Л.Н. Гумилев атындағы Еуразия ұлттық университетінде философия докторы (PhD) дәрежесін алу үшін Досумбеков Ерлан Кадырович «6D070400 – Есептеу техникасы және бағдарламалық қамтамасыз ету» мамандығы бойынша «Инженерлік жүйелердің тиімділігін талдау және болжау үшін қайта конфигурацияланатын интеллектуалды блоктарды жобалау» тақырыбында диссертациясы қорғалады.
Диссертация Л.Н.Гумилев атындағы Еуразия ұлттық университетінің «Компьютерлік және программалық инженерия кафедрасы» кафедрасында орындалды.
Қорғау тілі - қазақ тілінде
Ресми рецензенттер:
Козбакова Айнур Холдасовна - философия докторы (PhD), қауымдастырылған профессор, ҚР ҒЖБМ ҒК «Ақпараттық және есептеу технологиялары институты» ШЖҚ РМК «Жасанды интеллект және робототехника» зертханасының жетекші ғылыми қызметкері (Алматы қ., Қазақстан Республикасы).
Құттыбай Нұржігіт Бақытұлы - доктор философии (PhD), Электроника және астрофизика кафедрасы, әл-Фараби атындағы Қазақ ұлттық университеті (Алматы қ., Қазақстан Республикасы).
Диссертациялық кеңестің уақытша мүшелері:
– Барахнин Владимир Борисович – техника ғылымдарының докторы, профессор, механика-математика факультетінің математикалық пішіндеу кафедрасының меңгерушісі, Новосібір мемлекеттік университеті (Новосібір қ., Ресей);
– Мерембаев Тимур Жұмақанұлы – философия докторы (PhD), ҚР ҒЖБМ ҒК «Ақпараттық және есептеу технологиялары институты» ШЖҚ РМК аға ғылыми қызметкері (Алматы қ., Қазақстан Республикасы);
– Мукажанов Нуржан Какенович - философия докторы (PhD), қауымдастырылған профессор, программалық инженерия кафедрасы, Қ.И. Сәтбаев атындағы Қазақ ұлттық техникалық зерттеу университеті (г.Алматы, Республика Казахстан).
Ғылыми кеңесшілері:
Маткаримов Бахыт Турганбаевич - техника ғылымдарының докторы, Л.Н. Гумилев атындағы Еуразия ұлттық университетінің «Жасанды интеллект технологиялар» кафедрасының профессоры (Астана қ., Қазақстан Республикасы).
Палташев Тимур Турсунович - техника ғылымдарының докторы, профессор, Advanced Micro Devices, Жасанды интеллект тобының мүшесі (Санта-Клара, Калифорния, АҚШ).
Зюбин Владимир Евгеньевич - техника ғылымдарының докторы, Новосібір мемлекеттік университетінің «Компьютерлік технологиялар» кафедрасының меңгерушісі (Новосібір қ., Ресей Федерациясы).
Қорғау 2025 жылғы 12 тамыз, сағат 16:00 Л.Н. Гумилев атындағы Еуразия ұлттық университетінің «6D070400 – Есептеу техникасы және бағдарламалық қамтамасыз ету» мамандығы бойынша «8D061 – Ақпараттық-коммуникациялық технологиялар» кадрларды даярлау бағыты бойынша диссертациялық кеңесте өтеді. Диссертациялық кеңес мәжілісі онлайн форматта өткізіледі деп жоспарлануда.
Сілтемесі: https://clck.ru/3MyKPg
Мекен-жайы: Астана қаласы, А. Пушкин көшесі, 11 үй, 2 оқу ғимараты, 222-аудитория.
