Механизм совершенствования управления процессом технического обслуживания и ремонта с применением нейросетевой технологии

Обоснование. Все еще остается значимой степень износа на сухопутном транспорте транспортной отрасли и в сельскохозяйственной технике, что подтверждает актуальность дальнейшего совершенствования организации технического сервиса. С этим связана технической задачи разработки механизма совершенствования процесса технического сервиса с использованием современных цифровых технологий.

Цель работы — определение параметров для разработки механизма принятия качественных управленческих решений в процессе технического обслуживания и ремонта изделий в условиях планово-предупредительной системы ремонта с применением технологии нейронных сетей.

Материалы и методы. Моделирование исследуемого процесса с помощью предлагаемой нейронной сети выполнено в программе Deductor. Построенная модель нейронной сети содержит один скрытый слой с 10 нейронами. В качестве функции активации в нейронах модели нейронной сети использовалась сигмоидная функция. Для решения поставленных задач применялись методы и понятия математической статистики и теории алгоритмов.

Результаты. Для выявления необходимости управленческого воздействия на процессы технического обслуживания и ремонта изделия предложен коэффициент вариации цикла. Предлагаются значения коэффициента, которые характеризуют стабильность процесса ремонта и технического обслуживания изделия. На основе этих значений представлена блок-схема механизма совершенствования процесса технического сервиса. Рассмотрен инструмент индустрии 4.0 — нейронные сети. Проведённое на примере вибродиагностики подшипникового узла моделирование показало, что нейронные сети могут распознавать дефекты по амплитудно-частотной характеристики вибросигнала, то есть интерпретировать диагностическую информацию, что может быть критично в условиях отсутствия эксперта. Научная новизна исследования заключается в представлении значений коэффициента вариации цикла для принятия управленческих решений в процессах технического обслуживания и ремонта, а также в получении результатов моделирования работы нейронной сети, которые подтвердили возможность их использования для интерпретации диагностической информации, предоставляющейся в виде различных спектрограмм.

Заключение. Практическая ценность исследования заключается в возможности использования предложенной нейронной сети для разработки системы анализа диагностической информации в условиях отсутствия экспертов и применении предлагаемых значений коэффициента вариации цикла для принятий решений в управлении техническим сервисом и ремонтом.