Table of Contents

Giriş: Nükleer Güvenlikte Yapay Zekanın Büyülü Rolü

Basına dayalı Su Reaktörleri (PWR), küresel nükleer güç filosunun arka kemiğini temsil ediyor, dünya çapında tüm işletim nükleer reaktörlerin% 60'ını oluşturuyor. Bu sistemler, yüksek basınçlı koşullardan yararlanarak elektrik üretiyor, hem soğuk hem de nötron moderatörü olarak hizmet ediyor. PWR operasyonlarının güvenliği, kazaları tespit etmek için tasarlanmış sofistike güvenlik sistemlerine bağlıdır ve sonuçları azaltmak için anormal olaylar meydana gelir. Bu sistemler karmaşık ve veri hacminde büyüdükçe, geleneksel yönetimsel prensip temelli tanınabilir ve giderek artan mücadele ile mücadele eder.

Yapay zeka endüstriyel güvenlik sistemlerinde dönüştürücü bir güç olarak ortaya çıktı ve nükleer sektör hiçbir istisna değil.Verilerden öğrenebilecek gelişmiş algoritmaları kullanarak, ince kalıpları tanımlamak ve gerçek zamanlı olarak tahminler yapmak, AI, daha güvenilir ve proaktif, maliyetle tespit etmek için bir yol sunuyor.

Basıncılık Su Reaktörlerinin Güvenlik Mimarisini Anlayın

AI'nın PWR güvenliğini nasıl artırdığını incelemeden önce, bu bitkilerin kullandığı katmanlı güvenlik mimarisini anlamak önemlidir. PWR güvenlik sistemleri savunma-in-derinlemesine, çok bağımsız engelleri ve reddant sistemlerini içeren bir hiyerarşik yaklaşım, radyoaktif materyallerin serbest bırakılmasını önlemek için inşa edilmiştir.

Bir PWR'de Anahtar Güvenlik Sistemleri

Bir PWR'deki birincil güvenlik sistemleri, reaktör koruma sistemini, acil durum çekirdeği soğutma sistemini, kapsayıcı sistemi ve izleme ve kontrol için çeşitli yardımcı sistemleri içerir. reaktör koruma sistemi sürekli olarak nötron flux, serin sıcaklık, basınç ve akış oranları gibi parametreleri izler. herhangi bir parametre önceden belirlenmiş bir eşiği aştığında, sistem bir reaktör yolculuğu veya scram başlatır, fission zincir reaksiyonu durdurmak için çubuk kontrolleri ekler.

Acil durum çekirdeği soğutma sistemi, bir kayıp-of-coolant kaza meydana gelirse, reaktör çekirdeğini serinlemek ve yakıt hasarını önlemek için boze su enjekte eder. Containment sistemleri, radyoaktif salıvermelere karşı son bariyer sağlar, yapısal bütünlüğün aşırı koşullar altında bile sürdürülmesini sağlar. Tüm bu sistemler, sensörler, eylemciler ve güvenlik işlevlerini tespit etmek için mantıka güvenir.

Data Generation ve İzleme Challenges

Tipik bir PWR, alarmları tetikleyen binlerce sensör izleme sıcaklığı, baskı, akış, titreşim, radyasyon seviyelerini ve diğer birçok parametreyi kullanarak sabit eşgüdümlerini ve alarmları tetikleyen basit mantıkları kullanarak, bu yöntemler birkaç doğal sınırlama ile mücadele eder.

Bu kısıtlamalar, aynı sensör verilerinden daha derin öngörüler elde edebilecek zorlayıcı bir durum yaratır, daha önce ve daha doğru hata tespitine olanak sağlar.

