ТЕХНІКО-ЕКОНОМІЧНА ЕФЕКТИВНІСТЬ ОПТИМІЗАЦІЇ МЕТРОЛОГІЧНИХ ПОКАЗНИКІВ МЕТОДІВ ТА ЗАСОБІВ ДІАГНОСТУВАННЯ АВТОМОБІЛІВ

Автор(и)

DOI:

https://doi.org/10.20998/2078-6840.2025.2.07

Ключові слова:

автотранспортне підприємство, діагностична інформація, метрологічне забезпечення, помилки першого і другого роду, технічне обслуговування, поточний ремонт, економічна ефективність, вартісні втрати

Анотація

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:

https://doi.org/10.1016/j.ymssp.2023.110389

##submission.downloads##

Опубліковано

2026-03-13

Номер

Розділ

Автомобілебудування