CC BY
3
УДК 629.7.07
DOI: 10.24412/2071-6168-2024-7-516-517
АНАЛИЗ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ПРОТЯЖЕНИИ ВСЕГО ЖИЗНЕННОГО ЦИКЛА ДОРОЖНО-СТРОИТЕЛЬНОЙ ТЕХНИКИ
Н.К. Тагиева, А.В. Старков, С.А. Войнаш, Р.Р. Загидуллин, В.А. Соколова, А.А. Ореховская
Статья посвящена анализу развития техники и технологий с применением искусственного интеллекта в области проектирования, производства, эксплуатации и утилизации дорожно-строительных машин и оборудования. В основе исследования, особенности процессов последовательного создания узлов и механизмов, их компоновка, реализация процесса производства с подбором материалов для изготовления каждого элемента, как результат, создание машины с разработкой производственного процесса и оценкой производственных мощностей с учётом элементной базы предприятия по производству отдельных механизмов. Создание и эксплуатация машин и оборудования должны учитывать применение искусственного интеллекта. Анализ современных технологий основан на обработке значительного количества информации для применения в конструкциях, оптимизацией производственных процессов, участии в управлении техникой, прогнозировании обслуживания и ремонта и т.д. В работе также рассматриваются перспективы дальнейшего развития искусственного интеллекта в строительной отрасли и его потенциал для улучшения производственных и эксплуатационных процессов. Особое внимание уделено преимуществам искусственного интеллекта, что позволит повысить точность, эффективность, безопасность создаваемых механизмов и позволит минимизировать затраты на проектирование, производство, эксплуатацию и утилизацию дорожно-строительной машины. Исследование подчеркивает важность интеграции искусственного интеллекта для достижения устойчивого и эффективного управления дорожно-строительной техникой. Тема актуальна и востребована в современной индустрии, где инновации и оптимизация процессов играют ключевую роль в конкурентоспособности предприятий-производителей и эксплуатации техники.
Ключевые слова: искусственный интеллект, дорожно-строительные машины, техника, жизненный
цикл.
Применение искусственного интеллекта переходит из сферы науки и технологии во все аспекты нашей жизни, включая дорожно-строительную технику. Искусственный интеллект в дорожно-строительной технике имеет огромный потенциал для оптимизации и улучшения процессов, связанных со строительством и содержанием дорог.
Наиболее ярким аспектом в применения искусственного интеллекта в дорожно-строительной технике является улучшение сервиса и обслуживания. Традиционно, техническое обслуживание дорожно-строительной техники может быть сложным и затратным процессом, требующим многочисленных операций и экспертных знаний. Однако, с использованием искусственного интеллекта, этот процесс может быть автоматизирован и оптимизирован.
Искусственный интеллект может предоставить множество возможностей для улучшения технического сервиса дорожно-строительной техники. Например, он может использоваться для мониторинга состояния и производительности оборудования, выявлять потенциальные проблемы и предлагать решения для их устранения, что позволит обслуживающему персоналу предотвратить возникновение серьезных сбоев и снизить скорость реализации технического обслуживании и затраты на него.
Использование искусственного интеллекта также позволяет повысить точность прогнозирования потребности в ремонте и техническом обслуживании. Алгоритмы машинного обучения могут анализировать данные о качестве эксплуатации машины в целом и оборудования в частности, предсказывать оптимальное время для проведения технических работ. Такой подход позволяет снизить время простоя оборудования и повысить его общую эффективность.
Кроме того, искусственный интеллект может быть применен для оптимизации процесса обслуживания, предлагая в режиме реального времени в период проведения работ необходимые рекомендации операторам дорожных машин. Например, системы распознавания образов могут анализировать данные с дорожных камер и посылать сигналы операторам о необходимости проведения работ или исправления ошибок. Это сокращает время реакции на возникающие во время эксплуатации проблемы и помогает даже предотвратить возникновение серьезных аварий на местах проведения работ.
Источником данных для искусственного интеллекта может служить широкий спектр источников, включая датчики на машинах, GPS-мониторинг [1], базы данных об оборудовании и предшествующие данные о ремонте и обслуживании. Анализ этих данных позволяет оптимизировать сервис и обслуживание дорожно-строительной техники, предоставляя операционному персоналу информацию о состоянии оборудования, прогнозируя возможные проблемы и предлагая оптимальные решения.
Применение искусственного интеллекта в дорожно-строительной технике предоставляет уникальные возможности для улучшения сервиса и обслуживания. Искусственный интеллект может помочь оптимизировать процессы обслуживания оборудования, предотвращать возникновение проблем и аварий, а также повысить общую эффективность дорожно-строительной техники [2]. С прогрессом и развитием технологий искусственного интеллекта, его применение в этой отрасли будет становиться все более широким и эффективным.
