Ushbu tadqiqot avtomatik xemilyuminessens immunoassay analizatorlarida test so‘rovlarini bajarish tartibi va har bir so‘rov qaysi reagent tasmasi bilan bajarilishini birgalikda optimallashtiradigan, plastinkaga sezgir genetik algoritmni ishlab chiqadi. VirClia Lotus 360 uchun ta’riflangan modelda reagent tasmalari sovutilgan bo‘limdagi plastinkalarda saqlanadi va bitta tasmaga yetib borish uchun butun plastinkani ish maydoniga chiqarish talab etiladi. Taklif etilgan algoritm plastinka bloklarini saqlovchi maxsus krossover amali, tartibni almashtirish va plastinkani qayta tayinlash mutatsiyalari hamda yaroqlilik muddatini hisobga oluvchi yumshoq xarajatdan foydalanadi. Bitta sintetik va uchta haqiqiy ish yukida genetik algoritm ochko‘z usulga nisbatan plastinka harakatlarini o‘rtacha %28,5; FIFOga nisbatan esa taxminan %86,9 kamaytirgan. Biroq natijalar ishlab chiqilayotgan qurilmada real vaqt operatsiyasi bilan tasdiqlanmagan, faqat mavjud qurilma ma’lumotlari asosida kompyuter muhitida baholangan va algoritmning global optimumga erishgani matematik jihatdan isbotlanmagan.

Tadqiqot doirasida 54 so‘rovdan iborat sintetik ma’lumotlar to‘plami hamda haqiqiy laboratoriyaning ketma-ket uch ish kunidan olingan 194, 265 va 210 so‘rovli ma’lumotlar to‘plamlari ishlatilgan. Tanlangan genetik algoritm sozlamalari bilan 50 mustaqil ishga tushirish bajarilgan; haqiqiy ma’lumotlar to‘plamlarida o‘rtacha hisoblash vaqtlari 16,02, 27,18 va 18,44 soniya bo‘lgan. Xuddi shu ma’lumotlar to‘plamlarida talab qilingan o‘rtacha plastinka harakati sonlari genetik algoritm uchun mos ravishda 42,00, 56,48 va 52,16; ochko‘z usul uchun 60, 76 va 78; FIFO uchun esa 362, 530 va 414 deb bildirilgan. Bu natijalar bir necha o‘n soniyalik rejalashtirish xarajati evaziga robotik plastinka tashish amallarini sezilarli darajada kamaytirish mumkinligini ko‘rsatadi.

Turkiya nuqtai nazaridan baholash: Yondashuv Turkiyada avtomatik serologiya, immunoassay, klinik kimyo va molekulyar diagnostika tizimlarini ishlab chiquvchi kompaniyalar hamda yuqori namuna hajmiga ega shifoxona laboratoriyalarida sarf materiallariga kirish va robot harakatlarini optimallashtirish uchun uslubiy qiymatga ega. Turkiyaga moslashtirish uchun foydalaniladigan qurilmaning haqiqiy mexanik arxitekturasi, test ustuvorliklari, shoshilinch namuna qoidalari, laboratoriya axborot tizimi bilan bog‘lanish, sifat nazorati amallari, kalibrlash talablari va bemor natijasi vaqtiga oid cheklovlar modelga qo‘shilishi kerak. Algoritm haqiqiy qurilmaning raqamli egizagida, hardware-in-the-loop sinov muhitida va nazoratli klinik operatsiya paytida taqqoslanishi kerak. Ushbu tadqiqotdan algoritm Turkiyadagi barcha laboratoriya analizatorlarida bir xil nisbatda foyda beradi, diagnostika vaqtini bevosita ma’lum foizga qisqartiradi, bemor xavfsizligini oshiradi yoki klinik diagnostika aniqligiga ta’sir qiladi degan xulosa chiqarib bo‘lmaydi.

Tadqiqot hal qilishga urinayotgan muammo nima?

Avtomatik klinik analizatorlarda umumiy ishlov berish vaqti faqat kimyoviy reaksiyalar va o‘lchash bosqichlaridan iborat emas. Namunalar, reagentlar, bir martalik tasmalar va boshqa sarf materiallarini robot orqali tashish ham qurilma quvvati va mexanik xizmat muddatiga ta’sir qilishi mumkin.

Tadqiqotda ko‘rib chiqilgan arxitekturada reagent tasmalari harorat barqarorligini saqlash uchun sovutilgan maydonda plastinkalar ichida saqlanadi. Robot ma’lum test uchun kerak bo‘lgan bir martalik tasmaga to‘g‘ridan-to‘g‘ri yetib bora olmaydi. Tasmani olish uchun avval tasma joylashgan butun plastinkani sovutilgan maydondan chiqarib ish maydoniga olib kelishi kerak.

Ketma-ket ikki test bir xil plastinkadagi tasmalar bilan bajarilsa, plastinkani ish maydonida saqlab turish mumkin. Keyingi test boshqa plastinkani talab qilsa, mavjud plastinka joyiga qaytarilishi va yangi plastinka chiqarilishi kerak. Shu sababli testlarni kelish tartibida bajarish ko‘plab keraksiz plastinka almashtirishlariga olib kelishi mumkin.