AI'nın Enhancing PWR Güvenlik Teşhisleri'nde Rolü

Yapay zeka, modern PWR'lerde mevcut zengin veri akışlarına gelişmiş analitik teknikleri uygulayarak geleneksel tanınmaları ele alır. AI algoritmaları, desenleri ve anomalileri tanımlamak için geniş miktarlarda sensör verilerini analiz eder, potansiyel hataları erken tespit eder ve problemleri daha önce operasyonel öngörülerle ilgili operatörler sağlar.

Bu proaktif yaklaşım, hata başlatma ve algılama arasındaki süreyi azaltır, daha hızlı düzeltici eylemleri sağlar. Ayrıca normal operasyon sırasında gelişen sorunları tespit ederek planlanmamış kesinti süresi azaltır ve bakımların reaktif olarak yapılmasını sağlar. ve AI sistemleri sürekli olarak yorgunluk olmadan çalışabilir, saat boyunca tutarlı izleme kalitesini sağlar.

Reaktifden Tahmin Edici Bakım

AI tarafından etkinleştirilen en önemli değişimlerden biri, geleneksel bir çerçevede, bakım sabit aralıklarla veya bir hata tespit edildikten sonra yapılır. Her iki yaklaşım da dezavantajları vardır: zaman temelli bakım, yeniden planlanmamış bakımlara ve potansiyel güvenlik risklerine yol açan bileşenleri değiştirebilir.

AI-güçlü bakım, bileşenleri başarısız olduğunda tahmin etmek için tarihsel veriler üzerinde eğitilmiş makine öğrenme modellerini kullanır. Bu modeller işletim koşullarını, stres döngülerini, kalıpları ve çevresel faktörleri, kalan yararlı hayatı tahmin etmek için kullanır. Bu, bitki operatörlerinin bakım programlarını optimize etmesine ve genel bitki güvenilirliğinin artırılmasına olanak sağlar.

Anahtar AI Teknikleri PWRs'te Yanlış Tespiti Çekir

Çeşitli AI ve makine öğrenme teknikleri özellikle PWR güvenlik tanıları için etkili olduğunu kanıtlamıştır. Her yaklaşım farklı hata algılama sorunları için uygun farklı güçlü yönleri beraberinde getirir.

Kalıp Tanıklığı ve Sınıflandırması için Makine Öğrenme

Makine öğrenme, çoğu AI tabanlı tanı sistemlerinin temelini oluşturur. Normal ve hata koşullarını etiketleyen algoritmaların kullanım durumlarını sınıflandırması ve yüksek doğrulukla anormallikleri tespit edebilir. Ortak algoritmaların kullandığı destek vektör makineleri, rastgele ormanlar ve gradient güçlendirme yöntemleri.Bu modeller, çeşitli hata türlerinden normal çalışma koşullarını öğrenerek karmaşık karar sınırlarını öğrenir, doğru teşhis belgeleri ince veya çakıltma imzaları üretir.

Sistemdeki normal davranış modellerini öğrenmek için, bu tür, ortaya çıkan sorunları gösteren bayrak sapmaları, bu özel hataların önceki örnekleri olmadan bile ortaya çıkan bu tür hataların ortaya çıktığını gösteren.

Kompleksi Ağları ve Kompleks Desen Tanımlama için Derin Öğrenme

Neural ağları, özellikle derin öğrenme mimarisi, karmaşık tanımada, yüksek boyutlu verilerdeki doğrusal olmayan desenler için mükemmel bir şekilde uygundur. Geleneksel sinir ağları, zaman dizi sensör verilerini analiz etmek için iyi uygundur, yerel desenler ve zaman ilişkileri önemli. Recurrent sinir ağları ve uzun süreli hafıza ağları kanıtlanabilir veri için tasarlanmıştır ve onları uzun zaman ufuklara bağlı olarak yakalayabilirler, yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş gelişen bozulma süreçleri izlemek için ideal hale getirirler.

