Modeling the probability of vehicle failures by operating time within a maintenance cycle

Cover Page

Cite item

Full Text

Abstract

Motor transport enterprises often conduct maintenance of vehicles under warranty service using their own facilities. Due to the influence of various factors, the actual operating time between maintenance operations often deviates significantly from the normative ones. Existing methods do not allow accurately determining the change in failure probability for a vehicle group, because the actual operating time at the completion of the maintenance cycle is a stochastic value. This paper proposes a method for evaluating vehicle maintenance quality, based on the ratio of failure probability increments before and after maintenance, taking into account the specific operational characteristics of the vehicles. The research employs an axiomatic method: the failure rate decreases after maintenance and increases with accumulated operating time. The research hypothesis posits that maintenance quality can be assessed by the ratio of failure probability densities in sections before and after maintenance (first section: operating time 0 to 7.5 thousand km; second section: operating time 7.5 to 15.0 thousand km). Data on vehicle failures during actual maintenance intervals were collected and processed for two structural divisions of a city-forming enterprise in Surgut. The developed mathematical models are statistically significant with a probability of 0.99. The resulting values of the developed quality indicator – 1.947 for the first enterprise and 1.731 for the second enterprise – indicate that the system for ensuring the operational reliability of the investigated enterprises is effectively organized. Further work is planned to evaluate the maintenance quality across different car brands to obtain a broader spectrum of values and facilitate their subsequent interpretation.

