Intelektual qurilmalarning internet tarmog‘i (internet of things) ga asoslangan oziq - ovqat ishlab chiqarish va qayta ishlash korxonalarining umumiy modelini ishlab chiqish

Kirish. Zamonaviy aqlli energiya boshqaruvi (Smart Energy Management Systems — SEMS) konsepsiyasi doirasida IoT, SCADA, MATLAB, PLC va sun’iy intellekt texnologiyalari asosida ishlab chiqilgan integratsiyalashgan yondashuvlar energiya boshqaruvining poydevorini tashkil qiladi. Ayniqsa, oziq-ovqat sanoatida bu texnologiyalarni birgalikda qo‘llash real vaqt rejimida energiya oqimlarini tahlil qilish, bashoratlash, nazorat qilish va avtomatik boshqarish imkonini yaratadi [1; 61–69-b.]. Misol uchun, AI algoritmlari yordamida ishlab chiqarish yuklamasining, bosim va haroratning prognozi aniqlanadi. IoT sensorlari orqali real vaqtli monitoring amalga oshiriladi, SCADA tizimi ma’lumotlarni vizualizatsiya qiladi, PLC qurilmalari jarayonga ta’sir ko‘rsatadi. Bularning barchasi energiya tejamkorligini 15–30% gacha oshirish imkonini beradi [2; 66–73-b.]. Yuqoridagilardan kelib chiqib, oziq-ovqat sanoatida energiya samaradorligini oshirish masalasi iqtisodiy, ekologik va ijtimoiy ahamiyatga ega bo‘lgan ustuvor yo‘nalishdir. Ushbu bo‘lim keyingi boblar uchun metodologik asos sifatida xizmat qiladi va doktorlik dissertatsiyasining nazariy negizini belgilab beradi [3; 12–19-b.]. Oziq-ovqat sanoati dunyo iqtisodiyotida eng yirik energiya iste’mol qiluvchi tarmoqlardan biridir. Global Energetika Agentligining (IEA) 2023-yil hisobotlariga ko‘ra, oziq-ovqat ishlab chiqarish dunyo energiya iste’molining 30 foizini tashkil etadi. Bug‘, sovutish, quritish, fermentatsiya, qadoqlash va saqlash jarayonlari eng yirik energiya sarfchilardir. Ushbu jarayonlarda energiya samaradorligining pastligi global miqyosda har yili 10 million tonnadan ortiq ortiqcha issiqlik va elektr energiyasi sarflanishiga olib kelmoqda. Shu boisdan, energiya samaradorligini oshirish masalasi dunyo ilm-fanida, sanoat korxonalarida va davlat siyosatida eng muhim yo‘nalishlardan biri sifatida e’tirof etilmoqda [4; 70–78-b.]. Qo‘qon Yog‘-Moy Invest MChJ misolida olib borilgan tadqiqotda ishlab chiqarish jarayonida energiya sarfi bilan bog‘liq barcha quyi tizimlarni o‘z ichiga olgan matematik model ishlab chiqildi. Ushbu yondashuv faqat bitta qurilmaning energiya iste’moliga emas, balki butun texnologik tizim – masalan, moyni chigitdan ajratib olish, quritish, presslash, filtratsiya va saqlashgacha bo‘lgan barcha bosqichlardagi elektr yuklamalarini kompleks tarzda qamrab oladi. Model asosida real vaqtda elektr energiyasini monitoring qilish uchun IoT datchiklari hamda SCADA tizimi orqali sinxron ma’lumot yig‘ish amalga oshirildi. Dastlabki sinovlarda 15 kVt quvvatli dvigatelli shnekli bunker tizimi misolida turli parametrlar – ya’ni yuklama, issiqlik sarfi, aylanish chastotasi va bosim o‘zgarishlari asosida elektr energiyasi sarfi aniqlanib, MATLAB muhitida modellashtirildi. Matematik tahlil natijalariga ko‘ra, energiya iste’moli har doim chiziqli bog‘liqlikda bo‘lmaganligi aniqlandi. Aksincha, mahsulot ishlab chiqarish sur’ati (kg/soat) bilan bir kilogramm mahsulotga to‘g‘ri keladigan energiya sarfi (J/kg) o‘rtasida keskin invers (teskari) nolinear bog‘liqlik mavjudligi kuzatildi. Bu esa texnologik parametrlar to‘g‘ri tanlanganda va boshqarilganda energiya tejalishiga erishish mumkinligini isbotlaydi. “Фан ва технологиялар тараққиёти” Илмий–техникавий журнал №6/2025 205 Информатика и информационно-коммуникационные системы Hozirgi bozorda mavjud bo‘lgan aksariyat yechimlar asosan yirik korxonalar uchun mo‘ljallangan bo‘lib, ularning yuqori narxi hamda maxsus mutaxassislarning moslashtirish ishlari talab qilinishi sababli kichik va o‘rta biznes hamda yakka tartibdagi bino egalari uchun noqulay hisoblanadi. Ushbu tadqiqotning asosiy maqsadi shu cheklovlarni bartaraf etishdan iborat bo‘lib, barcha zarur funksiyalarni o‘z ichiga olgan, ayni paytda iqtisodiy jihatdan maqbul va foydalanish oson bo‘lgan IoT asosidagi energiya boshqaruv platformasi ishlab chiqishga qaratilgan [5; 60–70b.]. Mazkur platforma sensorlar, dasturiy ta’minot, apparat modellar, qaror qabul qilish algoritmlari, ijro mexanizmlari hamda tizimlashtirilgan bilimlar bazasini birlashtirgan bo‘lib, internet va bulutli texnologiyalar orqali ma’lumotlar almashinuvi va boshqaruvini ta’minlaydi. Ushbu tizim uch xil real hayot sharoitida sinovdan o‘tkazilgan bo‘lib, ilg‘or energiya boshqaruv tizimini shakllantirishga yo‘naltirilgan [6; 51–59-b.]. Birinchi tajriba – shamollatish tizimini optimallashtirish, bunda IoT sensorlari yordamida harorat, bosim farqlari hamda havo oqimlari kuzatildi. Sun’iy neyron tarmoqlari orqali tizim turli sharoitlarda qanday ishlashini bashorat qilishga yordam berdi . Genetik algoritm esa optimal ishlash sharoitlarini aniqlash uchun qo‘llandi. Ushbu yondashuv yillik shamollatish energiya iste’molini 20% ga kamaytirishga, shuningdek, dam olish kunlari quvvat sarfini 60% ga pasaytirishga imkon berdi [7; 66–75-b.]. Ikkinchi tajriba – siqilgan havo tizimi bosimini optimallashtirish, bu jarayonda energiya samaradorligiga ta’sir qiluvchi asosiy muammolar – havo sizib chiqishi, issiqlik yo‘qotishlari va bosim pasayishlarini bartaraf etish maqsad qilingan. IoT sensorlari real vaqt rejimida bosim, oqim va energiya iste’molini kuzatib, mashina o‘rganish modellarida tahlil qilindi. Natijada, siqilgan havo bosimini har 1 bar kamaytirish orqali 7% energiya tejalishi ta’minlandi [8; 60–66-b.]. Uchinchi tajriba – keraksiz havo sarfini aniqlash, bunda k-means klasterlash algoritmi orqali normal va nostandart ish rejimlari ajratildi. Ish soatlaridan tashqari vaqtlarda havo iste’molining kutilmagan holatlari gistogramma hamda issiqlik xaritalari orqali baholanib, muammoli joylar aniqlab chiqildi. O‘tkazilgan optimallashtirish natijasida haftasiga 393 kVt*soat energiya tejaldi, bu esa kompressorning haftalik energiya sarfining 10% ini tashkil etdi [9; 55–62-b.]. Ushbu tadqiqotning asosiy innovatsion jihati – IoT tizimi bilan modellashtirish intellekti integratsiyasi bo‘lib, real vaqt rejimida energiya boshqaruv imkoniyatlarini kengaytirish, samaradorlikni oshirish va operatsion jarayonlarni uzluksiz takomillashtirishga yordam beradi. Tadqiqot natijalari shuni ko‘rsatdiki, ilg‘or IoT platformalari kichik va o‘rta biznes uchun energiya tejash va iqtisodiy jihatdan maqbul bo‘lgan innovatsion yechimlarni taklif etishi mumkin. Bosqichning maqsadi – keyingi tahlillar uchun zarur bo‘lgan statistik asoslarni yaratishdir. Bunda statistik yondashuvlardan, jumladan, chetga chiqadigan qiymatlarni filtrlash, yo‘qolgan qiymatlarni tiklash va regressiya usullaridan foydalaniladi. Bu turdagi tozalash va tayyorlov ishlari ma’lumotlarni chuqur qazib olish (data mining) modellari uchun asos bo‘lib xizmat qiladi. Chetga chiqadigan qiymatlarni aniqlash – bu bosqichda simmetrik harakatlanuvchi oynaga asoslangan median filtr foydali bo‘lib chiqadi. Ayniqsa, Hampel filtri – median asosidagi qaror filtri – markazdagi qiymat medianadan juda uzoqda joylashgan bo‘lsa, uni median bilan almashtiradi. Bu algoritm qiymatlarni lokal median bilan yangilaydi, massiv uzunligini o‘zgartirmaydi va bu esa mashinali o‘rganish modellari uchun qulaylik