DOI: https://doi.org/10.32515/2664-262X.2025.12(43).2.204-219
Універсальний метод формалізації параметрів ресурсовизначальних деталей транспортної
та сільськогосподарської техніки для систем предиктивного обслуговування
Про авторів
Чумак Віталій Миколайович , здобувач вищої освіти на третьому (освітньо-науковому) рівні за спеціальністю «Галузеве машинобудування», Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0009-0002-1913-9371, e-mail: vitaly.chumak33@gmail.com
Манько Єгор Валерійович , здобувач вищої освіти на третьому (освітньо-науковому) рівні, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0009-0005-6355-2413, e-mail: evm0996496486@gmail.com
Байцан Віктор Григорович , здобувач вищої освіти на третьому (освітньо-науковому) рівні, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0009-0006-3519-9090, e-mail: v.baitsan@landtech-ukraine.com
Аулін Віктор Васильович , професор, доктор технічних наук, професор кафедри експлуатації та ремонту машин, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0000-0003-2737-120X, e-mail: aulinvv@gmail.com
Лисенко Сергій Володимирович , доцент, кандидат технічних наук, доцент кафедри експлуатації та ремонту машин, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0000-0003-0845-7817, e-mail: sv07091976@gmail.com
Гриньків Андрій Вікторович , здобувачстарший дослідник, кандидат технічних наук, старший викладач кафедри експлуатації та ремонту машин, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0000-0002-4478-1940, е-mail: AVGrinkiv@gmail.com.
Анотація
В роботі показано, що в епоху четвертої промислової революції та всеохоплюючої диджиталізації виробничих комплексів критично важливим стає завдання гарантування експлуатаційної стійкості та подовження терміну служби критичних компонентів автомобільного та агропромислового обладнання. Встановлено, що класичні методики оцінювання працездатності техніки, які базуються на регламентованих термінах сервісу, не задовольняють актуальні потреби рентабельності виробництва та експлуатаційної безпеки. Ідентифіковано ключову проблематику – брак уніфікованої системи структурування параметрів деталей: існуючі методи (FMEA, CAD/PLM-системи, спеціалізовані трибологічні бази даних) характеризуються високою специфічністю та не дозволяють масштабування прогностичних моделей на довільні типи компонентів без значних експериментальних витрат.
Запропоновано методи універсальної формалізації параметрів ресурсовизначальних деталей у вигляді універсального опису деталі (УОД), що поєднує матеріалознавчі, геометричні, експлуатаційні та надійнісні параметри в єдину структуровану форму. Показано, що УОД інтегрує явну специфікацію умов експлуатації, матеріальний стан та методи вимірювання зносу. Розроблено експертну систему, що автоматично класифікує домінуючий механізм зношування за параметрами УОД та вибирає відповідні калібровані фізичні моделі: моделі Арчарда для абразивного зношування, модель Пальмгрен-Майнера для втомного зношування та кастомізовану модель для зношування в ґрунті.
Проведено порівняльне дослідження УОД з альтернативними підходами (FMEA, CAD/PLM, трибологічні БД, IoT) на дванадцяти категоріях деталей транспортної (ТТ) та сільськогосподарської техніки (СГТ). Виявлено, що УОД значно скорочує час розробки прогностичних моделей, підвищує точність прогнозу залишкового ресурсу: MAPE УОД – 3,2%; FMEA – 16,8% для стабільних умов експлуатації. При цьому забезпечується універсальність застосування без модифікації структури та масштабованість адаптації до нових типів деталей.
Валідація на реальних експлуатаційних даних 50 одиниць техніки для кожного типу деталі протягом 1000...5000 годин підтвердила надійність методу: середня абсолютна відсоткова похибка MAPE становила 3,2...4,4% для транспортних деталей ТТ та 4,4...5,2% для деталей СГТ з варіаціями умов експлуатації при використанні каліброваних моделей у типових умовах. Результати підтверджують можливість інтеграції УОД у системи предиктивного обслуговування та CAD/PLM-платформи для забезпечення масштабованих рішень щодо визначення залишкового ресурсу експлуатації деталей ТТ і СГТ.
Ключові слова
універсальний опис деталі (УОД), предиктивне обслуговування, формалізація параметрів, порівняльний аналіз методик, механізми зношування, прогнозування залишкового ресурсу, фізичні моделі зносу, експертна система, калібровані моделі
Повний текст:
PDF
Посилання
1. Mobley, R. K. (2002). An introduction to predictive maintenance (2nd ed.). Butterworth-Heinemann. https://doi.org/10.1016/B978-075067531-4/50002-8.