Derin öğrenme modelleri, reaktör serin sistem parametrelerinde anormalliği tespit etme konusunda olağanüstü performans gösterdi, sensör sürüklenmeyi ve geçici olayları sınıflandırmayı başardı. hiyerarşik özellikler temsillerini doğrudan ham verilerden öğrenme yeteneği, manuel özellik mühendisliği için ihtiyaç duyduklarını ve insan uzmanlarının göz ardı edebileceği modelleri keşfetmelerini sağlar.

Başarısızlık Tahminleri için Tahmin Edici Analytics

Tahmin edici analiz, gelecekteki sistem durumlarını ve potansiyel başarısızlıkları tahmin etmek için makine öğrenimi ile istatistiksel modellemeyi birleştirir. Bu teknikler, anahtar parametrelerin yörüngesini tahmin eden modelleri ve belirli bir süre içinde hata olayın olasılığını tahmin eder.

PWR güvenlik uygulamaları, tahmin edici analiz pompa bozulması, kapak takma, ısı değiştirici fouling ve sensör kalibrasyonu sürüklenme hatalarının erken uyarıları sağlayarak, bu modeller maliyetleri azaltan ve güvenlik marjlarını artıran şart tabanlı bakım sağlar. Zaman serisi tahmin yöntemleri, bu amaçla yaygın olarak kullanılır.

Signal Processing and Feature Ekstraksiyon

Sadece bir AI tekniği olmasa da, modern sinyal işleme yöntemleri genellikle AI yaklaşımlarını ham sensör verilerinden bilgilendirici özellikleri elde ederek tamamlayabilir. Dalgalı transformasyonlar, Fourier analizi ve Ampirik mod dekompozisyon, belirli hataların frekans-bölge özelliklerini ortaya çıkarabilir. Bunlar, daha sonra makine öğrenme sınıfları için girişler olarak hizmet eder ve doğruluklarını ve sağlamlığını geliştirir.

PWR Yanlış Tespit Uygulamaları

AI teknikleri PWR güvenlik sistemleri içinde geniş bir dizi hata tespit görevlerine başarıyla uygulanmıştır. Aşağıdaki alt bölümler en etkili uygulama alanlarının bazılarını vurgulamaktadır.

Coolant System Anomaly Tespit

Rejim sistemi bir PWR'nin kalbidir ve operasyonda herhangi bir anomali ciddi güvenlik etkileri olabilir. Sıcaklık, basınç, akış ve pompa titreşim verileri sızıntıları, blokajları, pompa bozulması ve ısı değiştiricisi sık sık gün veya haftalar önce geleneksel alarmlar tetiklenebilir.

Sensör Geçerliliği ve Yanlış Tanık

Sensörler PWR güvenlik sistemlerinin göz ve kulaklarıdır, ancak onlar, fiziksel denetim için model tahminleri veya uyarı operatörleri kullanarak neredeyse yeniden ayarlanabilirler.Bu kontrol ve koruma kararlarına karşı kontrol ve kontrole dayalı tüm güvenlik sistemlerinin güvenilirliğini artırırlar.

Transient Event Sınıf

Yük değişiklikleri, türk gezileri veya kontrol çubuk hareketleri gibi geçici olaylar sırasında, reaktörün çalışma koşullarında hızlı değişiklikler yapar. Geleneksel alarm sistemleri genellikle bu tür olaylar sırasında, yoğun operatörlerin şu anda en kritik olan andaki taşıyıcıları geliştirir. AI sınıfıifier.

Bigradasyon İzleme İzleme

Birçok PWR bileşeni, termal bisiklet, irradiasyon, korozyon ve mekanik aşınma nedeniyle yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş

PWR Güvenlik Sistemlerinde AI Entegrasyonunun Faydaları

AI'nın PWR güvenlik tanılarına entegrasyonu, birçok bitki operasyonlarının çeşitli boyutlarında somut avantajlar sunar. Bu avantajlar ekonomik, operasyonel ve düzenleyici faydaları kapsayacak güvenlik geliştirmelerinin ötesine geçer.

