Центральноукраїнський науковий вісник. Технічні науки. Випуск_12. Частина 1. - 2025
Permanent URI for this collectionhttps://dspace.kntu.kr.ua/handle/123456789/17407
Browse
Search Results
Item type:Item, Особливості побудови програмної симуляції для оптимізації ефективності використання та надійності експлуатації автоматизованих виробничих ліній методами ШІ(ЦНТУ, 2025) Ковальов, С. Г.; Аулін, В. В.; Гриньків, А. В.; Ковальов, Ю. Г.; Kovalov, S.; Aulin V.; Hrynkiv, A.; Kovalov, Yu.У роботі розглядається концепція інтеграції штучного інтелекту в автоматизовану виробничу лінію через створення та впровадження комп’ютерної симуляцій. Як прикладу наведено експериментальну платформу виготовлення агродронів, яка є реальним середовищем для перевірки результатів впровадження методів штучного інтелекту для її оптимізації. Симуляційна модель реалізована з використанням об’єктно-орієнтованого підходу, що забезпечує гнучкість структури та дозволяє замінювати окремі компоненти на ШІ-агентів тощо. This article explores a methodological approach to integrating artificial intelligence (AI) into automated production lines through the development of computer-based simulations. As a case study, the research focuses on an experimental assembly line for agricultural drones, designed to serve as a testbed for intelligent optimization strategies. The simulation is constructed using object-oriented programming principles, enabling modularity, scalability, and architectural clarity. Each component of the production line—conveyors, manipulators, quality control nodes, and drone modules—is modeled as an independent object with defined behaviors and interaction protocols etc.Item type:Item, Підвищення зносостійкості та надійності ресурсовизначальних деталей транспортної та сільськогосподарської техніки методами інжинірингу із застосуванням нейронних мереж(ЦНТУ, 2025) Чумак, В. М.; Аулін, В. В.; Гриньків, А. В.; Лисенко, С. В.; Кузик, О. В.; Chumak, V.; Aulin V.; Hrynkiv, A.; Lysenko S.; Kuzyk, O.Показано, що у сучасних умовах інтенсивного розвитку промисловості 4.0 та цифровізації машинобудівних процесів особливої актуальності набуває проблема забезпечення надійності та довговічності ресурсовизначальних деталей транспортної та сільськогосподарської техніки. Виявлено, що традиційні підходи до прогнозування технічного стану машин, засновані на календарному обслуговуванні, не відповідають сучасним вимогам економічної ефективності та безпеки експлуатації тощо. It is shown that in modern conditions of intensive development of Industry 4.0 and digitalization of machine-building processes, the problem of ensuring the reliability and durability of resource-determining parts of transport and agricultural machinery is of particular relevance. It is found that traditional approaches to predicting the technical condition of machines, based on calendar maintenance, do not meet modern requirements of economic efficiency and operational safety etc.Item type:Item, Стан та напрями розвитку архітектури даних для інтелектуальної оцінки технічного стану мобільних машин підприємств агропромислового виробництва(ЦНТУ, 2025) Матвієнко, О. О.; Аулін, В. В.; Гриньків, А. В.; Matviienko, O.; Aulin V.; Grynkiv, A.У статті подано критичний огляд сучасних існуючих наборів даних з сенсорів для інтелектуальної оцінки технічного стану вузлів і механізмів мобільних машин агропромислового виробництва шляхом застосування методів машинного навчання. Показано обмеженість існуючих публічних наборів даних, відсутність уніфікації методики і архітектури збору даних в умовах агропромислового підприємства. Запропоновано концепцію і архітектуру для збору даних з сенсорів на вузлах і механізмах мобільних машин агропромислового виробництва з подальшою обробкою методами машинного навчання для інтелектуальної оцінки технічного стану. This article provides a critical survey and a practical method for assembling sensor datasets that support intelligent assessment of the technical condition of mobile agricultural machines. The survey maps available sources and shows that domain-relevant datasets are scarce, fragmented, and rarely documented with stable collection procedures. To address these gaps, the paper proposes a coherent “global to detail” pathway that links fleet decisions, field acquisition, and analytics into a reproducible blueprint etc.