Модели и алгоритмы экспресс-диагностики технического состояния сложных объектов на основе нового интегрального показателя тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Ву Динь Хиеу

• Ву Динь Хиеу
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Ву Динь Хиеу

Введение

Глава 1 Обзор моделей и методов оценки состояния сложных технических объектов

1.1 Описание проблемы оценки состояния сложных технических объектов

1.2 Детерминированные модели

1.3 Огатистические, статистико-вероятностные модели

1.4 Методы машинного и глубокого обучения

1.5 Методы на основе экспертных знаний

1.6 Комбинированные методы

1.7 Метод на основе индекса технического состояния

1.8 Обзор программных продуктов для оценки СТО

1.9 Задачи диссертационного исследования

1.10 Выводы по первой главе

Глава 2 Модели и алгоритмы оценки технического состояния ложных объектов на основе модифицированного индекса технического состояния

2.1 Разработка модели модифицированного индекса технического состояния

2.1.1 Расчет модифицированного индекса технического состояния объекта

2.1.2 Расчет индексов технического состояния функциональных узлов

2.1.3 Расчет индексов технического состояния контролируемых параметров каждого узла

2.2 Метод определения весов контролируемых параметров в модели модифицированного индекса технического состояния

2.3 Метод определения весов основных функциональных узлов в модели модифицированного индекса технического состояния

2.3.1 Построение схемы топологии сложного технического объекта

2.3.2 Вычисление коэффициентов важности узлов на топологической схеме

2.3.3 Вычисление веса узлов на основе графической модели объекта

2.4 Метод обработки статистической информации о параметрах объекта для мягкой оценки качества его технического состояния на основе лингвистической шкалы

2.5 Прогнозирование состояния и остаточного ресурса технического объекта

2.6 Метод поддержки принятия решений по выбору рациональных вариантов

ремонтно-восстановительных работ в условиях ограниченных ресурсов

2.6 Разработка алгоритма оценки технического состояния на основе

модифицированного индекса технического состояния

2.7. Выводы по второй главе

Глава 3 Программно-аппаратная система сбора и обработки данных для оценки состояния сложных технических объектов

3.1 Концептуальная модель информационной системы непрерывного мониторинга состояния технического объекта

3.2 Модель технической структуры информационной системы непрерывного мониторинга состояния технического объекта

3.3 Концептуальная модель базы данных информационной системы непрерывного мониторинга состояния технического объекта

3.4 Описание подсистемы обработки данных информационной системы на примере оценки состояния турбореактивных двухконтурных двигателей

3.5 Выводы по третьей главе

Глава 4 Экспериментальные расчеты и оценка эффективности предложенных моделей, методов и алгоритмов

4.1 Проверка методов определения весов узлов и рабочих параметров оборудования

4.1.1 Расчет весов функциональных узлов оборудования

4.1.2 Оценка точности предлагаемого метода определения весов функциональных узлов оборудования

4.1.3 Расчет весов рабочих параметров

4.2 Использование моделей и алгоритмов для оценки технического состояния оборудования

4.3 Оценка эффективности и анализ применимости разработанных модели и

алгоритма

4.3.1 Сходства двух подходов к оценке технического состояния объекта

4.3.2 Отличия двух подходов к оценке технического состояния объекта

4.4 Определение порогового значения индекса технического состояния

оборудования

4.5 Прогноз состояния технического объекта

4.6 Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

ПРИЛОЖЕНИЕ В

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы экспресс-диагностики технического состояния сложных объектов на основе нового интегрального показателя»

Введение

Актуальность темы исследования. С развитием науки и техники, а также для повышения эффективности и конкурентоспособности производства промышленные предприятия оснащаются современными машинами и оборудованием с высокой степенью автоматизации, представляющими собой сложные по структуре объекты, для которых характерны множественные связи между элементами, а также между составляющими технические средства узлами. Такое оборудование характерно для нефтегазохимического, энергетического, транспортного, авиационно-космического и других отраслей промышленности.

Эффективная и надежная работа машин и оборудования на производстве требуют использования соответствующих методов контроля технического состояния. Кроме технических средств контроля огромную роль играет применение современных математических методов и алгоритмов обработки данных для анализа и оценки состояния и управления техническими системами. При этом учет технических характеристик, условий эксплуатации, статистики аналогичного оборудования, опыта и знаний специалистов при вычислении оценок состояния и остаточного ресурса оборудования позволяет организовать своевременное техническое обслуживание и ремонт технических средств, обеспечить высокую надежность производства и минимизировать затраты предприятий.

Анализ существующих методов экспресс оценки состояния оборудования показывает огромную роль субъективного фактора, связанного с использованием оценок экспертов и алгоритмов их обработки. Внедрение данных о состоянии оборудования, полученных непосредственно с технических устройств, вместо субъективных экспертных оценок, позволяет создать информационную систему для мониторинга в реальном режиме времени. Эта система может оперативно генерировать рекомендации по планированию необходимых объемов работ и ресурсов для проведения ремонтных и восстановительных мероприятий при приближении к критическим моментам.