Tadqiqotchilar plastinka tashish amallari uchta asosiy xarajat keltirib chiqarishini ta’kidlaydi:

• Robotik komponentlarda mexanik yeyilish va xizmat muddatining qisqarishi,
• Qurilmaning umumiy ishlov berish quvvatining pasayishi,
• Sovutilgan bo‘limning namlik va harorat o‘zgarishlariga tez-tez duchor bo‘lishi.

Shuning uchun optimallashtirish muammosi nafaqat qaysi test birinchi bajarilishini, balki har bir test uchun bir xil turdagi bir nechta mos tasmadan qaysi biri ishlatilishini ham aniqlaydi.

VirClia Lotus 360 uchun modellashtirilgan ish oqimi

Tadqiqotdagi tizim modeli eng ko‘pi bilan 30 reagent plastinkasiga ega sovutilgan maydondan foydalanadi. Har bir plastinka eng ko‘pi bilan 12 tasma sig‘dira olgani sababli bir vaqtda eng ko‘pi bilan 360 reagent tasmasi saqlanishi mumkin. Namuna tomonida esa qurilma har biri 16 namuna sig‘diradigan oltita rafni qo‘llab-quvvatlashi aytiladi.

Rejalashtirish nuqtai nazaridan ish oqimi to‘rt bosqichga soddalashtirilgan:

1. Robot qo‘li kerakli reagent plastinkasini sovutilgan maydondan ish maydoniga olib keladi.
2. Ushlagich mexanizmi kerakli testga mos reagent tasmasini plastinkadan chiqaradi.
3. Namuna tasmaga pipetkalanadi va tasma qurilmaning ichki rotoriga joylashtiriladi.
4. Keyingi test bir xil plastinkadagi tasma bilan bajarilsa, plastinka almashtirilmaydi; aks holda plastinka sovutilgan bo‘limga qaytariladi va boshqa plastinka chiqariladi.

Tadqiqot haqiqiy qurilmaning barcha analitik va robotik operatsiyalarini modellashtirmaydi. Kalibrlashlar, sifat nazorati, reaksiya vaqtlari, rotor sig‘imi, shoshilinch namuna ustuvorliklari va parallel ishlov berish tafsilotlari bu optimallashtirish muammosida mavhumlashtirilgan. Modelning asosiy diqqat markazi plastinkaga kirish va reagent tasmasi sarfidir.

Reagent tasmalarining yaroqlilik muddati qanday ko‘rib chiqilgan?

Har bir reagent tasmasi uchun ikkita vaqt ma’lumoti ta’riflangan:

• Partiya yaroqlilik muddati: Ishlab chiqarish partiyasi belgilaydigan va odatda 18 oygacha davom etadigan saqlash muddati.
• Qurilma ustidagi foydalanish muddati: Tasma sovutilgan maydonga yuklangandan keyin boshlanadigan 30 kunlik muddat.

Muddati o‘tgan tasmalar qurilma tomonidan tashlab yuborilishi, shu sababli yaroqlilik ma’lumoti jadval uchun qat’iy moslik cheklovi sifatida ishlatilmasligi aytilgan. Buning o‘rniga algoritm qolgan muddati kamroq bo‘lgan tasmalarni oldin iste’mol qilishni rag‘batlantiradigan yumshoq xarajat qo‘shadi.

Bu yondashuv plastinka harakatini kamaytirish bilan muddati yaqinlashgan reagentlarni iste’mol qilish o‘rtasida muvozanat o‘rnatishni maqsad qiladi. Algoritm faqat plastinka harakati eng kam bo‘lgan tartibni tanlasa, ayrim eski tasmalar ishlatilmasdan qolishi mumkin; faqat yaroqlilik muddatini ustuvor qilsa, bir xil test uchun doimo turli plastinkalarni chiqarish zarur bo‘lishi mumkin.

Matematik optimallashtirish modeli

Namunalar to‘plami \(S\), test turlari to‘plami \(T\) va diagnostik so‘rovlar to‘plami \(R\subseteq S\times T\) sifatida ta’riflangan. Har bir so‘rov ma’lum namuna ustida ma’lum testning bajarilishini ifodalaydi.

Plastinkalar to‘plami \(L\), har bir plastinkadagi tasma uyachalari esa \(K=\{1,\ldots,12\}\) sifatida berilgan. Plastinkaning ma’lum uyachasidagi test turi quyidagi ifoda bilan ko‘rsatiladi:

\[ \tau(l,k)\in T\cup\{\varnothing\} \]

Bu yerda \(\varnothing\) uyacha bo‘sh ekanini ko‘rsatadi. Yechim ikkita qarordan iborat:

• \(\pi\): Test so‘rovlarining bajarilish tartibi,
• \(a\): Har bir so‘rovni mavjud plastinka-tasma juftligiga tayinlash.

