydigan natijalar

• IFC aktiv xususiyatlarini sonli mashinaviy o‘rganish kirishlariga aylantirish mumkin.
• Tadqiqotning nazorat qilinadigan ma’lumotlar to‘plamida ANN va LSTM xususiyatlarini birlashtirish alohida modellarga qaraganda pastroq prognoz xatosini bergan.
• Prognoz qilingan uskuna holatini tuzilmali FMEA yaratish uchun RAG promptiga qo‘shish mumkin.
• BIM obyekti bilan texnik xizmat tavsiyasi o‘rtasida semantik bog‘lanish o‘rnatish mumkin.
• RPN qiymatlaridan texnik xizmat ustuvorligini vizuallashtiruvchi qaror qo‘llab-quvvatlash vositasi sifatida foydalanish mumkin.

Tadqiqot isbotlamagan natijalar

• Tizim haqiqiy bino portfellarida %95 aniqlik bilan ishlashi isbotlanmagan.
• Model mavsumiy, yillik yoki ko‘p yillik degradatsiyani prognoz qilishi ko‘rsatilmagan.
• Avtomatik FMEA inson eksperti kabi ishonchli ekani isbotlanmagan.
• RAG chiqishlari gallyutsinatsiyalardan xoli ekani ko‘rsatilmagan.
• Avtomatik tavsiyalar texnik xizmat xarajatini, energiya iste’molini yoki rejasiz to‘xtashni kamaytirishi o‘lchanmagan.
• Turli HVAC ishlab chiqaruvchilari va IFC modellashtirish sifatlariga umumlashtirish qobiliyati ko‘rsatilmagan.
• Tizimning jonli BIM, IoT, bino avtomatlashtirish yoki CMMS tizimi bilan real vaqtda ishlashi ko‘rsatilmagan.
• Yaratilgan RPN qiymatlari tasdiqlangan ishonchlilik ekspertlari ballari bilan bir xil ekani ko‘rsatilmagan.
• Turkiyadagi bino, iqlim, qurilma va texnik xizmat me’yorlariga bevosita muvofiqlik isbotlanmagan.

Manba va usul haqida izoh

Tadqiqotning to‘liq asl nomi: A BIM-Integrated ANN–LSTM–RAG Framework for Intelligent Predictive Maintenance and Automated FMEA Generation in HVAC Systems

Muallif: Asif Iqubal.

Mualliflar tartibi: Tadqiqot bitta muallif tomonidan yozilgan.

Teng birinchi muallif: Qo‘llanilmaydi; tadqiqot bitta mualliflidir.

Mas’ul muallif: Asif Iqubal. Muallif nomidagi yulduzcha va aloqa elektron pochta manzili mas’ul muallifni ko‘rsatadi.

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

Muassasani tekshirish izohi: Muassasa ma’lumoti ko‘rib chiqilgan matnda mavjud. SSRN rasmiy qaydida muallifning institutsional mansubligi alohida berilmagan.

ORCID: ORCID ma’lumoti ko‘rib chiqilgan versiyada mavjud emas.

DOI:10.2139/ssrn.7193081

Jurnal: Ko‘rib chiqilgan versiyada hakamlik jurnalining nomi mavjud emas.

Nashriyot: Yakuniy asl nashriyot ma’lumoti mavjud emas.

Nashr platformasi: SSRN.

Nashr sanasi: 27 iyul 2026.

Nashr yili: 2026.

Manba turi: BIM semantikasini ajratib olish, sintetik raqamli egizak ma’lumotlari, gibrid chuqur o‘rganish va RAG asosidagi FMEA yaratishni birlashtiruvchi muhandislik tadqiqoti preprinti.

Hakamlik holati: Tadqiqot hakamlik baholashidan o‘tmagan.

Rasmiy manba:SSRN rasmiy tadqiqot qaydi.

Moliyalashtirish: Ko‘rib chiqilgan versiyada moliyalashtirish bayonoti mavjud emas.

Manfaatlar to‘qnashuvi: Ko‘rib chiqilgan versiyada manfaatlar to‘qnashuvi bayonoti mavjud emas.

Etik tasdiq: Inson yoki hayvon ishtirokchilari ishlatilmagani anglashilsa-da, ko‘rib chiqilgan versiyada alohida etik bayonot mavjud emas.

Ma’lumotlar va kodga kirish: Manba kodi, o‘qitilgan model, sintetik ma’lumot yaratish skriptlari, IFC fayllari, RAG bilim bazasi va tajriba jurnallari uchun ochiq repozitoriy havolasi berilmagan.

Ushbu o‘zbekcha bayon tadqiqotning 60 sahifalik versiyasi matn, formulalar, jadvallar va rasmlar bilan birga ko‘rib chiqilib tayyorlandi. Ilmiy natijalarga tadqiqotdan tashqari yangi tajriba natijasi qo‘shilmadi. Tashqi manba tekshiruvi faqat sarlavha, muallif, DOI, SSRN qayd sanasi va nashr holati kabi bibliografik identifikatsiya ma’lumotlarini tekshirish uchun ishlatildi.

Tadqiqot natijalarining aksariyati kichik va katta darajada sintetik ma’lumotlar to‘plamiga tayanadi. Avtomatik FMEA bo‘limidagi ayrim komponent–nosozlik mosliklari muhandislik nuqtai nazaridan nomuvofiqdir. Shu sababli tizim haqiqiy binolarda avtonom texnik xizmat qaror tizimi sifatida emas, balki mustaqil ma’lumot tekshiruvi, aktiv turi cheklovlari, ekspert tasdig‘i va uzoq muddatli dala tajribalarini talab qiluvchi dastlabki bosqich qaror qo‘llab-quvvatlash prototipi sifatida baholanishi kerak.