Aqlli qiymat oqimini xaritalash (Intelligent Value Stream Mapping, iVSM) ishlab chiqarish va zaxira maʼlumotlaridan foydalanib joriy holat qiymat oqimi xaritasini avtomatik tuzadigan, tizim samaradorligini KPI mexanizmi orqali baholaydigan, ishlab chiqarish va zaxira jarayonlaridagi tor joylarni aniqlaydigan hamda qoidalarga asoslangan qarorlarni qoʻllab-quvvatlash mexanizmi yordamida kelajak holat xaritasini yaratadigan ishlab chiqarish tahlili tizimidir. Tadqiqotda Python yordamida ishlab chiqilgan va Streamlit orqali foydalaniladigan prototip sakkizta samaradorlik va diagnostika koʻrsatkichini — Lead Time, Inventory Time, Processing Time, Value Added Ratio, Demand Fulfilment Ratio, Flow Balance Index, Process Bottleneck Severity va Inventory Bottleneck Severity — yaxlit tarzda baholaydi. Tekshiruv haqiqiy ishlab chiqarish korxonasining jonli maʼlumotlari bilan emas, koʻp bosqichli ishlab chiqarish tizimini ifodalash uchun tuzilgan sintetik maʼlumotlar toʻplami bilan oʻtkazilgan.

Tekshiruv ssenariysida tizim KPI koʻrsatkichlarini qoʻlda hisoblash yoki VSM xaritasini qoʻlda chizishni talab qilmasdan joriy holat xaritasini yaratgan, jarayon va zaxira tor joylarini aniqlagan hamda kelajak holat parametrlarini qoidalar asosida oʻzgartirgan. 4-jadvalga koʻra, OP2 va OP4 operatsiyalarining sikl vaqtlari %20 ga qisqartirilgan; Demand Fulfilment Ratio 2,0251 dan 2,1287 gacha oshgan, Flow Balance Index 0,8208 dan 0,7446 gacha, Process Bottleneck Severity 1,8823 dan 1,7355 gacha va Inventory Bottleneck Severity 3,5996 dan 3,2139 gacha pasaygan. Ushbu natijalar prototip belgilangan sintetik ssenariyda maʼlumot–tahlil–takomillashtirish zanjirini avtomatlashtira olishini koʻrsatadi; ammo real sanoat samaradorligi, optimal yechim yoki turli ishlab chiqarish muhitlariga umumlashtirish imkoniyati hozircha isbotlanmagan.

Aqlli qiymat oqimini xaritalash (iVSM) nima?

Aqlli qiymat oqimini xaritalash (iVSM) anʼanaviy Value Stream Mapping yondashuvini operatsion maʼlumotlar, avtomatik KPI hisoblash, tor joylarni tashxislash va qoidalarga asoslangan kelajak holatni yaratish bilan birlashtiruvchi, maʼlumotlarga tayangan qarorlarni qoʻllab-quvvatlash tizimidir. Tadqiqotdagi iVSM shunchaki xarita chizish vositasi emas; u ishlab chiqarish va zaxira maʼlumotlarini joriy holat tahlilidan kelajak holatni baholashgacha yagona tahliliy ish jarayoniga birlashtirishni koʻzlaydi.

Anʼanaviy Value Stream Mapping qanday muammoni hal qiladi?

Value Stream Mapping (VSM) ishlab chiqarish tizimlaridagi materiallar va axborot oqimini yagona vizual tuzilmada ifodalovchi Lean Manufacturing usulidir. Joriy holat xaritasi ishlab chiqarish jarayonlari, zaxira nuqtalari, yetkazib beruvchi va mijoz bilan aloqalar, kutish vaqtlari va samaradorlik koʻrsatkichlarini birgalikda koʻrsatadi. Shu orqali tor joylar, ortiqcha zaxiralar, kutishlar va qiymat yaratmaydigan faoliyatlar aniqlanishi, yaxshiroq kelajak holat tuzilmasi loyihalanishi mumkin.

