«Эффект перегорающей лампочки»: в МАИ разработали систему предупреждения отказов для автомобильного транспорта

В крупных организациях в эксплуатации как правило задействовано большое количество автомобилей, поэтому не всегда удаётся отследить их техническое состояние и своевременно предотвратить поломку, а это — всегда простой и упущенная выгода. Для того, чтобы этого не произошло, в МАИ предложили своё 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 ярче гореть, то, наоборот, тускнеет, то начинает моргать. Если вовремя отследить эти признаки, то можно своевременно предупредить перегорание. Точно также 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 скорую поломку и своевременно её устранить, — рассказывает разработчик системы, доцент кафедры 304 «Вычислительные машины, системы и сети», кандидат технических наук Роман Ким.

Разработанная в МАИ система отрабатывалась на первичных данных, снятых с бортовых регистраторов автомобилей компании КАМАЗ. Команда исследователей анализировала сочетания 20 ключевых параметров, которые характеризуют работу силовой установки, электросистемы, системы управления, такие как передача, скорость, обороты двигателя, температура, давление масла. Система анализировала выборку из 10 автомобилей «вслепую», не зная, в какой момент и какой именно автомобиль сломался, и сумела предсказать несколько поломок.

— Подобные модели можно разработать и для других типов автомобилей, любого вида транспорта, где можно снимать первичную информацию о процессах его функционирования, в том числе и для самолётной авиации. Собственно, изначально эта система и разрабатывалась для оценки состояния и предсказания отказов авиационной техники. Мы обрабатывали данные различных типов воздушных судов и показывали эффективность применения нашей методики. Большая часть их этих результатов опубликована в виде научных статей, — отметил разработчик.

Материал подготовлен при поддержке Минобрнауки России