АНАЛІТИЧНІ ПІДХОДИ ДО РОЗРОБЛЕННЯ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ КОНТРОЛЮ ЯКОСТІ ПІСЛЯРЕМОНТНОГО СТАНУ АВТОМОБІЛІВ
DOI:
https://doi.org/10.31649/1997-9266-2025-183-6-158-165Ключові слова:
інтелектуальні системи діагностики, сервісна інфраструктура, прогнозування ресурсу, стандартизація, економічний ефектАнотація
Досліджено проблеми контролю післяремонтного стану автомобілів, які традиційно здійснюються за допомогою візуального огляду, вимірювань окремих параметрів, стендових випробувань та короткочасної експлуатаційної перевірки. Показано, що такі методи є фрагментарними, залежать від суб’єктивного фактору та не дозволяють прогнозувати залишковий ресурс агрегатів. Це зумовлює необхідність впровадження інтелектуальних систем діагностики, здатних забезпечити комплексний моніторинг на основі даних сенсорних мереж, цифрових двійників та алгоритмів машинного навчання.
Проаналізовано сучасні підходи до інтеграції сенсорів, систем моніторингу та штучного інтелекту в процес оцінки післяремонтного стану транспортних засобів. Обґрунтовано переваги застосування ансамблевих алгоритмів (Random Forest, XGBoost) та нейронних мереж (RNN, LSTM), які забезпечують найвищу точність виявлення прихованих дефектів і прогнозування ресурсу агрегатів. Представлено багаторівневу архітектуру інтелектуальної системи контролю, що включає апаратний, програмно-комунікаційний, аналітичний, сервісний та нормативно-безпековий рівні, здатні інтегруватися з наявними сервісними платформами.
Особливу увагу приділено економічному оцінюванню впровадження таких систем на прикладі ремонту автоматичних коробок передач. Результати моделювання підтвердили скорочення кількості повторних ремонтів, зменшення трудових витрат і додаткові доходи від преміальних послуг, що забезпечує щорічний ефект понад 40 тис. доларів та сумарний прибуток понад 200 тис. доларів за п’ятирічний період.
Зазначено, що ефективне впровадження інтелектуальних систем контролю потребує розробки уніфікованих методик оцінювання післяремонтного стану, стандартизації протоколів обміну діагностичними даними та обов’язкової сертифікації відповідного програмно-апаратного забезпечення. Це створює підґрунтя для формування стійкої сервісної інфраструктури, зниження експлуатаційних витрат та підвищення безпеки автомобільного транспорту.
Посилання
J. E. See, Visual Inspection: A Review of the Literature, Oak Ridge, TN, USA: U.S. Department of Energy, 2012. [Electronic resource]. Available: https://www.osti.gov/servlets/purl/1055636 .
S. Liu, “A review of applications of visual inspection technology based …,” Trans. Inst. Meas. Eval. vol. 1, no. 3, pp. 185-197, 2019.
H. Liu, B. Zhang, V. Wu, X. Yang, and L. Wang, “Review of Digital Twin in the Automotive Industry on Products, Processes and Systems,” International Journal of Automotive Manufacturing and Materials, vol. 4, no. 1, Mar. 2025, Art. 6. https://doi.org/10.53941/ijamm.2025.100006 .
S. Werbińska-Wojciechowska, “Digital Twin Approach for Operation and Maintenance of Transportation Systems,” Sensors, vol. 24, no. 18, Art. 6069, 2024. https://doi.org/10.3390/s24186069 .
L. M. Prikler, and F. Wotawa, “A Systematic Mapping Study of Digital Twins for Diagnosis in Transportation,” arXiv Preprint, Feb. 2024. [Electronic resource]. Available: https://arxiv.org/abs/2402.01686 .
R. Jafari, and Y. C. Byun, “Prediction of the Battery State Using the Digital Twin Framework Based on the Battery Management System,” IEEE Access, vol. 10, pp. 124685-124696, 2022. https://doi.org/10.1109/ACCESS.2022.3225093 .
N. D. K. M. Eaty, and P. Bagade, “Digital Twin for Electric Vehicle Battery Management with Incremental Learning,” Expert Systems with Applications, vol. 229, Art. 120 444, 2023 https://doi.org/10.1016/j.eswa.2023.120444 .
S. Ibrahim, “Overview of digital twin platforms for EV applications,” Sensors, vol. 23, no. 3, Art. 1414, 2023. https://doi.org/10.3390/s23031414 .
M. Yue, K. Benaggoune, J. Meng, and D. Diallo, “Implementation of an Early Stage Fuel Cell Degradation Prediction Digital Twin Based on Transfer Learning,” IEEE Trans. Transport Electrification, vol. 9, pp. 3308-3318, 2023. https://doi.org/10.1109/TTE.2022.3229718 .
M. Ezhilarasu, Z. Skaf, and I. K. Jennions, “Understanding the Role of a Digital Twin in Integrated Vehicle Health Management (IVHM),” у Proc. IEEE Int. Conf. Systems, Man and Cybernetics (SMC), Bari, Italy, Oct. 2019, pp. 1484-1491.
C. M. Ezhilarasu, Z. Skaf, and I. K. Jennions, “Understanding the Role of a Digital Twin in Integrated Vehicle Health Management (IVHM),” Proc. IEEE Int. Conf. Systems, Man and Cybernetics (SMC), Bari, Italy, Oct. 2019, pp. 1484-1491.
“Artificial Intelligence for Quality Defects in the Automotive Industry: A Systemic Review,” Sensors, Feb. 2025. [Electronic resource]. Available: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC11902312 .
##submission.downloads##
-
pdf
Завантажень: 0
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, згодні з такими умовами:
- Автори зберігають авторське право і надають журналу право першої публікації.
- Автори можуть укладати окремі, додаткові договірні угоди з неексклюзивного поширення опублікованої журналом версії статті (наприклад, розмістити її в інститутському репозиторії або опублікувати її в книзі), з визнанням її первісної публікації в цьому журналі.
- Авторам дозволяється і рекомендується розміщувати їхню роботу в Інтернеті (наприклад, в інституційних сховищах або на їхньому сайті) до і під час процесу подачі, оскільки це сприяє продуктивним обмінам, а також швидшому і ширшому цитуванню опублікованих робіт (див. вплив відкритого доступу).
