ТЕХНОГЕНДИК КАЛДЫКТАРГА НЕГИЗДЕЛГЕН КУРГАК МИНОМЕТ АРАЛАШМАЛАРЫН ӨНДҮРҮҮ МОДЕЛИНИН АКЫЛДУУ САНАРИП ЭГИЗИ
##semicolon##
жасалма интеллект, санариптик эгиз, кургак аралашмалар, процесс процесси, архитектура, моделдөөАннотация
Статьясында каралат иштеп чыгуу интеллектуалдык санариптик двойника өндүрүшүнүн кургак курулуш аралашмаларын менен пайдалануу, техногендик калдыктарын металлургия жана энергетика негизинде технологияларды жасалма интеллект. Актуалдуулугу жана изилдөөнүн зарылдыгы менен шартталган жогорулатуу, ресурстук жана экологиялык өндүрүштүн натыйжалуулугун кургак аралашмаларын, төмөндөшү үлүшүн клинкерных материалдарды жана киргизүү санариптик башкаруу ыкмаларын технологиялык процесстерге шарттарында вариабельности касиеттерин чийки.
Иштелип чыккан модель технологиялык линиянын дискреттик-окуя симуляциясын жана продукциянын сапатын болжолдоонун акылдуу подсистемасын айкалыштырган гибриддик санариптик эгиз түрүндө ишке ашырылат. Процессти башкаруу өндүрүштүн бардык негизги этаптарын камтыган мамлекеттик машинаны колдонуу менен формалдаштырылган: компоненттерди бөлүштүрүү, аралаштыруу, түшүрүү, таңгактоо жана партияларды архивдөө. Жасалма интеллект формуланын курамына жана техногендик компоненттердин үлүшүнө негизделген аралашманын физикалык-механикалык касиеттерин (бекемдиги, тыгыздыгы, иштөө жөндөмдүүлүгү) баалоо үчүн колдонулат.
Симуляциялык моделдөө учурунда сунушталган ыкманын натыйжалуулугун тастыктаган сандык натыйжалар алынат. Аныкталса үлүшү техногендик калдыктарын курамында кургак аралашмаларын ыктымал 40-50 % жок критикалык азайтуу болжолдонгон сапаттык көрсөткүчтөрдүн. Азайтуу чыгымдоо цемент түзөт чейин-30 %, мында эсептик өндүрүмдүүлүгү линиясы жетет 15-20 т/ч Модель камсыз кылат автоматический керектөөнү эсепке алуу шлака жана күлдү боюнча партиянын, алмаштыруу жана айдын, ошондой эле динамическую баа углеродного издин продукциянын.
Иштин илимий жаңылык бир санариптик моделдин ичинде сапатын баалоо жана айлана-чөйрөнү коргоо боюнча чакан системасы менен жасалма өндүрүш айлампасынын моделдөө киргизүү болуп саналат. Практикалык мааниси кургак курулуш аралашмаларын реалдуу өндүрүүнүн санариптик эгизи катары иштелип чыккан моделди колдонуу мүмкүнчүлүгү менен аныкталат, формулировканы оптималдаштыруу куралы, башкаруу чечимдерин колдоо жана өнөр жай ишканаларынын ут/сот системасына интеграциялоо.
##submission.citations##
1. Akishev K et al. Тhe use of simulation modeling in calculating the productivity of the technological system for the production of building products with fillers from man-made waste (2024). NEWS of the National Academy of Sciences of the Republic of Kazakhstan. SERIES OF GEOLOGY AND TECHNICAL SCIENCES. ISSN 2224–5278,Volume 4. Number 466, 22–32. https://doi.org/10.32014/2024.2518-170X.422
2. Akishev K et al. Automation of selection of construction mix with additives of technogenic raw materials]. ВЕСТНИК КазУТБ, №1(26), 2025.-P.1-14. ISSN:2708-4132.
3. https://doi.org/10.58805/kazutb.v.1.26-808
4. Song et al., (2021). Predicting the compressive strength of concrete with fly ash admixture using machine learning algorithms.Construction and Building Materials Volume 308, 15 November, 125021. https://doi.org/10.1016/j.conbuildmat.2021.125021
5. Li et al., (2024). Compressive Strength Prediction of Fly Ash-Based Concrete Using Single and Hybrid Machine Learning Models.Buildings, 14(10), 3299; https://doi.org/10.3390/buildings14103299
6. Huang et al., (2022).Predicting the Compressive Strength of the Cement-Fly Ash–Slag Ternary Concrete Using the Firefly Algorithm (FA) and Random Forest (RF) Hybrid Machine-Learning Method.Materials (Basel), Jun 13;15(12):4193 https://doi.org/10.3390/ma15124193
7. Le et al., (2024) Machine learning based models for predicting compressive strength of geopolymer concrete. Frontiers of Structural and Civil Engineering,Vol. 18 ›› Issue (7) : 1028 -1049. https://journal.hep.com.cn/fsce/EN/10.1007/s11709-024-1039-5
8. Orozco et al., (2024). Comparison of environmental impacts of fly ash and slag as cement replacement materials for mass concrete and the impact of transportation. Sustainable Materials and Technologies. Volume 39, April, e00796. https://doi.org/10.1016/j.susmat.2023.e00796
9. Das et al., (2022).Performance assessment and life cycle analysis of concrete containing ferrochrome slag and fly ash as replacement materials – A circular approach. Construction and Building Materials, Volume 347, 12 September, 12860.
10. https://doi.org/10.1016/j.conbuildmat.2022.128609
11. Agrela et al., (2024). Life-Cycle Assessment and Environmental Costs of Cement-Based Materials Manufactured with Mixed Recycled Aggregate and Biomass Ash. Materials, 17(17), 4357; https://doi.org/10.3390/ma17174357
12. D’Orazio et al., (2023).Life Cycle Assessment of Mortars with Fine Recycled Aggregates from Industrial Waste: Evaluation of Transports Impact in the Italian Context. Sustainability, 15(4), 3221; https://doi.org/10.3390/su15043221
13. Fuller et al., (2019).Digital Twin: Enabling Technologies, Challenges and Open Research. Computers and Society. https://doi.org/10.1109/ACCESS.2020.2998358
14. Emmert-Streib et al., (2023).Defining a Digital Twin: A Data Science-Based Unification. Mach. Learn. Knowl. Extr., 5(3), 1036-1054; https://doi.org/10.3390/make5030054
15. Feng & Wan, (2024).Digital Twins for Discrete Manufacturing Lines: A Review. Big Data Cogn. Comput., 8(5), 45; https://doi.org/10.3390/bdcc8050045
16. Lanzini et al., (2024). Towards the Implementation and Integration of a Digital Twin in a Discrete Manufacturing Context. Processes, 12(11), 2384; https://doi.org/10.3390/pr12112384
