Моделирование вероятности отказов автомобилей по наработке в цикле технического обслуживания

Обложка

Цитировать

Полный текст

Аннотация

Техническое обслуживание автомобилей автотранспортного предприятия, находящихся на гарантийном обслуживании, зачастую проводится с использованием собственных производственных мощностей предприятия. В силу влияния разных факторов фактические наработки между техническими обслуживаниями значительно отличаются от нормативных. Существующие методы не позволяют корректно определить изменение вероятности отказа группы автомобилей, поскольку фактическая наработка цикла технического обслуживания является величиной стохастической. Предложен метод оценки качества технического обслуживания автомобилей, основанный на отношении приращений вероятности отказа до и после обслуживающих мероприятий с учетом особенностей их эксплуатации. В основе исследования заложен аксиоматический метод, согласно которому интенсивность отказов снижается после обслуживания и возрастает по мере увеличения наработки. В качестве гипотезы исследования выдвинуто предположение, что качество технического обслуживания можно оценить по отношению плотностей вероятности отказа на участках перед проведением обслуживания и после (первый участок – наработка на 0…7.5 тыс. км, второй участок – наработка на 7.5…15.0 тыс. км). Собраны и обработаны данные об отказах автомобилей в фактических периодичностях технического обслуживания двух структурных подразделений градообразующего предприятия г. Сургут. Разработанные математические модели статистически значимы с вероятностью 0.99. Полученные значения разработанного показателя качества: 1.947 для первого и 1.731 для второго предприятия, – свидетельствуют о том, что система обеспечения работоспособности исследуемых предприятий организована качественно. Планируется провести оценку качества технического обслуживания автомобилей разных марок с целью получения более широко спектра значений и их последующей интерпретации.