В связи с этим, разработка моделей, методов и алгоритмов, которые повышают оперативность, точность и надежность формирования диагностических оценок состояния оборудования и прогнозирования остаточного ресурса, минимизируя влияние человеческого фактора, является важной задачей для промышленности как в России, так и в других странах. Актуальность направления исследования обусловлена необходимостью повышения безопасности и эффективности эксплуатации технических средств. Несмотря на наличие большого количества научных трудов в этой области проблема адекватной оценки состояния сложных технических устройств и систем требует дополнительных исследований. Этим объясняется выбор темы диссертационного исследования.

Степень научной разработанности проблемы. Вопросы организации ремонтно-восстановительных работ на промышленных предприятия рассмотрены в работах Российских и зарубежных ученых Ажмухамедов И. М., Бобровицкий В. И., Гаврилюк Е. А., Грабчак Е. П., Герике Б. Л., Иванов В. А., Левин В. М., Diaz K., Swanson L., Voronin V., Cherkaoui H., Krutikhin D. L., Khuntia S., Smith A. и др.

Использованию методов для оценки состояния технических объектов на основе детерминированных моделей посвящены работы ученых Федоров Д. В., Шматков С. Б., Сущев С. П., Миронов А. Н., Zhang L., Tanaka K., Mou Y. W., Hanachi H., Adams D. E. и др.

Использование методов на основе статистических вероятностных моделей при оценке состояния технических объектов рассмотрено в работах авторов Ковтун Л. И., Осипов С. Н., Остапенко С. Н., Лейфер Л. А., Болотин В. В., Клячкин В. Н., Волков В. И., Wang D., Gebaee N. Z., Lawles S. J., Zhao S., Hong-Bae J. и др.

Использование методов машинного и глубокого обучения для оценки технического состояния технического объекта рассмотрено в работах ученых, а именно: Тимофеев А. В, Равин А. А., Ткаченко М. Г., Демидова Л. А., Шаханов Н. И., Batayev N., Maragoudakis M., Amozegar M., Pogorelov G. I., Zhandos A. и др.

Использованию методов на основе экспертных знаний при оценке состояния технических объектов посвящены работы авторов Гула Д. Н.,

Спесивцев А. В., Попов В. Д., Попов Г. В., Елтышев Д. К., Костерев Н. В., Ахьёев Д. С., Bardyk E. I., Liu S., Wanga Y. M., Leung L. C., Zhu K. J. и др.

Методы оценки состояния технических объектов на основе комбинированных подходов применены в работах таких Российских и зарубежных ученых, как: Хальясмаа А. И., Полковникова Н. А., Микрюков П. В., Корольков Д. И., Миронов А. Н., Петров А. М., Chang D. Y., Zhenyuan Wang, Zhang Y., Li D., Zheng K., Amin T. J. и др.

В современной энергетической отрасли для анализа работоспособности оборудования активно используется методика, основанная на комплексном показателе, известном как "индекс технического состояния" (Приказ Минэнерго России от 26.07.2017 N 676 (ред. от 17.03.2020) "Об утверждении методики оценки технического состояния основного технологического оборудования и линий электропередачи электрических станций и электрических сетей"), развитиый также в работах российских ученых Попова Г. В., Игнатьева Е. Б., Бояровой Д. А., Богомоловой Ю. И., Левина В. М., Томилова А. С., Никоновой Е. З., Смуровой Т. С., Сулыненкова И. Н. и др. Метод позволяет на основе экспертных оценок и исторических данных получить общую интегральную оценку состояния оборудования.

Несмотря на наличие широкого спектра методик для анализа и оценки технического состояния оборудования, в том числе с использованием передовых информационных технологий и методов обработки данных, теоретическая база для процессов обработки информации, направленных на минимизацию влияния субъективности при формировании интегральной оценки состояния сложных технических систем, остается недостаточной. Проблемы создания информационных систем для оперативного анализа таких систем на основе объективных данных также требуют дальнейшего исследования.

Объектом диссертационного исследования является информационная система экспресс-диагностики состояния технических объектов в процессе их эксплуатации.

Предметом диссертационного исследования являются модели и алгоритмы экспресс-диагностики состояния технических объектов в процессе их эксплуатации.

Цель и задачи работы. Целью диссертационного исследования является создание системы экспресс-диагностики сложных технических объектов на основе оперативной интегральной оценки их состояния.

Для достижения цели диссертационного исследования сформулированы и решены следующие задачи:

1. Разработать математическую и алгоритмическую модели интегрального показателя экспресс-оценки уровня технического состояния сложного объекта.

2. Разработать метод определения ремонтопригодности сложного технического объекта на основе интегрального показателя.

3. Разработать концептуальную модель системы непрерывного (циклического) мониторинга и оценки качества технического состояния сложного объекта.

4. Разработать метод поддержки принятия решений по выбору рациональных вариантов ремонтно-восстановительных работ в условиях наличия ограничений на ресурсы.

5. Программная реализация предложенных методов и алгоритмов экспресс-диагностики технического состояния сложных объектов и анализ их эффективности.

Методы исследования.

Методологическую основу для решения поставленных задач определили использование теории алгоритмов, теории программирования, теории графов, теории вероятностей и математической статистики, методов системного анализа, метода анализа иерархии Томаса Саати.

На защиту выносятся:

1. Математическая и алгоритмическая модели нового интегрального показателя "модифицированный индекс технического состояния" для экспресс-оценки уровня состояния сложного объекта.

