DOI: https://doi.org/10.36719/2663-4619/121/90-103
Baxşəli Bəxtiyarov
Azərbaycan Dövlət Neft və Sənaye Universiteti
doktorant
https://orcid.org/0009-0006-2172-4632
bekhtiyarov@gmail.com
Böyük verilənlərin klasterləşdirilməsi üçün Qeyri-səlis məntiqin tətbiqi
Xülasə
Müasir SCADA sistemləri tərəfindən istehsalatda yaradılan sənaye məlumatlarının sürətli artımı iri miqyaslı və real vaxt analitikası ilə işləyə bilən inkişaf etmiş Big Data çərçivələrinin tətbiqini tələb edir. Apache Spark ən səmərəli platformalardan biri kimi ortaya çıxmışdır və MapReduce ilə müqayisədə icra sürəti 100 dəfəyə qədər daha yüksəkdir. Spiral polad boru istehsalında sensorlarla zəngin SCADA mühitləri yüksək ölçülü və fasiləsiz məlumat axınları yaradır ki, bu da həm vaxt, həm də yaddaş baxımından səmərəli klasterləşdirmə alqoritmlərinə ehtiyac yaradır. Bu məqalədə SRSIO-FCM adlanan miqyasa uyğunlaşdırılmış qeyri-səlis klasterləşdirmə alqoritmi təqdim olunur; o, məhz sənaye şəraitində Big Data klasterləşdirilməsi problemlərini həll etmək üçün hazırlanmışdır. Təklif olunan SRSIO-FCM alqoritmi Apache Spark platformasında reallaşdırılmış və Literal Fuzzy c-Means (LFCM) alqoritminin miqyaslana bilən versiyası olan SLFCM ilə müqayisəli şəkildə qiymətləndirilmişdir. Qiymətləndirmədə F-Measure, Adjusted Rand Index (ARI), Objective Function Value (OFV) və icra vaxtı meyar kimi istifadə edilmişdir. Eksperimental nəticələr göstərir ki, SRSIO-FCM daha yüksək klasterləşdirmə dəqiqliyi və SLFCM ilə müqayisədə xeyli azaldılmış icra vaxtı təmin edir. Bu isə spiral polad boru istehsalında real vaxt monitorinqi və proqnozlaşdırıcı analitika üçün imkanlarını təsdiq edir.
Açar sözlər: spark çərçivəsi, qeyri-səlis klasterləşdirmə, SCADA məlumatları, Böyük Data analitikası, sənaye proseslərinin optimallaşdırılması