Об авторах

А. В. Сарбей

Тюменский индустриальный университет

Email: sanya.sarbey@mail.ru

Список литературы

  1. Бузин В. А., Захаров Н. С., Александров А. Э. Организация технического обслуживания с учетом вариации интенсивности эксплуатации автомобилей. Транспорт Урала. 2023;(2):60–65. https://doi.org/10.20291/1815-9400-2023-2-60-65
  2. Криков А. М., Иванов Н. М., Немцев А. Е., Бердникова Р. Г., Федоров А. Г. Информационное сопровождение технического обслуживания и технического диагностирования тракторов и грузовых автомобилей. Вестник Омского государственного аграрного университета. 2020;(2):168–177. URL: https://elibrary.ru/item.asp?id=43127772.
  3. Сапоженков Н. О., Попцов В. В., Немков М. В. Повышение технической готовности пожарных автомобилей на основе анализа фактических. Научно-технический вестник Поволжья. 2024;(12):183–186. URL: https://elibrary.ru/item.asp?id=79488297.
  4. Зарубин В. П. Повышение работоспособности трансмиссий пожарных автомобилей с помощью применения смазочных композиций, содержащих порошок искусственного серпентина. Проблемы техносферной безопасности: материалы международной научно-практической конференции молодых ученых и специалистов. 2020;(9):39–46. URL: https://elibrary.ru/item.asp?id=46445335.
  5. Самсонов А. Н., Тончева Н. Н., Егоров В. П., Иванов М. Ю. К вопросу о техническом обслуживании и ремонте автомобилей. В сб.: Современное состояние и перспективы развития науки, техники и образования: сборник научных трудов по материалам Всероссийской научно-практической конференции, Чебоксары, 06 апреля 2018 г. Чебоксары, 2018. С. 145–148. URL: https://elibrary.ru/item.asp?id=34915807.
  6. Булатов С. В. Влияние квалификации персонала на качество услуг на станциях технического обслуживания автомобилей. Транспорт. Транспортные сооружения. Экология. 2022;(2):5–11. https://doi.org/10.15593/24111678/2022.02.01
  7. Козловский В. Н., Вакулич Е. А., Шахов Н. Р. Алгоритм оценки качества производственно-сервисной системы высокотехнологичного предприятия. Часть 1. Методы менеджмента качества. 2021;(7):38–45. URL: https://elibrary.ru/item.asp?id=46242773.
  8. Никульшин С. В., Заглада Р. Ю. Совершенствование методики оценки качества услуг по техническому обслуживанию и ремонту автомобилей в системе автосервиса. В сб.: Актуальные вопросы технической эксплуатации и автосервиса подвижного состава автомобильного транспорта: сборник научных трудов по материалам 82-ой научно-методической и научно-исследовательской конференции МАДИ, Москва, 30 января – 01 февраля 2024 г. Москва, 2024. С. 150–157. URL: https://elibrary.ru/item.asp?id=61882701.
  9. Wo Jae Lee, Haiyue Wu, Huitaek Yun, Hunjun Kim, Martin B. G. Jun, John W. Sutherland. Predictive maintenance of machine tool systems using artificial intelligence techniques applied to machine condition data. Procedia CIRP. 2019;80:506–511. http://dx.doi.org/10.1016/j.procir.2018.12.019
  10. Kane A. P., Kore A. S., Khandale A. N., Nigade S. S., Joshi P. P. Predictive maintenance using machine learning. Machine Learning. https://doi.org/10.48550/arXiv.2205.09402
  11. Булохова Т. А., Толмачева К. П. Повышение качества эксплуатации электровозов за счет совершенствования организации работы по мониторингу и диагностики локомотивов на базе МСУД. Молодая наука Сибири. 2022;(2):340–347. URL: https://ojs.irgups.ru/index.php/mns/article/view/720.
  12. Булохова Т. А., Толмачева К. П. Предиктивная диагностика как фактор повышения эффективности работы локомотивного парка на Восточном полигоне. Молодая наука Сибири. 2023;(2):426–432. URL: https://ojs.irgups.ru/index.php/mns/article/view/1177.
  13. Талтыкин В. С. Методика учета человеческого фактора в математической модели определения качества ремонта и обслуживания оборудования нефтедобывающих компаний. Бурение и нефть. 2018;(1):38–42. URL: https://elibrary.ru/item.asp?id=32259978.
  14. Мальцев Д. В., Репецкий Д. С. Контроль производственного персонала при выполнении работ технического обслуживания автомобилей. Мир транспорта. 2020;18(6):238–247. https://doi.org/10.30932/19923252-2020-18-6-238-247
  15. Бекетова О. Н., Фролов А. Л., Арифуллин М. В. Оценка эффективности функционирования и управления качеством технического обслуживания предприятия. В сб.: Современные научные исследования: актуальные вопросы, достижения и инновации: сборник статей XXXI Международной научно-практической конференции, Пенза, 20 февраля 2023 г. Пенза, 2023. С. 70–73. URL: https://elibrary.ru/item.asp?id=50285598.
  16. Бондаренко Е. В., Дрючин Д. А., Булатов С. В. Оценка целесообразности организации входного контроля качества запасных частей в условиях автотранспортного предприятия. Интеллект. Инновации. Инвестиции. 2021;(2):71–78. https://doi.org/10.25198/2077-7175-2021-2-71
  17. Козин Е. С., Ракитин В. А. Контроль качества производства технического обслуживания и ремонта автомобилей с использованием искусственного интеллекта. Научно-технический вестник Поволжья. 2023;(12):297–300. URL: https://elibrary.ru/item.asp?id=59886547.
  18. Захаров Н. С., Козин Е. С. Контроль выполнения технологического процесса обслуживания и ремонта автомобилей с использованием нейронных сетей. Вестник Уральского государственного университета путей сообщения. 2023;(4):43–51. https://doi.org/10.20291/2079-0392-2023-4-43-51
  19. Зиганшин А. А., Зиганшин Р. А., Штанов Ю. Н., Захаров Н. С. Software of Control Maintenance of Auto: Свидетельство о государственной регистрации программы для ЭВМ № 2024614675 Российская Федерация: заявл. № 2024612787 от 09.02.2024: опубл. 28.02.2024. URL: https://elibrary.ru/item.asp?id=64587278.
  20. Makarova A. N., Zakharov N., Abakumov G., Elesin S. Assessment of car engineering servicing quality based on failure information. MATEC Web of Conferences. 2021;341:00038. https://doi.org/10.1051/matecconf/202134100038

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».