Аңдатпа (қаз.): 6D070400 – «Есептеу техникасы және бағдарламалық қамтамасыз ету» мамандығы бойынша философия докторы (Ph.D) ғылыми дәрежесін алу үшін ұсынылған Ерлан Досумбековтың «Инженерлік жүйелердің тиімділігін талдау және болжау үшін қайта конфигурацияланатын интеллектуалды блоктарды жобалау» тақырыбындағы диссертациялық жұмысына АНДАТПА Зерттеу тақырыбының өзектілігі. Қазақстан Республикасының индустриялық-инновациялық дамуының мемлекеттік бағдарламасы өнеркәсіпте цифрлық және интеллектуалдық технологияларды қолдау мен дамытуға бағытталған. Бағдарламаның негізгі мақсаты — отандық кәсіпорындардың өнімділігін, энергия тиімділігін және тұрақтылығын арттыру. Бағдарлама аясында автоматтандыру, роботтандыру және жасанды интеллектке (ЖИ, artificial intelligence, AI) негізделген жүйелер сияқты цифрлық шешімдерді енгізу бастамалары ілгерілетілуде. Бұл шешімдер өндірістік үдерістерді бақылау мен талдауды жақсартуға мүмкіндік береді. Қазақстан Республикасының заңнамасына сәйкес, өнеркәсіп секторын дамытудың мақсаттарының бірі — өндірістік жүйелердің тиімділігі мен бәсекеге қабілеттілігін арттыру үшін инновациялық технологияларды енгізу болып табылады. Бұл Қазақстан Республикасының индустриялық-инновациялық дамуының мемлекеттік бағдарламасы, сондай-ақ 2050 жылға дейінгі Қазақстан Республикасының энергетикалық стратегиясы сияқты нормативтік құжаттарда көрініс тапқан. Халықаралық тәжірибе көрсеткендей, интеллектуалды жүйелерді жобалау тұжырымдамасы, атап айтқанда қайта конфигурацияланатын блоктарды (FPGA) және жасанды интеллектке (AI) негізделген жүйелерді пайдалану өнеркәсіп саласында белсенді қолдау тауып, кеңінен қолданылуда. Атап айтқанда, Еуропа елдері мен АҚШ-та FPGA және AI негізіндегі интеллектуалдық жүйелер энергетика, жылуалмасу және өндірістік үдерістерді басқару салаларында қолданылады. Бұл жүйелер болжамдардың дәлдігін арттыру мен энергия үнемдеуге мүмкіндік береді. Еуропалық Одақ елдері өнеркәсіп секторына арналған жоғары технологиялық шешімдер әзірлеуге бағытталған Horizon Europe (Еуропалық Одақтың зерттеу және инновациялар бағдарламасы) аясында интеллектуалдық басқару технологияларын зерттеу мен енгізуді жүзеге асыруда. Бағдарлама бағыттарының бірі – климат, энергетика және ұтқырлық. Бұл кластердің энергетикалық өлшемі энергияны сақтау саласына шоғырланған. Сондай-ақ, Institute of Electrical and Electronics Engineers (IEEE) және International Electrotechnical Commission (IEC) сияқты халықаралық ұйымдар инженерлік шешімдер үшін қайта конфигурацияланатын және интеллектуалдық жүйелерді енгізуге бағытталған стандарттар мен ұсынымдарды әзірлеуде. Бұл стандарттар инженерлік жүйелердің сенімділігін арттыру үшін нейрондық желілерге негізделген интеллектуалдық блоктар мен алгоритмдерді қолдануды қолдайды. Қазіргі зерттеулер көрсетіп отырғандай, әсіресе FPGA негізінде нейрондық желілерді пайдалану арқылы қайта конфигурацияланатын жүйелерді жобалау деректерді талдау мен болжам жасауда жоғары нәтижелерге қол жеткізуге мүмкіндік береді. Жылуалмастырғыштар (ЖА) инженерлік жүйелерде маңызды рөл атқарады, себебі олар әртүрлі жұмыс орталарында, мысалы, сұйықтықтар мен газдар арасында жылуды тиімді тасымалдауды қамтамасыз етеді. Олар тамақ өнеркәсібі, мұнай өңдеу үдерістері, жаңартылатын энергия жүйелері, қалдық жылу энергиясын пайдалану сияқты түрлі салалар мен жүйелерде қолданылады. Қолдану саласына және қойылатын талаптарға байланысты жылуалмастырғыштардың өлшемі мен конфигурациясы әртүрлі болуы мүмкін. Жылуалмастырғыштың өнімділігіне бірнеше фактор әсер етеді: қолданылатын жылуалмастырғыш түрі, оның құрамдас бөліктерінің материалы, ағындардың жылулық сипаттамалары, пайдалану жағдайлары және т.