Tadqiqotning boshlangʻich nuqtasi klassik VSM sezilarli darajada qoʻl mehnatiga bogʻliqligidir. Maʼlumot yigʻish bevosita kuzatish, suhbat, vaqtni oʻrganish va qoʻlda oʻlchashni talab qilishi mumkin. Joriy holat xaritasini koʻpincha mutaxassis tayyorlaydi; kelajak holat xaritasini loyihalash esa mutaxassisning talqini va tajribasiga tayanadi. Ishlab chiqarish muhitlari tobora koʻproq raqamli maʼlumot hosil qilar ekan, statik va qoʻlda bajariladigan VSM yondashuvi tezda dolzarbligini yoʻqotishi mumkin.

Raqamli VSM va iVSM maqsadlari oʻrtasidagi farq

Raqamli Value Stream Mapping yondashuvlari, ayniqsa Industry 4.0 doirasida, IIoT, kiberfizik tizimlar, bulutli hisoblash va tahliliy infratuzilmalardan olingan maʼlumotlar yordamida maʼlumot yigʻish hamda vizuallashtirish yukini kamaytirishni koʻzlaydi. Maqola mualliflariga koʻra, mavjud adabiyotlarda koʻplab yondashuvlar avtomatik maʼlumot yigʻish yoki joriy holatni vizuallashtirishda rivojlangan boʻlsa-da, KPI baholash, imkoniyatlarni aniqlash va ayniqsa kelajak holatni avtomatik yaratishni yagona tizimda birlashtiruvchi yechimlar cheklangan.

Mualliflarning 1-jadvaldagi adabiyotlar taqqoslashida taklif etilgan iVSM joriy holatni avtomatik yaratish, KPI mexanizmi, imkoniyatlarni aniqlash, kelajak holatni yaratish va integratsiyalashgan tizim kabi besh yoʻnalishning barchasini qamrab oluvchi yagona qator sifatida berilgan. Ushbu taqqoslash tadqiqotning oʻz adabiyotlar tahlili boʻlib, mustaqil sanoat standarti taqqoslashi deb talqin qilinmasligi kerak.

iVSM sunʼiy intellekt yoki mashinali oʻrganish modelimi?

Ushbu tadqiqotda qoʻllangan iVSM prototipi mashinali oʻrganish yoki generativ sunʼiy intellekt modeli sifatida taʼriflanmaydi; kelajak holatga oid qarorlar Lean tamoyillaridan kelib chiqqan deterministik qoidalar va evristikalar asosida ishlab chiqiladi. Mualliflar mavjud qaror mexanizmi matematik optimal yechimni kafolatlamasligini hamda kelajakda simulyatsiya yoki optimallashtirishga asoslangan usullar bilan kengaytirilishi mumkinligini aniq taʼkidlaydilar.

Tizimning umumiy arxitekturasi

iVSM ish jarayoni maʼlumotlarni olishdan boshlanib, kelajak holatni qayta baholash bilan tugaydi. Manba tadqiqotdagi asosiy ketma-ketlik quyidagicha: Current-State VSM yaratish, KPI Evaluation, Opportunity Detection, Improvement Rules, Future-State Generation va Future-State KPI Evaluation.

Dastur arxitekturasi beshta asosiy funksional qatlamdan iborat: maʼlumotlarni olish va dastlabki qayta ishlash; joriy holatni yaratish; KPI baholash; kelajak holatni yaratish; vizuallashtirish va foydalanuvchi bilan oʻzaro aloqa. Python yordamida yaratilgan prototipning foydalanuvchi interfeysi Streamlit platformasida amalga oshirilgan.

Tizimga qanday maʼlumotlar kiritiladi?

Tizim ikki asosiy maʼlumotlar toʻplamidan foydalanadi. Birinchisi, qiymat oqimi boʻylab zaxira nuqtalaridagi vaqtga bogʻliq zaxira darajalarini oʻz ichiga olgan inventory dataset. Ikkinchisi, ishlab chiqarish jarayonlarining operatsion xususiyatlarini qamrab olgan production process dataset.

