Ключевые слова
автоматизированная диагностика
прогнозирование отказов
машинное обучение
оптимизация диагностики
цифровые технологии в автотранспорте
система технического мониторинга
Как цитировать
Аннотация
в статье рассматриваются современные подходы к контролю технического состояния автотранспортных средств с акцентом на внедрение риск-ориентированных методов. Представлены основные проблемы, связанные с ограничением времени на осмотр, нехваткой данных о предыдущих проверках и координации действий между сотрудниками. Предложены методы оптимизации контроля, включающие использование алгоритмов прогнозирования отказов и автоматизированных систем диагностики. Проведен сравнительный анализ временных затрат и эффективности предложенных решений. Представленные выводы позволяют предприятиям минимизировать затраты на диагностику, повысить безопасность эксплуатации автотранспортных средств и улучшить производственные показатели.
Литература
Aven T. On Some Foundational Issues Concerning the Relationship between Risk and Resilience. Risk Analysis. 2022;42:2062–2074. DOI: 10.1111/risa.13848.
Hore U. W., Wakde D. G. Intelligent Predictive Maintenance for Industrial Internet of Things (IIoT) Using Machine Learning Approach. Intelligent Cyber Physical Systems and Internet of Things. Editors: Hemanth J., Pelusi D., Chen J. Cham: Springer; 2023. DOI: 10.1007/978-3-031-18497-0_65.
Лушников А. А. Управление ремонтами в транспортных подразделениях ОАО «Сургутнефтегаз». Вестник СурГУ. 2014;2:106-111. Режим доступа: https://cyberleninka.ru/article/n/upravlenie-remontami-v-transportnyh-podrazdeleniyah-oao-surgutneftegaz.
Комова Ю., Хожай В., Соколова Т. Риск-ориентированный подход в управлении качеством. Сборник научных трудов Уральского федерального университета. 2021;31:202–210.
Шилкина А. Т., Варакина О. Е. Тенденции развития риск-ориентированного подхода в контексте индустрии 4.0. Научно-технические ведомости СПбГПУ. Экономические науки. 2019;12(1):9–20.
Макаренко Е. Н., Булгаков С. А. Исследование риск-ориентированного подхода и возможностей его применения во внутреннем контроле. Учет и статистика. 2021;2:19–28.
Anderson J., Lewis S. Decision Support Systems for Technical Diagnostics in Aerospace Engineering. Aerospace Science and Technology. 2019;92:292–303. DOI: 10.1016/j.ast.2019.04.010.
Campbell N., Gray J. Evaluation of Technical Conditions Using Advanced Diagnostic Tools. Engineering Analysis with Boundary Elements. 2019;109:98–109. DOI: 10.1016/j.enganabound.2019.05.006.
Fernandez R., Lopez M. Risk-Based Optimization of Technical Systems for Improved Reliability. Reliability Engineering and System Safety. 2019;124:256–270. DOI: 10.1016/j.ress.2019.01.014.
Taylor M. J., Wilson L. Application of Machine Learning in Risk-Based Inspection Systems. Reliability Engineering and System Safety. 2018;105:467–480. DOI: 10.1016/j.ress.2018.02.011.
Thomas L., Richardson S. Machine Learning Techniques for Predictive Maintenance. Procedia Computer Science. 2019;151:709–717. DOI: 10.1016/j.procs.2019.04.095.
Turner D., Hall M. Use of Artificial Intelligence in Predictive Maintenance Systems. Applied Soft Computing. 2019;85:105790. DOI: 10.1016/j.asoc.2019.105790.