Система поддержки принятия решений при управлении техническим обслуживанием автономных транспортных средств

Автор: Орлов С.П., Сусарев С.В.

Журнал: Онтология проектирования @ontology-of-designing

Рубрика: Методы и технологии принятия решений

Статья в выпуске: 3 (49) т.13, 2023 года.

Бесплатный доступ

Автономные транспортные средства являются сложными объектами, оснащёнными средствами мониторинга технического состояния и передачи данных для диагностики и прогнозирования. Проектирование новых образцов автономных и роботизированных автомобилей неразрывно связано с разработкой системы технического обслуживания. Эффективное функционирование системы технического обслуживания обеспечивается использованием интеллектуальных технологий и цифровых двойников. В статье рассматривается подход к проектированию системы поддержки принятия решений при техническом обслуживании и ремонте парка автономных транспортных средств. Система поддержки принятия решений ориентирована на роботизированные автомобили сельскохозяйственного назначения. Предлагаемая структура системы носит общий характер и может использоваться в транспортно-логистических предприятиях различных отраслей экономики. Представлена общая архитектура системы технического обслуживания, включающая нейро-цифровой двойник транспортного средства, блок аналитики, имитационные модели процессов эксплуатации и сервисные центры. Компонентами нейро-цифрового двойника являются цифровые двойники агрегатов автомобиля, база знаний, онтология предметной области, искусственные нейронные сети и коллектив экспертов. Предлагаемый подход основам на сочетании интеллектуальных технологий и имитационного моделирования во взаимодействии с коллективом экспертов. Разработан комплекс имитационных моделей функционирования парка автономных транспортных средств. Для анализа процессов эксплуатации автономных автомобилей предложены модели, основанные на стохастических временных раскрашенных сетях Петри. Разработанная системы поддержки принятия решений может быть использована на этапе виртуального ввода в эксплуатацию и при реальной работе автономных транспортных средств.

Еще

Автономные автомобили, техническое обслуживание, система поддержки принятия решений, интеллектуальные технологии, цифровые двойники, имитационное моделирование

Короткий адрес: https://sciup.org/170200580

IDR: 170200580   |   DOI: 10.18287/2223-9537-2023-13-3-424-436

Список литературы Система поддержки принятия решений при управлении техническим обслуживанием автономных транспортных средств