2. Lee, J., Kao, H.-A., & Yang, S. (2014). Service innovation and smart analytics for Industry 4.0 and Big Data Environment. Procedia CIRP, 16, 3–8. https://doi.org/10.1016/j.procir.2014.02.001.
3. Aulín, V. V., Hrynkiv, A. V., & Holovatyi, A. O. (2020). Cyber-physical approach in the creation of transport and production systems. Central Ukrainian Scientific Bulletin. Technical Sciences, 3(34), 331–343. https://doi.org/10.32515/2664-262X.2020.3(34).331-343 [in Ukrainian].
4. Zhang, B., Zhang, S., & Li, W. (2019). Bearing performance degradation assessment using long short-term memory recurrent network. Computers in Industry, 106, 14–29. doi.org/10.1016/j.compind.2018.12.016.
5. ISO 6336-1:2006. (2006). Calculation of load capacity of spur and helical gears. Part 1: Basic principles, introduction and general influence factors (2nd ed.). International Organization for Standardization. https://www.iso.org/standard/36327.html.
6. Archard, J. F. (1953). Contact and rubbing of flat surfaces. Journal of Applied Physics, 24(8), 981–988. https://doi.org/10.1063/1.1721448.
7. ISO 281:2007. (2007). Rolling bearings – Dynamic load ratings and rating life (2nd ed.). International Organization for Standardization. https://www.iso.org/standard/38102.html.
8. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735–1780. https://doi.org/10.1162/neco.1997.9.8.1735.
9. Carvalho, T. P., Soares, F. A. A. M., Vita, R., Francisco, R. P., Basto, J. P., & Alcalá, S. G. S. (2019). A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering, 137, 106024. https://doi.org/10.1016/j.cie.2019.106024.
10. Tran, K. P. (2021). Artificial intelligence for smart manufacturing: Methods and applications. Sensors, 21(16), 5584. https://doi.org/10.3390/s21165584.
11. Chumak, V. M., Aulin, V. V., Hrynkiv, A. V., Lysenko, S. V., & Kuzyk, O. V. (2025). Improvement of wear resistance and reliability of resource-determining parts of transport and agricultural machinery by methods of engineering optimization. Central Ukrainian Scientific Bulletin. Technical Sciences, 11(42, part 2), 143–159. https://doi.org/10.32515/2664-262X.2025.12(43).1.272-288 [in Ukrainian].
12. Stark, J. (2015). Product lifecycle management (Volume 1): 21st century paradigm for product realisation (4th ed.). Springer. https://doi.org/10.1007/978-3-030-98578-3.
13. Carlson, C. S. (2012). Effective FMEAs: Achieving safe, reliable, and economical products and processes using failure mode and effects analysis. John Wiley & Sons, Inc. https://doi.org/10.1002/9781118312575.
14. Bhushan, B. (2000). Modern tribology handbook (1st ed.). CRC Press. doi.org/10.1201/9780849377877.
15. Meng, H. C., & Ludema, K. C. (1995). Wear models and predictive equations: Their form and content. Wear, 181–183, 443–457. https://doi.org/10.1016/0043-1648(95)90158-2.
16. Hutchings, I., & Shipway, P. (2017). Tribology: Friction and wear of engineering materials (2nd ed.). Butterworth-Heinemann. https://www.sciencedirect.com/book/9780081009109/tribology.
17. Shao, S., McAleer, S., Yan, R., & Baldi, P. (2019). Highly accurate machine fault diagnosis using deep transfer learning. IEEE Transactions on Industrial Informatics, 15(4), 2446–2455. https://doi.org/10.1109/TII.2018.2864759.
18. Zum Gahr, K. H. (1987). Microstructure and wear of materials. Elsevier. https://www.academia.edu/82805296/Karl_Heinz_Zum_Gahr_Microstructure_and_Wear_of_Materials.
19. Natsis, A., Papadakis, G., & Pitsilis, J. (1999). The influence of soil type, soil water and share sharpness of a mouldboard plow on energy consumption, speed of operation and ploughing quality. Journal of Agricultural Engineering Research, 72(2), 171–176. https://doi.org/10.1006/jaer.1998.0360.
20. Horvat, Z., Filipović, D., Kosutic, S., & Emert, R. (2008). Reduction of mouldboard plough share wear by a combination technique of hardfacing. Tribology International, 41(8), 778–782. doi.org/10.1016/j.triboint.2008.01.008.