б. ЖА өнімділігін арттыру – жүйені ықшам әрі сенімді етіп құрастыруға ұмтылатын инженерлер, конструкторлар мен ғалымдар үшін ең өзекті мәселелердің бірі болып табылады. Осыған байланысты соңғы онжылдықтарда жылуалмастырғыштардағы жылу беруді күшейтуге әсер ететін әдістер мен тәсілдер ұсынылып, сыналды. Қосымша элементтерді – қабыршақтар, қалқалар, құйын генераторлары – енгізу, ЖА құрамдас бөліктерін өзгерту, қасиеттері жақсартылған сұйықтықтарды (мысалы, нано-сұйықтықтар) қолдану, сондай-ақ құрылғының өлшемі мен конфигурациясын және жұмыс жағдайларын оңтайландыру – осы құрылғылардағы жылу беруді арттыру үшін ұсынылған ең кең таралған тәсілдер мен әдістердің қатарына жатады. Дәстүрлі жылуалмастырғыштарға қарағанда өлшемі әлдеқайда кіші микрожылуалмастырғыштар соңғы онжылдықтарда үлкен қызығушылыққа ие бола бастады. Мысалы, Сактивел және басқаларының зерттеуінде Al₂O₃ (алюминий оксиді), TiO₂ (титан диоксиді), ZrO₂ (цирконий диоксиді) және SiO₂ (кремний диоксиді) сияқты әртүрлі нанобөлшектер қабық-түтікшелі жылуалмастырғыштағы жұмыс сұйықтығында қолданылған. Олар наносұйықтықтарды қолдану кезінде жылу сипаттамаларының жақсарғанын байқады және TiO₂ мен Al₂O₃ қолданылған жағдайларда ZrO₂ және SiO₂-мен салыстырғанда жылу беру нәтижелерінің жоғары болғанын атап өтті. Джавади және басқалар [16] наносұйықтықтарды пайдалану әсерін ұңғымалық жылу алмастырғышта бағалап, таза су жылутасығыш ретінде пайдаланылған жағдаймен салыстырғанда жылу кедергісінің төмендеуі мен қысымның артуы туралы хабарлады. Басқа жұмыста [17] қос түтікті жылу алмастырғыштың сипаттамаларына CuO мыс оксиді наносұйықтығының әсері бағаланып, нанобөлшектердің өлшемі, пішіні, концентрациясы және түрі, сондай-ақ базалық сұйықтықтың түрі наносұйықтықты қолдану кезінде жылу беруді жақсартуда негізгі рөл атқаратыны байқады. Чжэн және басқалары [18] пластиналы жылу алмастырғышта қолдану үшін әртүрлі наносұйықтықтарды бағалады. Қарастырылған нанобөлшектер Fe3O4 темір оксиді, Al2O3 алюминий оксиді , SiC кремний карбиді және CuO мыс оксиді болды. Ең жақсы жылулық өнімділік Fe3O4 наносұйықтығы үшін байқалды. Деионизацияланған сумен салыстырғанда, Fe3O4 /су (салмағы бойынша концентрациясы 1%) қолданылғанда конвективті жылу берілісінің коэффициенті 21,9%-ға артты. Наносұйықтықтарды жылулық өнімділікті жақсарту үшін қолдану идеясы микро жылуалмастырғыштар үшін де маңызды болуы мүмкін. Жылуалмастырғыштың өнімділік сипаттамаларына әсер ететін әртүрлі факторларды бағалауды жеңілдету үшін бұл жүйелерді нақты модельдеу, әрі тиісті модельдерді ұсыну маңызды. Осыған байланысты, әртүрлі жылу жүйелері мен жылутехникалық есептерді модельдеуде жоғары тиімділігін көрсеткен интеллектуалды әдістерді әзірлеп, қолдануға болады. Наносұйықтықтарды