Maqsad funksiyasi tadqiqotda quyidagicha berilgan:

\[ \min_{\pi,a} F(\pi,a) = \alpha\sum_{i=1}^{n}\mathbb{I}[u_i\neq u_{i-1}] + \beta C_{\mathrm{exp}}(\pi,a) \]

Bu yerda \(u_i\) ketma-ketlikning \(i\). o‘rnidagi test uchun ishlatilgan plastinkani; \(u_0\) dastlab ish maydonida bo‘lgan plastinkani; \(\mathbb{I}[\cdot]\) esa shart rost bo‘lganda 1 qiymatini oladigan indikator funksiyasini ifodalaydi.

Birinchi had ketma-ket testlar orasida plastinka almashinuvi bor-yo‘qligini sanaydi. Dastlab ish maydonida plastinka bo‘lmasa, birinchi plastinkani chiqarish ham bitta harakat sifatida hisoblanadi. Ikkinchi had esa yaroqlilik muddati afzalliklarining umumiy xarajatidir.

Moslik qiymati qanday hisoblanadi?

Genetik algoritmda ishlatilgan aniq moslik funksiyasi quyidagicha:

\[ f(x)= \sum_{i=1}^{n}\mathbb{I}[u_i\neq u_{i-1}] + \sum_{i=1}^{n} \left[ \gamma\phi_{\mathrm{lot}}(x_i') + \delta\phi_{\mathrm{on}}(x_i'') \right] \]

\(x_i'\) tanlangan tasmaning partiya yaroqlilik muddatiga qolgan kunlar sonini; \(x_i''\) qurilma ustidagi foydalanish muddatiga qolgan kunlar sonini ko‘rsatadi. Normallashtirish funksiyalari quyidagicha ta’riflangan:

\[ \phi_{\mathrm{lot}}(x)=\frac{x}{270}-1 \]

\[ \phi_{\mathrm{on}}(x)=\frac{x}{15}-1 \]

Partiya muddati uchun 0–540 kunlik, qurilma ustidagi muddat uchun 0–30 kunlik oraliq qabul qilinganda bu o‘zgartirishlar taxminan −1 bilan 1 orasida qiymat hosil qiladi. Qolgan foydalanish muddati kamroq bo‘lgan tasmalar pastroq xarajat bilan bog‘lanib, oldin iste’mol qilinishga yo‘naltiriladi.

Tadqiqotda \(\gamma\) va \(\delta\) koeffitsiyentlari yaroqlilik komponentlarining muhimligini boshqarishi aytiladi; biroq tajribalarda ishlatilgan sonli \(\gamma\) va \(\delta\) qiymatlari berilmagan. Bu yetishmovchilik bildirilgan moslik qiymatlarini mustaqil ravishda qayta hisoblash va plastinka harakati bilan reagent isrofi o‘rtasidagi vaznni tushunishni cheklaydi.

Yechim xromosomada qanday ifodalangan?

Har bir xromosoma barcha diagnostik so‘rovlarni o‘z ichiga olgan permutatsiya vektoridir:

\[ x=(x_1,x_2,\ldots,x_n) \]

Har bir gen nafaqat test so‘rovini, balki ushbu so‘rov qaysi jismoniy reagent tasmasi bilan bajarilishini ham kodlaydi. Genning ketma-ketlikdagi o‘rni testning bajarilish tartibini; gen bilan bog‘langan tasma o‘rni esa plastinka va uyacha tayinlovini belgilaydi.

Bu ifoda tufayli genetik algoritm ikki qaror darajasini bir vaqtning o‘zida o‘zgartira oladi:

• Test so‘rovlarining tartibi,
• So‘rovlarni mavjud reagent tasmalariga tayinlash.

Har bir diagnostik so‘rov xromosomada aynan bir marta bo‘lishi kerak. Bir xil jismoniy tasmani bir nechta so‘rovga tayinlash yoki test turiga mos kelmaydigan tasmani tanlash yechimni yaroqsiz qiladi.

Boshlang‘ich populyatsiya butunlay tasodifiy yaratilganmi?

Boshlang‘ich populyatsiya butunlay tasodifiy yaratilmagan. Tadqiqotchilar plastinkadan qayta foydalanishni rag‘batlantirib, yechimlar orasidagi xilma-xillikni saqlash uchun yarim tasodifiy konstruktiv usuldan foydalangan.

Har bir bosqichda kutilayotgan test turlaridan biri tasodifiy tanlanadi va ushbu test turiga tegishli eng ko‘pi bilan 12 so‘rov ketma-ket rejalashtiriladi. So‘ng ushbu test uchun foydalanish mumkin bo‘lgan tasmalari bor plastinkalardan biri tasodifiy tanlanadi. Tanlangan plastinkada yetarlicha tasma bo‘lsa, barcha so‘rovlar bir xil plastinka blokiga joylashtiriladi; tasmalar soni yetarli bo‘lmasa, mavjud tasmalar ishlatiladi va qolgan talab yana kutilayotgan so‘rovlar to‘plamiga yuboriladi.

Bu usul boshlang‘ich populyatsiyada bir xil plastinkaga tegishli testlarning bloklar hosil qilishini ta’minlaydi. Shu bilan birga test va plastinka tanlovi tasodifiy bajarilishi barcha individlarning bir xil jadval bilan boshlanishining oldini oladi.