About the authors

Alexander V. Sarbey

Industrial University of Tyumen

Email: sanya.sarbey@mail.ru

References

  1. Бузин В. А., Захаров Н. С., Александров А. Э. Организация технического обслуживания с учетом вариации интенсивности эксплуатации автомобилей. Транспорт Урала. 2023;(2):60–65. https://doi.org/10.20291/1815-9400-2023-2-60-65
  2. Криков А. М., Иванов Н. М., Немцев А. Е., Бердникова Р. Г., Федоров А. Г. Информационное сопровождение технического обслуживания и технического диагностирования тракторов и грузовых автомобилей. Вестник Омского государственного аграрного университета. 2020;(2):168–177. URL: https://elibrary.ru/item.asp?id=43127772.
  3. Сапоженков Н. О., Попцов В. В., Немков М. В. Повышение технической готовности пожарных автомобилей на основе анализа фактических. Научно-технический вестник Поволжья. 2024;(12):183–186. URL: https://elibrary.ru/item.asp?id=79488297.
  4. Зарубин В. П. Повышение работоспособности трансмиссий пожарных автомобилей с помощью применения смазочных композиций, содержащих порошок искусственного серпентина. Проблемы техносферной безопасности: материалы международной научно-практической конференции молодых ученых и специалистов. 2020;(9):39–46. URL: https://elibrary.ru/item.asp?id=46445335.
  5. Самсонов А. Н., Тончева Н. Н., Егоров В. П., Иванов М. Ю. К вопросу о техническом обслуживании и ремонте автомобилей. В сб.: Современное состояние и перспективы развития науки, техники и образования: сборник научных трудов по материалам Всероссийской научно-практической конференции, Чебоксары, 06 апреля 2018 г. Чебоксары, 2018. С. 145–148. URL: https://elibrary.ru/item.asp?id=34915807.
  6. Булатов С. В. Влияние квалификации персонала на качество услуг на станциях технического обслуживания автомобилей. Транспорт. Транспортные сооружения. Экология. 2022;(2):5–11. https://doi.org/10.15593/24111678/2022.02.01
  7. Козловский В. Н., Вакулич Е. А., Шахов Н. Р. Алгоритм оценки качества производственно-сервисной системы высокотехнологичного предприятия. Часть 1. Методы менеджмента качества. 2021;(7):38–45. URL: https://elibrary.ru/item.asp?id=46242773.
  8. Никульшин С. В., Заглада Р. Ю. Совершенствование методики оценки качества услуг по техническому обслуживанию и ремонту автомобилей в системе автосервиса. В сб.: Актуальные вопросы технической эксплуатации и автосервиса подвижного состава автомобильного транспорта: сборник научных трудов по материалам 82-ой научно-методической и научно-исследовательской конференции МАДИ, Москва, 30 января – 01 февраля 2024 г. Москва, 2024. С. 150–157. URL: https://elibrary.ru/item.asp?id=61882701.
  9. Wo Jae Lee, Haiyue Wu, Huitaek Yun, Hunjun Kim, Martin B. G. Jun, John W. Sutherland. Predictive maintenance of machine tool systems using artificial intelligence techniques applied to machine condition data. Procedia CIRP. 2019;80:506–511. http://dx.doi.org/10.1016/j.procir.2018.12.019
  10. Kane A. P., Kore A. S., Khandale A. N., Nigade S. S., Joshi P. P. Predictive maintenance using machine learning. Machine Learning. https://doi.org/10.48550/arXiv.2205.09402
  11. Булохова Т. А., Толмачева К. П. Повышение качества эксплуатации электровозов за счет совершенствования организации работы по мониторингу и диагностики локомотивов на базе МСУД. Молодая наука Сибири. 2022;(2):340–347. URL: https://ojs.irgups.ru/index.php/mns/article/view/720.
  12. Булохова Т. А., Толмачева К. П. Предиктивная диагностика как фактор повышения эффективности работы локомотивного парка на Восточном полигоне. Молодая наука Сибири. 2023;(2):426–432. URL: https://ojs.irgups.ru/index.php/mns/article/view/1177.
  13. Талтыкин В. С. Методика учета человеческого фактора в математической модели определения качества ремонта и обслуживания оборудования нефтедобывающих компаний. Бурение и нефть. 2018;(1):38–42. URL: https://elibrary.ru/item.asp?id=32259978.
  14. Мальцев Д. В., Репецкий Д. С. Контроль производственного персонала при выполнении работ технического обслуживания автомобилей. Мир транспорта. 2020;18(6):238–247. https://doi.org/10.30932/19923252-2020-18-6-238-247
  15. Бекетова О. Н., Фролов А. Л., Арифуллин М. В. Оценка эффективности функционирования и управления качеством технического обслуживания предприятия. В сб.: Современные научные исследования: актуальные вопросы, достижения и инновации: сборник статей XXXI Международной научно-практической конференции, Пенза, 20 февраля 2023 г. Пенза, 2023. С. 70–73. URL: https://elibrary.ru/item.asp?id=50285598.
  16. Бондаренко Е. В., Дрючин Д. А., Булатов С. В. Оценка целесообразности организации входного контроля качества запасных частей в условиях автотранспортного предприятия. Интеллект. Инновации. Инвестиции. 2021;(2):71–78. https://doi.org/10.25198/2077-7175-2021-2-71
  17. Козин Е. С., Ракитин В. А. Контроль качества производства технического обслуживания и ремонта автомобилей с использованием искусственного интеллекта. Научно-технический вестник Поволжья. 2023;(12):297–300. URL: https://elibrary.ru/item.asp?id=59886547.
  18. 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):43–51. https://doi.org/10.20291/2079-0392-2023-4-43-51
  19. Зиганшин А. А., Зиганшин Р. А., Штанов Ю. Н., Захаров Н. С. Software of Control Maintenance of Auto: Свидетельство о государственной регистрации программы для ЭВМ № 2024614675 Российская Федерация: заявл. № 2024612787 от 09.02.2024: опубл. 28.02.2024. URL: https://elibrary.ru/item.asp?id=64587278.
  20. Makarova A. N., Zakharov N., Abakumov G., Elesin S. Assessment of car engineering servicing quality based on failure information. MATEC Web of Conferences. 2021;341:00038. https://doi.org/10.1051/matecconf/202134100038

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».