Geliştirilmiş algılama ve yanlış alarmları azaltın

AI algoritmaları, farklı hata koşullarını elde ederek hata tespitinin doğruluğunu önemli ölçüde geliştirir ve onları normal operasyonel varyasyonlardan ayırt eder. Bu, hem yanlış pozitifleri azaltır, hangi atık operatörü zaman ve erode alarm sistemine güvenir ve yanlış negatif negatifler, ki bu, gerçek hataların tespit edilmesine izin verir.

Gerçek Zaman Sürekli İzleme

AI sistemleri sürekli olarak çalışır, gerçek zamanlı veri akışlarını analiz eder ve anomalilerin tespit edildiği anda derhal uyarılar sağlar. Bu yetenek özellikle de hafta sonu, hafta sonu ve insan izlemesi daha az yoğun olduğunda uzun süreli çalışır. AI izlemenin sürekli doğası, ortaya çıkan hataların en erken mümkün olan zamanda yakalanabilmesini sağlar.

İnsan Hatasını Azladı ve Geliştirilmiş Karar Desteği

İnsan hatası, nükleer tesislerdekiler dahil olmak üzere endüstriyel kazalara önemli katkı sağlıyor. AI sistemleri manuel veri analizi ve öznel yargıya olan güvenlendiricilere, objektif, veri odaklı öngörülere dayalı öngörülere sahip olmak için, insan dikkatini kaçabilecek ve karmaşık olaylar sırasında öncelik veren öneriler sunarak, AI, insan performansını yerine getiren bir karar destek aracı olarak hizmet vermektedir.

Proaktif Bakımlar aracılığıyla Maliyet Tasarrufları

AI tarafından sağlanan erken hata tespiti doğrudan maliyet tasarrufuna dönüşür. Nükleer bitkilerdeki planlanmamış kesintiler son derece pahalı, kayıp nesil ve yedek güç maliyetlerinde günde milyonlarca dolar maliyetle azaltılır. Gelişen sorunları erken tespit ederek, AI, bitkilere zorlanmaktan ve planlanan bakım arasındaki aralıkları genişletmeye yardımcı olur. Sahte alarmlarda azalma da gereksiz bakım faaliyetleri ve denetim maliyetleri azaltır.

Düzenleme ve Güvenlik Davası Destekleme

Nükleer düzenleyiciler, AI'nın güvenliğini artırmak için potansiyelini giderek daha fazla tanır ve bazı yetkiler AI tabanlı güvenlik sistemleri için rehberlik etmeye başlamıştır. Robust AI tanıları, gelişmiş izleme yeteneklerini ortaya çıkarmak ve sistem güvenilirliğini sağlamak için bir bitki güvenliğini güçlendirebilir.

AI Kabulion ve Sınırlamalar

Açık faydalara rağmen, PWR güvenlik sistemlerindeki yaygın olarak kabul edilen AI'nın bu teknolojilerin potansiyelini gerçekleştirmek için ele alınması gereken birkaç önemli zorlukla karşı karşıyadır.

Data Quality ve Müsaitlik Durumu

AI modelleri sadece eğitdikleri veriler kadar iyidir. Nükleer bitkiler onlarca ameliyat tarihi vardır, ancak bu veriler her zaman iyi organize, etiketlenmiş veya erişilebilir değildir. Hata verileri, özellikle de veri kalitesi, temel bir kısıtlama olarak kalır, ancak veri kalitesi yanlıştır.

Sistem Entegrasyonu ve Miras Altyapısı

Birçok işletim PWR'ler AI'nın pratik bir aracı haline gelmeden on yıllar önce tasarlanmıştır. AI analizinin mevcut kontrol sistemlerine entegre edilmesi, veri toplama mimarisi ve operasyonel iş akışlarının önemli teknik zorluklar sunmasını sağlamak için kapsamlı sistemlerde bulunabilir.Conservis sistemler, bilgisayar ağbanları AI iş yüklerini desteklemek için gerekli olan veri bantlarını veya yazılım arabirimlerini desteklemeleri.

