В крупных организациях в эксплуатации как правило находится большое количество автомобилей, поэтому не всегда удаётся отследить их техническое состояние и своевременно предотвратить поломку, а это — всегда простой и упущенная выгода. Чтобы этого не произошло, в Московском авиационном институте предложили решение: уникальный программный алгоритм, который на основе анализа ключевых параметров предсказывает возможные отказы техники.
— Принцип работы нашей системы можно проиллюстрировать на примере перегорающей лампочки. Лампа накаливания, перед тем как перегореть, начинает то светить ярче, то наоборот, тускнеть, то моргать. Если отследить эти признаки, можно своевременно заменить её. Точно так же и с автомобилями: существует ряд критических параметров, которые сигнализируют о будущей поломке, и если нам удастся обнаружить такое сочетание в ещё работающих машинах, то мы сможем предсказать проблему и своевременно её устранить, — рассказывает разработчик системы, доцент кафедры 304 «Вычислительные машины, системы и сети», кандидат технических наук Роман Ким.
Маёвская система отрабатывалась на первичных данных, снятых с бортовых регистраторов автомобилей компании КамАЗ. Команда исследователей анализировала сочетания 20 ключевых параметров, таких как передача, скорость, обороты двигателя, температура, давление масла. Система оценивала выборку из 10 автомобилей «вслепую», не зная, в какой момент и какая именно машина сломалась, и сумела предсказать несколько поломок.
— Подобные модели можно разработать для любого вида транспорта, где можно снимать первичную информацию о процессах его функционирования, в том числе и для самолётов. Собственно, изначально эта система и разрабатывалась для оценки состояния и предсказания отказов авиационной техники. Мы обрабатывали данные различных типов воздушных судов и показали эффективность применения нашей методики, — отметил разработчик.
Фото: пресс-служба МАИ
Это новость от журнала ММ «Машины и механизмы». Не знаете такого? Приглашаем прямо сейчас познакомиться с этим удивительным журналом.