Manbada ishlab chiqarish maʼlumotlar toʻplami Cycle Time (CT), Changeover Time (CO), Uptime, Working Days, Overall Equipment Effectiveness (OEE) va mavjud boʻlsa, boshqa operatsion parametrlarni oʻz ichiga olishi belgilangan. Maʼlumotlar manbasi IoT tizimlari yoki CSV fayllari boʻlishi mumkin. Tahlildan oldin ishlab chiqarish va zaxira kuzatuvlari umumiy vaqt oraligʻida ishlatilishi uchun dastlabki qayta ishlash hamda vaqt boʻyicha moslashtirishdan oʻtkaziladi.

Joriy holat xaritasi qanday avtomatik yaratiladi?

Prototip foydalanuvchi belgilagan sozlama parametrlari va import qilingan maʼlumotlar toʻplamidan joriy holat VSM xaritasini tuzadi. Tadqiqotdagi hozirgi dastur umumiy ishlab chiqarish tarmogʻi emas, balki ketma-ket ishlab chiqarish tuzilmasini nazarda tutadi:

\[ Supplier - I_1 - OP_1 - I_2 - OP_2 - \ldots - I_n - Customer \]

Bu yerda \(OP_n\) ishlab chiqarish operatsiyasini, \(I_n\) esa zaxira nuqtasini bildiradi. Tuzilmaviy tekshiruv qiymat oqimi yetkazib beruvchidan boshlanib, mijozda tugashini hamda zaxira va operatsiya tugunlari toʻgʻri ketma-ketlikda joylashganini nazorat qiladi. Keyin xaritadagi har bir element tegishli ishlab chiqarish yoki zaxira maʼlumotiga moslashtiriladi.

Yaratilgan joriy holat xaritasi yetkazib beruvchi maʼlumotlari, zaxira nuqtalari, ishlab chiqarish operatsiyalari, mijoz maʼlumotlari, materiallar oqimi, axborot oqimi, samaradorlik koʻrsatkichlari va vaqt chizigʻi haqidagi maʼlumotlarni oʻz ichiga oladi.

Tadqiqot Usuli va Natijalari

iVSM dagi KPI koʻrsatkichlari nimani oʻlchaydi?

iVSM ning KPI tizimi ikki pogʻonali: Lead Time, Inventory Time, Processing Time va Value Added Ratio umumiy Lean samaradorligini oʻlchasa, Demand Fulfilment Ratio, Flow Balance Index, Process Bottleneck Severity va Inventory Bottleneck Severity quvvat yetishmovchiligi, oqim nomutanosibligi hamda jarayon yoki zaxira tor joylarini avtomatik tashxislash uchun ishlatiladi.

1. Lead Time

Lead Time (\(LT\)) mahsulotning qiymat oqimi boʻylab yetkazib beruvchidan mijozga borishi uchun ketadigan jami vaqtni bildiradi. Manbadagi tenglama quyidagicha:

\[ LT = PT + IT \]

Bu yerda \(LT\) — Lead Time, \(PT\) — Processing Time, \(IT\) esa Inventory Time. Manbada ushbu tenglamadagi vaqtlar kunlarda belgilangan.

2. Inventory Time

Har bir zaxira nuqtasi uchun Inventory Time quyidagicha taʼriflangan:

\[ IT_i = \frac{WIP_i \times CT_{i+1}}{24} \]

\(IT_i\) \(i\) zaxira nuqtasidagi zaxira vaqtini; \(WIP_i\) shu joydagi oʻrtacha work-in-process miqdorini; \(CT_{i+1}\) esa oqimning keyingi bosqichidagi operatsiyaning oʻrtacha sikl vaqtini bildiradi.

Jami Inventory Time:

\[ IT = \sum_{i=1}^{n} IT_i \]

Manba formulada 24 ga boʻlishdan foydalanadi va natijani kunlarda ifodalaydi. Biroq tekshiruv rasmlarida Cycle Time qiymatlari soniyalarda koʻrsatilgan. Soniyadan kunga oʻtkazish maʼlumotlarni dastlabki qayta ishlashda qanday bajarilgani matnda batafsil tushuntirilmagani sababli Verianla bu oʻtkazish haqida qoʻshimcha faraz kiritmaydi.