21. Zheng, J., Li, W., & Li, J. (2024). A comparative study on the wear behavior of quenched-and-partitioned steel (Q&P) and martensite steel (Q&T). Coatings, 14(6), 727. https://doi.org/10.3390/coatings14060727
22. Bayhan, Y. (2006). Reduction of wear via hardfacing of chisel ploughshare. Tribology International, 39(6), 570–574. https://doi.org/10.1016/j.triboint.2005.06.005.
23. Davis, J. R. (Ed.). (2001). Alloying: Understanding the basics. ASM International. doi.org/10.31399/asm.tb.aub.9781627082976.
24. Hutchings, I., & Shipway, P. (2017). Tribology: Friction and wear of engineering materials (2nd ed.). Butterworth-Heinemann. https://www.sciencedirect.com/book/9780081009109/tribology.
25. Williams, J. A. (2005). Engineering tribology. Cambridge University Press. doi.org/10.1017/CBO9780511805905.
26. Tyshchenko, S. Yu., Serhiichuk, A. A., Aulin, V. V., & Hrynʹkiv, A. V. (2025). Methods for determining the needs of car service enterprises for spare parts and developing a methodology for their impact on the overall performance of vehicles. Central Ukrainian Scientific Bulletin. Technical Sciences: Collection of Scientific Papers, 11(42), Part 1, 243–257. https://doi.org/10.32515/2664-262X.2025.11(42).1.243-257 [in Ukrainian].
27. Aulin, V. V., Hrynʹkiv, A. V., Lysenko, S. V., et al. (2020). Principles of construction and functioning of a cyber- physical system for technical service of automotive and mobile agricultural machinery. Technical Service of the Agro-Industrial, Forestry and Transport Complexes: Scientific Journal, (22), 162–174. https://doi.org/10.37700/ts.2020.22.162-174 [in Ukrainian].
28. Serhiichuk, A. A., Hrynʹkiv, A. V., & Aulin, V. V. (2025). Development of an innovative quality management system for vehicle maintenance and repair based on the process approach. In Kramarov Readings: Proceedings of the 12th International Scientific and Technical Conference (Kyiv, February 20–21, 2025) (pp. 145–147). Kyiv: Publishing Center of NUBiP of Ukraine. [in Ukrainian].
29. Hrynʹkiv, A. V., & Aulin, V. V. (2022). Element-modular system of maintenance and repair of mobile agricultural machinery. In Processes, Machines and Equipment of Agro-Industrial Production: Problems of Theory and Practice: Proceedings of the International Scientific and Practical Conference (Ternopil, September 29–30, 2022) (pp. 103–104). Ternopil: FOP Palianytsia V. A. [in Ukrainian].
Пристатейна бібліографія ГОСТ
1. Mobley, R. Keith. An introduction to predictive maintenance. R. Keith Mobley. 2nd ed. Oxford : Butterworth- Heinemann, 2002. 532 p.
2. Lee, J., Kao, H.-A., Yang, S. Service innovation and smart analytics for Industry 4.0 and Big Data environment. Procedia CIRP. 2014. Vol. 16. P. 3–8. URL: https://doi.org/10.1016/j.procir.2014.02.001
3. Аулін В. В., Костенко С. І., Мартиненко О. О., Баранов В. Л. Кіберфізичний підхід у створенні транспортних та виробничих систем. Центральноукраїнський науковий вісник. Технічні науки. 2020. Т. 3, №34. С. 331–343. URL: https://doi.org/10.32515/2664-262X.2020.3(34).331-343
4. Zhang, B., Zhang, L., Li, W., Gao, L., Zhang, Z. Bearing performance degradation assessment using long short- term memory recurrent network. Computers in Industry. 2019. Vol. 106. P. 14–29. URL: https://doi.org/10.1016/j.compind.2018.12.016
5. ISO 6336-1:2006. Calculation of load capacity of spur and helical gears. Part 1: Basic principles, introduction and general influence factors. 2nd ed. Geneva : International Organization for Standardization, 2006. 109 p. URL: https://www.iso.org/standard/36327.html
6. Archard, J. F. Contact and rubbing of flat surfaces. Journal of Applied Physics. 1953. Vol. 24, No. 8. P. 981–988. URL: https://doi.org/10.1063/1.1721448
7. ISO 281:2007. Rolling bearings: dynamic load ratings and rating life. 2nd ed. Geneva : International Organization for Standardization, 2007. 51 p. URL: https://www.iso.org/standard/38102.html
8. Hochreiter, S., Schmidhuber, J. Long short-term memory. Neural Computation. 1997. Vol. 9, No. 8. P. 1735– 1780. URL: https://doi.org/10.1162/neco.1997.9.8.1735
9. Carvalho, T. P., Soares, F. A. A. M. N., Vita, R., Francisco, R. de, Basto, J. P., Alcalá, S. G. S. A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering. 2019. Vol. 137. P. 106024. URL: https://doi.org/10.1016/j.cie.2019.106024