2. Метод определения ремонтопригодности сложного технического объекта на основе предложенного интегрального показателя.

3. Концептуальная модель системы непрерывного (циклического) мониторинга и оценки качества технического состояния сложного объекта.

4. Метод поддержки принятия решений по выбору рациональных вариантов ремонтно-восстановительных работ в условиях наличия ограничений на ресурсы.

Научная новизна результатов работы.

1. Новый интегральный показатель "модифицированный индекс технического состояния" (ИТСм) отличается тем, что его расчет основан на фактических параметрах сложного объекта и позволяет получить экспресс-оценку уровня его состояния без использования оценок экспертов.

2. Метод определения ремонтопригодности сложного технического объекта, отличающийся тем, что рассчитывается пороговое значение предложенного интегрального показателя, что позволяет получить эспресс-оценку остаточного ресурса по заданной доверительной вероятности.

3. Концептуальная модель системы непрерывного (циклического) мониторинга и оценки качества технического состояния сложного объекта, отличается тем, что введена новая лингвистическая шкала, позволяющая формировать рекомендации по планированию ремонтно-восстановительных работ и поддержанию его работоспособности.

4. Метод поддержки принятия решений по выбору рациональных вариантов ремонтно-восстановительных работ отличается тем, что основан на модели предложенного интегрального показателя и позволяет планировать ремонтно-восстановительные работы в условиях наличия ограничений на ресурсы.

Теоретическая значимость работы состоит в развитии моделей и методов системного анализа при исследовании вопросов технической диагностики сложных объектов на основе нового интегрального показателя "модифицированный индекс технического состояния". В работе предложена концептуальная модель системы непрерывного (циклического) мониторинга и диагностики технического состояния сложного объекта на основе новой лингвистической шкалы.

Предложенные модели и алгоритмы являются основой создания цифрового двойника сложного технического объекта в системе цифрового управления и контроля технологической безопасностью технической системы.

Практическая значимость работы заключается в возможности применения предложенных моделей, методов и алгоритмов в системах контроля уровня технологической безопасности в реальном режиме времени и прогноза остаточного ресурса технического объекта. Предложенные разработки реализованы в программном продукте «Расчет индекса технического состояния сложных технических объектов на основе конструктивных данных и статистических характеристик рабочих параметров» (свидетельство о государственной регистрации программы для ЭВМ № 2025618963 от 11 апреля 2025 г.).

Результаты диссертационного исследования одобрены во Вьетнамской военной авиационной ремонтной компании «А32»,а также в ООО «Окстрон корпоративные решения», о чем свидетельствуют акты, полученные от этих компаний.

Результаты диссертационного исследования используются в учебном процессе при обучении магистров электротехнического факультета ПНИПУ.

Соответствие паспорту научной специальности. Основные положения соответствуют паспорту специальности 2.3.1 - «Системный анализ, управление и обработка информации, статистика», а именно пунктам: 4 - «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации», 9 - «Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических объектов», 11 - «Методы и алгоритмы прогнозирования и оценки эффективности, качества, надежности функционирования сложных систем управления и их элементов».

Обоснованность и достоверность.

В ходе диссертационного исследования были достигнуты результаты благодаря правомерному и аргументированному использованию аппарата

теории вероятностей и математической статистики, метода иерархического анализа Т. Саати, теории графов, теории алгоритмов. Достоверность полученных результатов подкреплена экспериментальными вычислениями на общедоступных данных, а также сопоставлением разработанного подхода с известными аналогами.

Апробация результатов работы.

Основные результаты и положения данной диссертационной работы докладывались и обсуждались на 5 Всероссийских и международных конференциях: "Автоматизированные системы управления и информационные технологии" (г.Пермь, 2023, 2024, 2025); Двенадцатой Всероссийской научно-практической конференции "РЕШЕНИЕ" (г. Березники, 2023); Татарстанском энергетическом форуме энергопром. Международной научно-технической конференции "Технологический суверенитет и цифровая трансформация", (г.Казань, 2025), а также на научных семинарах кафедры информационных технологий и автоматизированных систем ПНИПУ.

Публикации. По теме диссертационной работы опубликовано 8 статей, в том числе 4 статьи в рецензируемых научных журналах и изданиях, рекомендованных ВАК РФ. Получено свидетельство о государственной регистрации программы для ЭВМ № 2025618963, бюл. N0 4 от 11.04.2025.

Структура и объем работы. Диссертационная работа содержит введение, четыре главы, заключение, список литературы и приложения. Общий объем работы составляет 150 страниц с 42 рисунками и 21 таблицами. Список использованной литературы включает 1 94 наименования.

Глава 1 Обзор моделей и методов оценки состояния сложных технических

объектов

1.1 Описание проблемы оценки состояния сложных технических объектов

Под сложным техническим объектом (СТО) будем понимать -оборудование, комплекс технических устройств, включающие в себя большое количество узлов, взаимосвязанных и взаимодействующих в процессе его функционирования. К таким объектам можно отнести объекты нефтегазохимического, транспортного, энергетического, авиационно -космического комплексов и т.д. Для СТО характерны структурная и функциональная сложность, а также сложный механизм деградации технического состояния элементов и узлов [39, 66].