3. Processing Time

Processing Time qiymat oqimidagi ishlab chiqarish operatsiyalari sikl vaqtlarining yigʻindisi sifatida taʼriflanadi:

\[ PT = \sum_{j=1}^{m} CT_j \]

\(CT_j\) — \(j\) ishlab chiqarish jarayonining Cycle Time qiymati; \(m\) esa ishlab chiqarish jarayonlarining soni. Ushbu koʻrsatkich material haqiqatda qayta ishlanadigan unumli vaqtni bildiradi.

4. Value Added Ratio

Value Added Ratio (VAR) jami Lead Time ning qanday qismi unumli qayta ishlashga sarflanishini oʻlchaydi:

\[ VAR(\%) = \frac{PT}{LT} \times 100 \]

VAR oshgani sari jami vaqt tarkibidagi qiymat yaratuvchi ishlov berish vaqtining ulushi koʻpayadi. Biroq \(PT\) va \(LT\) bir xil vaqt birligida baholanishi kerak.

5. Demand Fulfilment Ratio

Demand Fulfilment Ratio (DFR) tizimning mijoz talabini qondirish quvvatini oʻlchaydi:

\[ DFR = \frac{TR_{system}}{D} \]

\(TR_{system}\) tizimning throughput rate koʻrsatkichini, \(D\) esa mijoz talabi tezligini bildiradi. Manba talqiniga koʻra \(DFR<1\) quvvat talabni qondira olmasligini, \(DFR=1\) quvvat va talab toʻliq mosligini, \(DFR>1\) esa ortiqcha ishlab chiqarish quvvatini koʻrsatadi.

6. Flow Balance Index

Flow Balance Index (FBI) qiymat oqimidagi operatsiyalarning throughput qiymatlari oʻzgaruvchanligini koeffitsiyent shaklida oʻlchaydi:

\[ FBI = \frac{\sigma_{TR}}{\mu_{TR}} \]

\(\sigma_{TR}\) operatsiyalarning throughput qiymatlari standart ogʻishini, \(\mu_{TR}\) esa ularning oʻrtachasini bildiradi. FBI pastroq boʻlsa, ishlab chiqarish oqimi muvozanatliroq; FBI yuqoriroq boʻlsa, jarayonlar oʻrtasidagi nomutanosiblik kuchliroq boʻladi.

7. Process Bottleneck Severity

Har bir ishlab chiqarish operatsiyasi tizim oʻrtachasiga nisbatan qay darajada cheklov yaratayotganini baholash uchun Process Bottleneck Severity (PBS) aniqlanadi:

\[ PBS_j = \frac{CT_j}{\overline{CT}} \]

\(\overline{CT}\) barcha ishlab chiqarish jarayonlarining oʻrtacha Cycle Time qiymatidir. \(PBS_j>1\) boʻlgan operatsiya tizim oʻrtachasidan sekinroq ishlaydi. Eng yuqori PBS qiymatiga ega jarayon asosiy jarayon tor joyi sifatida belgilanadi.

8. Inventory Bottleneck Severity

Inventory Bottleneck Severity (IBS) har bir zaxira nuqtasining oʻrtacha zaxira vaqtiga nisbatan ogʻirligini oʻlchaydi:

\[ IBS_i = \frac{IT_i}{\overline{IT}} \]

\(\overline{IT}\) zaxira nuqtalarining oʻrtacha Inventory Time qiymatidir. \(IBS_i>1\) boʻlgan nuqtalarda nomutanosib material toʻplanishi va kutish yuz berishi mumkin. Eng yuqori IBS qiymati asosiy zaxira tor joyi sifatida belgilanadi.

Takomillashtirish imkoniyatlari qanday aniqlanadi?

Opportunity Detection Layer toʻrtta diagnostik KPI ga asoslanadi. \(DFR<1\) quvvat yetishmovchiligi, foydalanuvchi belgilagan chegaradan yuqori \(FBI\) oqim nomutanosibligi, \(PBS>1\) jarayon tor joyi, \(IBS>1\) esa zaxira tor joyi deb talqin qilinadi. Tizim eng yuqori PBS va IBS qiymatlariga ega nuqtalarni ham ustuvor takomillashtirish nomzodlari sifatida belgilaydi.

