Система усовершенствованных методов прогнозирования технического состояния автомобилей

Представлены результаты выполненных исследований по совершенствованию системы прогнозирования параметров технического состояния узлов и агрегатов автомобилей сельхозтоваропроизводителя на примере грузовых автомобилей, реализуемой в среде электронных таблиц офисного пакета программ персонального компьютера. В качестве программ офисного пакета можно использовать приложения LibreOffice Calc или MS Excel и др. Цель данного исследования – разработка системы программно-алгоритмических и информационных средств прогнозирования параметров технического состояния узлов и агрегатов грузовых автомобилей за счет усовершенствования методов прогнозирования. Данные методы в совокупности способны уточнить статистическую оценку прогнозируемых параметров и дадут возможность специалисту принять обоснованные решения по дальнейшей эксплуатации грузового автомобиля. Для повышения оперативности работы система программно-алгоритмических и информационных средств может быть использована на планшетах и мобильных смартфонах. Обосновано усовершенствование методов прогнозирования в информационной модели системы программно-алгоритмических и информационных средств прогнозирования. Выстроенный алгоритм информационной модели имеет понятный и доступный для пользователя интерфейс с доступом к корневой директории папок с систематизированными файлами, имеющими расширения .doc и .xlsх. Прогнозные расчеты выполняются после ввода результатов диагностики рассматриваемого автомобиля и после обработки системой в выданной информации указывается спрогнозированный и предельный параметр критического состояния узлов и агрегатов автомобиля. При этом обеспечивается своевременное и качественное выполнение технической диагностики в установленном порядке и объеме, снижение вероятности отказов автомобиля на линии, повышение эффективности работы парка сельхозтоваропроизводителя.

1. Сидоренко М.Н., Криков А.М. Информационная модель системы прогнозирования параметров технического состояния узлов и агрегатов грузовых автомобилей предприятий АПК с применением компьютера // Вестник Алтайского государственного аграрного университета. 2021. № 10 (204). С. 101–106. DOI: 10.53083/1996-4277-2021-204-10-101-106.

2. Ишкин Ю.Д., Ишкин Д.Ю., Захаров Н.С., Ишкина Е.Г. Влияние надежности автомобилей на затраты на приобретение запасных частей // Архитектура, строительство, транспорт. 2024. № 1 (107). С. 98–105. DOI: 10.31660/2782-232X-2024-1-98-105.

3. Власов В.М., Филиппова Н.А., Подзоров А.В. Методика интеграции производственно-технических баз обслуживания и ремонта ведомственных автомобилей // Интеллект. Инновации. Инвестиции. 2024. № 3. С. 54–63. DOI: 10.25198/2077-7175-2024-3-54.

4. Иванов Н.М., Криков А.М., Федоров А.Г., Бердникова Р.Г. Выполнение операций технического обслуживания тракторов и грузовых автомобилей с применением комплексной системы информационного обеспечения // Вестник Воронежского государственного аграрного университета. 2020. Т. 13. № 3 (66). С. 19–28. DOI: 10.17238/issn2071-2243.2020.3.19.

5. Крамаренко Т.А., Лукьяненко Т.В., Крамаренко В.О. Реализация методики расчета интегральной оценки в информационной системе в процессе выбора поставщиков для сельхозпредприятия // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2023. № 188. С. 67–78. DOI: 10.21515/1990-4665-188-007.

6. Федоров А.Г. Информационные системы в обеспечении технической готовности грузовых автомобилей // Академический вестник войск национальной гвардии Российской Федерации. 2020. № 4. С. 34–39.

7. Кулешова Е.А., Марухленко А.Л., Добрица В.П. Метод обработки данных с учетом взаимного расположения информационных блоков в масштабе вычислительного кластера // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2021. № 1. С. 87–97. DOI: 10.17308/sait.2021.1/3373.

8. Порохня А.А., Корягин В.А. Использование технологии OBD-2 для диагностирования автомобиля // Кузнечно-штамповочное производство. Обработка материалов давлением. 2022. № 4. С. 34–37.

9. Калашников И.А., Калашникова А.А. Применение универсальных информационных систем и аналитических технологий для статистического прогнозирования грузооборота и грузопотока транспортного предприятия // Наука и образование: хозяйство и экономика; предпринимательство; право и управление. 2021. № 3 (130). С. 56–60.

10. 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 (60). С. 43–51. DOI: 10.20291/2079-0392-2023-4-43-51.

11. Хохлачев В.С., Белов А.А., Калиткин Н.Н. Улучшение оценок погрешности для экспоненциально сходящихся квадратур // Известия Российской академии наук. Серия физическая. 2021. Т. 85. № 2. С. 282–288. DOI: 10.31857/S0367676521010166.

12. Задиран К.С., Щербаков М.В., Сай В.К. Прогнозирование остаточного ресурса оборудования в условиях малой выборки данных // Управление большими системами: сборник трудов. 2023. № 102. С. 99–113. DOI: 10.25728/ubs.2023.102.6.