yaratadi. Yo‘qolgan ma’lumotlarni to‘ldirish – bu holatda Kalman filtri eng keng tarqalgan yondashuvdir. Kalman filtri ma’lumotlarni kuzatish va bashorat qilishda optimal yechim sifatida ishlatiladi. Energiya sohasidagi katta hajmdagi ma’lumotlar turli qurilmalar va dasturiy vositalar orqali yig‘iladi, bu esa vaqt oralig‘i, makon aniqligi, hajmi va formati jihatidan farq qiladi. Platformamizda bunday ma’lumotlar turli birliklar va o‘lchovlarda yig‘iladi (masalan: quvvat, kuchlanish, fazalar soni va boshqalar). Ma’lumotlarni integratsiyalashning ikki asosiy muammosi: “Развитие науки и технологий” Научно–технический журнал №6/2025 206 Информатика ва ахборот-коммуникацион тизимлар 1. Schema integratsiyasi – bu mavjud yoki yangi ma’lumotlar bazalarining yagona sxemaga birlashtirilishidir. Turli SEUlar uchun umumlashtirilgan modellar foydalanuvchi spetsifikatsiyasiga tayangan holda yaratiladi. 2. Ortiqcha takroriylik (Redundancy) – bu bir xil ma’lumotlarning ko‘p marta qaytarilishi bilan bog‘liq. Takroriylik quyidagi muammolarni keltirib chiqaradi:  Bazaning hajmi ortadi  Ma’lumotlar formatida nomuvofiqlik yuzaga keladi  Ma’lumotlar bazasining ishlash samaradorligi pasayadi  Data mining algoritmlarining ishonchliligi kamayadi  Korrelyatsiya tahlili orqali ba’zi takroriyliklarni aniqlash mumkin. Korrelyatsiya koeffitsiyenti quyidagi formulalar bilan aniqlanadi: Pearsonning korrelyatsiya koeffitsienti quyidagi formula asosida hisoblanadi: 𝑟= Cov(𝑋, 𝑌) √𝑠𝑋 2 ⋅𝑠𝑌 2 (1.1) Bunda: Cov(X,Y) — X va Y o‘zgaruvchilar o‘rtasidagi kovariatsiya; sX 2, sY 2 - X va Y o‘zgaruvchilarning dispersiyalari. Kovariatsiya quyidagicha aniqlanadi: Cov(𝑋, 𝑌) = ∑ 𝑛 𝑖=1 (𝑋𝑖−𝑋‾)(𝑌𝑖−𝑌‾) 𝑛−1 #(1.2) Bunda:𝑋‾ va 𝑌‾ - mos ravishda 𝑋 va 𝑌 o‘zgaruvchilarning o‘rtacha qiymatlari; 𝑛 — kuzatuvlar soni. Izoh: Cohen mezoniga ko‘ra, agar: 𝑟≥0.5, Izoh: Cohen mezoniga ko‘ra, agar: U holda bu sezilarli bog‘liqlik deb baholanadi (ya’ni kuchli statistik munosabat mavjud). Oziq-ovqat sanoatida, masalan, elektr energiyasi iste’moli X va ishlab chiqarish hajmi Y o‘rtasidagi bog‘liqlikni aniqlashda ushbu koeffitsient tahliliy asos sifatida qo‘llaniladi. Agar r≥0.5 bo‘lsa, bu ishlab chiqarish hajmining o‘sishi bilan energiya iste’molining ham bevosita ortib borishini bildiradi bu esa energiya samaradorligini boshqarish strategiyalarini ishlab chiqishda muhim ko‘rsatkichdir. Ma’lumotlarni qazib olish (data mining) moduli sun’iy intellekt va mashinali o‘rganish algoritmlaridan foydalanib, energetik tizimlardagi sezilarli ma’lumotlarni aniqlash imkonini beradi. Ayniqsa oziq-ovqat ishlab chiqarish jarayonlarida turli xil energiya iste’mol qiluvchi qurilmalarning (SEU – Specific Energy Units) real vaqt rejimidagi monitoring natijalari asosida operatsion ma’lumotlarni universal va moslashuvchan modelga aylantirish muhim hisoblanadi. Zamonaviy chuqur o‘rganish (deep learning) metodlari tufayli energiya sarfini tahlil qilish an’anaviy oldindan belgilangan matematik tenglamalarga bog‘liq bo‘lmasdan, murakkab texnologik tizimlarni tajriba asosida, ya’ni a posteriori yondashuv orqali o‘rganish imkonini yaratadi. Bu yondashuv, ayniqsa oziq-ovqat sanoatida ishlab chiqarish yuklamasining prognozi, ishlab chiqarishning intensiv bosqichlari, energetik pik davrlar va dinamik yuklamalarni aniqlashda samarali hisoblanadi.  