Tanlash va krossover qanday qo‘llangan?

Ota-ona tanlovi chiziqli reyting usuli bilan bajarilgan. Populyatsiya past moslik qiymati yaxshiroq bo‘ladigan tarzda saralangan va individlar o‘z reytinglariga ko‘ra juftlangan. Bu usul faqat eng yaxshi individlarning ko‘payib ketishini oldini olib, yechim xilma-xilligini saqlashni maqsad qiladi.

Krossover amali klassik permutatsiya krossoveridan farq qiladi. Tadqiqotchilar bir xil plastinkadan foydalanadigan ketma-ket so‘rov bloklarining parchalanishini oldini oladigan plastinkaga hizalangan operator ishlab chiqqan:

1. Birinchi ota-onada ikkita kesish nuqtasi tanlanadi.
2. Kesish nuqtalari o‘zlari joylashgan bir xil plastinka bloklarining boshlanish va tugash chegaralarigacha kengaytiriladi.
3. Ushbu plastinkaga mos bo‘lim farzandga o‘zgartirilmasdan ko‘chiriladi.
4. Yetishmayotgan so‘rovlar ikkinchi ota-onadagi tartibi saqlangan holda bo‘sh joylarga joylashtiriladi.
5. Chegarada bir xil plastinkaga tegishli qo‘shni so‘rovlar bo‘lsa, blok kengaytirilib, keraksiz yangi plastinka almashinuvi yuzaga kelishining oldi olinadi.

Ikki ota-onadan kelgan tasma tayinlovlari bir xil jismoniy tasmaning bir necha marta ishlatilishiga olib kelsa, farzand yechimi tashlab yuboriladi. Bu tanlov moslikni saqlasa-da, ko‘p yaroqsiz farzand hosil bo‘lsa, qidiruv samaradorligini pasaytirishi mumkin. Tadqiqot yaroqsiz farzandlar ulushini bildirmagan.

Ikki mutatsiya operatorining vazifasi nima?

Tartibga asoslangan mutatsiya turli plastinkalarga tegishli ikkita butun so‘rov blokining o‘rnini almashtiradi. Genlar ichidagi plastinka va tasma tayinlovlari saqlanadi, faqat bloklarning bajarilish tartibi o‘zgaradi. Shu tariqa algoritm bir xil resurs tayinlovlari bilan turli plastinka o‘tish tartiblarini sinab ko‘ra oladi.

Plastinkani qayta tayinlash mutatsiyasi bir xil test turiga va bir xil plastinkaga tegishli ketma-ket so‘rov bo‘limini tanlaydi va yetarli sonli ishlatilmagan mos tasmalarga ega boshqa plastinkaga ko‘chiradi. Bu mutatsiya bajarilish tartibini saqlab, resurs tayinlovini o‘zgartiradi.

Birinchi mutatsiya yechim sifatiga sezilarli ta’sir ko‘rsatgani, ikkinchi mutatsiya esa ko‘rib chiqilgan ma’lumotlar to‘plamlarida cheklanganroq hissa qo‘shgani bildirilgan. Tadqiqotchilar buni plastinkalar sonining eng ko‘pi bilan 30 bo‘lishi va boshlang‘ich populyatsiya allaqachon yetarli tayinlov xilma-xilligiga ega bo‘lishi bilan izohlaydi.

Yangi avlod qanday yaratilgan?

Algoritm avlodlar bo‘yicha yangilanishdan foydalanadi. Har bir avlodda saralangan ota-onalardan yangi populyatsiya yaratiladi, krossover belgilangan ehtimol bilan qo‘llanadi va undan keyin ikki mutatsiya operatori ishga tushadi.

Yangi populyatsiyada takrorlanuvchi xromosomalarga ruxsat berilmaydi. Yaroqsiz farzand tegishli ota-onaning nusxasi bilan almashtiriladi. Bundan tashqari, elitistik strategiya bilan oldingi avlodning eng yaxshi individi yangi populyatsiyada bo‘lmasa, eng yomon individ o‘rniga bevosita qo‘shiladi.

Ushbu elitistik yondashuv sababli eng yaxshi moslik qiymati avlodlar o‘tishi bilan yomonlashmaydi. Tadqiqotning dastlabki ikki sahifasidagi yaqinlashish grafiklarida qalin o‘rtacha egri chiziq doimiy kamayib, so‘nggi avlodlarda tekislanishi ko‘rinadi.

Algoritm qachon to‘xtaydi?

Ikki to‘xtash mezonidan biri bajarilganda qidiruv tugaydi:

• Oldindan belgilangan maksimal avlodlar soniga erishish,
• Eng yaxshi xromosomaning 30 ketma-ket avlod davomida o‘zgarmasligi.

Ikkinchi mezon sezilarli taraqqiyot qolmaganda keraksiz hisoblashning oldini oladi. Biroq yechimning 30 avlod davomida o‘zgarmasligi uning global optimum ekanini ko‘rsatmaydi. Algoritm mahalliy yoki optimumga yaqin hududda ham to‘xtashi mumkin.