10. Tran, K. P. Artificial intelligence for smart manufacturing: methods and applications. Sensors. 2021. Vol. 21, No.
16. P. 5584. URL: https://doi.org/10.3390/s21165584
11. Чумак В. М., Аулін В. В., Мартиненко О. О., Костенко С. І. Підвищення зносостійкості та надійності ресурсовизначальних деталей транспортної та сільськогосподарської техніки методами інженерної оптимізації. Центральноукраїнський науковий вісник. Технічні науки. 2025. Т. 11, № 42, ч. 2. С. 143–159. URL: https://doi.org/10.32515/2664-262X.2025.12(43).1.272-288
12. Stark, J. Product lifecycle management (Volume 1): 21st century paradigm for product realisation. 4th ed. Cham : Springer, 2015. 406 p. (Decision Engineering). URL: https://doi.org/10.1007/978-3-030-98578-3
13. Carlson, C. S. Effective FMEAs: achieving safe, reliable, and economical products and processes using failure mode and effects analysis. Hoboken : John Wiley & Sons, Inc., 2012. 480 p. URL: https://doi.org/10.1002/9781118312575
14. Bhushan, B. Modern tribology handbook. 1st ed. Boca Raton : CRC Press, 2000. 1720 p. URL: https://doi.org/10.1201/9780849377877
15. Meng, H. C., Ludema, K. C. Wear models and predictive equations: their form and content. Wear. 1995. Vol. 181–183. P. 443–457. URL: https://doi.org/10.1016/0043-1648(95)90158-2
16. Hutchings, I., Shipway, P. Tribology: Friction and Wear of Engineering Materials. 2nd ed. Oxford : Butterworth- Heinemann, 2017. 412 p. URL: https://www.sciencedirect.com/book/9780081009109/tribology
17. Shao, S., et al. Highly Accurate Machine Fault Diagnosis Using Deep Transfer Learning. IEEE Transactions on Industrial Informatics. 2019. Vol. 15, No. 4. P. 2446–2455. URL: doi.org/10.1109/TII.2018.2864759
18. Zum Gahr, K. H. Microstructure and Wear of Materials. Amsterdam : Elsevier, 1987. 560 p. URL: https://www.academia.edu/82805296/Karl_Heinz_Zum_Gahr_Microstructure_and_Wear_of_Materials
19. Natsis A., Papadakis G., Pitsilis J., Karamoutis C. The influence of soil type, soil water and share sharpness of a mouldboard plow on energy consumption, speed of operation and ploughing quality. Journal of Agricultural Engineering Research. 1999. Vol. 72, No. 2. P. 171–176. URL: doi.org/10.1006/jaer.1998.0360
20. Horvat Z., Filipovic D., Kosutic S., Emert R. Reduction of mouldboard plough share wear by a combination technique of hardfacing. Tribology International. 2008. Vol. 41, No. 8. P. 778–782. URL: https://doi.org/10.1016/j.triboint.2008.01.008
21. Zheng J., Li W., Li J. A comparative study on the wear behavior of quenched-and-partitioned steel (Q&P) and martensite steel (Q&T). Coatings. 2024. Vol. 14, No. 6. P. 727. URL: https://doi.org/10.3390/coatings14060727
22. Bayhan Y. Reduction of wear via hardfacing of chisel ploughshare. Tribology International. 2006. Vol. 39, No. 6.P. 570–574. URL: https://doi.org/10.1016/j.triboint.2005.06.005
23. Davis J. R. (ed.) Alloying: Understanding the Basics. Materials Park: ASM International, 2001. 647 p. URL: https://doi.org/10.31399/asm.tb.aub.9781627082976
24. Hutchings I., Shipway P. Tribology: Friction and Wear of Engineering Materials. 2nd ed. Oxford: Butterworth- Heinemann, 2017. 412 p. URL: https://www.sciencedirect.com/book/9780081009109/tribology
25. Williams J. A. Engineering Tribology. Cambridge: Cambridge University Press, 2005. 511 p. URL: https://doi.org/10.1017/CBO9780511805905
26. Тищенко С. Ю., Сергійчук А. А., Аулін В. В., Гриньків А. В. Методи визначення потреб підприємств автосервісу в запасних частинах та розробка методики їх впливу на загальну працездатність автомобілів. Центральноукраїнський науковий вісник. Технічні науки: збірник наукових праць. Кропивницький: ЦНТУ, 2025. Вип. 11(42), ч. 1. С. 243–257.
