ОПТИМИЗАЦИЯ ХРАНЕНИЯ МОЛОЧНЫХ ПРОДУКТОВ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ И АНАЛИЗА БОЛЬШИХ ДАННЫХ

Авторы

  • Ulugbek Sabirov Kokand Universiteti Andijon filiali
  • Azizbek Oqilov Kokand Universiteti Andijon filiali

Ключевые слова:

Dairy product storage, Fuzzy logic, Big data, Artificial intelligence, Process optimization, Food safety

Аннотация

Эффективные системы хранения играют решающую роль в обеспечении качества, безопасности и
срока годности молочных продуктов. В этом исследовании представлен новый подход к оптимизации систем управления процессами хранения молочных продуктов с помощью алгоритмов на основе нечеткой логики и анализа больших данных.
Нечеткая логика применяется для управления неопределенными факторами, такими как температура, влажность и
микробиологическая активность, которые создают проблемы для традиционных методов контроля. Предлагаемая
система использует правила нечеткой логики, основанные на данных датчиков (температура, pH, влажность), для точного
контроля процессов охлаждения, вентиляции и стерилизации в режиме реального времени. Анализ больших данных обрабатывает
как исторические, так и данные в реальном времени для прогнозирования риска порчи и динамической оптимизации условий хранения. Модели машинного обучения, такие как прогнозирование временных рядов и кластеризация, повышают
точность принятия решений. Результаты моделирования показывают потенциальное 15%-ное снижение
потребления энергии и 20%-ное увеличение срока годности продукта. Эта работа связывает искусственный интеллект и
большие данные с безопасностью пищевых продуктов, способствуя обеспечению безопасных поставок молочных продуктов для программ питания,
особенно в секторе здравоохранения.

Библиографические ссылки

Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X

Mendel, J. M. (2001). Uncertain rule-based fuzzy logic systems: Introduction and new directions. PrenticeHall PTR.

Yager, R. R. (1980). Fuzzy decision making including unequal objectives. Fuzzy Sets and Systems, 4(1), 87–95.

Jain, A., & Dubey, S. (2016). Design and implementation of fuzzy logic controller for refrigeration system. International Journal of Engineering Research & Technology (IJERT), 5(10), 278–281.

Beghi, A., Cecchinato, L., Rampazzo, M., & Scarpa, F. (2014). Model predictive control of a domestic refrigerator. Applied Thermal Engineering, 70(1), 896–904.

Rutkowski, L. (2004). Flexible neuro-fuzzy systems: Structures, learning and performance evaluation. Springer-Verlag.

Li, S., Xu, L. D., & Zhao, S. (2015). The internet of things: A survey. Information Systems Frontiers, 17(2), 243–259. https://doi.org/10.1007/s10796-014-9492-7

Raxmonqulov, U. I. (2021). Oziq-ovqat mahsulotlarini saqlashda mikroiqlim parametrlarini boshqarishning zamonaviy yondashuvlari. Texnika fanlari axborotnomasi, 3(4), 45–50.

Xudayberganov, I. G. (2020). Sovitilgan omborxonalarda harorat va havo aylanishining matematik modeli. O‘zbekiston fanlari akademiyasi axborotlari. Texnika fanlari seriyasi, (2), 66–72.

Sattarov, A. A. (2022). Sovitkich tizimlarida avtomatik boshqaruvning samarali modellari. Fan va innovatsiya, 1(1), 88–95.

Xolmatova, F. T. (2023). Monitoring tizimlari yordamida sut mahsulotlarini saqlashni optimallashtirish. Amaliy ilm-fan yutuqlari, 2(3), 101–106.

Rashid, M. M., Hasan, M. M., & Uddin, M. S. (2018). IoT based smart refrigeration system for perishable food monitoring. Journal of Computer and Communications, 6(9), 15–21.

Gallo, M., Romano, E., & Santillo, L. C. (2017). A fuzzy decision support system for warehouse management integrating big data analytics. Computers & Industrial Engineering, 109, 174–186. https://doi.org/10.1016/j.cie.2017.04.023

Zhou, J., Lin, J., & Wang, Y. (2020). Predictive control of smart cold chain logistics system based on environmental sensor data. Sensors, 20(11), 3203. https://doi.org/10.3390/s20113203

Jo‘rayev, D. T. (2022). MATLAB muhitida fuzzy algoritm asosida sut mahsulotlarini saqlash tizimini modellashtirish. O‘zbekistonda innovatsion texnologiyalar, 4(1), 77–82.

A. K. Pal, "IoT-based real-time data acquisition and control for industrial applications," IEEE Internet of Things Journal, vol. 7, no. 4, pp. 2956-2964, 2020. DOI: 10.1109/JIOT.2019.2956789.

L. A. Zadeh, "Fuzzy sets," Information and Control, vol. 8, no. 3, pp. 338-353, 1965. DOI: 10.1016/S0019-9958(65)90241-X.

H. Ying, "Fuzzy control and modeling: Analytical foundations and applications," IEEE Press Series on Biomedical Engineering, 2000. DOI: 10.1109/9780470544730.

S. Hochreiter and J. Schmidhuber, "Long short-term memory," Neural Computation, vol. 9, no. 8, pp. 1735-1780, 1997. DOI: 10.1162/neco.1997.9.8.1735.

J. MacQueen, "Some methods for classification and analysis of multivariate observations," in Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, vol. 1, pp. 281-297, 1967. [Online]. Available: https://projecteuclid.org/euclid.bsmsp/1200512992.

D. W. Hosmer, S. Lemeshow, and R. X. Sturdivant, Applied Logistic Regression, 3rd ed. Wiley, 2013. ISBN: 978-0470582473.

J. Nocedal and S. J. Wright, Numerical Optimization, 2nd ed. Springer, 2006. ISBN: 978-0387303031.

Загрузки

Опубликован

2025-06-16

Выпуск

Том 2 № 4.5 (2025): Международная научно-практическая конференция «СОВРЕМЕННЫЕ ИССЛЕДОВАНИЯ И НОВОСТИ НАУКИ В ФАРМАЦИИ, БИОТЕХНОЛОГИИ И БИОМЕДИЦИНЕ» Андижан. 23-24 апреля 2025 г.

Раздел

Статьи

Лицензия

Copyright (c) 2025 Ulugbek Sabirov, Azizbek Oqilov

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Как цитировать

ОПТИМИЗАЦИЯ ХРАНЕНИЯ МОЛОЧНЫХ ПРОДУКТОВ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ И АНАЛИЗА БОЛЬШИХ ДАННЫХ. (2025). Универсал международный научный журнал, 2(4.5), 889-892. https://universaljurnal.uz/index.php/jurnal/article/view/2634