Giperparametrlar qanday tanlangan?

Avlodlar soni \(G\), populyatsiya hajmi \(N\), krossover ehtimoli \(p_c\), tartib mutatsiyasi ehtimoli \(p_{m1}\) va plastinkani qayta tayinlash ehtimoli \(p_{m2}\) uchun grid-qidiruv bajarilgan.

Avlodlar sonini oshirish o‘rtacha moslik qiymatini 117,42 dan 114,87 gacha, o‘rtacha plastinka harakatini 43,45 dan 41,36 gacha kamaytirgan; hisoblash vaqtini 9,86 soniyadan 14,65 soniyaga oshirgan. Krossover ehtimolini 0,7 dan 0,9 gacha oshirish ham moslik va harakat sonida yaxshilanish bergan.

Populyatsiya hajmi uchun 100 qiymati tanlangan bo‘lsa-da, Table 1 dagi jamlangan natijalarda 80, 100 va 120 qiymatlari orasidagi harakat farqlari juda kichik. Mualliflar tanlovni jadval ostida ko‘rinmaydigan xom ma’lumotlar va sifat-vaqt muvozanatiga asoslaganlarini aytadi.

Qaysi ma’lumotlar to‘plamlari ishlatilgan?

Haqiqiy ma’lumotlar to‘plamlari qaysi sanalarda yig‘ilgani, nechta turli test turi mavjudligi, plastinkalarning to‘ldirilish darajasi, yaroqlilik muddati taqsimoti va kun davomida so‘rovlarning kelish vaqtlari berilmagan. So‘rovlar bitta boshlang‘ich ish ro‘yxati sifatida ko‘rib chiqilgan; kun davomida dinamik keladigan yangi testlarni onlayn rejalashtirish o‘rganilmagan.

Barqarorlik tajribasi nimani ko‘rsatgan?

Tanlangan giperparametrlar bilan har bir ma’lumotlar to‘plamida 50 mustaqil genetik algoritm ishga tushirilgan. O‘rtacha qiymat, standart og‘ish va o‘zgarish koeffitsiyentlari quyidagicha:

Moslik o‘zgarish koeffitsiyentlari haqiqiy ma’lumotlar to‘plamlarida %0,20–0,74, plastinka harakati o‘zgarish koeffitsiyentlari esa %0–2,98 oralig‘ida. Bu qiymatlar tasodifiy boshlanishga qaramay algoritm o‘xshash natijalarga erishganini ko‘rsatadi.

Bu barqarorlik algoritmik ishga tushirishlar orasidagi o‘zgaruvchanlikni anglatadi. Turli laboratoriyalar, qurilmalar, reagent joylashuvlari yoki ish kunlari bo‘yicha umumlashuvchanlikni ko‘rsatmaydi.

FIFO va ochko‘z usullar qanday ishlaydi?

FIFO test so‘rovlarini tizimga kelish tartibini o‘zgartirmasdan bajaradi. Har bir so‘rov uchun kerakli test turidagi birinchi mavjud tasma tanlanadi. Bu usul sodda, tez va oldindan aytish mumkin; biroq ketma-ket so‘rovlar turli plastinkalarda bo‘lsa, juda ko‘p plastinka harakati hosil qiladi.

Ochko‘z plastinka usuli qolgan talab eng yuqori bo‘lgan test turini tanlaydi va ushbu testdan eng ko‘p mavjud tasma tashiydigan plastinkani afzal ko‘radi. Tanlangan plastinkadan imkon qadar ko‘p so‘rov ketma-ket bajariladi. Usul bir xil plastinkaga tegishli bloklar yaratsa-da, faqat o‘sha paytdagi mahalliy talabni hisobga oladi va kelajakdagi test turlari orasidagi umumiy o‘zaro ta’sirni baholamaydi.

Har ikki usul deterministik bo‘lgani uchun bir marta ishga tushirilgan; genetik algoritm natijalari esa 50 ishga tushirishning o‘rtachasi sifatida berilgan.

Usullarning taqqoslama natijalari

Jadval qiymatlaridan hisoblanganda genetik algoritmning FIFOga nisbatan plastinka harakati kamayishi sintetik ma’lumotlar to‘plamida taxminan %82,4; Haqiqiy 1 da %88,4; Haqiqiy 2 da %89,3 va Haqiqiy 3 da %87,4.

Ochko‘z usulga nisbatan kamayish nisbatlari esa mos ravishda %25,0, %30,0, %25,7 va %33,1. Bu to‘rt nisbatning o‘rtachasi tadqiqotda bildirilgan taxminan %28,5 yaxshilanish bilan mos keladi.

Genetik algoritmning moslik qiymatlari ham barcha ma’lumotlar to‘plamlarida pastroq:

Mualliflarning jamlangan hisobiga ko‘ra, genetik algoritm FIFOga nisbatan moslik qiymatini %70,2 va plastinka harakatlarini %86,9 kamaytirgan. Ochko‘z usul uchun xuddi shu nisbatlar mos ravishda %65,6 va %81,7. Genetik algoritm ochko‘z usulga nisbatan moslikda %13,6, harakatlar sonida %28,5 yaxshilanish bergan.