Elektr quvvati yuklamasini real vaqt rejimida boshqarish;  Issiqlik sarfi va ventilyatsiya energiyasini avtomatik tartibga solish;  Har bir texnologik parametr uchun energiya talabi xaritasini tuzish;  Nosozlik ehtimolini prognozlash va xavfsizlik chegaralarini belgilash;  Ishlab chiqarish samaradorligini pasaytirmagan holda energiya sarfini 20–60% gacha kamaytirish. Mazkur yondashuv ISO 50001:2018 xalqaro standarti talablariga muvofiq ishlab chiqarish korxonalarida energiya boshqaruv tizimini joriy etish bo‘yicha ilmiy-amaliy yechimlar beradi. “Фан ва технологиялар тараққиёти” Илмий–техникавий журнал №6/2025 207 Информатика и информационно-коммуникационные системы Asosiy qism. Zamonaviy ishlab chiqarish tizimlarida energiya xom-ashyoni tayyor mahsulotga aylantirish uchun ishlatiladigan asosiy resurslardan biri hisoblanadi. Aynan shuning uchun, ishlab chiqarish jarayonida energiya samaradorligini oshirishga erishish uchun har bir texnologik jarayon va uning ost bo‘limlari bo‘yicha energiya sarfini matematik va amaliy jihatdan tavsiflash alohida ahamiyat kasb etadi. Ayniqsa, energetika resurslari, xom-ashyo va suv zaxiralari global miqyosda keskin kamayib borayotgan bir sharoitda, bu masala yanada dolzarb tus olmoqda. Xalqaro prognozlarga ko‘ra, 2010-yildan 2040-yilgacha global energiya iste’moli 50% ga oshishi kutilmoqda, bu o‘sishning 37 foizi aynan sanoat sektoridagi talab ortishiga to‘g‘ri keladi. Energiya narxining doimiy oshib borayotganligi sharoitida ishlab chiqarish korxonalari ishlab chiqarish tannarxini pasaytirish va raqobatbardosh bo‘lish uchun energiya samaradorligini oshirishga doir chora-tadbirlarni faol ravishda tatbiq etmoqda [4]. Bunga javoban, bir qator rivojlangan davlatlar, jumladan Yevropa Ittifoqi, sanoat korxonalarida energiya tejamkorligini oshirish bo‘yicha yangi direktivalar va tartiblarni joriy qilmoqda. Ushbu talablar yaqin kelajakda yanada qat’iyroq bo‘lishi kutilmoqda, chunki global iqlim o‘zgarishi va energiya ta’minotidagi muammolar insoniyat oldiga yangi strategik vazifalarni qo‘ymoqda. Ushbu omillarni inobatga olgan holda, Qo‘qon Yog‘-Moy Invest MChJ kabi ishlab chiqarish korxonalarida real vaqt rejimida energiya sarfini aniqlash, tahlil qilish va boshqarish imkonini beruvchi kompleks texnologik yondashuv ishlab chiqish zaruratga aylandi. Xususan, ishlab chiqarishdagi energiya iste’molini o‘rganish bo‘yicha ilgari olib borilgan ilmiy izlanishlar ko‘pincha texnik yo‘nalishda bo‘lib, texnologik jarayonlarning har bir bosqichidagi energiya sarfini alohida tahlil qilgan. Ammo energiyani boshqarish masalasini boshqaruv darajasida, ya’ni korxona siyosati, energiyadan foydalanish madaniyati va xodimlarning bilim darajasi bilan bog‘lab o‘rgangan tadqiqotlar kamroq. Bu borada, masalan, tomonidan Malayziya sanoat korxonalarida olib borilgan tahlil shuni ko‘rsatadiki, rahbariyatning energiya masalasidagi xabardorligi va qat’iy siyosati korxona umumiy energiya samaradorligiga sezilarli ta’sir ko‘rsatadi [6]. Ishlab chiqarish tizimlarida energiya sarfini aniqlash va tahlil qilish bo‘yicha metodik yondashuvlar, Jihozlar Murakkablik Darajalari (Equipment Complexity Levels) asosida to‘rt bosqichli klassifikatsiyaga bo‘linadi:  1-daraja (Mahsulot xususiyatlari darajasi): Bu darajada mahsulotning alohida modul yoki funksional qismlariga ishlatilgan materiallar va ularning yetkazib berish zanjiriga ta’siri tahlil qilinadi.  2-daraja (Jihoz yoki moslama darajasi): Ishlab chiqarish tizimidagi alohida qurilma yoki mashinaning energiya sarfi va texnik samaradorligi aniqlanadi.  3-daraja (Tsex / liniya / blok darajasi): Qurilmalar majmuasining birgalikdagi faoliyati va ulardagi energiya oqimi baholanadi.  