Техническое состояние объекта (ТСО) определяется совокупностью характеристик его параметров в заданный момент времени и в заданных условиях окружающей среды. Эти характеристики зависят от конструктивных и производственных параметров, зафиксированных в технической документации на объект. В соответствии с ГОСТ Р 27.102-2021 "Надежность в технике. Надежность объекта. Термины и определения", выделяется несколько типов ТСО [26]:

- исправное состояние - состояние объекта, когда все его параметры отвечают требованиям, указанным в документации на этот объект;

- неисправное состояние - состояние объекта, когда хотя бы один его параметр не отвечает хотя бы одному из требований, зафиксированных в документации на этот объект;

- работоспособное состояние - состояние объекта, при котором значения всех его параметров, определяющих его способность выполнять заданные функции, соответствуют требованиям, соответствующим требованиям, изложенным в нормативных и технических документах;

- неработоспособное состояние - состояние объекта, в котором значение хотя бы одного из его параметров, описывающих способность объекта выполнять заданные функции, не соответствует требованиям документации, оформленной на этот объект;

- состояние готовности (объекта) - состояние неработающего, но работоспособного объекта, при котором он может выполнять все требуемые функции в заданных условиях применения при условии, когда обеспечены все необходимые внешние ресурсы;

- рабочее состояние - состояние объекта, в котором он выполняет хотя бы одну из требуемых функций;

- нерабочее состояние - состояние объекта, при котором этот объект не в состоянии выполнить ни одной из требуемых функций;

- предельное состояние - состояние объекта, в котором дальнейшая эксплуатация данного объекта недопустима или нецелесообразна, либо восстановление его работоспособного состояния невозможно или нецелесообразно;

- опасное состояние - состояние объекта, которому соответствует высокая вероятность или значимость неблагоприятных последствий для людей, окружающей среды и материальных ценностей.

Фактором, оказывающим наибольшее влияние на нарушение параметров технического состояния, а также характер ухудшения технического состояния, является износ деталей объекта. Процесс изнашивания зависит от двух основных факторов: характеристик объекта (таких как материал, из которого состоит объект, материал поверхности объекта, характеристики контакта, условия трения, нагрузка) и условий рабочей среды объекта (температура, давление, влажность окружающей среды).

В настоящее время проблема оценки технического состояния СТО особенно актуальна [161, 183, 186]. Во многом это связано с тем, что машины и оборудование, установленные на промышленных предприятиях, по мере развития науки и техники значительно усложнились по своей конструкции. Для

их эффективной эксплуатации необходимо контролировать их техническое состояние. Кроме того, во многих отраслях сегодня имеется множество технических объектов, исчерпавших свой установленный ресурс и сроки эксплуатации, определенные нормативными документами. Оценка их технического состояния необходима для продления срока их службы при обеспечении приемлемой надежности.

Оценка ТСО в целом также является предпосылкой для применения эффективных стратегий технического обслуживания и ремонта (ТОиР) на предприятиях [1, 10, 140, 142, 155, 174, 178]. Если предприятие не применяет эффективную стратегию ТОиР, это может привести к таким последствиям, как периодические отказы оборудования, высокие затраты на ремонт из-за отсутствия запасных частей; незапланированные простои, влияющие на производительность; использование оборудования, которое работает не на полную мощность; риск возникновения инцидентов в области безопасности человека и охраны окружающей среды; риск возникновения катастрофических отказов.

Результаты исследований, опубликованные в работах [170, 173], показывают, что только 8 - 23% отказов приходится на случаи при применения стратегии RTF (Run-to-Failure, ремонт после отказа, эксплуатация до отказа), а 77 - 92% отказов приходится на случаи применения стратегии TBM (Time-Based Maintenance, планово-предупредительный ремонт). Это две стратегии ТОиР, которые не основаны на контроле ТСО, что может привести к многочисленным неожиданным отказам оборудования и нанести большой ущерб бизнесу. Эффективность стратегий ТОиР, основанных на оценке технического состояния с использованием современных методов, доказана практикой их применения [20, 23, 154].

Изменение уровня надежности оборудования при разных условиях эксплуатации показано на рисунке 1.1.

100

Sdl

Sd2

Время эксплуатации^)

Рисунок 1.1 - График деградации ТСО при различных условиях

эксплуатации

В штатных режимах работы оборудования износ его технических параметров развивается согласно графику 1. Предельные значения срока службы (Т) и показателя надежности (Б) будут равны Т$1 и Б$1, соответственно. В случае работы оборудования в экстремальных условиях, износ будет происходить быстрее, следуя кривой 2. В этом случае, допустимые значения срока службы и уровня надежности составят Td2 и £$1, соответственно.

Однако, ошибочный расчет срока службы, не учитывающий воздействие экстремальных факторов, может привести к падению уровня надежности до критической отметки Б$2. Такое снижение недопустимо и может спровоцировать выход оборудования из строя. Возникновение аварийных ситуаций влечет за собой значительные временные затраты и финансовые потери на восстановление работоспособности оборудования и вовлечение трудовых ресурсов.