Hisoblash vaqtining ortishi maqbulmi?

FIFO va ochko‘z usullarning hisoblash vaqtlari barcha ma’lumotlar to‘plamlarida 0,01 soniyadan past. Genetik algoritm esa kichik sintetik misolda 2,92 soniya, haqiqiy ish yuklarida 16,02–27,18 soniya oralig‘ida ishlagan.

Tadqiqotchilar 200 dan ortiq test so‘rovi bo‘lgan ish yuklarida 20–30 soniyalik vaqtni haqiqiy laboratoriya operatsiyasi bilan mos deb baholaydi. Biroq bu baholash haqiqiy qurilmaning vaqt rejalashtirish dasturiga integratsiya bilan tasdiqlanmagan.

Algoritmning amalda maqbulligi ish ro‘yxati qanchalik tez-tez qayta hisoblanishiga, shoshilinch namunalarning kelishiga, qurilmaning bo‘sh turish vaqtiga va rejalashtirish tahlil boshlanishidan oldinmi yoki onlaynmi bajarilishiga bog‘liq. Tadqiqot statik rejalashtirish ufqidan foydalangani uchun soniyalar miqyosidagi hisoblash xarajatining dinamik ish sharoitlariga ta’siri hali noma’lum.

Yaroqlilik muddatiga oid afzallik haqiqatda sinovdan o‘tkazilganmi?

Tadqiqotning maqsad funksiyasida partiya va qurilma ustidagi yaroqlilik muddatlari mavjud. Biroq natija jadvallarida qancha tasma yaroqlilik muddati tufayli saqlab qolingani, o‘rtacha qolgan muddat, tashlab yuborilgan reagentlar soni yoki puldagi isrof miqdori bildirilmagan.

Shu sababli tadqiqot yaroqlilikka sezgir xarajat algoritmga kiritilganini ko‘rsatadi; ammo ushbu komponent haqiqiy reagent isrofini qay darajada kamaytirganini mustaqil natija o‘zgaruvchisi bilan isbotlamaydi. Moslik yaxshilanishining qancha qismi plastinka harakatidan, qancha qismi yaroqlilik afzalligidan kelib chiqqani ham aytilmagan.

Yaqinlashish global optimumni anglatadimi?

Grafiklarda eng yaxshi moslik qiymati dastlabki avlodlarda tez, keyin esa sekin pasaygani va so‘nggi avlodlarda tekislangani ko‘rinadi. Haqiqiy 1 ma’lumotlar to‘plamida yaqinlashish erta sodir bo‘lgan, murakkabroq boshqa ma’lumotlar to‘plamida esa yaxshilanish uzoqroq davom etgan.

Torayib borayotgan standart og‘ish diapazoni turli tasodifiy ishga tushirishlar o‘xshash yechimlarga erishganini ko‘rsatadi. Bunga qaramay, tadqiqotda:

• Aniq aralash butun sonli dasturlash modeli bilan olingan optimum qiymat,
• Matematik quyi chegara,
• Optimumlik farqi,
• Kichik misollarda aniq yechim bilan taqqoslash

taqdim etilmagan. Shu sababli natijalar yuqori sifatli va barqaror evristik yechimlar sifatida baholanishi kerak; “global optimum” yoki aniq optimumlik da’vosi qo‘llab-quvvatlanmaydi.

Tadqiqot qo‘llab-quvvatlaydigan asosiy natijalar

• Test tartibi bilan reagent tasmasi tayinlovini birgalikda optimallashtirish faqat kelish tartibidan foydalanadigan FIFOga qaraganda ancha kam plastinka harakati hosil qilishi mumkin.
• Plastinkaga mos bloklarni saqlaydigan muammo-maxsus krossover va mutatsiyalar oddiy ochko‘z plastinka guruhlashidan yaxshiroq natija bergan.
• Tanlangan giperparametrlar bilan 50 mustaqil ishga tushirishda moslik va harakat o‘zgaruvchanligi past.
• 194–265 so‘rov hajmidagi haqiqiy ish yuklarida hisoblash vaqti taxminan 16–27 soniya oralig‘ida qolgan.
• Genetik algoritm ko‘rib chiqilgan to‘rtta ma’lumotlar to‘plamining barchasida FIFO va ochko‘z usulga qaraganda pastroq harakat soni va moslik qiymatini bergan.
• Plastinka harakatlarining kamayishi modellashtirilgan qurilma arxitekturasida kamroq robotik tashishni talab qiladigan ish tartibini yaratgan.

Tadqiqot nimani ko‘rsatmaydi?