27. Аулін В. В., Гриньків А. В., Лисенко С. В. [та ін.] Принципи побудови та функціонування кіберфізичної системи технічного сервісу автотранспортної та мобільної сільськогосподарської техніки. Технічний сервіс агропромислового, лісового та транспортного комплексів: науковий журнал. Харків: ХНТУСГ, 2020. №22. С. 162-174. DOI: https://doi.org/10.37700/ts.2020.22.162-174
28. Сергійчук А. А., Гриньків А. В., Аулін В. В. Розробка інноваційної системи управління якістю технічного обслуговування і ремонту транспортних засобів на основі процесного підходу. Крамаровські читання: збірник тез доповідей ХІІ Міжнародної науково-технічної конференції (м. Київ, 20–21 лютого 2025 р.). Київ: Видавничий центр НУБіП України, 2025. С. 145–147.
29. Гриньків А. В., Аулін В. В. Елементно-модульна система технічного обслуговування і ремонту мобільної сільськогосподарської техніки. Процеси, машини та обладнання агропромислового виробництва: проблеми теорії та практики: збірник тез доповідей міжнародної науково-практичної конференції (м. Тернопіль, 29-30 вересня 2022 р.). Тернопіль: ФОП Паляниця В. А., 2022. С. 103–104.
Copyright (c) 2025 В. М. Чумак, Є. В. Манько, В. Г. Байцан, В. В. Аулін, С. В. Лисенко, А. В. Гриньків
Універсальний метод формалізації параметрів ресурсовизначальних деталей транспортної та сільськогосподарської техніки для систем предиктивного обслуговування
Про авторів
Чумак Віталій Миколайович , здобувач вищої освіти на третьому (освітньо-науковому) рівні за спеціальністю «Галузеве машинобудування», Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0009-0002-1913-9371, e-mail: vitaly.chumak33@gmail.com
Манько Єгор Валерійович , здобувач вищої освіти на третьому (освітньо-науковому) рівні, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0009-0005-6355-2413, e-mail: evm0996496486@gmail.com
Байцан Віктор Григорович , здобувач вищої освіти на третьому (освітньо-науковому) рівні, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0009-0006-3519-9090, e-mail: v.baitsan@landtech-ukraine.com
Аулін Віктор Васильович , професор, доктор технічних наук, професор кафедри експлуатації та ремонту машин, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0000-0003-2737-120X, e-mail: aulinvv@gmail.com
Лисенко Сергій Володимирович , доцент, кандидат технічних наук, доцент кафедри експлуатації та ремонту машин, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0000-0003-0845-7817, e-mail: sv07091976@gmail.com
Гриньків Андрій Вікторович , здобувачстарший дослідник, кандидат технічних наук, старший викладач кафедри експлуатації та ремонту машин, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, ORCID: https://orcid.org/0000-0002-4478-1940, е-mail: AVGrinkiv@gmail.com.
Анотація
Ключові слова
Повний текст:
PDFПосилання
1. Mobley, R. K. (2002). An introduction to predictive maintenance (2nd ed.). Butterworth-Heinemann. https://doi.org/10.1016/B978-075067531-4/50002-8.
2. Lee, J., Kao, H.-A., & Yang, S. (2014). Service innovation and smart analytics for Industry 4.0 and Big Data Environment. Procedia CIRP, 16, 3–8. https://doi.org/10.1016/j.procir.2014.02.001.
3. Aulín, V. V., Hrynkiv, A. V., & Holovatyi, A. O. (2020). Cyber-physical approach in the creation of transport and production systems. Central Ukrainian Scientific Bulletin. Technical Sciences, 3(34), 331–343. https://doi.org/10.32515/2664-262X.2020.3(34).331-343 [in Ukrainian].
4. Zhang, B., Zhang, S., & Li, W. (2019). Bearing performance degradation assessment using long short-term memory recurrent network. Computers in Industry, 106, 14–29. doi.org/10.1016/j.compind.2018.12.016.
5. ISO 6336-1:2006. (2006). Calculation of load capacity of spur and helical gears. Part 1: Basic principles, introduction and general influence factors (2nd ed.). International Organization for Standardization. https://www.iso.org/standard/36327.html.
6. Archard, J. F. (1953). Contact and rubbing of flat surfaces. Journal of Applied Physics, 24(8), 981–988. https://doi.org/10.1063/1.1721448.
7. ISO 281:2007. (2007). Rolling bearings – Dynamic load ratings and rating life (2nd ed.). International Organization for Standardization. https://www.iso.org/standard/38102.html.
8. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735–1780. https://doi.org/10.1162/neco.1997.9.8.1735.