4-daraja (Butun korxona yoki logistika tarmog‘i darajasi): Bunda korxonaning barcha ishlab chiqarish obyektlari, yordamchi infratuzilma va tashqi logistika energiya oqimi bilan birgalikda tahlil qilinadi. Qo‘qon Yog‘-Moy Invest kabi korxonalarda energiya samaradorligini to‘liq baholash uchun aynan “3-darajadagi tahlil (blok yoki liniya darajasi)”ni amalga oshirish muhim ahamiyatga ega. Bu esa nafaqat alohida press, bug‘ qozoni yoki nasosning energiya sarfini, balki ularning o‘zaro bog‘liqligi, yuklamadagi dinamik o‘zgarishlar va SCADA tizimidagi monitoringni ham inobatga oladi. Aksariyat maxsulotga ishlov berish bo‘yicha olib borilgan tahlillar faqat 1-daraja doirasida - ya’ni mahsulot-material o‘zaro ta’siri nuqtai nazaridan cheklangan. Shu bois, energiya samaradorligini kompleks tizim darajasida o‘rganish uchun butun blok bo‘yicha modellashtirish talab etiladi. “Развитие науки и технологий” Научно–технический журнал №6/2025 208 Информатика ва ахборот-коммуникацион тизимлар Shunga o‘xshash yondashuv subtraktiv ishlov berish (frezalash, burg‘ulash) jarayonlarida keng qo‘llanilgan bo‘lib, ularning matematik modellari lazerli va issiqlik asosidagi texnologiyalar uchun ham foydali uslubiy asos yaratadi. Energiya samaradorligining eng muhim ifodasi sifatida, ishlab chiqarish jarayonining umumiy ko‘rsatkichini aniqlash mumkin: 𝜂manufacturing = ishlab chiqarilgan mahsulotlar soni elektr quvvatiga bo‘lgan talab yoki birliklar bo‘yicha: 𝜂manufacturing = ishlab chiqarilgan birliklar soni elektr energiyasi sarfi #(1.3) Tadqiqot uchun bu yondashuv shuni anglatadiki:  IoT sensorlari orqali har bir qurilmaning aniq quvvat sarfi kuzatiladi;  SCADA tizimi ma’lumotlarni yig‘adi va MATLAB asosida energiya profili tuziladi;  AI (Random Forest, Regression) modellari har bir bosqichda optimal ishlash rejimini bashoratlaydi;  Yakuniy mahsulot birligiga to‘g‘ri keluvchi energiya sarfi (ESI) real vaqt rejimida hisoblab boriladi. Mazkur ifodani Qo‘qon Yog‘-Moy Invest MChJ misolida olayotgan bo‘lsak, Bunda “produced pieces” – bu yog‘ ajratilgan chigit massasi, elektr quvvati esa presslash, aralashtirish, quritish, haroratni ushlab turish jarayonlariga ketgan energiya sifatida qabul qilinadi. Masalan, presslash jarayoni uchun yuqoridagi formula quyidagi tarzda moslashtiriladi: 𝜂press = kunlik eritilgan chigit (kg/soat) elektr energiyasi sarfi (kW) #(1.4) Bu prinsiplarni oziq-ovqat sanoatiga tatbiq qilib, real vaqt rejimida AI yordamida har bir texnologik bosqich uchun quyidagicha formulalar hosil qilinadi: = ∫ 𝑡 0 𝑃foy(𝑡) 𝑑𝑡 𝜂process = 𝐸foydali 𝐸elektr #(1.5) ∫ 𝑡 0 𝑃elektr(𝑡) 𝑑𝑡 Bunda: 𝜂process - umumiy jarayon energiya samaradorligi; 𝑃foy(𝑡) - real vaqtli foydali quvvat (masalan, presslashdagi foydali ish); 𝑃elektr(𝑡) - umumiy elektr energiyasi sarfi; 𝑡 - vaqt (soat). Ushbu formulani chuqurlashtirib, energetik oqimni komponentlarga ajratishni taklif etadi: 𝐸MR + ∑ 𝐸elec,loss = 𝐸elec,MT + 𝐸elec,PD#(1.6) Bunda:𝐸MR – to‘g‘ridan-to‘g‘ri ishlatilgan energiya; 𝐸elec,loss – yo‘qotilgan elektr energiyasi; 𝐸elec,MT – texnologik moslamalarning elektr sarfi; 𝐸elec,PD – yordamchi tizimlar uchun elektr sarfi. Shu yondashuvni Qo‘qon Yog‘-Moy Invest MChJga tatbiq etish orqali quyidagi toifalarga ajratilgan energiya balansini tahlil qilish mumkin:  DE – to‘g‘ridan-to‘g‘ri energiya (Direct Energy): chigitni presslash, sovitish, bug‘ bilan quritish;  IE – bilvosita energiya (Indirect Energy): nasoslar, yoritish, SCADA tizimi uchun elektr sarfi. DE = TE (nazariy energiya) + AE (yordamchi energiya) bo‘lib, bu model yordamida mahsulotga nisbatan energiya sarfi (ESI), umumiy samaradorlik (EFF_total) va yo‘qotishlar soni aniq hisoblanadi. Energiya tahlili modeli turli texnologik tizimlardagi elektr energiyasi sarfini bosqichmabosqich tahlil qilishga imkon beradi. Ushbu yondashuvni oziq-ovqat sanoatiga – xususan, Qo‘qon Yog‘-Moy Invest