ЦИФРЛЫҚ ЕГІЗДЕРДІ ҚҰРУ МАҚСАТЫНДА ТАМАҚ ӨНЕРКӘСІБІНДЕГІ ТЕРМОДИНАМИКАЛЫҚ ПРОЦЕСТЕРДІ БАҚЫЛАУ ЖӘНЕ МОДЕЛЬДЕУ

Бұл мақалада пісіру камерасындағы (электрлік пеш-шкаф) термодинамикалық процестерді бақылау және цифрлық модельдеуге негізделген тамақ өнеркәсібі үшін цифрлық егіздерді құру тәсілі талқыланады. Тәжірибе нысаны ретінде нан өнімдерін термиялық өңдеуге арналған кәсіби электр пеш-шкаф ASTAR пайдаланылды. Мониторинг жүйесі ретінде температуралық өрістерді бақылау үшін VICTOR 304F инфрақызыл пирометрі, UNI-T UTi120S тепловизоры және MGprof пеш кабинасының ішіне енгізілген аналогтық термометрі пайдаланылды, бұл жұмыс камерасының ішіндегі сенімді температура деректерін алуға мүмкіндік берді. Аталған құрылғылар негізінде өнім дайын болғанға дейінгі уақыт аралығында периодты түрде температуралық деректерді жинақтап отырдық. Жиналған деректер негізінде температуралық өрістер картасы құрылды. MATLAB PDE Toolbox жүйесінде 2D өлшемде жүзеге асырылған және Дирихле мен Нейман шарттарын ескере отырып құрылған жылу берудің математикалық моделі мен тәжірибе нәтижелері салыстыру арқылы тексерілді. Алынған нәтижелер пісіру камерасындағы температура градиенттері мен жылу ағындарын дәл модельдеуге ғана емес, сонымен қатар нақты уақыт режимінде жүйенің әрекетін болжауға қабілетті цифрлық егізді құрудың негізін салуға мүмкіндік береді. Ұсынылған тәсіл тамақ өнеркәсібінде энергия тиімділігін арттыру, сапаны бақылауды автоматтандыру және технологиялық режимдерді оңтайландыру үшін қолданылуы мүмкін. Бұл зерттеу жұмыстары цифрлық егіз құру барысында термодинамикалық процесстерді моделдеу және жобалау кезінде пайда болатын мәселелерді шешуге өз үлесін қосады.

1. Ying Huang, Dr Abhijeet Ghadge, Nicky M Yates. Implementation of Digital Twins in the Food Supply Chain: A Review and Conceptual Framework. International Journal of Production Research, 28 (2023). https:// doi.org/10.1080/00207543.2024.2305804

2. Pieter Verboven, Thijs Defraeye, Ashim K Datta, Bart Nicolai. Digital twins of food process operations: the next step for food process models? Current Opinion in Food Science, 35, 79–87 (2020). https://doi.org/10.1016/j.cofs.2020.03.002.

3. Tukembaeva, G.Ch., Temirov, B.K. Modelirovanie uravnenij termodinamiki dinamicheskimi sistemami. Problemy avtomatiki i upravleniya, 2, 109–115 (2023).

4. Das, S. An Introduction to Finite Element Analysis Using Matlab Tools. Springer, 2023.

5. Chalilov, H.M., Muhtorov, S. Building a computer model of heat exchange using the pde toolbox component matlab package. Vestnik Instituta razvitiya obrazovaniya, 1, 206–213 (2021).

6. Attaway, D.C. Matlab: a practical introduction to programming and problem solving. Butterworth-Heinemann, 2022.

7. Mishra, N. et al. Development of drying system by using internet of things for food quality monitoring and controlling. Energy Nexus, 11, 100219 (2023). https://doi.org/10.1016/j.nexus.2023.100219.

8. Kannapinn, M., Pham, M.K., Schäfer, M. Physics-based digital twins for autonomous thermal food processing: Efficient, non-intrusive reduced-order modeling. Innovative Food Science & Emerging Technologies, 81, 103143 (2022). https://doi.org/10.1016/j.ifset.2022.103143.

9. Krupitzer, C., Noack, T., Borsum, C. Digital food twins combining data science and food science: system model, applications, and challenges. Processes, 10(9), 1781. https://doi.org/10.3390/pr10091781.

10. Purlis, E. Digital twin methodology in food processing: Basic concepts and applications. Current Nutrition Reports, 13(4), 914–920 (2024).

11. Makhambetov, K., Belgibaev, B.A., Kunicina N. Modeling Thermodynamic Processes Using MATLAB PDE TOOLBOX For Creating Digital Twins In The Food Industry. Bulletin of Shakarim University. Technical Sciences, 3, 40–48 (2025). https://doi.org/10.53360/2788-7995-2025-3(19)-5.

12. Feng, T. et al. The Oven-Controlled MEMS Oscillators in Timing and Sensing Applications: A Review. IEEE Sensors Journal, 23(16), 17854–17867 (2023) https://doi.org/10.1109/JSEN.2023.3286897.

13. Hou, F. et al. Review on infrared imaging technology. Sustainability, 14(18), С. 11161. https://doi.org/10.3390/su141811161.

14. Erdogdu F. Mathematical modeling of food thermal processing: Current and future challenges. Current Opinion in Food Science, 51, 101042 (2023). https://doi.org/10.1016/j.cofs.2023.101042.

15. Isuru, A. et al. Digital twins in food processing: A conceptual approach to developing multi-layer digital models. Digital Chemical Engineering, 7, 100087 (2023). https://doi.org/10.1016/j.dche.2023.100087.

16. Koulouris, A., Misailidis, N., Petrides, D. Applications of process and digital twin models for production simulation and scheduling in the manufacturing of food ingredients and products. Food and Bioproducts Processing, 126, 317–333 (2021). https://doi.org/10.1016/j.fbp.2021.01.016.

17. Zohdi, T.I. A voxel-based machine-learning digital-oven-twin for precise cooking //Computational Mechanics, 75(5), 1501–1518 (2025).

18. Han, J.C., Wright, L.M. Analytical heat transfer. Taylor & Francis, 2022, 595 p.

19. Cess, R.D. The interaction of thermal radiation with conduction and convection heat transfer. Advances in heat transfer. Elsevier, 1964. Vol. 1. P. 1–50. https://doi.org/10.1016/S0065-2717(08)70096-0.

20. Nerobeev, A.D., Dyachkin, O.D. Metody resheniya uravnenij teploprovodnosti. Tekhnologii fiziki, avtomatizacii i informatiki. Aktual’nye issledovaniya v sovremennoj nauke, 2020, pp. 50–51.

21. Munđar, Goran, Miha Kovačič, and Uroš Župerl. Development and Control of Virtual Industrial Process using Factory IO and MATLAB. Tehnički glasnik 18.3, 497–501 (2024). https://doi.org/10.31803/tg-20240423112303.