9. Carvalho, T. P., Soares, F. A. A. M., Vita, R., Francisco, R. P., Basto, J. P., & Alcalá, S. G. S. (2019). A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering, 137, 106024. https://doi.org/10.1016/j.cie.2019.106024.
10. Tran, K. P. (2021). Artificial intelligence for smart manufacturing: Methods and applications. Sensors, 21(16), 5584. https://doi.org/10.3390/s21165584.
11. Chumak, V. M., Aulin, V. V., Hrynkiv, A. V., Lysenko, S. V., & Kuzyk, O. V. (2025). Improvement of wear resistance and reliability of resource-determining parts of transport and agricultural machinery by methods of engineering optimization. Central Ukrainian Scientific Bulletin. Technical Sciences, 11(42, part 2), 143–159. https://doi.org/10.32515/2664-262X.2025.12(43).1.272-288 [in Ukrainian].
12. Stark, J. (2015). Product lifecycle management (Volume 1): 21st century paradigm for product realisation (4th ed.). Springer. https://doi.org/10.1007/978-3-030-98578-3.
13. Carlson, C. S. (2012). Effective FMEAs: Achieving safe, reliable, and economical products and processes using failure mode and effects analysis. John Wiley & Sons, Inc. https://doi.org/10.1002/9781118312575.
14. Bhushan, B. (2000). Modern tribology handbook (1st ed.). CRC Press. doi.org/10.1201/9780849377877.
15. Meng, H. C., & Ludema, K. C. (1995). Wear models and predictive equations: Their form and content. Wear, 181–183, 443–457. https://doi.org/10.1016/0043-1648(95)90158-2.
16. Hutchings, I., & Shipway, P. (2017). Tribology: Friction and wear of engineering materials (2nd ed.). Butterworth-Heinemann. https://www.sciencedirect.com/book/9780081009109/tribology.
17. Shao, S., McAleer, S., Yan, R., & Baldi, P. (2019). Highly accurate machine fault diagnosis using deep transfer learning. IEEE Transactions on Industrial Informatics, 15(4), 2446–2455. https://doi.org/10.1109/TII.2018.2864759.
18. Zum Gahr, K. H. (1987). Microstructure and wear of materials. Elsevier. https://www.academia.edu/82805296/Karl_Heinz_Zum_Gahr_Microstructure_and_Wear_of_Materials.
19. Natsis, A., Papadakis, G., & Pitsilis, J. (1999). The influence of soil type, soil water and share sharpness of a mouldboard plow on energy consumption, speed of operation and ploughing quality. Journal of Agricultural Engineering Research, 72(2), 171–176. https://doi.org/10.1006/jaer.1998.0360.
20. Horvat, Z., Filipović, D., Kosutic, S., & Emert, R. (2008). Reduction of mouldboard plough share wear by a combination technique of hardfacing. Tribology International, 41(8), 778–782. doi.org/10.1016/j.triboint.2008.01.008.
21. Zheng, J., Li, W., & Li, J. (2024). A comparative study on the wear behavior of quenched-and-partitioned steel (Q&P) and martensite steel (Q&T). Coatings, 14(6), 727. https://doi.org/10.3390/coatings14060727
22. Bayhan, Y. (2006). Reduction of wear via hardfacing of chisel ploughshare. Tribology International, 39(6), 570–574. https://doi.org/10.1016/j.triboint.2005.06.005.
23. Davis, J. R. (Ed.). (2001). Alloying: Understanding the basics. ASM International. doi.org/10.31399/asm.tb.aub.9781627082976.
24. Hutchings, I., & Shipway, P. (2017). Tribology: Friction and wear of engineering materials (2nd ed.). Butterworth-Heinemann. https://www.sciencedirect.com/book/9780081009109/tribology.
25. Williams, J. A. (2005). Engineering tribology. Cambridge University Press. doi.org/10.1017/CBO9780511805905.
26. Tyshchenko, S. Yu., Serhiichuk, A. A., Aulin, V. V., & Hrynʹkiv, A. V. (2025). Methods for determining the needs of car service enterprises for spare parts and developing a methodology for their impact on the overall performance of vehicles. Central Ukrainian Scientific Bulletin. Technical Sciences: Collection of Scientific Papers, 11(42), Part 1, 243–257. https://doi.org/10.32515/2664-262X.2025.11(42).1.243-257 [in Ukrainian].
27. Aulin, V. V., Hrynʹkiv, A. V., Lysenko, S. V., et al. (2020). Principles of construction and functioning of a cyber- physical system for technical service of automotive and mobile agricultural machinery. Technical Service of the Agro-Industrial, Forestry and Transport Complexes: Scientific Journal, (22), 162–174. https://doi.org/10.37700/ts.2020.22.162-174 [in Ukrainian].