Обеспечение регулярной оценки ТСО позволяет перейти от организации ТОиР по планово-предупредительному методу к ТОиР по фактическому техническому состоянию [20, 27, 122], что позволяет обеспечить оптимальный учет затрат на техническое обслуживание и эксплуатацию оборудования. Важным вкладом в данном направлении явилось Постановление Правительства РФ от 19 декабря 2016 г. № 1401 «О комплексном определении показателей технико-

экономического состояния объектов электроэнергетики, в том числе показателей физического износа и энергетической эффективности объектов электросетевого хозяйства, и об осуществлении мониторинга таких показателей», а также методика оценки индекса технического состояния (ИТС) основного технологического оборудования и линий электропередачи электрических станций и электрических сетей, утвержденная приказом Министерства энергетики РФ № 676 от 26.07.2017.

Эффективность процесса оценки технического состояния оборудования зависит не только от внедрения технологий и методов сбора и обработки информации о рабочих параметрах объекта, но и моделей и методов оценки технического состояния [13, 21] с учетом структуры объекта, а также внутренних и внешних информационных и функциональных связей [5 9, 60, 61, 73, 79, 80, 81].

Можно выделить следующие группы моделей и методов оценки СТО (рисунок 1.2):

- детерминированные модели;

- статистические, статистико-вероятностные модели;

- методы машинного и глубокого обучения;

- методы на основе экспертных знаний;

- комбинированные методы;

- методы на основе показателя «индекс технического состояния - ИТС».

Модели и методы оценки технического состояния

Детермини- Статистиче скне, Методы Методы на основе Комбини- На основе

ровнные стаггистико- машинного и экспертных рванные показателя

модели вероятносгные глуоокого знании методы ИТС

модели обучения

Рисунок 1.2 - Классификация моделей и методов оценки технического состояния

объекта

1.2 Детерминированные модели

Детерминированные модели в целом - это модели, в которых между описываемыми переменными объекта, явления или процесса устанавливается однозначное соответствие. Эти модели основаны на знании механизма функционирования изучаемого объекта. При разработке детерминированных моделей используют правила и законы физики, химии, математики и т.д [147, 167, 176]. В частности детерминированные модели СТО обычно полагаются на системы линейных, нелинейных или дифференциальных уравнений [131]. При этом учитываются показатели на основе технической документации или средних технологических параметров таких, как величина наработки на отказ, параметры планово-предупредительного ремонта, величина остаточного полезного срока службы или предсказательного обслуживания с эксплуатационными нагрузочными характеристиками, параметры физико-химического процесса и т.д. [116]. Построение модели этого типа требует глубокого понимания изучаемых объектов, их структуры и процессов функционирования и т.д. Следовательно, точность этой модели во многом зависит от понимания объектов [3, 190], но при успешном построении модели, системы данного класса могут формировать оперативные оценки технического состояния с высокой точностью.

Детерминированные модели оценки ТСО можно разделить на следующие виды: по изменению контролируемых параметров технического состояния [129]; по степени физического износа [37, 127]; по нормативам сроков эксплуатации до капитального ремонта; по коэффициенту запаса; по видам предельных состояний [110].

Построение адекватной детерминированных моделей - сложный процесс, так как расшифровка его механизма действия может занять много сил и времени Внесение изменений или улучшений в модель после обнаружения новых факторов в ходе ее использования - задача трудоемкая [64, 112]. Помимо этого, данная модель чувствительна к исходным данным. В практической деятельности данные нередко содержат погрешности или являются неполными, что способно

привести к неверным результатам. Поэтому детерминированные модели часто сочетается с другими методами для формирования полной модели при оценке ТСО [47, 63, 83] или может применяться только самостоятельно, если объект имеет простую структуру.

1.3 Сатирические, статистико-вероятностные модели

Статистические, статистико-вероятностные модели наиболее часто применяются в различных областях, таких как экономика, инженерия, медицина, сельское хозяйство и т. д. [75]. Они эффективно используются при моделировании больших технических и организационно-технических систем, где возможна организация системы сбора данных и получение достаточно репрезентативной статистики не только отдельных компонентов, но и всей системы в целом [12, 106]. Эти модели часто используют в задачах диагностики или прогнозирования ТСО, когда количество статистических данных велико [18, 44, 78, 179].

Для оценки ТСО часто используют, такие статистические модели, как модели линейной, логистической регрессии, модель регрессии Кокса, обобщенную линейную смешанную модель (англ.: generalized linear mixed model, GLMM) и т. д [55, 101, 180].

Во многих случаях методы статистического моделирования отличаются простотой и достаточной точностью, что объясняет распространенность их на практике и их преимущества [45]. Математической основой моделей регрессии при оценке ТСО является метод наименьших квадратов. Суть метода наименьших квадратов (МНК) заключается в следующем. Пусть у i, i = 1 , п -набор скалярных экспериментальных данных, , - набор векторных

экспериментальных данных. Предположим, что y зависит от x посредством скалярной функции f(x, в), где в - неизвестный вектор параметров. Задача

состоит в том, чтобы найти вектор в такой, чтобы функция ошибки S( (3 ) = - *

T 1 (у i~f(хi>P))2 была наименьшей. Значимость параметров в согласно

известным критериям позволяет получить зависимость вида у=/(х, в) для оценки значения показателя у ТСО в зависимости от значений технологических и иных параметров в.