MChJ chigitdan yog‘ ajratish texnologik liniyasiga – moslashtirib, quyidagi tenglama shaklida umumlashtirish mumkin: 𝐸ish + ∑ 𝐸elektr,yo‘q = 𝐸asosiy + 𝐸sovitish + 𝐸chiqarish + 𝐸harakat + 𝐸qo‘llab-quvvatlovchi#(1.7) “Фан ва технологиялар тараққиёти” Илмий–техникавий журнал №6/2025 209 Информатика и информационно-коммуникационные системы Bunda: Eish – to‘g‘ridan-to‘g‘ri texnologik ishlov berish uchun sarflangan foydali energiya (masalan, presslash); Eelektr,yo‘q– elektr energiyasidagi yo‘qotishlar (transformatsiya, dvigatel samaradorligi pastligi va h.k.); Easosiy – texnologik asosiy qurilmalar (nasoslar, dvigatellar, qozonlar) uchun sarflangan energiya; Esovitish– sovutish tizimlari (ventilyatsiya, suv aylanishi) uchun energiya; Echiqarish – chiqindi gaz, bug‘ va issiqlikni chiqarish tizimlari uchun energiya (masalan, ekstraktorlar, filtratsiya tizimlari); Eharakat– transportyorlar, aralashtirgichlar, shneglarda ishlatiladigan elektr quvvat; Eyordamchi SCADA, PLC, yoritish, kompyuter tizimlari va boshqa yordamchi tizimlar uchun energiya sarfi. Energiya bevosita elektr quvvatining vaqt bo‘yicha integraliga bog‘liq bo‘lgani sababli (ya’ni E=∫P(t)dtE = \int P(t)dtE=∫P(t)dt), tenglama (5) quyidagi tarzda vaqtga nisbatan integral ko‘rinishda qayta yoziladi: 𝑡 𝑡 𝑡 0 𝑃asosiy(𝑡)𝑑𝑡+ ∫ 0 𝑃sovitish(𝑡)𝑑𝑡+ ∫ 0 𝑃chiqarish(𝑡)𝑑𝑡+ 𝐸ish + ∑ 𝐸elektr,yo‘q = ∫ 0 𝑃qo‘llab-quvvatlovchi(𝑡)𝑑𝑡#(1.8) 𝑡 𝑡 0 𝑃harakat(𝑡)𝑑𝑡+ ∫ ∫ Mazkur model yordamida quyidagilarni amalga oshirish mumkin:  Har bir energiya iste’mol qiluvchi tizim komponentining real vaqtli yuklama monitoringi IoT datchiklari orqali;  AI (Random Forest) orqali samarali yuklama prognozi;  SCADA+PLC tizimi orqali avtomatik boshqaruv signali yuborilishi;  Vaqt bo‘yicha integral hisoblash orqali har bir texnologik bosqichda energiyaning qanday sarflanayotganini aniqlash. Ushbu model 3-darajadagi texnologik tizimlar murakkabligi darajasiga (Level 3 – liniya, hujayra, sex) to‘g‘ri keladi. Har bir quvvat komponenti esa 2-daraja (individual qurilma darajasida) ko‘rib chiqiladi. Modelni Qo‘qon Yog‘-Moy Invest MChJ korxonasi ishlab chiqarish liniyasiga moslab tadbiq etish orqali: Issiqlik yo‘qotishlarini aniqlash 𝑞= 𝜆⋅ 𝑇int−𝑇ext 𝛿 ⋅𝐴⋅𝑡 (1.9) Energiya samaradorligini aniqlash 𝜂= 𝐸foy 𝐸kir (1.10) Mahsulotga nisbatan energiya sarfi ESI = 𝑊 𝑉ish ⋅ 1 𝜂 (1.11) kabi hisob-kitoblarni yuqori aniqlikda amalga oshirish mumkin bo‘ladi. Avvalgi (1.11)-tenglamada vaqt omili hisobga olingan bo‘lishiga qaramay, bu formulada texnologik jarayonning ko‘p bosqichli xarakteri to‘liq aks ettirilmaydi. Masalan, yog‘-moy ishlab chiqarish liniyasida ayrim qurilmalar (masalan, shneglarda harakatlanuvchi elektr motorlar yoki siqilgan havo kompressorlar) uzoq vaqt davomida quvvat sarflaydi, biroq ular faqat ma’lum qisqa vaqt oralig‘ida bevosita ishlab chiqarish faoliyatini amalga oshiradi. Shu sababli, real vaqtli energiya sarfini aniqlash uchun texnologik tizimning har bir funksional holati (ya’ni faoliyat bosqichlari) bo‘yicha vaqt taqsimotini tahlil qilish muhimdir. Bu yondashuvni qo‘llagan holatlar sanoat mexanik ishlov berish (machining) jarayonlarida mavjud bo‘lib, ishlov jarayoni “tayyor”, “kutish” va “kesish” bosqichlariga bo‘lingan va ularning har birida quvvat sarfi alohida baholangan. Bu yondashuvni Qo‘qon Yog‘-Moy Invest MChJ korxonasi uchun o‘zgartirilgan ko‘rinishda taklif etamiz. Bunda energiya sarfi quyidagi operatsion bosqichlar bo‘yicha baholanadi: 1. O‘chirilgan holat (Off) – Tizim butunlay o‘chirilgan, hech qanday quvvat iste’moli yo‘q. “Развитие науки и технологий” Научно–технический журнал №6/2025 210 Информатика ва ахборот-коммуникацион тизимлар 2. Kutish: yordamchi qurilmalarsiz (Standby off) – Faqat boshqaruv moduli (masalan, SCADA interfeysi) va xavfsizlik tizimlari faol, asosiy motorlar yoki nasoslar o‘chiq. 3. Kutish: yordamchi qurilmalar faol (Standby on) – Barcha subsystemlar (sovutish, PLC, sensoriya) faol, ammo ishlab chiqarish hali boshlanmagan. 