жылутасымалдағыш ретінде қолданғандағы жылу сипаттамаларын модельдеу — бұл әдістердің жылутехника саласындағы ең кең таралған қолданыстарының бірі болып табылады. Малеки және басқалар кремнезем (SiO₂, немесе кремний оксиді) бөлшектері мен әртүрлі базалық сұйықтықтары бар наносұйықтықтардың жылуөткізгіштігін бағалауда жасанды нейрондық желінің (ЖНЖ) дәлдігін бағалаған. Ұсынылған ЖНЖ негізіндегі модельдер жылуөткізгіштікті дәл модельдеуге қолайлы. Сонымен қатар, оқыту функциясының түрі бағаланған мәндердің дәлдігіне әсер етеді. Наносұйықтықтардың қасиеттерінен бөлек, жылутехника саласындағы басқа да міндеттерді интеллектуалды әдістер арқылы модельдеуге болады. Абиди және басқалар наносұйықтықпен жұмыс істейтін күн коллекторының өнімділігін болжау үшін жасанды нейрондық желі (ЖНЖ) әдістерін қолданған. Дәстүрлі сызықтық емес регрессиямен салыстырғанда, интеллектуалды әдістер жылуалмастырғыштардың әртүрлі сипаттамаларын модельдеуде жоғары дәлділік көрсетті. Ғалымдар әртүрлі интеллектуалды әдістерді жылуалмастырғыштардың өнімділігін модельдеуге кеңінен қолдануда. Мысалы, Хуан және басқалар криогендік тербелмелі ағын жағдайындағы жылуалмастырғыштың өнімділігін бағалау үшін тірек векторлар әдісін (SVM) қолданған. Олар стандартты SVM және бір элементті алып тастау әдісімен (leave-one-out) біріктірілген SVM қолданған және соңғы әдістің дәлдігі жоғары екенін, ең көп қателік 12,4 % болғанын хабарлаған. Тағы бір зерттеуде Исламоглу "сым-құбыр" типіндегі жылуалмастырғышта жылу берілу жылдамдығын болжау үшін жасанды нейрондық желіні (ANN) пайдаланған. Ұсынылған болжау моделінің орташа салыстырмалы абсолютті қатесі 3 %-дан аз болған. Ван және басқалары үнемі бұралмалы қалқалармен немесе сегментті қалқалармен жабдықталған қабық-құбырлы жылуалмастырғыштарда жылу берілу жылдамдығын бағалау үшін ИНС қолданған. Дәстүрлі жылуалмастырғыштарды қолдануда кейбір шектеулер бар, мысалы, жабдықтың көлемі және оларды орнату. Көлемі ықшам, мини немесе микро өлшемдегі жылуалмастырғыштарды әзірлеу бұл мәселелерді шешудің тиімді жолы болмақ. Жылуалмастырғыштарды модельдеуде дәстүрлі әдістерді, мысалы, есептеу гидродинамикасын (CFD) пайдалану еңбек шығынды және айтарлықтай есептеу ресурстарын қажет етеді. Осыған байланысты, есептеу шығындары төмен және жылдам өнімділікке ие баламалы тәсілдер мен әдістерді қолдану орынды. Есептеу шығындарынан бөлек, болжау моделінің дәлдігі де маңызды, оны модель әзірлеу кезінде ескеру қажет. Осылайша, диссертациялық жұмыстың өзектілігі — жылуалмастырғыштардың жылулық сипаттамаларын жоғары дәлдікпен және салыстырмалы түрде төмен есептеу шығындарымен бағалау үшін интеллектуалды әдістерді әзірлеу қажеттігімен анықталады. Ұсынылған интеллектуалды әдістерге негізделген модельдерді пайдалану арқылы, жылуалмастырғыштарды жобалауды оңтайландыруға болады, бұл ретте модельде қолданылатын кіріс деректерін оңтайландыру және жобалау алгоритмдерінің айнымалылары ретінде қарастырып, жақсы өнімділікке ие жылуалмастырғыштарды жобалау мүмкіндігі туады. Диссертациялық зерттеудің мақсаты. Зерттеудің мақсаты – TiO₂ (титан диоксиді) мен ZnO (мырыш оксиді) нанобөлшектерінен тұратын гибридті наносұйықтықты қолдана отырып, микрожылуалмастырғыштағы Нуссельт санына