Список литературы диссертационного исследования кандидат наук Ву Динь Хиеу, 2025 год

СПИСОК ЛИТЕРАТУРЫ

1. Ажмухамедов, И. М. Выбор стратегии технического обслуживания и ремонта оборудования сетей связи на предприятиях нефтегазового комплекса / И. М. Ажмухамедов, Ю. А. Гостюнин // Инженерный вестник Дона. - 2017. - № 2(45). - С. 74.

2. Айвазян, С. А. Прикладная статистика и основы эконометрики / С. А. Айвазян, В. С. Мхитарян - М.: ЮНИТИ, 1998. - 1022 с.

3. Алексеев, А. В. Применение нечеткой математики в задачах принятия решений/ А. В. Алексеев // Прикладные задачи анализа решений в организационно-технических системах - Рига: Риж. политехн. и-т, 1983. - С. 3842.

4. Ахьёев, Д. С. Анализ технического состояния электрооборудования систем электроснабжения на основе нечетких признаков / Д. С. Ахьёев, В. З. Манусов, Д. В. Орлов // Сборник научных трудов НГТУ. - 2017. - № 3(89). - С. 109-123.

5. Ахьёев, Д. С. Диагностирование трансформаторного электрооборудования на основе экспертных моделей с нечеткой логикой / Д. С. Ахьёев, В. З. Манусов // Электро. Электротехника, электроэнергетика, электротехническая промышленность. - 2015. - №5. - С. 45-48.

6. Ахьёев, Д. С. Модели и методы технической диагностики электросетевого оборудования на основе нечеткой логики: диссертация канд. тех. наук. НГТУ, Новосибирск, 2018.

7. Байдюк, М. А. Оценка технического состояния и надежности электрических машин / М. А. Байдюк, Г. В. Комарова // Известия СПбГЭТУ «ЛЭТИ». - 2019. - № 3. - С. 78-84.

8. Байнов, А. М. Повышение надежности работы основного обору-дования ТЭС с помощью анализа и прогнозирования индекса технического состояния / А. М. Байнов// Тинчуринские чтения - 2021 «энергетика и цифровая трансформация»: Материалы Международной молодежной научной

конференции. В 3 томах, Казань, 28-30 апреля 2021 года. Том 3. - Казань: Казанский государственный энергетический университет, 2021. - С. 17-20.

9. Биргер, И. А. Техническая диагностика / И. А. Биргер - М.: Машиностроение, 1978. - 240 с.

10. Бобровицкий, В. И. Совершенствование системы ТОиР оборудования в условиях централизации ремонтной службы предприятия / В. И. Бобровицкий, А. В. Сидоров // Вибрация машин: измерение, снижение, защита. Донецк: ДонНТУ. -2011. -№ 1(24). - С. 23-28.

11. Богомолова, Ю. И. Индекс технического состояния электросетевых объектов 6(10)-35 кв как инструмент принятия решений по приоритизации ремонтов / Ю. И. Богомолова, В. М. Левин // Наука. Технологии. Инновации. XVII Всероссийская научная конференция молодых ученых: Сборник научных трудов в 11-ти частях. Новосибирск. - 2024. - С. 3-7.

12. Болотин, В. В. Прогнозирование ресурса машин и конструкций. - М. : Машиностроение, 1984. - 312 с.

13. Борейко, Д. А. Повышение эффективности оценки технического состояния нефтегазопромысловых конструкций нетепловыми пассивными методами диагностики: диссертация канд. тех. наук. УГТУ, Ухта, 2015.

14. Борисов, Е. С. Методика анализа и выбора технологии построения подсистемы как части сложной автоматизированной системы (на примере sap ERP) / Е. С. Борисов, И. С. Полевщиков // Инженерный вестник Дона, - 2015. - № 3. URL: ivdon.ru/ru/magazine/archive/n3y2015/3251 (дата обращения 16.12.2024).

15. Боярова, Д. А. Индекс технического состояния для оборудования 0,4-6(10) кв энергообъектов нефтедобычи / Д. А. Боярова // Наука. Технологии. Инновации. XV Всероссийская научная конференция молодых ученых, посвященная Году науки и технологий в России. Сборник научных трудов в 10-ти частях. Под редакцией Д. О. Соколовой. Новосибирск. - 2021. - С. 7-12.

16. Викторова, Е. В. Применение нечетких нейронных сетей для технической диагностики дорожных машин / Е. В. Викторова // Вестник ХНАДУ. - 2012. - № 56. - С. 98-102.

17. Винограденко, А. М. Система мониторинга технического состояния подвижных объектов военного назначения с использованием беспроводных технологий / А. М. Винограденко, О. В. Ладонкин, А. С. Юров // T-Comm: Телекоммуникации и транспорт. - 2015. - № 1. - С. 51-55.

18. Волков, В. И. Статистические методы определения показателей надежности сооружений низконапорных гидроузлов / В. И. Волков, В. Л. Снежко // Природообустройство. - 2017. - № 5. - С. 20-26.

19. Ву Динь, Хиеу. Модифицированная модель индекса технического состояния системы. Алгоритм расчета и анализ применимости / Хиеу Ву Динь, Р. A. Файзрахманов // Вестник Пермского национального исследовательского политехнического университета. Электротехника,. информационные технологии, системы управления. - 2024. - № 50. - С. 195-215. DOI: 10.15593/22249397/2024.2.10.