Особенности практического применения искусственного интеллекта при проектировании и производстве дорожно-строительных машин. В настоящее время всё чаще мы обращаемся к современным компьютерным технологиям особо это важно при проектировании. Если рассмотреть процесс конструирования и производства дорожно-строительной техники, то в своей структуре он имеет основные взаимосвязанные этапы, которые включают в себя создание узлов и механизмов, их компоновку, подбор материалов для каждой детали и технологию производства на каждом этапе конструирования (рис. 1). С точки зрения современных технологий применения искусственного интеллекта во всех сферах жизнедеятельности человека процесс проектирования современных машин и оборудования должен иметь возможность внедрения современных тенденций для увеличения эффективности процесса, как по отдельности, так и в целом.
Оценка и реализация производственных мощностей предприятия на этапе конструирования дорожно-строительной техники
Рис. 1. Блоки искусственного интеллекта для совершенствования процесса проектирования и производства дорожно-строительной техники
При формировании последовательности использовании искусственного интеллекта на каждом этапе конструирования необходимо понимать особенности и тонкости реализации данного процесса. Предприятие, заинтересованное в оптимизации работы с учетом использования современных технологий, необходимо закладывать серьезный ресурс на формирование качественной базы данных по соответствующим параметрам того или иного процесса, или вариантов создания деталей, применяемости материалов и так далее. Отдельным ярким пятном является проработанная расчетная часть каждого блока. Важность данных процессов определяется необходимостью правильной работы искусственного интеллекта, которая определяется сбором данных, их очисткой, хранением, обработкой, аналитикой и управлением [3]. Последние два этапа являются определяющими для реализации верного направления развития предприятия.
Рис.1 показывает не только перечень основных этапов проектирования и производства дорожно-строительной техники, но и их взаимосвязь с возможностью интегрирования в каждый этап или его часть рабочую систему искусственного интеллекта с вероятностью уровня риска применения той или иной стратегии с учетом выявленного искусственным интеллектом веса определенного фактора или параметра для получения взвешенных значений. Различные риски расставляются искусственным интеллектом для всех элементов рассматриваемой системы будь то реализация процесса создания чертежей или подбор материалов и технологии производства на всем этапе проектирования, чтобы представить собой общий взвешенный результат благодаря пониманию концентрации рисков по категориям и подкатегориям при создании стратегии смягчения последствий. Все эти элементы взаимодействия внутри искусственного интеллекта прорабатываются в режиме реального времени с учетом последних тенденций в соответствующей области [4].
Ключевое направление применения искусственного интеллекта в производстве - это производственное планирование. Данный процесс проводится на всех этапах проектирования и повышает качество управления на основе существующих данных, выявление которых можно производить за счет использования разработки программного обеспечения с реализацией сбора информации и ее обработки силами искусственного интеллекта.
Для любого производства одним из значимых показателей является снижение себестоимости продукции без потерь качества на каждом этапе конструирования. Важными составляющими в данных вопросах являются:
1.сбор и анализ данных: на многих производствах до сих пор стоит оборудование, установленное в середине прошлого века без возможности автоматического отслеживания его состояния.
2. разработка моделей: недостаточно иметь экспертизу только в методах машинного обучения, нужно знать физико-химические особенности процесса производства и требуются эксперты в определенной области [5].
3. тестирование решения и проведение опытной эксплуатации: никакой тестовый элемент процесса конструирования не заменит возможности получения достоверной обратной связи на реальном непрерывном производстве, при этом ошибки должны быть сведены к минимуму, чтобы не привести к сбою всего технологического процесса.
4. разработка интерфейсов пользователей: например, создание специального наглядного дисплея-пульта сотрудника, обеспечивающего эффективность производственного процесса, с учетом всех изменений в режиме реального времени с рекомендациями направлений, что приводит к необходимости создания наглядного элемента, похожего на пульт Центра управления полетами со множеством элементов управления и мониторами, на каждом из которых в режиме реального времени транслируется большое количество информации о состоянии текущего процесса.
Как отмечено в [6], для внедрения искусственного интеллекта необходимо выполнить важные этапы для оценки экономической целесообразности, принятия данного решения, основанного на, например, потребностях и запросах заказчика, можно сформировать основную гипотезу о возможности решения проблемы средствами искусственного интеллекта, что требует проработки и изучения принципиальных схем технологического процесса и технологические инструкции его реализации, рис.2.
Рис. 2. Оценка экономической целесообразности принятия решения по внедрению искусственного интеллекта
При строительстве инновационных производственных объектов, важно помнить о том, что любые неправильные решения могут привести к серьезным последствиям. Например, неправильная компоновка здания может
привести к необходимости его перестройки, что потребует дополнительных затрат времени, материальных и финансовых ресурсов. Это также может повлиять на план выпуска продукции и стать причиной непредвиденных финансовых затрат. Поэтому при разработке интеллектуальных систем для промышленности важно учитывать специфику производства и строительства.