Kelajak holat mexanizmi qanday qaror qabul qiladi?

Kelajak holat mexanizmining maqsadi matematik jihatdan eng yaxshi ishlab chiqarish konfiguratsiyasini topish emas. Mexanizm Lean Manufacturing tamoyillariga asoslangan oldindan belgilangan qaror qoidalari yordamida tashxislangan muammoni muayyan takomillashtirish chorasiga aylantiradi.

Jarayon uchun kelajak holat Cycle Time qiymati manbada quyidagi tenglama yordamida yangilanadi:

\[ CT_{future} = CT_{current}(1-r_{CT}) \]

\(r_{CT}\) foydalanuvchi belgilagan sikl vaqtini qisqartirish koeffitsiyentidir.

Zaxira darajasi uchun qoʻllanadigan kelajak holat tenglamasi:

\[ WIP_{future} = WIP_{current}(1-r_{INV}) \]

\(r_{INV}\) zaxirani kamaytirish koeffitsiyentidir. Parametrlar oʻzgartirilgandan soʻng KPI mexanizmi qayta ishga tushiriladi va yaratilgan kelajak holat joriy holat bilan bir xil koʻrsatkichlar asosida taqqoslanadi.

Tekshiruv maʼlumotlar toʻplami

Tizimni tekshirish uchun haqiqiy fabrikadan olingan dala maʼlumotlari oʻrniga sintetik ishlab chiqarish maʼlumotlari toʻplami yaratilgan. Toʻplam oraliq zaxira buferlari bilan bogʻlangan bir nechta ishlab chiqarish operatsiyalarini ifodalaydi. Ishlab chiqarish va zaxira maʼlumotlari muayyan kuzatish davri uchun yaratilgan; tizimning tor joylarni topish qobiliyatini sinash maqsadida jarayon oʻzgaruvchanligi va zaxira nomutanosibliklari ataylab toʻplamga kiritilgan.

Tekshiruv ssenariysidagi joriy holat toʻrtta ishlab chiqarish operatsiyasidan iborat. Tizim materiallar oqimi, axborot oqimi, zaxira nuqtalari, ishlab chiqarish jarayonlari va samaradorlik koʻrsatkichlarini bitta VSM xaritasida avtomatik birlashtirgan.

4-jadvalda keltirilgan joriy va kelajak holat natijalari

Cycle Time qiymatlarining %20 ga kamayishi tor joy sifatida tanlangan OP2 va OP4 operatsiyalari kelajak holat parametrlarining qoida mexanizmi orqali oʻzgartirilganini bildiradi. PBS ning 1,8823 dan 1,7355 gacha, IBS ning 3,5996 dan 3,2139 gacha kamayishi manba ssenariysi doirasida cheklov darajasi pasayganini anglatadi. FBI ning 0,8208 dan 0,7446 gacha kamayishi jarayonlar throughput qiymatlari oʻrtasidagi nisbiy oʻzgaruvchanlik qisqarganini koʻrsatadi.

DFR ning 2,0251 dan 2,1287 gacha oshishi manba formulasining taʼrifiga koʻra tizim throughput koʻrsatkichining mijoz talabiga nisbati oshganini anglatadi. Biroq manba \(DFR>1\) holatini allaqachon ortiqcha ishlab chiqarish quvvati deb belgilaydi. Shu sababli DFR oshishini kontekstdan qatʼi nazar «har jihatdan yaxshiroq» tizim natijasi deb talqin qilmaslik kerak.

Manba rasmlaridagi jami oqim koʻrsatkichlari

20-sahifadagi Current-State VSM xaritasida jami Lead Time taxminan 0,62 kun, Inventory Time taxminan 0,61 kun, Processing Time 12,8 soniya va Value Added Ratio %0,02 sifatida koʻrsatilgan. Future-State VSM da bu qiymatlar mos ravishda taxminan 0,45 kun, 0,45 kun, 10,5 soniya va %0,03 sifatida berilgan. Bular manba rasmlarida aks etgan qiymatlardir; dastlabki maʼlumotlar mavjud boʻlmagani sababli Verianla tomonidan qayta hisoblangan emas.

