ТАУ-КЕН ӨНЕРКӘСІБІНДЕГІ IOT-МОНИТОРИНГ ТЕХНОЛОГИЯЛАРЫНЫҢ САЛЫСТЫРМАЛЫ ТАЛДАУЫ

Бұл мақала тау-кен өнеркәсібіндегі IoT мониторинг жүйелерінің архитектурасын салыстырмалы талдау нәтижелерін ұсынады. Бұл өнеркәсіптік ортада бақылау мен басқару тиімділігін арттыру үшін Заттар интернеті технологияларын енгізуді қарастырады. Негізгі назар қауіпсіз жұмыс жағдайларын қамтамасыз етуге, өнімділікті арттыруға, экологиялық тұрақтылықты нығайтуға және нормативтік талаптарға сәйкестікке аударылады. Сонымен қатар, мақала тау-кен өнеркәсібіндегі ақпараттық технологиялардың қазіргі жағдайын қарастырады, ескірген жабдықтар мен сенімсіз бағдарламалық қамтамасыз етудің қауіптері мен салдарына, сондай-ақ цифрландыру деңгейіне назар аударады. Бұл зерттеу тау-кен өнеркәсібіндегі қолданыстағы ақпараттық жүйелерге IoT технологияларын интеграциялауды, олардың қауіпсіздік, тиімділік және тұрақтылық деңгейлерін арттыруды қарастырады. Зерттеудің ғылыми жаңалығы – тау-кен өнеркәсібіндегі әртүрлі операцияларға жарамды IoT жүйесінің архитектурасының феноменологиялық моделін жасау. Зерттеу нақты уақыт режимінде маңызды деректерді жинап, өңдеп, талдайтын таратылған сенсорлық жүйелердің жұмысы мен процестерді оңтайландыру бойынша егжей-тегжейлі талдауды ұсынады. Алынған ақпарат негізінде тұрақты жұмыс істеуді қамтамасыз етуге арналған интеллектуалды мониторинг және басқару жүйелерін енгізу жөніндегі негізделген шешімдер қабылданады.

1. On the impact of Industrial Internet of Things (IIoT): mining sector perspectives / T. Zvarivadza et al // International Journal of Mining, Reclamation and Environment. – 2024. – Vol. 38, № 10. – P. 771-809. https://doi.org/10.1080/17480930.2024.2347131.

2. Enhancing safety in surface mine blasting operations with IoT-based ground vibration monitoring and prediction system integrated with machine learning / A. Singh et al // Scientific Reports. – 2025. https://doi.org/10.1038/s41598-025-86827-w.

3. New approach for monitoring the underground coal mines atmosphere using IoT technology / A.K. Tripathi et al // Instrumentation Mesure Métrologie. – 2023. – Vol. 22, № 1. – P. 29-34. https://doi.org/10.18280/i2m.220104.

4. Yu R. Deep learning and IoT enabled digital twin framework for monitoring open-pit coal mines / R. Yu, X. Yang, K. Cheng // Frontiers in Energy Research. – 2023. – Vol. 11. – Art. № 1265111. – https://doi.org/10.3389/fenrg.2023.1265111

5. Monitoring, warning, and control of rockburst in deep metal mines / H. Zhou et al // Engineering. – 2017. – Vol. 3, № 4. – P. 538-545. https://doi.org/10.1016/J.ENG.2017.04.013.

6. Rockburst in underground excavations: A review of mechanism, classification, and prediction methods / X. Feng еt al // Underground Space. – 2021. https://doi.org/10.1016/j.undsp.2021.11.008.

7. Rockburst prediction and prevention in underground space excavation / Z. Li, et al // Underground Space. – 2023. https://doi.org/10.1016/j.undsp.2023.05.009.

8. Rockburst risk control and mitigation in deep mining / Q. Zhang et al // Deep Underground Science and Engineering. – 2024. https://doi.org/10.1016/j.deepre.2024.100019.

9. Advanced risk assessment in coal mines: Integrating fuzzy logic and linguistic variables for enhanced hazard management / A. Khosravi et al // International Journal of Engineering. – 2025. – Vol. 38, № 12. https://doi.org/10.5829/ije.2025.38.12c.04.

10. Rock mass condition control by the method of predicting of water-conducting fracture zone parameters for the deposits of polymetallic ores / M. Rahimi et al // International Journal of Engineering. – 2026. – Vol. 39, № 6. https://doi.org/10.5829/ije.2026.39.06c.02.