анықтауға арналған интеллектуалды әдістерге негізделген модельдерді әзірлеу, сондай-ақ қайта конфигурацияланатын FPGA платформасында жылуалмастырғыш үшін интеллектуалды болжауыштарды жүзеге асыру және нейрондық желілерді пайдалана отырып, инженерлік жүйелердің өнімділігін талдау және болжауға арналған қайта конфигурацияланатын интеллектуалды блоктарды зерттеу, бұл жылу процестерін басқаруды оңтайландыруға бағытталған. Осы мақсатқа жету үшін келесі міндеттерді шешу қажет болды: жылуөткізгіштікті дәл модельдеу және наносұйықтықпен әртүрлі жылуалмастырғыштардың өнімділігін болжау үшін жасанды нейрондық желілердің (ЖНЖ) теориялық негіздерін, әдістерін, модельдерін зерттеу; 1. модельдерде қарастырылатын кіріс деректерінің маңыздылығын бағалау үшін сезімталдықты талдау жүргізу; 2. модельдің шығыс деректері мен эксперименттік зерттеулерде ұсынылған деректерді салыстыру; 3. микропластинкалы жылуалмастырғыштың өнімділігін талдау үшін көпқабатты перцептрон (MLP) негізіндегі ЖНЖ және аргументтерді топтық есепке алу әдісі (GMDH) нейрондық желілері негізінде модель әзірлеу; 4. қайта конфигурацияланатын FPGA платформаларында жылуалмастырғыштар үшін интеллектуалды болжауыштарды енгізу және жүзеге асыру; 5. қайта конфигурацияланатын технологиялардың қазіргі жағдайы мен инженерлік жүйелердегі қолдану үрдістерін талдау; 6. талдау және болжау алгоритмдерін тиімді орындауды қамтамасыз ететін FPGA негізіндегі интеллектуалды блок архитектурасын әзірлеу; 7. бейімделетін басқару жүйелерін жасау үшін деректерді өңдеу әдістерін және оларды нейрондық желілермен біріктіру тәсілдерін зерттеу. Зерттеудің ғылыми жаңалығы. Осы жұмыста микропластинкалы жылуалмастырғыштағы Нуссельт санын моделдеу үшін екі түрлі жасанды нейрондық желі түрі – аргументтерді топтық есепке алу әдісі (GMDH) және көпқабатты перцептрон (MLP) қолданылды. Бұл әдістер гибридті наносұйықтықты пайдалану мысалында алғаш рет ұсынылып отыр. Сонымен қатар, эксперименттік жұмыста қарастырылған үш айнымалының маңыздылығы мен әсер ету деңгейін бағалау үшін сезімталдықты талдау жүргізілді, бұл зерттеудің ғылыми жаңалығы болып табылады. Ұсынылған модельдердің өнімділігі түрлі статистикалық критерийлер (мысалы, детерминация коэффициенті R², орташа абсолютті салыстырмалы ауытқу (AARD) және орташа квадраттық қате (MSE)) бойынша салыстырылды. Зерттеудің негізгі ғылыми жаңалықтары: FPGA және нейрондық желілердің интеграциясы; бейімделетін басқару алгоритмдері; аргументтерді топтық есепке алу әдісі (GMDH) негізінде модель құру; эксперименттік тексеру: микропластинкалы жылуалмастырғыштар мысалында ұсынылған шешімдердің тиімділігін дәлелдейтін эксперименттік зерттеулер жүргізілді. Эксперимент нәтижелері дәстүрлі басқару әдістерімен салыстырғанда жүйелердің өнімділігі мен сенімділігінің айтарлықтай артқанын көрсетті. Осылайша, бұл зерттеу инженерлік жүйелерді басқару технологияларын дамытуға үлес қосып, деректерді талдау мен болжаудың жаңа тәсілдерін ұсынады. Бұл тәсілдер өнеркәсіптің әртүрлі салаларында сәтті қолданылуы мүмкін. Қорғауға ұсынылатын негізгі тұжырымдар. 1. FPGA негізінде MLP нейрондық желісінің аппараттық архитектурасы жасалды, ол параллельді операцияларды орындау және кідіріс уақытын азайту арқылы деректерді өңдеу жылдамдығын арттырады, бұл жүйенің жалпы өнімділігін жоғарылатады. 