Manbadagi saqlanishi kerak boʻlgan sonli nomuvofiqlik

Kelajak holat kiritish oynasidagi misolda Cycle Time Reduction %20, Inventory Reduction %30 va FBI Threshold 0,20 koʻrsatilgan. Shu bilan birga, Future-State VSM rasmidagi I5 zaxira vaqti taxminan 0,35 kun sifatida koʻrinadi. Ammo manbadagi 4-jadval ayni I5 koʻrsatkichini 0,5 kundan 0,4 kunga oʻzgarish va -%20 sifatida qayd etadi. Manba bu tafovut sababini izohlamaydi. Shuning uchun ikkala koʻrinishdan birini tanlab, ikkinchisini bildirmasdan tuzatish emas, balki manba ichidagi nomuvofiqlik sifatida qayd etish lozim.

Ushbu tadqiqot haqiqiy fabrika samaradorligini isbotlaydimi?

Yoʻq. Tadqiqot iVSM prototipi amalda joriy holat VSM sini yarata olishi, KPI larni hisoblashi, imkoniyatlarni belgilashi va sintetik ishlab chiqarish maʼlumotlari asosida kelajak holat ssenariysini tuzishini koʻrsatadi; biroq toʻliq ishlayotgan fabrikaning jonli maʼlumotlari asosida dala tekshiruvi boʻlmagani sababli real sanoat samaradorligi, miqyoslash va umumlashtirish imkoniyati alohida tasdiqlanishi kerak.

Tadqiqot tasdiqlaydigan va tasdiqlamaydigan xulosalar

Uslubiy cheklovlar

Birinchi cheklov tekshiruv sintetik/namunaviy ishlab chiqarish maʼlumotlari toʻplamida oʻtkazilganidir. Mualliflar haqiqiy ishlab chiqarish tizimlarida, turli tarmoqlarda va sanoat hamkorlari bilan qoʻshimcha amaliy tadqiqotlar zarurligini taʼkidlaydilar.

Ikkinchi cheklov kelajak holat mexanizmi deterministik takomillashtirish qoidalariga asoslanishidir. Bu qoidalar tushuntiriladigan va takrorlanadigan boʻlsa-da, optimal yechimni kafolatlamaydi. Mualliflar kelajakda bir nechta ssenariyni baholash uchun simulyatsiya va optimallashtirishga asoslangan yondashuvlar qoʻshilishi mumkinligini bildiradilar.

Uchinchi cheklov hozirgi prototip ketma-ket ishlab chiqarish tuzilmasini faraz qilishidir. Murakkab tarmoqlanuvchi, birlashuvchi yoki qayta kiruvchi ishlab chiqarish tarmoqlarini ham xuddi shunday qayta ishlash mumkinligi ushbu tadqiqotda koʻrsatilmagan.

Toʻrtinchi cheklov tadqiqot asosan materiallar oqimi boʻyicha yaxshilanishni koʻrsatishidir. Mualliflar axborot oqimiga oid Lean takomillashtirishlari hali ishlab chiqilishi kerakligini aniq bildiradilar.

Beshinchi cheklov ayrim vaqt tenglamalarida birliklarni oʻzgartirishning amaliy tafsilotlari manbada yetarlicha ochib berilmaganidir. Xususan, rasmlarda sikl vaqtlari soniyalarda, Lead Time va Inventory Time kunlarda berilgani natijalarni takrorlash imkoniyati uchun birliklarni meʼyorlashtirish bosqichini aniq hujjatlashtirishni talab qiladi.

Tadqiqotning ilmiy hissasi

Tadqiqotning asosiy hissasi bitta yangi Lean oʻlchovini ishlab chiqishdan koʻra anʼanaviy VSM ning turli bosqichlarini yagona avtomatik qarorlarni qoʻllab-quvvatlash zanjirida birlashtirishdir. Tizim operatsion maʼlumotlarni qabul qilish, joriy holat xaritasini tuzish, KPI ni hisoblash, tor joylarni tashxislash, takomillashtirish qoidasini qoʻllash, kelajak holat xaritasini yaratish va yangi KPI larni hisoblashni bir dasturiy muhitga joylashtiradi.