При производстве стали важно учитывать, что ферросплавы добавляются на разных стадиях плавления. Определение количества ферросплавов - это задача сталевара, который анализирует требования технологической инструкции, текущий состав стали и свои профессиональные знания. Сталь производится в сложном технологическом процессе, где каждая из более, чем 3500 марок стали имеет свои уникальные химические свойства. Эти свойства, такие как прочность, пластичность и жаропрочность, важны для различных областей применения.
Существует более 3500 различных марок стали по всему миру, в соответствии с данными Всемирной ассоциации стали. В справочнике сталей и сплавов, составленном под редакцией заслуженного деятеля науки РФ профессора А.С. Зубченко и члена-корреспондента РАН профессора Ю.Г. Драгунова, перечислено более 700 марок. Они разделены по различным критериям, включая химический состав, назначение, качество и метод производства. Например, для производства железнодорожных рельсов используется сталь с повышенной износостойкостью, а для промышленных труб, работающих при высоких температурах до 600°С, применяется жаропрочная сталь. Также существует высокоуглеродистая коррозионностойкая сталь с малой вязкостью, предназначенная для производства швейных и медицинских игл с высокими требованиями к технологии.
Процесс подбора ферросплавов представляет собой сложную задачу, так как количество отдаваемых материалов зависит от решений сталелитейщиков. Возможны как недостаточные, так и излишние отдачи, что может привести к неоптимальному использованию ресурсов или повторному выполнению технологических операций. Иногда приходится переходить на другую марку стали с измененным химическим составом. Для наглядности процесса подбора ферросплавов можно рассмотреть следующий пример: на рис.3 представлены требования к содержанию четырех химических элементов в стали марки Ст3сп в виде оранжевых интервалов соответственно от нижней до верхней границы.
Для достижения заданных диапазонов химических элементов необходимо тщательно подбирать оптимальное сочетание ферросплавов, учитывая их разнообразное содержание и стоимость.
I
■ I _
Si Mn Cr Р
0,15 - 0,3 0,4 -0,65 до 0,3 до 0,04
Рис 3. Химический состав стали марки СтЗсп с диапазонами процентного содержания ферросплавов
Важно отметить, что отдельно учитываются и другие вещества, содержащиеся в стали элементы (обозначенные бежевым цветом), а также коэффициенты их усвоения. Оптимальная смесь ферросплавов - это смесь, которая обеспечивает попадание химических элементов стали в нижние границы требований при минимальной стоимости.
Оптимальная смесь ферросплавов определяется комбинацией, гарантирующей, что содержание элементов в химическом составе стали соответствует нижним предельным значениям требований, при этом обеспечивая минимальные затраты. Таким образом, искусственный интеллект позволит, определить нижнюю границу требований при минимальной стоимости снижая ошибку подбора из-за человеческого фактора.
Технологии искусственного интеллекта при разработке производственных процессов и их воплощении реализованы в программе «Adeptik APS», которая позволяет снизить риски:
- срыв сроков исполнения этапа;
- планирование последовательности реализации этапов производства (конструирования);
- использование ресурсов с высокой эффективностью за счет снижения простоев оборудования, работника и т.д.;
- отсутствие возможности оперативных изменений всего технологического процесса в режиме реального времени с учетом незапланированных моментов;
- отсутствие прозрачности производственных процессов;
- нет учета при планировании всех реальных возможностей и ограничений.
Функциональные возможности системы при использовании программы «Adeptik APS»:
- автоматизированное построение графического наглядного материала для оценки работы производственных ресурсов с учётом компетенций, переналадок, особенностей техпроцессов;
- реализация быстрых изменений производственных планов с учетом изменений условий реализации
проекта;
- оценка загрузки ресурсов, их контроль, оценка и оптимизация;
- возможность сопоставления нескольких оптимальных предлагаемых программой решений в виде вариантов планов реализации при заданных критериях;
- отображение планов производства на каждом этапе реализации проекта в удобных для аналитической работы графиках и диаграммах;
- возможность представления информации о ходе производственного процесса в интересуемый момент
времени.
Интересным вариантом использования разработок искусственного интеллекта являются технологии компьютерного зрения, которые применяются для обнаружения брака деталей при производстве, за счет анализа изображений элементов продукции при проверке геометрии, качества изготовления, в том числе: сварки, штамповки, сборки и другие свойства изделий. Автоматизированная программа определяет отклонения от заданных величин с высоким уровнем точности, которого, особенно на изделиях со сложной геометрией, невозможно добиться при традиционной системе контроля качества продукции [7].
Кроме перечисленных вариантов использования искусственного интеллекта есть реализация в производственном процессе цифровых двойников, в таких вариантах, как: формирование модели проектирования изделия, планирование работы производственного подразделения, прогнозирование спроса на продукцию [8].
Особенности практического применения искусственного интеллекта при эксплуатации, ремонте и утилизации дорожно-строительных машин. Эксплуатация дорожно-строительных машин связана с реализацией математического моделирования прогнозирования ресурса каждой единицы техники в реальных условиях эксплуатации. Данный процесс связан с необходимостью сбора и анализа большого количества информации, которую в современных условиях можно реализовать в качестве базы данных для формирования программы, обеспечивающей работу искусственного интеллекта, который может обрабатывать огромные массивы данных и делать выводы, предлагая варианты решений, если появляется проблема неэффективности заданного процесса или автоматизации мониторинга техники для своевременного обслуживания и ремонта машины и оборудования. В результате использование искусственного интеллекта позволит избежать затрат на избыточное обслуживание техники, сократить время простоев, предотвратить незапланированные остановки, например, при реализации рабочих процессов на пределах работы техники [9].
Системы согласования базы данных эксплуатационных параметров основаны на информации, получаемой с датчиков, установленных в узлах машин с учетом точности получаемых сведений о технических параметрах системы в целом, в режиме реального времени.
Современные технологии искусственного интеллекта открывают перед нами уникальные возможности в области анализа данных. Одним из ключевых методов сбора информации для анализа является создание цифровых двойников, которые являются виртуальными моделями реальных объектов. Этот инновационный подход позволяет не только точно воспроизводить условия эксплуатации оборудования, но и проводить виртуальные испытания с высокой степенью точности.
Улучшение процессов хранения, транспортирования и обеспечения техническими ресурсами техники играет важную роль в современном мире. Важным аспектом технической эксплуатации является диагностирование, техническое обслуживание и ремонт оборудования, что способствует продлению срока службы и повышению эффективности его использования.
Модернизация процессов технической эксплуатации дорожно-строительных машин и комплексов подчеркивает важность использования передовых методов анализа данных и виртуальных технологий. Оценка ресурсов с учетом частоты отказов и выявление причин возможных сбоев становятся более точными и надежными благодаря применению современных подходов.
Для обеспечения более эффективной работы техники необходимо постоянно совершенствовать средства и методы получения информации о её состоянии. Один из наиболее эффективных способов повышения эффективности технической эксплуатации машин заключается в непрерывном мониторинге и диагностировании их состояния в процессе эксплуатации [10].
Эффективность мониторинга технического состояния машин можно увеличить, встроив средства диагностирования прямо в конструкцию оборудования. Такой подход позволяет оперативно выявлять близость к предельному состоянию отдельных агрегатов и узлов, что в свою очередь помогает определить необходимость в проведении ремонта.
Важно учитывать, что решение о необходимости ремонта машины должно приниматься с учетом технологических особенностей и требований к условиям проведения работ. Только такой комплексный подход позволит добиться оптимальной эффективности технической эксплуатации и продлить срок службы оборудования.
Подход к обеспечению рабочего состояния техники и увеличению межремонтных циклов находится на пороге новой эры. Ранее перечисленные факторы лишь часть широкого спектра возможностей, открываемых автоматизированной системой статистического анализа предельного состояния узлов, их поломок и дефектов. Эта система учитывает все нюансы условий эксплуатации техники и позволяет предсказать возможные проблемы с точностью до наступления.
В перспективе дальнейшего развития встроенной диагностики могут измениться привычные нам процессы технического обслуживания. Не исключено, что стандартные сроки и объемы работ будут пересмотрены в соответствии с индивидуальными потребностями каждой машины. Это означает, что техническое обслуживание будет проводиться более эффективно и точечно, учитывая реальное состояние каждого агрегата [11].
Новый подход к обслуживанию техники может привести к революции в отрасли. Вместо регулярных профилактических мероприятий, основанных на общих стандартах, мы можем перейти к индивидуальному подходу к каждой машине. Такой подход позволит существенно сократить риски аварий и повысить эффективность эксплуатации оборудования.
Методы прогнозирования предельного состояния машин и их узлов становятся все более актуальными в условиях быстрого развития технологий и повышенных требований к надежности оборудования. С учетом этого, использование бортовой диагностики в совокупности с современными методами прогнозирования предельного состояния машин на сегодня являются мировой тенденцией. Это позволяет не только значительно сократить трудовые и материальные затраты на техническое обслуживание и ремонт техники, но и обеспечить базу для дальнейшего совершенствования конструкций машин и их технической эксплуатации. Отслеживание предельного состояния при работе техники и отдельных ее узлов снизит вероятность появления внезапных отказов и повысит эффективность эксплуатации оборудования [12].
Современные компании, такие как "General Electric", "Siemens", "Alstom", "Bombardier", являются яркими примерами успешного использования новаторских подходов в различных сферах промышленности. Подобный подход активно применяется в разработке специализированных машин, включая автомобили, дорожное оборудование, горные и сельскохозяйственные технологии. Важным элементом таких технологий является система, позволяющая прогнозировать состояние всех узлов и элементов машины, обеспечивая безопасность и комфорт оператора [13]. В частности, оператор может получать информацию о возможностях оборудования и предотвращении перегрузок на рабочих органах через удобный дисплей.
Искусственный интеллект в технике открывает новые горизонты для создания программных продуктов, которые обеспечивают точность установки рабочего оборудования и повышают производительность. Реализация искусственного интеллекта становится ключевым фактором в современной технике, привнося инновации и эффективность.
Новые специализированные диагностические системы, основанные на искусственном интеллекте, играют важную роль в обеспечении бесперебойной работы техники и улучшении процессов технического обслуживания.
Интеллектуальный анализ статистических данных позволяет не только выявлять вероятность возникновения дефектов, но и предсказывать их появление заблаговременно, что важно для оптимизации запасов запасных частей и сокращения времени простоя оборудования.
Реализация искусственного интеллекта в технике и внедрение специализированных диагностических систем обещают значительное улучшение процессов обслуживания и ремонта техники, что приведет к повышению эффективности и надежности работы оборудования в целом [14].
Проведение ремонта в сжатые сроки - это не только экономия времени, но и возможность сократить расходы на запасные части и обслуживание техники прямо на месте. Важно учитывать, что уменьшение времени, потраченного на ремонт, является ключевым фактором в обеспечении бесперебойной работы оборудования. Более того, эффективное организованное сервисное обслуживание позволяет сократить затраты на транспортировку оборудования к месту ремонта и обратно. В результате улучшения процесса обслуживания возможно существенное снижение общих операционных издержек предприятия, рис.4.
^^^ Эксплуатация
ч> Sv
Plie. 4. Схема управления работоспособностью техники с использованием ИИ
Складские операции становятся все более автоматизированными с каждым днем. Операции, которые ранее выполнялись вручную, сейчас осуществляются с использованием роботов и искусственного интеллекта. Этот тренд заметен не только в складском хозяйстве, но и в различных отраслях промышленности, где роботы активно заменяют человеческий труд и обеспечивают безопасность на производстве. Изучение и применение гидравлики, электромеханики и пневматики в роботизированных устройствах также находит свое применение при обслуживании и ремонте машин.
Создание модульных систем стало одним из направлений развития технической эксплуатации самоходных технологических машин. Например, «умная мойка» обеспечивает высокую скорость и качество мойки различной техники за счёт автоматизации, а также отделения Почты России, зарубежные склады компании «Amazon», и склады «Ocado» являются яркими примерами. В настоящее время идеи роботизации могут применяться в смазке и регулировке при ТО и ремонте, которые до сих пор осуществляются вручную [15].
Система модульных платформ используется для быстрого устранения проблем с техникой и создания новых версий оборудования. Разнообразные модификации могут быть легко созданы путем комбинирования модулей. Важно, чтобы ресурсы внутри каждого модуля были равномерно распределены, чтобы снизить вероятность выхода из строя. Анализ статистики ремонтов каждого узла помогает определить, когда нужно заменить модуль до того, как он перестанет работать. Система автоматически предупреждает о необходимости замены модуля.
Экономия на техническом обслуживании и увеличение долговечности оборудования - вот цели, которые ставит перед собой новая система. Увеличение ее общего ресурса и улучшение надежности - ключевые пункты в этом стремлении.
Стоит отметить, что искусственный интеллект нашел применение в проектировании. Так, например, программа Thea является программным обеспечением, обеспечивающим анализ чертежей и переработку их в 3D-модели. Проектирование деталей требует высокой точности и тщательной работы с большим объемом данных. Использование искусственного интеллекта позволяет автоматизировать множество рутинных задач, освобождая время для более креативной и аналитической работы. С помощью алгоритмов машинного обучения искусственный интеллект способен анализировать огромные массивы данных, находить закономерности и предлагать оптимальные решения для проектирования деталей. Это позволяет инженерам быстро получить результаты, которые раньше требовали бы значительно большего времени и усилий. На рис. 5 приведён пример реализации старой, но полезной конструкторской документации в современные CAD-модели.
Reconstructing 3D... Done!
Рис. 5. Перевод конструкторской документации в CAD модель с помощью искусственного интеллекта
Одной из основных особенностей применения искусственного интеллекта при утилизации дорожно-строительных машин является возможность автоматизации процесса выбора наиболее оптимальных методов утилизации и решения, связанных с этим задач. Искусственный интеллект может анализировать большие объемы данных о составе машин, их материалах, истории эксплуатации и т.д. на основе которых принимать решения о выборе наиболее эффективных способов утилизации. Например, искусственный интеллект может определить, какие части машины могут быть переработаны или восстановлены из предельного состояния, а какие следует утилизировать в соответствии с экологическими стандартами.
Другой важной особенностью применения искусственного интеллекта при утилизации дорожно-строительных машин является возможность управления и контроля процесса утилизации. Использование искусственного интеллекта позволяет создать систему мониторинга, которая будет отслеживать в режиме реального времени все этапы утилизации и сообщать обо всех изменениях и проблемах. Например, искусственный интеллект может контролировать процесс разборки машин, идентифицировать и отслеживать отдельные компоненты и отчетливо видеть, когда и где можно применить переработку. Это позволит сэкономить время и улучшит качество утилизации.
Также следует отметить, что искусственный интеллект может помочь в улучшении предсказания необходимости утилизации дорожно-строительных машин. Путем анализа и мониторинга данных об использовании машин и операций по их обслуживанию, искусственный интеллект может определить, когда машины приближаются к концу своего срока службы и когда они могут быть эффективно утилизированы. Это позволит планировать и проводить утилизацию заранее, избегая неожиданных ситуаций и экологических проблем, связанных с простоем машин [16].
В заключение, применение искусственного интеллекта при утилизации дорожно-строительных машин имеет ряд особенностей, которые можно использовать для оптимизации процессов утилизации. Автоматизация выбора оптимальных методов, управление и контроль процесса утилизации, а также улучшение предсказательных возможностей - все это делает искусственный интеллект ценным инструментом в создании устойчивой и экологически ответственной системы утилизации дорожно-строительных машин.
Выводы. В статье проанализированы принципы использования искусственного интеллекта на каждом из этапов жизненного цикла дорожно-строительной техники, приведены примеры использования искусственного интеллект.
Таким образом, искусственный интеллект значительно улучшает все этапы жизненного цикла дорожно-строительной техники, делая процессы более эффективными, безопасными и устойчивыми. Его применение позволяет сократить затраты, повысить производительность и обеспечить более комфортные условия работы как для операторов, так и для окружающей среды.
Список литературы
1.Jenis J., Ondriga J., Hrcek S., Brumercik F., Cuchor M., Sadovsky E. Engineering Applications of Artificial Intelligence in Mechanical Design and Optimization. Machines. 2023; 11(6): 577. DOI: 10.3390/machines11060577.
2.Lei Y., Yang B., Jiang X., Jia F., Li N., Nandi A.K. Applications of machine learning to machine fault diagnosis: A review and roadmap. Mech. Syst. Signal Process. 2020. Р. 138. 106587.
3.Al-Bahrani M., Cree A. In situ detection of oil leakage by new self-sensing nanocomposite sensor containing MWCNTs.Applied Nanoscience, 2021. 11(9). P. 2433-2445.
4.Madasamy S.K., Raja V., AL-bonsrulah H.A., Al-Bahrani M. Design, development, and multi-disciplinary investigations of aerodynamic, structural, energy, and exergy factors on 1 kW horizontal Axis wind turbine. International Journal of Low-Carbon Technologies, 2022.
5.Hastie T., Tibshirani R., Friedman J.H., Friedman J.H. The Elements of Statistical Learning: Data Mining, Inference, and Prediction; Springer: New York, NY, USA, 2009. P. 1-758.
6.Patel Amit R. et al. Artificial intelligence: Prospect in mechanical engineering field—a review // Data Science and Intelligent Applications: Proceedings of ICDSIA 2020 (2021). P. 267-282.
7.Ambadekar Prashant K. et al. Artificial intelligence and its relevance in mechanical engineering from Industry 4.0 perspective // Australian Journal of Mechanical Engineering, 2023. P. 1-21.
8.Ji Yangyang et al. Applications of artificial intelligence in tribology // Recent Patents on Mechanical Engineering 9.3, 2016. P. 193-205.
9.Talatahari Siamak et al. Advances of artificial intelligence in mechanical engineering // Advances in Mechanical Engineering, 2014. 6. 843730.
10. Wang Y. Application of artificial intelligence technology in mechanical and electronic engineering // Enterprise Technology and Development, 2022. 3. P. 74-76.
11. Poteralski A., Szczepanik M. The application of artificial intelligence in the optimal design of mechanical systems // IOP Conference Series: Materials Science and Engineering. Vol. 161. No. 1. IOP Publishing, 2016. DOI: 10.23977/jaip.2022.050203.
12. Li Juyuan, Luo Jialu, Li Chen, Zhang Meidi, lihonglin. Application of modern artificial intelligence technology in mechanical and electronic engineering [J]. Modern manufacturing technology and equipment, 2022. 58 (01). P. 179181.
13. Liu Yue. The review of intelligent mechanical engineering based on artificial neural network // 2015 International Conference on Intelligent Systems Research and Mechatronics Engineering. Atlantis Press, 2015. DOI:10.2991/isrme-15.2015. P. 405.
14. Volkov A., Varlamov O. Method of creation of a two-level neural network structure for solving problems in mechanical engineering // Journal of Physics: Conference Series. Vol. 2131. No. 3. IOP Publishing, 2021. DOI 10.1088/1742-6596/2131/3/032003.
15. Tingting Q. Application of artificial intelligence in fault detection of mechanical equipment // 2020 5th International Conference on Mechanical, Control and Computer Engineering (ICMCCE), Harbin, China, 2020. P. 1383-1386. DOI: 10.1109/ICMCCE51767.2020.00303.
16. WU DingHai, REN GuoQuan, WANG HuaiGuang, ZHANG YunQiang. The review of mechanical fault diagnosis methods based on convolutional neural network [J] // Journal of Mechanical Strength, 2020, 42(5). P. 1024-1032. DOI: 10.16579/j.issn.1001.9669.2020.05.002.
Тагиева Наталья Константиновна, канд. техн. наук, доцент, natagie@mail. ru, Россия, Москва, Московский автомобильно-дорожный государственный технический университет (МАДИ),
Старков Андрей Валерьевич, аспирант, andreystar2000@bk. ru, Россия, Москва, Московский автомобильно-дорожный государственный технический университет (МАДИ),
Войнаш Сергей Александрович, младший научный сотрудник научно-исследовательской лаборатории, sergey [email protected], Россия, Казань, Казанский федеральный университет,
Загидуллин Рамиль Равильевич, канд. техн. наук, доцент, ведущий научный сотрудник научно-исследовательской лаборатории, [email protected], Россия, Казань, Казанский федеральный университет,
Соколова Виктория Александровна, канд. техн. наук, доцент, ведущий научный сотрудник научно-исследовательской лаборатории, sokolova_vika@inbox. ru, Россия, Казань, Казанский федеральный университет,
Ореховская Александра Александровна, канд. сельск. наук, ведущий научный сотрудник научно-исследовательской лаборатории, orehovskaja_aa@bsaa. edu.ru, Россия, Казань, Казанский федеральный университет
ANALYSIS OF THE APPLICATION OF ARTIFICIAL INTELLIGENCE THROUGHOUT THE LIFE CYCLE OF ROAD
CONSTRUCTION EQUIPMENT
N.K. Tagieva, A. V. Starkov, S.A. Voinash, R.R. Zagidullin, V.A. Sokolova, A.A. Orekhovskaya
The article is devoted to analyzing the development of engineering and technology with the use of artificial intelligence in the field of design, production, operation and utilization of road-building machinery and equipment. The research is based on the peculiarities of the processes of sequential creation of units and mechanisms, their layout, realization of the production process with the selection of materials for the manufacture of each element, as a result, the creation of a machine with the development of the production process and estimation of production capacity, taking into account the element base of the enterprise for the production of individual mechanisms. Creation and operation of machines and equipment should take into account the application of artificial intelligence. The analysis of modern technologies is based on the processing of a significant amount of information for application in designs, optimization of production processes, participation in machinery management, prediction of maintenance and repair, etc. The paper also discusses the prospects for further development of artificial intelligence in the construction industry and its potential to improve production and operational processes. Particular attention is paid to the benefits of artificial intelligence, which will improve the accuracy, efficiency, safety of the mechanisms created and will minimize the cost of design, production, operation and disposal of road construction machinery. The study emphasizes the importance of integrating artificial intelligence to achieve sustainable and efficient management of road construction machinery. The topic is relevant and in demand in today's industry, where innovation and process optimization play a key role in the competitiveness of manufacturing companies and machinery operation.
Key words: artificial intelligence, road construction machines, machinery, life cycle.
Tagieva Natalya Konstantinovna, candidate of technical sciences, docent, natagie@mail. ru, Russia, Moscow, Moscow Automobile and Road Construction State Technical University (MADI),
Starkov Andrey Valeryevich, postgraduate, andreystar2000@bk. ru, Russia, Moscow, Moscow Automobile and Road Construction State Technical University (MADI),
Voinash Sergey Aleksandrovich, junior researcher of the research laboratory, [email protected]. Russia, Kazan, Kazan Federal University,
Zagidullin Ramil Ravilevich, candidate of technical sciences, docent, leading researcher at the research laboratory, [email protected]. Russia, Kazan, Kazan Federal University,
Sokolova Viktoriia Aleksandrovna, candidate of technical sciences, docent, leading researcher at the research laboratory, sokolova [email protected], Russia, Kazan, Kazan Federal University,
Orekhovskaya Alexandra Alexandrovna, candidate of agricultural sciences, leading researcher at the research laboratory, orehovskaja_aa@bsaa. edu.ru, Russia, Kazan, Kazan Federal University
УДК 629.488.27
Б01: 10.24412/2071-6168-2024-7-523-524
СОВЕРШЕНСТВОВАНИЕ ТЕХНОЛОГИИ ВОССТАНОВЛЕНИЯ ПРОФИЛЯ КАТАНИЯ КОЛЁСНЫХ ПАР ГРУЗОВЫХ ВАГОНОВ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА
А.Н. Шмойлов
Настоящая статья посвящена вопросам совершенствования технологии восстановления профиля катания колёсных пар грузовых вагонов железнодорожного транспорта. В работе выделены важнейшие факторы, оказывающие значительное влияние на снижение чистоты и точности обрабатываемой поверхности, стойкости инструмента, долговечности специализированных колесотокарных станков. Приведена и проанализирована динамическая система специализированного колесотокарного станка для восстановления профиля катания колёсных пар грузовых вагонов железнодорожного транспорта. Определены важные компоненты упругой системы, как элемента динамической системы специализированного колесотокарного станка. Представлена схема перспективной системы автоматического управления специализированным колесотокарным станком с подсистемой модулирования скорости резания металла. Приведены графики затухания поперечных колебаний инструмента при обычной обработке поверхности катания колесной пары и при модулировании скорости режущего инструмента станка.
Ключевые слова: технология восстановления профиля катания колёсных пар грузовых вагонов, специализированный колесотокарный станок, замкнутая динамическая система станка, система автоматического управления, вибрационные воздействия, подсистема модулирования скорости резания металла.
Совершенствование технологии восстановления профиля катания колёсных пар грузовых вагонов - является важной задачей эксплуатационного и ремонтного комплекса железнодорожного транспорта. Установлено, что увеличение срока службы колесных пар железнодорожных вагонов и повышение точности при восстановлении профилей катания колесных пар при ремонте вагонов дают относительно больший экономический эффект, чем снижение удельного расхода материалов при изготовлении колесных пар вагонов.
В процессе эксплуатации подвижного состава, под действием различных факторов профиль колесных пар изнашивается и изменяется. При этом возникают различные дефекты колесных пар: остроконечные прокаты, подрезы гребня колесных пар. Данные изменения профиля катания колесных пар могут привести к сходам и крушениям составов.
В грузовых вагонных депо на специализированных колесотокарных станках выполняется большой перечень работ по восстановлению профиля катания колёсных пар грузовых вагонов железнодорожного транспорта.
Установлено, что повышение скорости обращения подвижного состава способствует повышению требований к точности размеров при восстановления профиля катания колёсных пар грузовых вагонов, обрабатываемых на специализированных колесотокарных станках. Учет динамических явлений обработки резания металла при создании новых станков все чаще становится необходимым. Особая роль при этом отводится обеспечению условий устойчивого движения инструмента и заготовки. Под данной устойчивостью подразумевается исключение вредных вибраций, заклинивания и неравномерного перемещения основных узлов станка, т. е. отсутствию так называемых вибраций, «подрывания», «заклинивания» или скачкообразного перемещения узлов станка.
При восстановлении профиля колесных пар вагонов, важно отметить обеспечение условий, необходимых для получения поверхности с минимальными погрешностями необходимых размеров и формы, т.е. отсутствия отклонений от заданных устойчивых положений инструмента и заготовки. Данные погрешности и отклонения являются следствием различных внешних воздействий на динамическую систему станка. К таким внешним воздействиям можно отнести влияние различных силовых и тепловых изменений режима обработки. При этом необходимо обеспечивать заложенный конструкцией станка ресурс и долговечность режущего инструмента при различных внешних возмущениях и воздействиях [1]. Иными словами, необходимо соблюдать условия, при которых вызванные ими отклонения (деформации и т. п.) не приведут к опасным напряжениям и не соблюдении технологии обработки при восстановлении профиля катания колёсных пар грузовых вагонов железнодорожного транспорта.
Далее в работе была проанализирована динамическая система специализированного колесотокарного станка для восстановления профиля катания колёсных пар грузовых вагонов железнодорожного транспорта. Данная динамическая система представляет собой совокупность взаимодействия упругой системы и рабочих процессов станка. Упругая система (УС) включает в себя станок, приспособление, инструмент, колесную пару.