• Algoritm haqiqiy qurilmada onlayn yoki hardware-in-the-loop tarzda ishga tushirilmagan.
• Plastinka harakatlarining kamayishi haqiqiy umumiy ishlov berish vaqtini, energiya sarfini yoki mexanik komponentlar xizmat muddatini qay darajada o‘zgartirgani o‘lchanmagan.
• Diagnostik aniqlik, sezgirlik, xoslik, bemor natijasi yoki klinik qaror sifati baholanmagan.
• Shoshilinch namunalar, vaqt oynalari, ustuvorlik sinflari, sifat nazorati namunalar va kalibrlashlar modelga qo‘shilmagan.
• So‘rovlarning kun davomida dinamik kelishi va jadvalni qayta optimallashtirish o‘rganilmagan.
• Algoritmning global optimumga erishgani isbotlanmagan.
• Yaroqlilikka sezgir afzallik haqiqiy reagent isrofi yoki xarajatni qay darajada kamaytirgani ko‘rsatilmagan.
• Turli qurilma brendlari, laboratoriyalar yoki mamlakat operatsiyalarida tashqi tekshiruv o‘tkazilmagan.
• Ishlab chiqarish muhitidagi dasturiy xavfsizlik, nosozlik holatlari va tartibga soluvchi tasdiqlash jarayonlari baholanmagan.

Matndagi muhim ochiqliklar va nomuvofiqliklar

Tadqiqot usuli va natijalari

Muammo doirasi

Genetik algoritmning ishlov berish zanjiri

Taqqoslash usullari

Amaliyot va apparat muhiti

• Algoritmlar C# dasturlash tilida ishlab chiqilgan.
• Operatsion tizim Windows 11.
• Protsessor Intel Core i5-10500, 3,10 GHz.
• Xotira sig‘imi 8 GB RAM.
• Barcha usullar bir xil muammo misollarida ishga tushirilgan.
• FIFO va ochko‘z usul deterministik, genetik algoritm stoxastik.
• Genetik algoritm uchun har bir ma’lumotlar to‘plamida 50 mustaqil ishga tushirish bajarilgan.

Tanlangan giperparametrlarning o‘rtacha ta’siri

Umumiy ishlash xulosasi

Takrorlanuvchanlik va uslubiy kamchiliklar

Tadqiqot xromosoma kodlanishi, krossover, ikki mutatsiya operatori, populyatsiya yangilanishi, to‘xtash mezoni va asosiy giperparametrlarni batafsil tushuntiradi. Protsessor, xotira, operatsion tizim va dasturlash tili ham berilgan.

Biroq mustaqil qayta ishlab chiqish uchun zarur bo‘lgan ayrim ma’lumotlar yetishmaydi:

• Yaroqlilik xarajati koeffitsiyentlari \(\gamma\) va \(\delta\),
• Haqiqiy ma’lumotlar to‘plamlaridagi plastinka-tasma joylashuvlari,
• Test turlari va talab taqsimotlarining tafsilotlari,
• Boshlang‘ich tasodifiy urug‘lar,
• Manba kodi yoki psevdokodning to‘liq amaliyoti,
• Xom natija fayllari va yaqinlashish ma’lumotlari,
• Yaroqsiz farzand va takroriy yechim nisbatlari,
• Jadvallarni haqiqiy qurilma vaqtiga aylantirish hisobi.

Tadqiqotda alohida ma’lumotdan foydalanish, etik kengash, bemor ma’lumotlarini anonimlashtirish, moliyalashtirish, manfaatlar to‘qnashuvi yoki CRediT muallif hissasi bo‘limi yo‘q. Yuklangan versiya anonim bo‘lgani uchun bu ma’lumotlar baholash maqsadida yashirilgan bo‘lishi mumkin; biroq mavjud matndan buni tasdiqlab bo‘lmaydi.

Haqiqiy laboratoriya ma’lumotlari ishlatilgan bo‘lsa-da, tahlil qilingan natija klinik test natijalari emas, balki ish ro‘yxatlari va reagent joylashuvlaridir. Biroq ma’lumotlar to‘plamlarida bemorni aniqlovchi ma’lumotlar bor-yo‘qligi yoki qanday anonimlashtirilgani tushuntirilmagan.

Manba va usul bo‘yicha izoh

Tadqiqotning to‘liq asl nomi: Bio-Inspired Scheduling Optimization for Automated Immunoassay Laboratory Analyzers

Mualliflar va tartibi: Carlos Sánchez, José Rojas. Yuklangan anonim versiyada ismlar mavjud emas; bu tartib rasmiy SSRN qaydidan tasdiqlangan.

Teng hissa yoki teng birinchi mualliflik: Yuklangan tadqiqot va mavjud SSRN qayd ma’lumotida teng hissa yoki teng birinchi mualliflik haqida izoh yo‘q.

Mas’ul yoki aloqa muallifi: Yuklangan versiyada “Anonymous authors” va anonymous@anonymous.com to‘ldiruvchisi ishlatilgan. SSRN qaydi Carlos Sánchezni aloqa muallifi sifatida ko‘rsatadi. Tegishli konferensiya qaydida ham mas’ul muallif Carlos Sánchez.

Muassasalar: SSRN qaydi ushbu tadqiqot uchun muallif muassasalarini ko‘rsatmaydi. Yuklangan versiyada muassasa “Anonymous institution” sifatida yashirilgan. Xuddi shu muammoga oid tegishli konferensiya ishida Carlos Sánchez va José Rojas uchun Vircell S.L.; Carlos Sánchez uchun qo‘shimcha ravishda Universidad Politécnica de Cartagena bog‘liqligi ko‘rsatilgan. Bu muassasa ma’lumotlari mavjud anonim preprintning bevosita muassasa bayonoti sifatida qabul qilinmasligi kerak.