20. Гаврилюк, Е. А. Разработка стратегии обслуживания и ремонта оборудования газотранспортного предприятия на основе индекса технического состояния / Е. А. Гаврилюк, С. А. Манцеров // Тр. НГТУ им. Р.Е. Алексеева. -2017. - № 3 (118). - С. 121-126.

21. Гареев, А. М. Повышение эффективности и достоверности оценки технического состояния жидкостных систем летательных аппаратов на этапе приёмо-сдаточных испытаний / А. М. Гареев, Ю. П. Злобина, И. А. Попельнюк // Конференция «Системы управления авиастроительным предприятием». - 2014. -С. 1331-1337.

22. Гасанов, А. И. О возможности применения основных положений нечеткой логики и нечетких отношений для решения задач технической диагностики / А. И. Гасанов // Вестник науки. - 2023. - № 1(58). - С. 174-180.

23. Герике, Б. Л. Стратегия технического обслуживания горных машин по фактическому состоянию на основе методов вибродиагностики и неразрушающего контроля / Б. Л. Герике, И. Л. Абрамов, П. Б. Герике // Вестник Кузбас. гос. техн. ун-та. - 2008. - № 1 (65). - C. 11-14.

24. Гольдштейн, А. Л. Многокритериальная оценка альтернатив / А. Л. Гольдштейн // Вестник ПНИПУ. Электротехника, информационные технологии, системы управления. - 2012. - № 6. - С. 18-24.

25. Городецкий, А. Е. Экспертная система анализа и прогнозирования аварийных ситуаций в энергетических установках / А. Е. Городецкий, В. Г. Курбанов, И. Л. Тарасова // Информационно-управляющие системы. - 2012. - № 4. - С. 59-63.

26. ГОСТ 27.102-2021. Надежность в технике. Надежность объекта. Термины и определения. [Электронный ресурс]. - Режим доступа: https://docs.cntd.ru/document/1200181141 (дата обращения 04.04.2025).

27. Грабчак, Е. П. Оценка технического состояния энергетического оборудования в условиях цифровой экономики / Е. П. Грабчак // Надежность и безопасность энергитики. - 2017. - № 4. - С. 268-274.

28. Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль. - М.: ДМК Пресс, 2018. - 652 с.

29. Гула, Д. Н. Нечетко-возможностный подход к прогнозированию технического состояния объектов наземно-космической инфраструктуры / Д. Н. Гула, А. В. Спесивцев // Вооружение и экономика. - 2021. - № 1(55). - С 50-59.

30. Давиденко, И. В. Система компьютерной диагностики маслонаполненного оборудования в рамках энергосистемы / И. В. Давиденко, В. П. Голубев, В. И. Комаров, В. Н. Осотов, С. В. Туркевич // Энергетик. - 2000. - № 11. - С. 52-56.

31. Давиденко, И. В. Структура экспертно-диагностической и информационной системы оценки состояния высоковольтного оборудования / И. В. Давиденко, В. П. Голубев, В. И. Комаров, В. Н. Осотов // Электрические станции. - 1997. - № 6. - С. 25-27.

32. Демидова, Л. А. Применение рекуррентных нейронных сетей в задаче классификации отказов работы сложных технических систем в рамках проактивного технического обслуживания / Л. А. Демидова, Д. В. Марчев //

Вестник рязанского государственного радиотехнического университета. - 2019. -№ 69. - C. 135-148.

33. Дьяконов, А. Г. Выявление аномалий в работе механизмов методами машинного обучения / А. Г. Дьяконов, А. М. Головина // Аналитика и управление данными в областях с интенсивным использованием данных. - 2017. - C. 389-396.

34. Елтышев, Д. К. Интеллектуализация процесса диагностики состояния электротехнического оборудования / Д. К. Елтышев // Информатика и системы управления. - 2015. - № 1(43). - С. 72-82.

35. Елтышев, Д. К. Интеллектуальные модели комплексной оценки технического состояния высоковольтных выключателей / Д. К. Елтышев // Информационно управляющие системы. - 2016. - № 5. - C. 45-53.

36. Елтышев, Д. К. Экспертно-статистический метод оценки работоспособности электротехнического оборудования / Д. К. Елтышев // Системы. Методы. Технологии. - 2015. - № 4(28). - C. 79-85.

37. Здания и сооружения. Оценка степени физического износа: ТКП 45-1.04119-2008 (02250). - Минск: Минстройархитектуры, 2009. - 44 с.

38. Иванов, В. А. Особенности подходов к техническому обслуживанию и ремонту оборудования в непрерывном производстве / В. А. Иванов, А. А. Фещенко // Вестник Пермского национального исследовательского политехнического университета. Машиностроение, материаловедение. - 2018. -Т. 20. -№ 3. - С. 82-89. DOI: 10.15593/2224-9877/2018.3.10.

39. Ивахненко, А. Г. Моделирование сложных систем по экспериментальным данным / А. Г. Ивахненко, Ю. П. Юрачковский. - М.: Радио и связь, 1987. -120 с.

40. Игнатьев, Е. Б. Оценка состояния электрооборудования на основе программного комплекса "Диагностика+" в режиме on-line / Е. Б. Игнатьев, Е. Ю. Комков, Г. В. Попов // VIII Симпозиум "Электротехника 2010": Сборник тезисов докладов, доклад 4.13, М.: ВЭИ. - 2005.