2. Нейрондық желінің әрбір қабаты FPGA-ның логикалық блоктарын пайдалана отырып іске асырылды, бұл инженерлік жүйелердің нақты міндеттеріне сәйкес архитектураны икемді түрде бейімдеуге және аппараттық платформаның ресурстарын тиімді пайдалануға мүмкіндік береді. 3. GMDH Shell бағдарламалық қамтамасыз етуін қолдана отырып, деректерді талдау және модельдеу процесі автоматтандырылды, бұл болжау дәлдігін арттырып, модель құру кезінде адам факторына тәуелділікті азайтты. 4. Ұсынылған интеллектуалды жүйе мен дәстүрлі шешімдердің салыстырмалы талдауы жүргізілді. Нәтижесінде, болжау дәлдігі, жауап беру уақыты және басқарудың бейімділігі бойынша жаңа жүйенің артықшылығы дәлелденді. Зерттеу нысаны — жылу процестерін басқару саласында инженерлік жүйелердің өнімділігін талдау және болжау үшін қолданылатын жасанды нейрондық желілер мен реконфигурацияланатын интеллектуалды блоктар. Зерттеу пәні, тапсырманың өзектілігін ескере отырып, үш кіріс параметрінен тұрады, атап айтқанда: пластинаның биіктігі, нано материалдарының концентрациясы және Рейнольдс саны, көпқабатты перцептрон нейрондық желісі (MLP) мен топтық деректерді өңдеу әдісі (GMDH) негізінде модель құру, титан диоксиді TiO₂ және мырыш оксиді ZnO гибридті нано сұйықтықтары, Нуссельт саны. Сонымен қатар, көпқабатты перцептрондар (MLP) және басқа нейрондық желілер негізінде деректерді өңдеу және инженерлік жүйелерде болжау жасау үшін қолданылатын әдістер мен алгоритмдер зерттеледі, мысалы, паянды микропластиналық жылу алмастырғыштар (MPHE). Қарастырылатын аспектілер мыналар: FPGA негізіндегі қайта конфигурацияланатын интеллектуалды блоктардың архитектурасы және олардың деректерді талдаудың күрделі алгоритмдерін орындау мүмкіндіктері; деректерде тәуелділіктер мен заңдылықтарды анықтау және инженерлік жүйелердің өнімділігін болжау үшін қолданылатын машиналық оқыту әдістері, атап айтқанда, нейрондық желілер; нейрондық желілерді бейімдеу және оқыту процестері, олар жұмыс істеп тұрған шарттарда болжаулардың дәлдігін және тиімділігін арттыруға мүмкіндік береді; қолданылатын интеллектуалды әдістердің инженерлік жүйелердің өнімділік және сенімділік көрсеткіштеріне, сондай-ақ жылу процестерін оңтайландыруға әсері. Зерттеу әдістері - теориялық және эксперименттік зерттеулер, математикалық және компьютерлік модельдеу, алгоритмдеу және аппараттық құрылғыларды VHDL аппараттық сипаттау тілінде әзірлеу. Сонымен қатар, осы жұмыста қайта конфигурацияланатын интеллектуалды блоктарды әзірлеу және талдауға кешенді көзқарасты қамтамасыз ететін келесі зерттеу әдістері қолданылады: 1. Аналитикалық әдіс: Қайта конфигурацияланатын технологиялар, нейрондық желілер және олардың инженерлік жүйелерді басқаруда қолданылуы туралы қазіргі жағдай мен үрдістерді талдау жүргізілді. Бұл әдіс саладағы негізгі мәселелер мен қажеттіліктерді анықтауға, сондай-ақ әрі қарай зерттеу бағыттарын негіздеуге мүмкіндік береді. 2. Эксперименттік әдіс: Ұсынылған шешімдерді тексеру үшін қолданылады. Эксперименттік зерттеу интеллектуалды блоктардың прототиптерін әзірлеуді және оларды нақты инженерлік жүйелерде, мысалы, микропластиналық жылу алмастырғыштарда тексеруді қамтиды. Өнімділіктің енгізілгенге дейінгі және кейінгі салыстырмалы талдауы әзірленген шешімдердің тиімділігін бағалауға мүмкіндік береді. 