  • Щербаков М.В., Сай Ван К. Архитектура системы предсказательного технического обслуживания сложных многообъектных систем в концепции Индустрии 4.0. Программные продукты и системы. 2020. №2. С.186-194. D01:10.15827/0236-235X. 130.186-194.
  • Sang G.M., Xu L., Vrieze P., Bai Y., Pan F. Predictive Maintenance in Industry 4.0. In: Proc. of the 10th International Conference on Information Systems and Technologies (ICIST' 2020) (Lecce, Italy). 2020. DOI: 10.1145/1234567890.
  • Süß S., Magnus S., Thron M., Zipper H., Odefey U., Fäßler V., Strahilov A., Klodowski A., Bär T., Diedrich C. Test methodology for virtual commissioning based on behavior simulation of production systems. In: Proc. of 2016 IEEE 21st International Conference on Emerging Technologies and Factory Automation (ETFA) (Berlin, Germany). 2016. P.1-9. D0I:10.1109/ETFA.2016.7733624.
  • Novak P., Kadera P., Wimmer M. Model-based engineering and virtual commissioning of cyber-physical manu-factoring systems — Transportation system case study. In: Proc. of the 22nd IEEE International Conference on Emerging Technologies and Factory Automation (ETFA) (Limassol, Cyprus). 2017. P.1-4. D0I:10.1109/ETFA.2017.8247743.
  • Орлов С.П., Бизюкова Е.Е., Яковлева А.Е. Виртуальные испытания агрегатов для виртуального ввода в производство роботизированного автомобиля // Вестник Самарского государственного технического университета. Серия «Технические науки». 2021. Т. 29(1). С.46-57. DOI: 10.14498/tech.2021.1.4.
  • Möller D.P.F., Vakilzadian H, Haas R.E. From Industry 4.0 towards Industry 5.0//In: Proc. 0f the 2022 IEEE International Conference on Electro Information Technology (eIT) (Mankato, MN, USA). IEEE Xplore, 2022. P.61-68. DOI: 10.1109/eIT53891.2022.9813831.
  • Бабкин А.В., Федоров А.А., Либерман И.В., Клачек П.М. Индустрия 5.0: понятие, формирование и развитие. Экономика промышленности. Russian Journal of Industrial Economics. 2021. Т.14(4). С.375-395. DOI: 10.17073/2072-1633-2021-4-375-395.
  • Клачек П.М., Бабкин А.В., Либерман И.В. Функциональная гибридная интеллектуальная система принятия решений для трудноформализуемых производственно-экономических задач в цифровой экономике // Научно-технические ведомости СПбГПУ. Экономические науки. 2019. №1. С.21-32. DOI: 10.18721/JE.12102.
  • КвинтВ.Л. Концепция стратегирования. Т.2. СПб.: СЗИУ РАНХиГС, 2020. 164 с.
  • Lu Z., Liu J., Dong L., Liang X. Maintenance Process Simulation Based Maintainability Evaluation by Using Stochastic Colored Petri Net. Appl. Sci. 2019. Vol.9, 3262. DOI:10.3390/app9163262.
  • Orlov S.P., Susarev S.V., Uchaikin R.A. Application of Hierarchical Colored Petri Nets for Technological Facilities' Maintenance Process Evaluation. Appl. Sci. 2021. Vol.11, 5100. DOI:10.3390/app11115100.
  • Губанов Н.Г., Михеев Ю.В., Одинцов В.П., Ахтямов Р.Н., Морев А.С. Архитектура системы диагностики и прогнозирования технического состояния роботизированного транспортного средства // Проблемы управления и моделирования в сложных системах: Труды XXI международной конф. (3-6 сентября 2019 г., Самара, Россия). Самара: ООО "Офорт". 2019. С. 171-174.
  • Сусарев С.В., Орлов С.П., Бизюкова Е.Е., Учайкин Р.А. Моделирование процессов прогнозного технического обслуживания роботизированных агротехнических автомобилей // Математические методы в технологиях и технике. 2021. № 1. С. 148-153. DOI: 10.52348/2712-8873_MMTT_2021_1_148.
  • Sheng J., Prescott D. A hierarchical coloured Petri net model of fleet maintenance with cannibalization // Reliability Engineering & System Safety. 2017. Vol.168. P.290-305. DOI:10.1016/j.ress.2017.05.043.
  • da Silva A.R. Model-driven engineering: A survey supported by the unified conceptual model //Computer Languages, Systems & Structures. 2015. Vol. 43. P.139-155. DOI:10.1016/j.cl.2015.06.001.
  • Orlov S.P., Susarev S.V., Gubanov N.G., Sidorenko K.V., Morev A.S. Intelligent Model-Based Diagnostic System for an Agricultural Robotic Vehicle System. In: Proc. of the 14th International Forum on Strategic Technology (IFOST 2019) (Tomsk, Russia). Tomsk: TPU Publishing House, 2019. P.469-474. DOI:10.1007/978-3-030-95116-0_13.
  • Димитров В.П., Борисова Л.В., Жмайлов Б.Б. Построение онтологии технического сервиса в агропромышленном комплексе // Вестник ДГТУ. 2011. Т.11. № 10(61). С.1771-1779.
  • Грищенко М.А., Дородных Н.О., Коршунов С.А., Юрин А.Ю. Разработка диагностических интеллектуальных систем на основе онтологий // Онтология проектирования. 2018. Т.8, №.2(28). С.265-284. DOI: 10.18287/2223-9537-2018-8-2-265-284.
  • Дородных Н.О., Николайчук О.А., Юрин А.Ю. Использование онтологических шаблонов содержания при построении баз знаний для технического обслуживания и ремонта авиационной техники // Онтология проектирования. 2022. Т.12, № 2(44). С.158-171. DOI: 10.18287/2223-9537-2022-12-2-158-171.
  • ГОСТ 18322-2016. Система технического обслуживания и ремонта техники. Термины и определения. М.: Стандартинформ, 2017.
  • Jensen K., Kristensen M. Coloured Petri Nets: Modelling and Validation of Concurrent Systems. Berlin/Heidelberg: Springer, 2009. 382 p.
  • CPN Tools. Modeling with Coloured Petri Nets. http://cpntools.org/2018/01/16/getting-started.
Еще
Статья научная