Geçerlilik, Doğrulama ve Açıklanabilirlik

Güvenlik-kahkütre uygulamaları, herhangi bir AI sistemi, birçok AI modelinde açıklanabilirlik eksikliğinin de yasal kabul için neden bir modele ulaştığını göstermek için titiz bir şekilde geçerliliği ve doğrulama yapmalıdır.Bu gereksinim, AI'nın önerilerine özellikle de uygulanabilir bir şekilde ulaşabilen bazı konulardaki önerilerine ulaşmanın zor olduğunu anlamak için özellikle de pratik çözümler sunmaktadır.

Siber güvenlik ve güvenlik-Güvenlik Bütünleşmesi

ABD'de kontrol ve güvenlik ağlarına erişim sağlayan AI sistemlerinin tanıtılması, siber tehditlerden yeni siber güvenlik göz önüne alınması ve AI sistemlerinin güvenlik işlevlerini sürdürmesi için tasarlanmış bir şekilde entegre edilmesi gerekir. AI sistemleri, ABD'de 10 CFR 73.54 gibi bir araştırma ve düzenleyici geliştirme alanı olarak tasarlanmıştır.

İşgücü ve Organizasyon Faktörleri

Nükleer bir bitkide AI'yı başarılı bir şekilde dağıtma sadece teknik kapasite değil, aynı zamanda organizasyonel hazırlık gerektirir. Operatörler, mühendisler ve bakım personeli, AI çıktılarını anlamak, sisteme güvenmek ve tavsiyelerine uygun şekilde cevap vermek için eğitilmelidir.İş yerinden edilme prosedürleri ve iş uygulamaları hakkında endişeler ve tüm mevcut organizasyonel engellerin değişmesi gerekir.

Gerçek Dünya Uygulama ve Vaka Çalışmaları

Çeşitli nükleer hizmetler ve araştırma kuruluşları, PWR güvenlik tanıları için AI'nın pratik uygulamasını göstermiştir. Bu gerçek dünya örnekleri, neyin işe yaradığını ve hangi zorlukların kaldığını değerli bilgiler vermektedir.

Buhar Jeneratör Tube Muayenesi için AI

Buhar jeneratörü tüpü bozulması, dünya çapında PWR'ler için büyük bir operasyonel ve güvenlik endişesidir. Geleneksel denetim yöntemleri, mevcut testlere ve manuel inceleme verileri analiz eder, zaman alıcılık sürecine tabi olan bir süreçtir. Araştırmacılar otomatik olarak eddy'nin mevcut sinyalleri algılamasını, sınıflandırmayı ve boyutsal hataları analiz eder.Bu modeller verileri çok daha hızlı bir şekilde işlemeyi sürdürürken uzman insan analistlerine karşılaştırılabilir bir doğrulukla karşılaştırılabilir, periyodik muayene süresini azaltır ve tutarlılığı artırmak için derin öğrenme modellerini geliştirdiler.

Reaktör Coolant Pumps için Öngörücü Bakım

Reaktör soğutucu pompalar, bakım kesintileri arasında güvenilir bir şekilde çalışmalıdır. Makine öğrenme modelleri titreşim, sıcaklık ve bu pompalardan alınan mevcut veriler, aşınma, mühür bozulması ve elveçsiz dengesizlik haftalarını tespit etme yeteneği göstermiştir.

Transient Tanımlama ve Operatör Destek Sistemleri

Araştırma reaktörleri ve eğitim simülatörü, gerçek zamanlı olarak geçici olayları tespit eden AI sistemlerini geliştirmek için kullanılmıştır. Bu sistemler, temel güvenlik parametrelerindeki eğilimleri analiz eder ve bunları simüle edilmiş olay imzalarına karşı eşleştirir. Geçici bir tespit edildiğinde, sistem operatörlere olay türü, ciddiyetle ilgili bilgi sağlar ve işletim bitkilerindeki çalışma alanlarının testlerini yapar.