3. Модельдеу: Инженерлік жүйелердің виртуалды модельдерін жасау және олардың түрлі жұмыс режимдеріндегі мінез-құлқын талдау үшін математикалық және компьютерлік модельдеу әдістері қолданылады. Модельдеу түрлі басқару және болжау алгоритмдерін тексеруге, сондай-ақ олардың өнімділікке әсерін бағалауға мүмкіндік береді. 4. Машиналық оқыту әдістері: Көпқабатты перцептрондар (MLP) және басқа нейрондық желілерді әзірлеу және оқыту үшін қолданылады. Машиналық оқыту әдістерінің қолданылуы деректердегі күрделі тәуелділіктер мен заңдылықтарды анықтауға мүмкіндік береді, бұл адаптивті басқару жүйелерін құрудың негізі болып табылады. 5. Топтық деректерді өңдеу әдісі (GMDH): Деректерді талдау және өңдеу үшін енгізіледі, бұл бірнеше ақпарат көздерін және олардың өзара байланыстарын ескеру мүмкіндігін береді. Бұл әдіс болжау дәлдігін және жүйелердің шуға төзімділігін арттыруға көмектеседі. Осы әдістердің қолданылуы зерттеуге кешенді тәсілді қамтамасыз етеді, бұл мәселелерді тереңірек түсінуге және инженерлік жүйелердегі жылу процестерін басқару үшін тиімді шешімдер әзірлеуге ықпал етеді. Зерттеу жұмысының практикалық маңызы Бұл жұмыстың практикалық маңызы қайта конфигурацияланатын интеллектуалды блоктардың әзірленуі мен енгізілуінде, олар инженерлік жүйелерде жылу процестерін басқарудың тиімділігін арттыруға ықпал етеді. Практикалық маңыздылықтың негізгі аспектілері мыналарды қамтиды: Өндірістік процестердің тиімділігін арттыру: Ұсынылған шешімдердің іске асуы жылу процестерін басқаруды айтарлықтай оңтайландыруға мүмкіндік береді, бұл энергия шығындарын азайтуға және жүйелердің жалпы өнімділігін арттыруға әкеледі. Өнім сапасын жақсарту: Машиналық оқыту әдістеріне негізделген интеллектуалды блоктар өнімнің сапасына әсер ететін параметрлерді дәл бақылауды қамтамасыз етеді, бұл әсіресе сапаға жоғары талаптар қойылатын салаларда маңызды.Техникалық қызмет көрсету шығындарын азайту: Потенциалды проблемаларды болжау және процестерді автоматты түрде реттеу жабдықтың жоспарланбаған тоқтап қалуларын және қызмет көрсету шығындарын азайтуға мүмкіндік береді, бұл ресурстарды үнемдеуге септігін тигізеді. Жүйелердің икемділігі мен бейімделгіштігі: Интеллектуалды блоктарды жаңа тапсырмаларға тез бейімдеу мүмкіндігі кәсіпорындарға нарықтағы және технологиялардағы өзгерістерге бейімделуге мүмкіндік береді, бұл олардың бәсекеге қабілеттілігін арттырады. Қолданудың кең ауқымы: Әзірленген шешімдер энергетика, мұнай-газ өнеркәсібі, өндірісті автоматтандыру және HVAC (жылыту, желдету және ауаны баптау) салаларында қолданыла алады. Бұл оларды әртүрлі салалардағы процестердің тиімділігін арттыру үшін әмбебап құралдар етеді. Қолданыстағы жүйелермен интеграциялау: Интеллектуалды блоктарды бұрыннан бар басқару және автоматтандыру жүйелеріне оңай интеграциялауға болады, бұл олардың енгізілуін жеңілдетеді және инвестициялар құнын арттырады. Сонымен, жұмыстың практикалық маңызы оның технологияларды басқаруды дамытуға қосқан үлесінде, бұл инженерлік жүйелердің тиімділігін, сенімділігін және сапасын арттыруға мүмкіндік береді, бұл қазіргі заманғы өндіріс пен бизнестің маңызына сай келеді. Диссертация нәтижелерінің апробациясы. Диссертациялық жұмыстың негізгі нәтижелері Л.