ТЕХНІКО-ЕКОНОМІЧНА ЕФЕКТИВНІСТЬ ОПТИМІЗАЦІЇ МЕТРОЛОГІЧНИХ ПОКАЗНИКІВ МЕТОДІВ ТА ЗАСОБІВ ДІАГНОСТУВАННЯ АВТОМОБІЛІВ
DOI:
https://doi.org/10.20998/2078-6840.2025.2.07Ключові слова:
автотранспортне підприємство, діагностична інформація, метрологічне забезпечення, помилки першого і другого роду, технічне обслуговування, поточний ремонт, економічна ефективність, вартісні втратиАнотація
У статті розглянуто проблему впливу достовірності вимірювальної (діагностичної) інформації на ефективність функціонування автотранспортних підприємств. Показано, що в сучасних умовах експлуатації автомобільного транспорту якість метрологічного забезпечення діагностичних методів і засобів є одним із визначальних чинників, що формує техніко-економічні показники підприємства, зокрема коефіцієнт технічної готовності, рівень простоїв рухомого складу, середньорічний пробіг та фінансові результати діяльності. Недостовірність діагностичної інформації призводить до виникнення помилок першого та другого роду, які мають різну природу, але спільно формують суттєві вартісні втрати. У роботі розроблено комплексний аналітичний метод кількісної оцінки економічних втрат, зумовлених метрологічною недосконалістю методів і засобів діагностування у процесах технічного обслуговування та поточного ремонту автомобілів. Метод базується на урахуванні ймовірностей діагностичних помилок, трудомісткості ремонтно-обслуговувальних операцій, тривалості простоїв автомобілів, виробітку рухомого складу та організаційно-експлуатаційних умов функціонування підприємства. Запропоновано систему аналітичних залежностей, яка дозволяє визначати річні втрати від помилок діагностування та порівнювати їх із фактичними експлуатаційними показниками автотранспортного підприємства. З метою усунення впливу масштабу підприємства та структури парку на результати оцінювання введено узагальнений показник – коефіцієнт питомих метрологічних втрат, нормований на пробіг автомобіля. Даний показник дозволяє об’єктивно порівнювати рівень метрологічного забезпечення діагностичних операцій між різними підприємствами, окремими виробничими ділянками або технологічними зонами. На основі результатів розрахунків встановлено, що найбільшу частку загальних втрат формують помилки другого роду, пов’язані з пропуском несправностей, особливо для агрегатів, що визначають безпеку та паливно-економічні показники автомобіля. Запропонований метод може бути використаний для обґрунтування доцільності впровадження нових діагностичних засобів, оптимізації експлуатаційних допусків та оцінки економічної ефективності заходів з підвищення рівня метрологічного забезпечення автотранспортних підприємств.
Посилання
Jardine A.K.S., Lin D., Banjevic D. A review on machinery diagnostics and prognostics implementing conditionbased
maintenance / A.K.S. Jardine, D. Lin, D. Banjevic // Mechanical Systems and Signal Processing. 2020. Vol.
P. 148–173. DOI: https://doi.org/10.1016/j.ymssp.2020.106934
Albarbar A., Mekid S., Starr A., Pietruszkiewicz R. Suitability of diagnostic techniques for vehicle condition
monitoring / A. Albarbar et al. // Measurement. 2020. Vol. 152. Article No. 107326. DOI:
https://doi.org/10.1016/j.measurement.2019.107326
Mobley R.K. Economic impact of maintenance diagnostics in transport systems / R.K. Mobley // Reliability
Engineering & System Safety. 2021. Vol. 210. Article No. 107530. DOI: https://doi.org/10.1016/j.ress.2021.107530
Zio E., Compare M. Evaluating maintenance decisions under uncertainty / E. Zio, M. Compare // Mechanical
Systems and Signal Processing. 2021. Vol. 147. Article No. 107093. DOI:
https://doi.org/10.1016/j.ymssp.2020.107093
Carvalho T.P., Soares F.A.A.M.N., Vita R., Francisco R.P., Basto J.P., Alcalá S.G.S. A systematic literature review
of machine learning methods applied to predictive maintenance / T.P. Carvalho et al. // Computers & Industrial
Engineering. 2021. Vol. 137. Article No. 106024. DOI: https://doi.org/10.1016/j.cie.2019.106024
Goyal D., Pabla B.S. The vibration monitoring methods and signal processing techniques for structural health
monitoring / D. Goyal, B.S. Pabla // Archives of Computational Methods in Engineering. 2022. Vol. 29. P. 2123–
DOI: https://doi.org/10.1007/s11831-021-09589-8
ISO E., Weber P. Measurement uncertainty and its impact on maintenance decision-making / E. ISO, P. Weber //
Measurement. 2022. Vol. 187. Article No. 110326. DOI: https://doi.org/10.1016/j.measurement.2021.110326
Zhang Y., Chen Z., Li X. Probabilistic modeling of diagnostic errors in vehicle maintenance / Y. Zhang, Z. Chen,
X. Li // Reliability Engineering & System Safety. 2023. Vol. 230. Article No. 108926. DOI:
https://doi.org/10.1016/j.ress.2022.108926
Jantunen E., Zurutuza U., Varga P. Maintenance performance indicators driven by diagnostic data quality / E.
Jantunen, U. Zurutuza, P. Varga // Mechanical Systems and Signal Processing. 2023. Vol. 188. Article No. 110012.
DOI: https://doi.org/10.1016/j.ymssp.2022.110012
Khan S., Yairi T. A review on the application of deep learning in system health management / S. Khan, T. Yairi //
Mechanical Systems and Signal Processing. 2024. Vol. 195. Article No. 110389. DOI: