МАИ разработал программу для прогнозирования поломок автомобилей

Новая система прогнозирует технические неисправности по данным бортовых регистраторов, позволяя предотвратить внезапные поломки.
иллюстрации программы предсказательной диагностики, которая анализирует ключевые параметры для прогнозирования возможных отказов техники

Специалисты Московского авиационного института (МАИ) создали программу, способную прогнозировать будущие технические неисправности автомобилей. Об этом сообщили в пресс-службе вуза. Новая разработка работает по принципу "перегорающей лампочки", предупреждая о возможных сбоях до их возникновения.

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 еще работающих машинах, то мы сможем предсказать скорую поломку и своевременно ее устранить. Роман Ким, доцент кафедры «Вычислительные машины, системы и сети» МАИ

Программа была протестирована на данных бортовых регистраторов автомобилей компании КАМАЗ. В ходе испытаний система анализировала 20 ключевых параметров, включая обороты двигателя, давление масла, температуру, передачу, скорость, работу силовой установки, электросистемы и системы управления.

Несмотря на то что система не имела информации о том, когда и какой автомобиль сломался, ей удалось предсказать несколько поломок после анализа всего 10 автомобилей. Такой подход открывает новые возможности для предиктивного обслуживания транспорта, позволяя своевременно выявлять и устранять потенциальные неисправности, что повышает безопасность и экономичность эксплуатации автомобилей.

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 самолетной 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. Роман Ким, доцент кафедры «Вычислительные машины, системы и сети» МАИ