Н. Гумилев атындағы Евразия ұлттық университетінің семинарларында, сондай-ақ халықаралық конференцияларда баяндалды: 1. Халықаралық ғылыми-практикалық конференция «Интеллектуалдық ақпараттық және коммуникациялық технологиялар – «Қазақстан-2050» стратегиясы аясында үшінші индустриалды революцияны жүзеге асыру құралы». Астана, 2013 жыл; 2. II Халықаралық ғылыми-практикалық конференция «Интеллектуалдық ақпараттық және коммуникациялық технологиялар – «Қазақстан-2050» стратегиясы аясында үшінші индустриалды революцияны жүзеге асыру құралы». ЕНУ им. Л.Н. Гумилева, Астана, 2014 жыл. ҚРҒ ЖБМ ҒЖБССҚЕК ұсынған ғылыми журналдарда жарияланған мақалалар: 1. Досумбеков Е.К. Характерстики и ососбенности кристаллов программируемых логических интегральных схем FPGA. // ВЕСТНИК, Выпуск: ЕНУ им.Л.Н.Гумилева, Астана, 2014. –С. 425-429. 2. Досумбеков Е.К. Бағдарламалық логикалық интегралды схемалар негізіндегі сандық жүйелерде метатұрақтылық мәселені шешу жолы. // ВЕСТНИК, Выпуск: ЕНУ им.Л.Н.Гумилева, Астана, 2014. –С. 180-185. 3. Досумбеков Е.К. Применение высокоуровневнего синтеза (high level synthesis) в проектировании реконфигурируемых IP блоков. // ВЕСТНИК, Выпуск: ЕНУ им.Л.Н.Гумилева, Астана, 2014. –С. 205-208. Зерттеу нәтижелері бойынша жарияланған мақалалар, соның ішінде Web of Science және Scopus деректер базасында индекстелетін ғылыми журналдарда: 1. Dossumbekov E.K., Nurkhat Zhakiyev, Mohammad Alhuyi Nazari, Mohamed Salem, Bekzat Abdikadyr. Sensitivity Analysis and Performance Prediction of a Micro Plate Heat Exchanger by Use of Intelligent Approaches. // International Journal of Thermofluids, Volume 22, May 2024, 100601, https://doi.org/10.1016/j.ijft.2024.100601. Зерттеу жұмысының интеллектуалды блогын енгізу актісі, нейрондық желілер мен бағдарламаланатын логикалық интегралды схемалар негізінде әзірленген (автор – Досумбеков Е.К.), ТОО "JDM Group" компаниясында инженерлік жүйелердің өнімділігін талдау және болжау мақсатында қолданылғанын растайды (енгізу күні – 14.02.2025 ж.). Диссертацияның көлемі мен құрылымы. Диссертациялық жұмыс кіріспеден, үш бөлімнен, қорытындыдан және 2 қосымшадан тұрады. Жұмыс 72 бет көлемінде, иллюстрациялар, схемалар мен кестелер арқылы компьютерлік мүмкіндіктерді қолдану арқылы жазылған. Әдебиеттер тізімі 78 атаудан тұрады. Автор ғылыми жетекші – техника ғылымдарының докторы, Л.Н. Гумилев атындағы Еуразия ұлттық университетінің «Компьютерлік және бағдарламалық инженерия» кафедрасының профессоры Маткаримов Бахыт Турганбаевичке, сондай-ақ шетелдік кеңесшілер – техника ғылымдарының докторы, доцент Зюбин Владимир Евгеньевичке (Автоматика және электрометрия институты СО РАН, Новосибирск, Ресей) және техника ғылымдарының докторы Палташев Тимур Турсуновичке (Advanced Micro Devices компаниясы, Санта-Клара, Калифорния, АҚШ) зерттеу жүргізу барысында көрсеткен бағалы көмегі, кеңестері мен қолдауы үшін шынайы алғыс білдіреді.
Зерттеулерді этикалық бағалау жөніндегі комиссияның қорытындысы
Диссертациялық кеңестің шешімі
Диссертация қорғауының бейнежазбасы: https://www.youtube.com/watch?v=5UBbIhBqLV0