Ushbu yondashuvning ilmiy ahamiyati VSM ni statik chizma natijasidan maʼlumotlar bilan yangilanadigan, tashxis qoʻyadigan va tavsiyalar ishlab chiqadigan qarorlarni qoʻllab-quvvatlash jarayoniga aylantirishga urinishidadir. Uning haqiqiy sanoat qiymatini aniqlash esa kelajakdagi dala tekshiruvlariga bogʻliq.

Manba va Usul Haqida Izoh

Asl tadqiqot: An Intelligent Value Stream Mapping Framework for Automated Current-State Analysis and Future-State Generation.

Mualliflar: Osmano Morais va Clara Bento Vaz.

Masʼul muallif: Osmano Morais.

Muassasa: CeDRI, SusTEC, Instituto Politécnico de Bragança, Campus de Santa Apolónia, Bragança, 5300-253, Portugal.

ORCID: Osmano Morais: 0009-0003-0948-6975; Clara Bento Vaz: 0000-0001-9862-6068.

Manba turi: Tadqiqot preprinti; maʼlumotlarga asoslangan ishlab chiqarish qarorlarini qoʻllab-quvvatlash tizimi va dasturiy prototip.

Platform: SSRN, abstract no. 7320840.

DOI: 10.2139/ssrn.7320840.

Yil: 2026. Yuklangan PDF da aniq kun va oy berilmagani sababli ular qoʻshilmagan.

Nashr holati: PDF da “Preprint submitted to Elsevier” iborasi mavjud. Aniq Elsevier jurnali koʻrsatilmagan.

Taqriz holati: Manbada tadqiqot hali taqrizdan oʻtmagani aniq qayd etilgan.

Litsenziya: Yuklangan manbada ochiq Creative Commons yoki unga teng qayta foydalanish litsenziyasi topilmagan. Manba rasmlarini aynan koʻchirmaslik, ilmiy bogʻlanishlar va manba maʼlumotlarini Verianla uchun original shaklda qayta chizish kerak.

Moliyalashtirish: UID/05757 – Research Centre in Digitalization and Intelligent Robotics (CeDRI) va SusTEC, LA/P/0007/2020 doirasidagi milliy mablagʻlar.

Manfaatlar toʻqnashuvi: Manba matnida manfaatlar toʻqnashuvi haqida alohida bayonot keltirilmagan.

Maʼlumotlardan foydalanish imkoniyati: Manba matnida maʼlumotlarning mavjudligi haqida alohida bayonot berilmagan. Tekshiruvda ishlatilgan maʼlumotlar toʻplami sintetik tarzda yaratilgan.

Mualliflar hissasi: Manbada alohida CRediT hissalar jadvali mavjud emas.

Dasturiy taʼminot: Python asosidagi modulli prototip; foydalanuvchi interfeysi Streamlit.

Asosiy maʼlumot kirishlari: Zaxira yozuvlari va ishlab chiqarish jarayonlari maʼlumotlari; maʼlumotlar IoT tizimlari yoki CSV fayllaridan olinishi mumkin.

Asosiy KPI lar: Lead Time, Inventory Time, Processing Time, Value Added Ratio, Demand Fulfilment Ratio, Flow Balance Index, Process Bottleneck Severity ve Inventory Bottleneck Severity.

Asosiy qaror mexanizmi: Deterministik, Lean ga yoʻnaltirilgan qoidalarga asoslangan kelajak holatni yaratish. Tadqiqot optimallashtirish algoritmi global optimumni topishini daʼvo qilmaydi.

Tekshiruv chegarasi: Sintetik/namunaviy ishlab chiqarish maʼlumotlari toʻplami ishlatilgan; toʻliq ishlayotgan sanoat maydonida tekshiruv oʻtkazilmagan.

Manbadagi eʼtibor talab qiladigan jihat: Inventory Reduction kirishidagi %30 qiymati va Future-State VSM da koʻringan taxminan 0,35 kunlik I5 vaqti 4-jadvalda qayd etilgan 0,4 kun va -%20 ga mos kelmaydi. Manba bu tafovutni izohlamaydi.