DOI: 10.2139/ssrn.7197891. Bu DOI SSRN preprint qaydiga tegishli.

Jurnal yoki konferensiya: Ko‘rib chiqilgan to‘liq sarlavhali 21 sahifalik versiya uchun tasdiqlangan jurnal yoki konferensiya nomi mavjud emas. Tadqiqot SSRNda preprint sifatida taqdim etilgan.

Tegishli konferensiya ishi: Xuddi shu mualliflarning “A Genetic Algorithm Framework for Scheduling in Automated Laboratory Analyzers” nomli tegishli ishi IWINAC 2026 doirasida Lecture Notes in Computer Science, jild 16575, sahifalar 278–288 da chop etilgan. DOI: 10.1007/978-3-032-27317-8_27. Bu qayd mavjud uzunroq SSRN matni bilan bir xil bibliografik asar emas.

Nashr platformasi: SSRN.

Asl nashriyot: To‘liq sarlavhali preprint uchun tasdiqlangan jurnal nashriyoti yo‘q. Tegishli, ammo sarlavha va qamrovi boshqacha bo‘lgan konferensiya ishining nashriyoti Springer Nature Switzerland AG.

Nashr yili: 2026.

Manba turi: Kombinator optimallashtirish, genetik algoritm va laboratoriya avtomatizatsiyasi sohalarida sonli va sanoat ma’lumotlariga asoslangan tadqiqot preprinti.

Peer-review holati: Ko‘rib chiqilgan tadqiqot peer-reviewdan o‘tmagan. Har bir sahifada “This preprint research paper has not been peer reviewed” ogohlantirishi mavjud.

Rasmiy havolalar:SSRN rasmiy qayd sahifasi va SSRN DOI havolasi.

Tegishli konferensiya qaydi:Springer konferensiya ishi DOI havolasi.

Moliyalashtirish: Ko‘rib chiqilgan anonim preprintda moliyalashtirish ma’lumoti mavjud emas. Tegishli konferensiya qaydida tadqiqot Vircell S.L. doirasida o‘tkazilgani va tashqi moliyalashtirish olinmagani aytiladi; bu ma’lumot mavjud preprintda alohida tasdiqlanmagan.

Manfaatlar to‘qnashuvi: Ko‘rib chiqilgan anonim preprintda manfaatlar to‘qnashuvi bayonoti mavjud emas. Tegishli konferensiya qaydida Carlos Sánchez va José Rojas Vircell S.L. xodimlari ekani ochiqlangan. Algoritm xuddi shu kompaniya ishlab chiqayotgan qurilmada baholangani sababli bu institutsional bog‘liqlik natijalarni talqin qilishda hisobga olinishi kerak.

Ma’lumotlarga kirish: Tadqiqotda ishlatilgan sintetik va haqiqiy ma’lumotlar to‘plamlari, manba kodi, tasodifiy urug‘lar va batafsil tajriba natijalari uchun ochiq ma’lumot havolasi berilmagan.

Ushbu turkcha maqola yuklangan 21 sahifalik tadqiqotning muammo ta’rifi, qurilma ish oqimi, matematik formulalari, genetik algoritm dizayni, grafik xulosasi, yaqinlashish egri chiziqlari, uchta natija jadvali va usul taqqoslashlari asosida tayyorlangan. Tadqiqotda mavjud bo‘lmagan yangi tajriba natijasi yoki tashqi manbadan ilmiy ishlash natijasi qo‘shilmagan. Tashqi tekshiruv faqat mualliflar, DOI, nashr platformasi, aloqa muallifi va tegishli konferensiya qaydining bibliografik identifikatsiyasi bilan cheklangan.

Tadqiqotning asosiy cheklovlari: peer-reviewdan o‘tmaganligi, algoritm haqiqiy vaqtli qurilmada tasdiqlanmaganligi, faqat uch kunlik haqiqiy ma’lumot ishlatilgani, dinamik so‘rov kelishlari modellashtirilmaganligi, yaroqlilik vaznlari tushuntirilmaganligi, reagent isrofi bevosita o‘lchanmaganligi, aniq optimum yoki quyi chegara taqqoslashining mavjud emasligi, manba kodi va ma’lumotlar to‘plamlari ulashilmaganligi hamda matn ichida standart og‘ish va ma’lumotlar to‘plami hajmiga oid ayrim nomuvofiqliklar mavjudligidir.

Natijalar ko‘rib chiqilgan statik ish yuklarida plastinkaga sezgir genetik algoritm FIFO va ochko‘z rejalashtirishga qaraganda kamroq plastinka harakati hosil qilishi mumkinligini ko‘rsatadi. Topilmalar diagnostik aniqlik, bemor natijasi, barcha laboratoriya qurilmalarida umumlashuvchanlik, haqiqiy mexanik xizmat muddatining oshishi yoki tijoriy tizimda tasdiqlangan ishlash dalili emas.