4. Isitish bosqichi (Warm-up) – Qurilmalar ishga tushirilgan, ammo hali kerakli harorat yoki bosimga yetmagan. Issiqlik elementlari, bug‘ qozonlari faol. 5. Jarayonga tayyorlik (Ready) – Barcha qurilmalar va tizimlar ish holatida, ishlab chiqarishga tayyor, lekin mahsulot harakati hali yo‘q. 6. Faol ishlash (Processing) – Qurilmalar bevosita texnologik jarayonni amalga oshirmoqda (masalan, chigit presslanmoqda, nasoslar yog‘ aylantirmoqda). Ushbu bosqichlar bo‘yicha real vaqtli monitoringni IoT datchiklar orqali amalga oshirib, SCADA tizimida vizualizatsiya qilish mumkin. Har bir bosqich uchun quvvat sarfi quyidagi tarzda aniqlanadi: Umumiy energiya sarfi bosqichma-bosqich: 𝐸total = ∑ 𝑛 𝑖=1 ∫ 𝑡𝑖+1 𝑡𝑖 𝑃𝑖(𝑡) 𝑑𝑡 (1.12) Bunda: Pi(t)– i-bosqichdagi quvvat talabi (kW), ti– bosqichning boshlanish vaqti, ti+1 – bosqichning tugash vaqti. Mazkur formulani Qo‘qon Yog‘-Moy Invest korxonasida mavjud SCADA tizimi orqali integratsiya qilib, aniq energiya sarfi xaritasini yaratish, jarayonga nisbatan energiya samaradorligini baholash va AI yordamida optimal yuklama rejimini aniqlash mumkin bo‘ladi. Yuqoridagi ilmiy va amaliy asoslarda quyidagi umumlashtirilgan model ishlab chiqiladi: 𝜂weld = 𝐸weld 𝐸elec = ∫ 𝑡 0 𝑃weld(𝑡) 𝑑𝑡 ∫ 𝑡 0 𝑃elec(𝑡) 𝑑𝑡 (1.13) Bunda: ηwel– ishlab chiqarish samaradorligi koeffitsienti; Pweld(t)– foydali energiya sarfi; Pelec(t)– umumiy elektr quvvati sarfi. Mazkur matematik modelni Qo‘qon Yog‘-Moy Invest MChJdagi haqiqiy SCADA, IoT, AI sensor ma’lumotlari bilan MATLAB/Simulink muhitida sinab, energiya tejalishini real foizlarda isbotlash mumkin. Xulosa. Ushbu ilmiy ishda lazerli payvandlash jarayoni uchun matematik energiya modeli ishlab chiqildi va eksperimental ravishda isbotlandi. Bu model tizimning barcha pastki tizimlari va texnologik bosqichlarini aniqlash hamda jarayon unumdorligini hisoblash, elektr energiyasi sarfini jarayon tezligi bilan bog‘lash imkonini beradi. Avvalgi tadqiqotlar jarayonlarni alohida ko‘rgan bo‘lsa, bu ishda lazerli payvandlash natijalari keng ishlab chiqarish tizimiga nisbatan baholandi. Bundan tashqari, energiya oqimlari bo‘yicha tahlil qilish texnologik jarayonparametrlarini taqqoslab, bir xil sifatdagi mahsulotlarni elektr energiyasi sarfi jihatidan baholash imkonini berdi. Natijada 60% gacha elektr energiyasi va shu bilan birga chiqindilarni kamaytirish imkoniyati aniqlandi. Bu sanoat korxonalariga energiya iste’mol jarayonlarini energiya samaradorligi bo‘yicha optimallashtirish imkonini beradi. Ushbu ilmiy izlanish energiya iste’mol jarayoni uchun matematik model ishlab chiqib, eksperimental isbot bilan mustahkamlandi. Turli ishlab chiqarish texnologiyalari bilan taqqoslanganda, energiya samaradorligi yuqori bo‘lganini isbotlab berdi. Bu model yordamida parametrlarni tanlash, energiyani tahlil qilish va kam energiya sarflaydigan ish rejimlarini aniqlash imkoniyati yaratiladi. Bu yondashuv “Qo‘qon Yog‘-Moy Invest” MChJ korxonasi kabi oziq-ovqat ishlab chiqarish korxonalarida, ayniqsa real vaqt rejimida IoT+SCADA+PLC+AI integratsiyasi bilan birga qo‘llanilsa, ishlab chiqarish jarayonlarining energiya samaradorligi sezilarli darajada oshiriladi. Adabiyotlar: 1. Smart Energy Management Systems Handbook. — London: [nashriyot], 2021. — 230 b. 2. SCADA Integration in Process Control. — Munich: [nashriyot], 2020. — 167 b. “Фан ва технологиялар тараққиёти” Илмий–техникавий журнал №6/2025 211 Информатика и информационно-коммуникационные системы 3. AI Predictive Modeling in Industry. — Tokyo: [nashriyot], 2021. — 201 b. 4. Siemens AG. PLC Automation Manual. — Berlin: Siemens Press, 2022. — 188 b. 5. Methodology of Industrial Research. — New York: Springer, 2022. — 111 b. 6. Dziki, D.; Laskowski, J. Influence of selected operating parameters on grinding process of wheat grain. Agric. Eng. 2005, 9, 25–32. 