28. Serhiichuk, A. A., Hrynʹkiv, A. V., & Aulin, V. V. (2025). Development of an innovative quality management system for vehicle maintenance and repair based on the process approach. In Kramarov Readings: Proceedings of the 12th International Scientific and Technical Conference (Kyiv, February 20–21, 2025) (pp. 145–147). Kyiv: Publishing Center of NUBiP of Ukraine. [in Ukrainian].
29. Hrynʹkiv, A. V., & Aulin, V. V. (2022). Element-modular system of maintenance and repair of mobile agricultural machinery. In Processes, Machines and Equipment of Agro-Industrial Production: Problems of Theory and Practice: Proceedings of the International Scientific and Practical Conference (Ternopil, September 29–30, 2022) (pp. 103–104). Ternopil: FOP Palianytsia V. A. [in Ukrainian].
Пристатейна бібліографія ГОСТ
1. Mobley, R. Keith. An introduction to predictive maintenance. R. Keith Mobley. 2nd ed. Oxford : Butterworth- Heinemann, 2002. 532 p.
2. Lee, J., Kao, H.-A., Yang, S. Service innovation and smart analytics for Industry 4.0 and Big Data environment. Procedia CIRP. 2014. Vol. 16. P. 3–8. URL: https://doi.org/10.1016/j.procir.2014.02.001
3. Аулін В. В., Костенко С. І., Мартиненко О. О., Баранов В. Л. Кіберфізичний підхід у створенні транспортних та виробничих систем. Центральноукраїнський науковий вісник. Технічні науки. 2020. Т. 3, №34. С. 331–343. URL: https://doi.org/10.32515/2664-262X.2020.3(34).331-343
4. Zhang, B., Zhang, L., Li, W., Gao, L., Zhang, Z. Bearing performance degradation assessment using long short- term memory recurrent network. Computers in Industry. 2019. Vol. 106. P. 14–29. URL: https://doi.org/10.1016/j.compind.2018.12.016
5. ISO 6336-1:2006. Calculation of load capacity of spur and helical gears. Part 1: Basic principles, introduction and general influence factors. 2nd ed. Geneva : International Organization for Standardization, 2006. 109 p. URL: https://www.iso.org/standard/36327.html
6. Archard, J. F. Contact and rubbing of flat surfaces. Journal of Applied Physics. 1953. Vol. 24, No. 8. P. 981–988. URL: https://doi.org/10.1063/1.1721448
7. ISO 281:2007. Rolling bearings: dynamic load ratings and rating life. 2nd ed. Geneva : International Organization for Standardization, 2007. 51 p. URL: https://www.iso.org/standard/38102.html
8. Hochreiter, S., Schmidhuber, J. Long short-term memory. Neural Computation. 1997. Vol. 9, No. 8. P. 1735– 1780. URL: https://doi.org/10.1162/neco.1997.9.8.1735
9. Carvalho, T. P., Soares, F. A. A. M. N., Vita, R., Francisco, R. de, Basto, J. P., Alcalá, S. G. S. A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering. 2019. Vol. 137. P. 106024. URL: https://doi.org/10.1016/j.cie.2019.106024
