The object of research, development or design (in Russian) : Интеллектуальная система мониторинга и управления процессом анаэробного сбраживания органических отходов на основе технологий интернета вещей (IoT), облачных вычислений и гибридного машинного обучения для оптимизации производства биогаза и повышения энергетической эффективности установок.

The object of research, development or design (in Kazakh) : Органикалық қалдықтардың анаэробтық ыдырау процесінің интеллектуалдық мониторинг және басқару жүйесі заттар интернеті (IoT) технологиялары, бұлтты есептеулер және будандастырылған машиналық оқыту негізінде биогаз өндірісін оңтайландыру және энергетикалық тиімділікті арттыру үшін.

Aim of work (in Russian) : Разработка комплексной интеллектуальной платформы для управления и оптимизации процесса анаэробного сбраживания органических отходов на основе интеграции микробиологических исследований с современными технологиями IoT, облачных вычислений и искусственного интеллекта для достижения увеличения выхода биогаза и снижения операционных затрат.

Aim of work (in Kazakh) : Микробиологиялық зерттеулерді заманауи IoT технологияларымен, бұлтты есептеулермен және жасанды интеллектпен біріктіру негізінде органикалық қалдықтарды анаэробты ашыту процесін басқару және оңтайландыру үшін кешенді интеллектуалды платформаны әзірлеу, биогаз шығымдылығын арттыруға және операциялық шығындарды азайтуға қол жеткізу.

Методы исследования (на русском) : Методология проекта включает комплекс экспериментальных и теоретических подходов: микробиологический анализ консорциумов микроорганизмов методами молекулярной биологии; анаэробное сбраживание субстратов в лабораторных биореакторах с варьированием параметров; проектирование архитектуры IoT-платформы с использованием промышленных протоколов коммуникации (UART/SPI/I2C); разработка алгоритмов машинного обучения (LSTM для прогнозирования временных рядов, Random Forest для регрессионного анализа); облачные вычисления для обработки больших объемов данных; edge computing для локальной аналитики в реальном времени

Методы исследования (на казахском) : Жобасының әдістемесі эксперименталды және теориялық түрлі тәсілдердің кешенін қамтиды: молекулалық биология әдістерін қолдана отырып микроорганизм консорциумдарының микробиологиялық талдауы; лабораториялық биореакторларында параметрлердің өзгеруімен анаэробтық ыдыру; промышленді коммуникациялық хаттамаларын (UART/SPI/I2C) пайдалана отырып IoT-платформасының архитектурасын жобалау; машиналық оқыту алгоритмдерін әзірлеу (уақытша қатарларын болжау үшін LSTM, регрессиялық талдау үшін Random Forest); деректердің үлкен көлемін өңдеу үшін бұлтты есептеулер; нақты уақытта ішкі аналитика үшін шеткі есептеулер.

Obtained results and novelty (in Russian) : Разработана интегрированная IoT-платформа для интеллектуального управления производством биогаза, объединяющая микробиологические исследования с современными технологиями сбора, хранения и обработки данных. Создана гибридная модель машинного обучения, комбинирующая глубокие нейронные сети LSTM для точного прогнозирования временных рядов производства биогаза и методы ансамбля Random Forest для определения оптимальных параметров управления процессом. Разработан модуль непрерывного цикла обратной связи для автоматической оптимизации и адаптации моделей на основе реальных данных эксплуатации и анализа влияния внешних и внутренних факторов на эффективность процесса. Система включает полнофункциональный модуль диспетчеризации для удаленного интеллектуального управления биореакторами с возможностью группирования и синхронизации нескольких установок.

Obtained results and novelty (in Kazakh) : Биогаз өндірісін интеллектуалдық басқару үшін интеграцияланған IoT-платформасы әзірленді, микробиологиялық зерттеулерді деректерді жинау, сақтау және өңдеудің қазіргі заманғы технологияларымен біріктіре отырып. Биогаз өндірісінің уақытша қатарларын дәл болжау үшін терең нейрондық желілерді (LSTM) және процесс басқарудың оңтайлы параметрлерін анықтау үшін ансамбль әдістерін (Random Forest) біріктіретін гибридті машиналық оқыту моделі жасалды. Нақты пайдалану деректері негізінде модельдерді автоматты түрде оңтайландыру және бейімдеу үшін, сонымен қатар процес тиімділігіне ішкі және сыртқы факторлардың әсерін талдау үшін тұрақты кері байланыс циклінің модулі әзірленді. Жүйе биореакторларды қашықтан интеллектуалдық түрде басқару, бірнеше қондырғыларды топтау және синхрондау мүмкіндігімен толық функционалды диспетчеризация модулін қамтиды.