Future Yol ve Gelişen Trendler

PWR güvenlik tanılarında AI uygulaması hızla gelişmeye devam ediyor. Daha fazla yetenekleri geliştirmek ve mevcut sınırlamaları aşmak için vaat eden birkaç trend.

Dijital Twins ile entegrasyon

Dijital ikizler gerçek zamanlı verileri içeren fiziksel sistemlerin sanal kopyalarıdır, fizik temelli modeller ve AI analizleri için PWR uygulamaları için, dijital ikizler tüm reaktör sistemini simüle edebilir, operatörlerin potansiyel hataların sonuçlarını tahmin edebilir ve gerçek bitkide eylem yapmadan önce yanıtları optimize edebilir.

Multi-Plant Insights için Federated Learning

Bireysel nükleer bitkiler sınırlı hata verilerine sahiptir, ancak birden fazla bitkiden gelen öngörüler, AI model performansını önemli ölçüde artırabilir. Federated learning, hassas operasyonel verileri doğrudan paylaşmadan birçok sitede eğitim almalarını sağlar. Bu yaklaşım, veri egemenliği ve güvenlik gereksinimlerine saygı duyan daha sağlam ve genel teşhis modelleri oluşturmanızı sağlar.

Tanıma Kabul Edilebilir AI

Açıklanabilir AI araştırmalarında, tahminleri ve önerileri için net rasyoneller sağlayabilecek modeller geliştirmeyi amaçlamaktadır. Dikkat mekanizmaları, selamlama haritaları ve konsept tabanlı açıklamalar nükleer uygulamalar için uyarılır. Bu yöntemler olgun olarak, AI'nın güvenlik-kahkalayıcı rollerde benimsenmesine yardımcı olacaktır.

Edge Computing ve On-Device AI

Sensörlerin yakınında doğrudan doğrulanmış cihazlar üzerinde çalışan AI modelleri, gecikmeliliği azaltır, güvenilirlik geliştirir ve veri iletimi gerekliliklerini en aza indirir.Inlementing AI models doğrudan programlanabilir mantık kontrolörleri, akıllı sensörler ve diğer alan cihazları üzerinde gelişmiş teşhis modellerini çalıştırmak için mümkün hale getirir.Bu kenar tabanlı yaklaşım PWR güvenlik sistemlerinin dağıtılması ve ağ bağlantılarının kesintiye uğradığında bile hata tespiti sağlayabilir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Yapay zeka hızla PWR güvenlik sistemi tanı ve hata tespitini hızla dönüştürüyor. Makine öğrenimi, sinir ağları, tahmin edici analitik ve modern nükleer santrallerde mevcut olan zengin veri akışlarına ilişkin tekniklere göre AI, daha doğru ve daha güvenilir bir şekilde gelişmekte olan hataların tanımlanmasına olanak sağlar.

Önemli zorluklar, özellikle veri kalitesi, sistem entegrasyonu, geçerliliği, açıklanabilirlik ve siber güvenlik alanlarında devam eden gelişmeler, gerçek dünya uygulamaları ile birlikte, bu engelleri sürekli ele alıyor. AI'nın entegrasyonu, dijital ikizler, beslenme, ve kenar bilişim sistemleri PWR güvenlik sistemlerinin daha akıllı, daha proaktif ve daha dirençli olduğu bir geleceğe doğru ilerliyor.

Nükleer hizmetler için, mesaj açıktır: Güvenlik tanıları için AI yeteneklerine yatırım yapmak için zaman şimdidir. Erken hareket edenler operasyonel avantajları kazanacak ve bir sonraki nükleer güvenlik çağında liderlik etmek için gerekli olan organizasyonel uzmanlığı inşa edecektir.