The Use of Intelligent Knowledge Modeling Technologies to Control The Manufacturing Process of Support Frames of Refrigeration Units for Bakery Factory
DOI:
https://doi.org/10.22213/2410-9304-2022-2-41-49Keywords:
intelligent technologies, knowledge representation models, refrigeration equipment, bakery factory, production model, semantic networkAbstract
The article is devoted to the application of intelligent technologies to improve the quality of production management on the example of the manufacturing process of support frames for the installation of refrigeration units in freezers of bakeries using semi-finished products to ensure production flexibility. The relevance of the task from the point of view of increasing production efficiency, as well as the requirements for digitalization, is substantiated. The approach to the identification of significant objects and conditions of the subject area, in relation to each model, is indicated. The stages and key features of support frames manufacturing are described, which are then formalized and, ultimately, presented in the form of production and semantic knowledge models, on the basis of which it is possible to develop a knowledge base - the core of a decision support system (DSS). The main results of the work are compiled production and semantic models in a graphical representation, giving a holistic view of the modeled process in a complex. According to the production model, it is possible to trace the course of the process with the main possible deviations. The semantic model provides a holistic view of the objects of the subject area and their relationships. The frame model will be presented in further works. Similarly, it is proposed to create models for the representation of knowledge on the main and auxiliary processes of the bakery in order to use them all in complex in intelligent production management systems. The considered approach can be used by a wide range of developers of intelligent systems for food and other industrial productions and is the first and fundamental step in the modern trend of digital transformation of industrial enterprises within the framework of Industry 4.0.References
Автоматизированная система планирования и контроля загрузки производственных линий на хлебокомбинате / Ю. Н. Белова, В. О. Новицкий, К. В. Гарев, А. С.Дорофеева // Хлебопродукты. 2020. № 7. С. 36-43.
Разработка систем управления с искусственным интеллектом для хлебокомбинатов / В. О. Новицкий, Ю. Н. Белова, Д. И. Печикин, Э. Ю. Большаков // Хлебопродукты. 2021. № 8. С. 46-52.
Димитров В. П., Борисова Л. В., Хубиян К. Л. Моделирование знаний в задаче поиска причин неисправностей // Инженерные технологии и системы. 2021. Т. 31, № 3. C. 364-379. DOI 10.15507/2658- 4123.031.202103.364-379.
Одинцов А. Н. Проблема моделирования знания в искусственном интеллекте // Общество. Коммуникация. Образование. 2011. № 136. C. 56-60.
Разработка диагностических интеллектуальных систем на основе онтологий / М. А. Грищенко, Н. О. Дородных, С. А. Коршунов, А. Ю. Юрин // Онтология проектирования. 2018. Т. 8, № 2 (28). С. 265-284. DOI 10.18287/2223-9537-2018-8-2-265-284.
Сергеев Н. Е., Зарницин В. П. Фреймовые модели и перспективы использования в них мягких вычислений // Известия ЮФУ. Технические науки. 2003. №2. C. 171-175.
Минский М. Фреймы для представления знаний / пер. с анг. М. : Энергия, 1979. 159 с.
Шейко А. А. Современные подходы к использованию замороженных тестовых полуфабрикатов // Сельскохозяйственный журнал. 2014. №7. C. 231-234.
Кветный Ф. М., Юрко М. А., Заикина В. И. О замораживании хлебобулочных изделий [Определение технологических режимов замораживания, хранения и размораживания] // Хлебопечение России. 2006. № 1. С. 22-23.
Carr, L.G., Rodas, M.A.B., Della Torre, J.C.M., Tadini, C.C., 2006. Physical, textural and sensory characteristics of 7-day frozen part-baked French bread. Food Science and Technology 39 (5), 540-547.
Посевкин Р. В. Применение семантической модели базы данных при реализации естественно-языкового пользовательского интерфейса // Научно-технический вестник информационных технологий, механики и оптики. 2018. № 2. C. 262-267.
Мансуров М. Н., Шеховцов А. В. Контроль проектирования, строительства и эксплуатации морских трубопроводов на основе фреймово-продукционных моделей // Вести газовой науки : научно-технический сборник. 2019. № 2(39). С. 97-109. EDN HCHYGD.
Wan X., Wang H., Li J., LKAQ: large-scale knowledge graph approximate query algorithm, Information Sciences 505 (2019) 306-324.
Wu Y., Zhao S.Community answer generation based on knowledge graph, Information Sciences 545 (2021) 132-152.
Zhang R., Mao Y., Zhao W. Knowledge graphs completion via probabilistic reasoning, Information Sciences 521 (2020) 144-159.
Ломов П. А. Поддержка интеллектуальности пользовательского интерфейса системы распределенного семантического поиска: проблемы и решения // Вестник Мурманского государственного технического университета. 2010. Т. 13, № 3. С. 574-586.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Юлия Николаевна Белова, Лилия Равильевна Юсупова
This work is licensed under a Creative Commons Attribution 4.0 International License.