The main constructive and technical economic indicators (in Russian) : Разработанная система поддерживает мониторинг множества датчиков одновременно через промышленные протоколы коммуникации с достаточной частотой дискретизации для фиксации всех критических параметров процесса. Точность прогнозирования производства биогаза находится на уровне, позволяющем надежно прогнозировать выход продукта в различных условиях эксплуатации. Система функционирует в расширенном диапазоне температур, обеспечивая работоспособность в суровых климатических условиях, и имеет высокую степень защиты от воздействия окружающей среды. Энергопотребление модуля сбора данных оптимизировано для длительной автономной работы. Время отклика системы на критические изменения параметров достаточно быстро для оперативного вмешательства в управление процессом. Модули машинного обучения отличаются высокой вычислительной эффективностью, что позволяет им функционировать на устройствах с ограниченными вычислительными ресурсами. Стоимость внедрения системы экономически оправдана и окупается благодаря повышению эффективности производства биогаза и снижению операционных затрат на управление и поддержку установок.

The main constructive and technical economic indicators (in Kazakh) : Әзірленген жүйе промышленді коммуникациялық хаттамалар арқылы барлық сыни параметрлерді тіркеу үшін жеткілікті дискреттеу жиілігімен көптеген датчиктердің бір мезетте мониторингін қолдайды. Биогаз өндірісінің болжам дәлдігі өндіріс шығасын әртүрлі жұмыс жағдайында сенімді түрде болжау мүмкін болатын деңгейде. Жүйе қымбат климаттық жағдайларда өндіктер ете отырып, кеңейтілген температура диапазонында жұмыс істеді және қоршаған орта әсеріне қарсы жоғары қорғау дәрежесіне ие. Деректерді жинау модулінің энергия тұтынуы ұзақ автономды жұмыс үшін оңтайландырылған. Сыни параметрлер өзгергенде жүйенің жауап беру уақыты процесс басқарусына опты араласу үшін жеткілік. Машиналық оқыту модульдері аз ресурсты құрылғыларда жұмыс істей алуға мүмкіндік беретін жоғары есептеу тиімділігімен ерекшеленеді. Жүйе енгізудің құны экономикалық тұрғыдан ынамды және биогаз өндірісінің тиімділігін арттыру және қондырғыларды өндіктеу мен қолдау шығындарын азайту есебінен өтеледі.

Level of implementation (in Russian) : Система запланирована к внедрению на пилотных биогазовых установках в рамках исследовательского проекта с последующим масштабированием для промышленного применения.

Level of implementation (in Kazakh) : Жүйе зерттеу жобасы аясында пилоттық биогаз қондырғыларында енгізілуге жоспарланған және одан әрі өнеркәсіптік қолдану үшін масштабты түрде дамытылатын болады.

Efficiency (in Russian) : Разработанная система демонстрирует высокую эффективность в оптимизации процессов анаэробного сбраживания, обеспечивая повышение выхода биогаза и снижение операционных затрат.

Efficiency (in Kazakh) : Әзірленген жүйе анаэробтық ыдырау процестерін оңтайландыруда жоғары тиімділік көрсетеді, биогаз шығуын арттыруды және жедел шығындарды азайтуды қамтамасыз етеді.

Field of application (in Russian) : Коммунальные станции очистки сточных вод с анаэробными реакторами, сельскохозяйственные биогазовые установки, промышленные объекты переработки органических отходов, исследовательские и образовательные центры в области возобновляемой энергетики.

Field of application (in Kazakh) : Коммуналдық ағынды суларды тазарту станциялары, анаэробты реакторлары бар ауыл шаруашылық биогаз қондырғылары, органикалық қалдықтарды өңдейтін өндірістік объектілер, жаңартылатын энергетика саласындағы зерттеу және білім беру орталықтары.