Центральноукраїнський науковий вісник. Технічні науки. Випуск_11. Частина 2. - 2025
Permanent URI for this collectionhttps://dspace.kntu.kr.ua/handle/123456789/16558
Browse
Item Modeling the Stochastic State Matrix of a Production Line for Optimize its Operational Reliability Using Reinforcement Learning(ЦНТУ, 2025) Kovalov, S.; Aulin V.; Grynkiv, A.; Kovalov, Yu.; Ковальов, С. Г.; Аулін, В. В.; Гриньків, А. В.; Ковальов, Ю. Г.The development of a production line state determination model aims to create a universal tool for evaluating and optimizing industrial systems. The proposed approach enables real-time analysis of equipment states, prediction of potential failures, and enhancement of overall operational efficiency. Основною метою розробки моделі визначення стану виробничої лінії було створення універсального інструменту, здатного аналізувати та оптимізувати будь-яку промислову виробничу лінію. Модель розроблена для ефективної оцінки робочих станів виробничого обладнання, прогнозування потенційних збоїв та рекомендацій щодо коригувальних дій для підвищення надійності та ефективності. Завдяки використанню математичних методів та методів на основі штучного інтелекту, підхід забезпечує адаптивність до різних типів виробничих систем, що робить його застосовним у різних галузях промисловості.Item Вдосконалення математичного моделювання машинобудівних технологій для смарт-підприємств в системі машинного зору(ЦНТУ, 2025) Головатий, А. О.; Чумак, В. М.; Манько, Є. В.; Аулін, В. В.; Кульова, Д. О.; Holovatyi, А.; Chumak, V.; Manko, Ye.; Aulin V.; Kuleva, D.У статті розглядається питання математичного моделювання машинобудівних технологій системи машинного зору в умовах переходу до смарт-підприємств, які є основою сучасної Індустрії 4.0. Зазначається, що традиційні підходи до моделювання не повною мірою відповідають вимогам цифрового виробництва, що характеризується високою динамічністю, необхідністю інтеграції з кіберфізичними системами, технологіями Інтернету речей (IoT) та адаптивного управління в реальному часі. The article considers the issue of mathematical modeling of machine-building technologies of machine vision systems in the context of the transition to smart enterprises, which are the basis of modern Industry 4.0. It is noted that traditional approaches to modeling do not fully meet the requirements of digital production, which is characterized by high dynamism, the need for integration with cyber-physical systems, Internet of Things (IoT) technologies and adaptive control in real time.Item Виявлення типових відмов елементів автомобілів групи Renault та обґрунтування вибору запасних частин(ЦНТУ, 2025) Тищенко, С. Ю.; Аулін, В. В.; Гриньків, А. В.; Tyshchenko, S.; Aulin V.; Hrynkiv А.В статті розглядаються методи виявлення і дослідження відмов елементів (вузлів деталей, систем, агрегатів) автомобілів. Основні проблеми процесу ефективності експлуатації легкових автомобілів безпосередньо залежить від цілісного підходу до реалізації заходів матеріально-технічного забезпечення, включаючи планування обсягів постачання та управління запасами запасних частин на підприємствах, що здійснюють технічне обслуговування та поточний ремонт, починаючи з дистриб’юторських мереж і завершуючи дилерськими СТО. This article explores methods for detecting and studying failures of automotive components. The primary challenges related to the effectiveness of passenger vehicle operation are directly dependent on a holistic approach to the implementation of material and technical support measures. This includes the planning of supply volumes and management of spare parts inventory at enterprises involved in vehicle maintenance and repair. These enterprises range from distribution networks to dealer service stations.Item Забезпечення належного рівня якості надання послуг підприємствами технічного сервісу колісних транспортних засобів проведенням їх акредитації(ЦНТУ, 2025) Сергійчук, А. А.; Аулін, В. В.; Гриньків, А. В.; Сергійчук, А. В.; Serhiichuk, A.; Aulin V.; Hrynkiv, А.; Serhiichuk, A.В статті розглянуто проблему забезпечення належного рівня якості надання послуг підприємствами технічного сервісу колісних транспортних засобів проведеннях їх акредитації через створення б випробувальної лабораторії. Проаналізовано основні напрямки підвищення якості технічного сервісу колісних транспортних засобів з впровадженням Стандартів ISO 9001:2015, ДСТУ EN ISO/IEC 17025:2019. Зазначено, що система управління якістю транспортних послуг на підприємстві повинна враховувати їх специфіку. Визначено етапи формування системи управління якості без впровадження і з впровадженням випробувальної лабораторії перевірки конструкції та технічного стану колісних транспортних засобів. The article considers the problem of ensuring the proper level of quality of services provided by enterprises of technical service of wheeled vehicles during their accreditation through the creation of a testing laboratory. The main directions of improving the quality of technical service of wheeled vehicles with the implementation of ISO 9001:2015, DSTU EN ISO/IEC 17025:2019 Standards are analyzed. It is noted that the quality management system of transport services at the enterprise must take into account their specifics.Item Класифікація типів сигналів та методів машинного навчання для інтелектуальної оцінки технічного стану мобільних машин підприємств агропромислового виробництва(ЦНТУ, 2025) Матвієнко, О. О.; Аулін, В. В.; Matviienko, О.; Aulin V.У статті подано критичний огляд сучасних досліджень щодо застосування методів машинного навчання (МН) для визначення технічного стану вузлів і механізмів мобільних машин агропромислового виробництва (ММАПВ) за різнотиповими діагностичними сигналами (вібраційними, акустичними, температурними, тисковими тощо). Показано обмеження порогових стратегій діагностики та обґрунтовано необхідність інтелектуальної системи технічного сервісу, що поєднує сенсорну базу й адаптивні алгоритми МН для онлайн-оцінювання стану, прогнозного обслуговування і мінімізації непередбачуваних простоїв. The article provides a critical review of current research on the use of machine learning (ML) methods for identifying the technical state of units and mechanisms of agro-industrial production machines for different types of diagnostic signals (vibration, acoustic, temperature, vice, etc.). The exchange of threshold diagnostic strategies is shown and the need for an intelligent technical service system is highlighted, which integrates a sensor base and adaptive MN algorithms for online assessment of the plant, predictive maintenance and minimization of untransferable downtime.Item Методи і заходи удосконалення системи технічного сервісу вантажних автомобілів на основі кіберфізичного підходу і розробки науковотехнічної документації його операцій(ЦНТУ, 2025) Надич, Т. М.; Аулін, В. В.; Гриньків, А. В.; Слонь, В. В.; Nadych, Т.; Aulin V.; Hrynkiv, А.; Slon, V.Стаття присвячена системі інформаційного забезпечення проведення операцій технічного обслуговування, технічного діагностування і поточного ремонту вантажних автомобілів на підприємствах технічного сервісу. Розглянуто питання інтеграції науково-технічної документації щодо проведення технологічних операцій технічного сервісу вантажних автомобілів, згідно принципів кіберфізичного підходу, єдиного інформаційного простору. The article is devoted to the information support system for carrying out technical maintenance operations, technical diagnostics and current repairs of trucks at technical service enterprises. The issue of integrating scientific and technical documentation for carrying out technological operations of technical service of trucks, according to the principles of the cyber-physical approach, a single information space, is considered.