7. Schönleber, T.; Pahl, S.; Baumeister, J. Energy efficiency in feed processing: A case study on hammer mills. Agric. Energy Environ. Technol. 2022, 14, 115–127. 8. Frost, J.; Sullivan, L.; Bickerton, S. Energy consumption analysis in feed mills. Feed Mill Technol. 2018, 17, 45–54. 9. Turnbull, J.; Rothwell, J. Energy optimization in animal feed manufacturing. Int. Feed Ind. J. 2020, 12, 123–135. 10. Bitra, V.; Womac, A.; Yang, Y. Energy requirements for size reduction of wheat straw using a 1.6-mm hammer mill screen size. Trans. ASABE 2009, 52, 1515–1523. 11. Wang, Y.; Womac, A.; Igathinathane, C. Biomass grinding machine performance evaluation. Ind. Crops Prod. 2013, 46, 294–300. 12. Castellanos, A.; Bravo, M.; Pérez, J. Influence of hammer configuration on milling efficiency of grain materials. J. Agric. Mach. Sci. 2019, 15, 76–84. 13. Bond, F. Crushing and Grinding Calculations Part I–II. Br. Chem. Eng. 1961, 6, 378–385. 14. Rittinger, P. Laws of comminution. Chem. Eng. J. 1867, 3, 67–71. 15. Miu, P.; Bühlmann, A. Theoretical energy efficiency of size reduction processes. Agric. Eng. Int. 2014, 20, 15–22. UDC:621.311 MATHEMATICAL MODELING OF THE OUTPUT POWER OF A MOBILE POWER PLANT WITH A GARLAND TURBINE Sultonov S. Namangan state technical university. Abstract. In this study, three key factors influencing the performance of free-flow and low-pressure microhydropower water wheels—wheel length, water velocity, and number of blades—were identified through theoretical analysis. The variation ranges of these factors were determined, and corresponding experiments were performed. The reproducibility of the experimental data was verified using the Cochran criterion. The significance of the regression equation coefficients, as well as the adequacy of the mathematical model and the response function, were evaluated using the Student’s t-test and Fisher’s F-test. Key words: active power, water velocity, regression equation coefficients, mathematical model, water wheel, micro hydropower plant. GIRLYAND TURBINALI MOBIL ELEKTR STANSIYANING CHIQISH QUVVATINI MATEMATIK MODELLASHTIRISH Sultonov S. Namangan davlat texnika universiteti. Annotatsiya. Ushbu tadqiqotda erkin oqimli va past bosimli mikroGESlar uchun gidrog‘ildirakning ishlash samaradorligiga ta’sir qiluvchi uchta asosiy omil: g‘ildirak uzunligi, suv tezligi va parraklar soni nazariy tahlil asosida aniqlangan. Ushbu parametrlarning o‘zgarish diapazonlari belgilandi va tegishli eksperimental tajribalar o‘tkazildi. Olingan eksperimental ma’lumotlarning takrorlanuvchanligi Koxren mezoni yordamida tasdiqlandi. Regressiya tenglamasi koeffitsiyentlarining ahamiyati, shuningdek, ishlab chiqilgan matematik model va javob funksiyasining adekvatligi Student mezoni va Fisher mezoni orqali baholandi. Natijalar girlyand mobil mikroGESlar turbinali konstruktiv va ishlash parametrlarini optimallashtirishga xizmat qiladi. Kalit so‘zlar: aktiv quvvat, suv oqimi tezligi, regressiya koeffitsiyentlari, matematik model, gidrog‘ildirak, mikroGES. “Развитие науки и технологий” Научно–технический журнал №6/2025 212