Разработка базы данных для асинхронной валидации цифрового двойника почвообрабатывающего агрегата

Современные информационные системы обрабатывают огромные объемы данных, которые имеют сложную структуру и требуют высокой производительности. Для эффективной работы с такими данными используются специальные программные средства, называемые системами управления базами данных (СУБД). СУБД представляют собой набор программ и языковых инструментов, необходимых для создания, обработки и поддержания баз данных. Эффективное управление данными в базе данных играет ключевую роль в обеспечении ее надежности и производительности. Microsoft Access является полнофункциональной реляционной СУБД, предназначенной для работы в операционной системе Windows. Access позволяет создавать сложные базы данных, определять структуру таблиц и устанавливать связи между ними. Она обладает мощной системой запросов, создания отчетов и форм разной сложности. Целью исследования является разработка базы данных машин и орудий для основной обработки почвы, отражающую параметры и характеристики объектов, агротехнические и энергетические показатели работы для валидации цифрового двойника почвообрабатывающего агрегата. Компоненты дополняемой базы данных: таблицы, формы, отчеты, запросы, макросы и модули, объединенные в одном файле MS Access. Результаты проведенного цифрового эксперимента проходят валидацию с полевыми испытаниями. База данных является накопительной и предназначена для хранения информации, внесенной пользователем. C использованием MS Access создана справочно-информационная автоматизированная база данных машин и агрегатов для основной обработки почвы. База данных имеет структуру, которая позволяет осуществлять быстрый поиск, добавлять и редактировать данные. Разработанная база данных энергетических показателей и параметров машин и орудий для основной обработки почвы позволяет хранить большой объем информации, которая необходима для работы в сельскохозяйственной сфере. 

1. Кравченко В.А., Кравченко Л.В., Меликов И.М. Оценка тягово-сцепных свойств мощных тракторов и комбайнов в комплектации с шинами различного исполнения // Аграрный научный журнал. 2020. № 8. С 83– 88. DOI: 10.28983/asj.y2020i8pp83-88.

2. Пархоменко Г.Г., Божко И.В., Камбулов С.И., Пахомов В.И. Агротехнические и энергетические показатели почвообрабатывающих рабочих органов // Инженерные технологии и системы. 2021. Т. 31. № 1. С. 109–126. DOI: 10.15507/2658-4123.031.202101.109-126.

3. Щеглов Д.К., Ещенко М.Н., Борина А.П., Ухов А.А. Теоретические основы применения концепции цифровых двойников для создания интеллектуальной системы мониторинга технического состояния и обслуживания сложной наукоемкой продукции // Судостроение. 2023. № 5 (870). С. 21–26.

4. Ламм А.К., Расулов Р.К. Обобщённая концепция технико-экономического обоснования разработки цифровых двойников в сельском хозяйстве // Экономика сельского хозяйства России. 2023. № 11. С. 74–79.

5. Федоренко В.Ф., Таркивский В.Е. Цифровые беспроводные технологии для оценки показателей сельскохозяйственной техники // Сельскохозяйственные машины и технологии. 2020. Т. 14. № 1. С. 10–15. DOI: 10.22314/2073-7599-2020-14-1-10-15.

6. Тищенко В.И. «Феномен «цифрового двойника» // Sciences of Europe. 2021. № 85–3. С. 5–59. DOI: 10.24412/3162-2364-2021-85-3-51-59.

7. Ронжин А.Л., Савельев А.И. Системы искусственного интеллекта в решении задач цифровизации и роботизации агропромышленного комплекса // Сельскохозяйственные машины и технологии. 2022. Т. 16. № 2. С. 22–29. DOI: 10.22314/2073-7599-2022-16-2-22-29.

8. Сидоров С.А., Лобачевский Я.П., Миронов Д.А., Золотарев А.С. Влияние геометрических и установочных параметров плужных рабочих органов на агротехнические и силовые характеристики // Сельскохозяйственные машины и технологии. 2020. Т. 14. № 2. С. 10–16. DOI: 10.22314/2073-7599-2020-14-2-10-16.

9. Лобачевский Я.П., Миронов Д.А., Кислицкий М.М., Миронова А.В. Эффекты от применения цифровых двойников в сельском хозяйстве // Труды Кубанского государственного аграрного университета. 2023. № 103. С. 71– 78. DOI: 10.21515/1999-1703-103-71-78.

10. Камбулов С.И., Пархоменко Г.Г., Божко И.В., Бойко А.А. Результаты экспериментальных исследований сеялки для рядового посева СЗД-4,0 // Сельскохозяйственные машины и технологии. 2020. Т. 14. № 2. С. 41–45. DOI: 10.22314/2073-7599-2020-14-2-41-55.

11. Смирнова Г.С., Сабитов Р.А., Сиразетдинов Р.Т., Епонешников А.В., Сабитов Ш.Р. Модель процессов устойчивого развития для цифрового двойника сельскохозяйственного производства // Информационные технологии и вычислительные системы 2022. № 4. С. 93–102. DOI: 10.14357/20718632210409.

12. Гусев Ю.П., Трофимов А.В.1, Трофимов В.А. Проектная база данных САПР как основа цифрового двойника системы автоматизации электростанций и подстанций // Электрические станции. 2020. № 3 (1064). С. 27–32.

13. Мяленко В.И. Разработка цифровой модели рабочего органа земледельческого орудия // Сельскохозяйственные машины и технологии. 2020. Т. 14. № 4. С. 57–62. DOI: 10.22314/2073-7599-2020-14-4-57-62.

14. Иванов В.А., Конышев М.Ю., Смирнов С.В., Тараканов О.В., Тараканова В.О., Усовик С.В. Семантические интерпретации высоких нормальных форм отношений реляционной базы данных // Системы и средства информатики. 2023. Т. 33. № 1. С. 45–58. DOI: 10.14357/08696527230105.