10. Tran, K. P. Artificial intelligence for smart manufacturing: methods and applications. Sensors. 2021. Vol. 21, No.
16. P. 5584. URL: https://doi.org/10.3390/s21165584
11. Чумак В. М., Аулін В. В., Мартиненко О. О., Костенко С. І. Підвищення зносостійкості та надійності ресурсовизначальних деталей транспортної та сільськогосподарської техніки методами інженерної оптимізації. Центральноукраїнський науковий вісник. Технічні науки. 2025. Т. 11, № 42, ч. 2. С. 143–159. URL: https://doi.org/10.32515/2664-262X.2025.12(43).1.272-288
12. Stark, J. Product lifecycle management (Volume 1): 21st century paradigm for product realisation. 4th ed. Cham : Springer, 2015. 406 p. (Decision Engineering). URL: https://doi.org/10.1007/978-3-030-98578-3
13. Carlson, C. S. Effective FMEAs: achieving safe, reliable, and economical products and processes using failure mode and effects analysis. Hoboken : John Wiley & Sons, Inc., 2012. 480 p. URL: https://doi.org/10.1002/9781118312575
14. Bhushan, B. Modern tribology handbook. 1st ed. Boca Raton : CRC Press, 2000. 1720 p. URL: https://doi.org/10.1201/9780849377877
15. Meng, H. C., Ludema, K. C. Wear models and predictive equations: their form and content. Wear. 1995. Vol. 181–183. P. 443–457. URL: https://doi.org/10.1016/0043-1648(95)90158-2
16. Hutchings, I., Shipway, P. Tribology: Friction and Wear of Engineering Materials. 2nd ed. Oxford : Butterworth- Heinemann, 2017. 412 p. URL: https://www.sciencedirect.com/book/9780081009109/tribology
17. Shao, S., et al. Highly Accurate Machine Fault Diagnosis Using Deep Transfer Learning. IEEE Transactions on Industrial Informatics. 2019. Vol. 15, No. 4. P. 2446–2455. URL: doi.org/10.1109/TII.2018.2864759
18. Zum Gahr, K. H. Microstructure and Wear of Materials. Amsterdam : Elsevier, 1987. 560 p. URL: https://www.academia.edu/82805296/Karl_Heinz_Zum_Gahr_Microstructure_and_Wear_of_Materials
19. Natsis A., Papadakis G., Pitsilis J., Karamoutis C. The influence of soil type, soil water and share sharpness of a mouldboard plow on energy consumption, speed of operation and ploughing quality. Journal of Agricultural Engineering Research. 1999. Vol. 72, No. 2. P. 171–176. URL: doi.org/10.1006/jaer.1998.0360
20. Horvat Z., Filipovic D., Kosutic S., Emert R. Reduction of mouldboard plough share wear by a combination technique of hardfacing. Tribology International. 2008. Vol. 41, No. 8. P. 778–782. URL: https://doi.org/10.1016/j.triboint.2008.01.008
21. Zheng J., Li W., Li J. A comparative study on the wear behavior of quenched-and-partitioned steel (Q&P) and martensite steel (Q&T). Coatings. 2024. Vol. 14, No. 6. P. 727. URL: https://doi.org/10.3390/coatings14060727
22. Bayhan Y. Reduction of wear via hardfacing of chisel ploughshare. Tribology International. 2006. Vol. 39, No. 6.P. 570–574. URL: https://doi.org/10.1016/j.triboint.2005.06.005
23. Davis J. R. (ed.) Alloying: Understanding the Basics. Materials Park: ASM International, 2001. 647 p. URL: https://doi.org/10.31399/asm.tb.aub.9781627082976
24. Hutchings I., Shipway P. Tribology: Friction and Wear of Engineering Materials. 2nd ed. Oxford: Butterworth- Heinemann, 2017. 412 p. URL: https://www.sciencedirect.com/book/9780081009109/tribology
25. Williams J. A. Engineering Tribology. Cambridge: Cambridge University Press, 2005. 511 p. URL: https://doi.org/10.1017/CBO9780511805905
26. Тищенко С. Ю., Сергійчук А. А., Аулін В. В., Гриньків А. В. Методи визначення потреб підприємств автосервісу в запасних частинах та розробка методики їх впливу на загальну працездатність автомобілів. Центральноукраїнський науковий вісник. Технічні науки: збірник наукових праць. Кропивницький: ЦНТУ, 2025. Вип. 11(42), ч. 1. С. 243–257.
27. Аулін В. В., Гриньків А. В., Лисенко С. В. [та ін.] Принципи побудови та функціонування кіберфізичної системи технічного сервісу автотранспортної та мобільної сільськогосподарської техніки. Технічний сервіс агропромислового, лісового та транспортного комплексів: науковий журнал. Харків: ХНТУСГ, 2020. №22. С. 162-174. DOI: https://doi.org/10.37700/ts.2020.22.162-174
28. Сергійчук А. А., Гриньків А. В., Аулін В. В. Розробка інноваційної системи управління якістю технічного обслуговування і ремонту транспортних засобів на основі процесного підходу. Крамаровські читання: збірник тез доповідей ХІІ Міжнародної науково-технічної конференції (м. Київ, 20–21 лютого 2025 р.). Київ: Видавничий центр НУБіП України, 2025. С. 145–147.
29. Гриньків А. В., Аулін В. В. Елементно-модульна система технічного обслуговування і ремонту мобільної сільськогосподарської техніки. Процеси, машини та обладнання агропромислового виробництва: проблеми теорії та практики: збірник тез доповідей міжнародної науково-практичної конференції (м. Тернопіль, 29-30 вересня 2022 р.). Тернопіль: ФОП Паляниця В. А., 2022. С. 103–104.
Copyright (c) 2025 В. М. Чумак, Є. В. Манько, В. Г. Байцан, В. В. Аулін, С. В. Лисенко, А. В. Гриньків