41. Иноземцев, А. А. Газотурбинные двигатели / А. А. Иноземцев, В. Л. Сандрацкий // Изд-во ОАО «Авиадвигатель», 2006. -1024 с.

42. ИНФОПРО: Управление надежностью [Электронный ресурс]. - Режим доступа: https://www.info-pro.ru/produkty/upravlenie-nadezhnostyu/ (дата обращения 24.01.2025).

43. Клебанов, А. Ф. О Комплексный подход к удаленному мониторингу технического состояния и режимов эксплуатации карьерного автосамосвала / А. Ф. Клебанов, Д. Н. Сиземов, М. В. Кадочников // Горная промышленность. - 2020. - № 2. - С. 75-81. DOI: 10.30686/1609-9192-2020-2-75-81.

44. Клячкин, В. Н. Статистические методы оценки стабильности функционирования технических систем / В. Н. Клячкин, И. Н. Карпунина // Надежность и качество сложных систем. - 2018. - № 2(22). - С. 36-42. DOI 10.21685/2307-4205-2018-2-5.

45. Ковтун, Л. И. Аналитико-статистический метод оценки состояния и прогнозирования рисков сложных технических систем / Л. И. Ковтун, О. В. Крюков, А. В. Саушев, С. И. Антоненко // Труды Международного симпозиума «Надежность и качество». - 2020. - Т. 1. - С 264-269.

46. Короленко, Д. Б. Информационная система сейсмометрического мониторинга технического состояния гидротехнических сооружений: опыт моделирования, разработки и внедрения / Д. Б. Короленко, А. П. Кузьменко, В. В. Москвичев, В. С. Сабуров // Вычислительные технологии. - 2019. - Т. 24, - № 5. -С. 13-37. DOI: 10.25743ЛСТ.2019.24.5.003.

47. Корольков, Д. И. Методика расчета остаточного ресурса строительных конструкций по их возрасту (фактическому или хронологическому) / Д. И. Корольков, Д. Д. Корольков // Вестник Евразийской науки. - 2019. - № 3. https://esj.today/PDF/19SAVN319.pdf (дата обращения 16.12.2024).

48. Костерев, Н. В. Нечеткие алгоритмы оценки технического состояния и прогнозирования остаточного ресурса электрооборудования / Н. В. Костерев, Е. И. Бардик, Р. В. Вожаков, Т. Ю. Курач // Науч. тр. ДонНТУ. Сер. Электротехника и энергетика. - 2008. - № 8. -С. 65-70.

49. Костин, А. М. Анализ уровня деградации оборудования пищевых производств с помощью нечетких нейронных сетей / А. М. Костин, А. Е. Яблоков,

М. М. Благовещенская // Перспективы развития информационных технологий. -2016. - № 28. -С. 42-50.

50. Круглова, Т. Н. Нечеткий экспертный метод диагностирования технического состояния очистного комбайна / Т. Н. Круглова // Науковi пращ ДонНТУ. - 2010. - № 18(172). - С. 179-185.

51. Ларичев, О. И. Выявление экспертных знаний / О. И. Ларичев, А. И. Мечитов, Е. М. Мошкович, Е. Фуремс. - М.: Наука, 1989. -296с.

52. Ларичев, О. И. Теория и методы принятия решений / О. И. Ларичев. -М.: Логос, 2000. - 286 с.

53. Левин, Б. Р. Теоретические основы статистической радиотехники / Б. Р. Левин. - М. : Радио и связь, 1989. - 656 с.

54. Левин, В. М. К вопросу об эффективности управления ремонтами электрооборудования нефтедобычи со стратегией по техническому состоянию / В. М. Левин, Н. П. Гужов, Д. А. Боярова // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. - 2022. - Т. 24. - № 1. - С. 39-51. 001:10.30724/19989903-2022-24-1-39-51.

55. Левин, В. М. Статистический метод распознавания дефектов в силовых трансформаторах при их техническом обслуживании по состоянию / В. М. Левин // Промышленная энергетика . - 2013. - № 8. - С. 37-42.

56. Лейфер, Л. А. Определение остаточного срока службы машин и оборудования на основе вероятностных моделей / Л. А. Лейфер, П. М. Кашникова // Имущественные отношения в РФ. - 2008. - № 1(76). - С. 66-79.

57. Лукасов, В. В. Вероятность безотказной работы авиационной техники / В. В. Лукасов // Сборник трудов X Международной научно-практической конференции. Иркутск, 2021. - Т. 1. - С. 44-48.

58. Манусов, В. З. Диагностика технического состояния трансформаторного оборудования на основе нечетких моделей / В. З. Манусов, Е. А. Токаренко // Научные проблемы транспорта Сибири и Дальнего Востока. - 2014. - № 1-2. - С. 269-272.

59. Мекшун, А. Н. Технологии мониторинга техники и оборудования в промышленном производстве / А. Н. Мекшун, Ю. Н. Мекшун, А. Ю. Мекшун // Вестник Курганской ГСХА. - 2021. - № 2. - С. 62-68. ЮГ 10.52463/22274227_2021_38_57.

60. Мельчаков, А. П. Прогноз, оценка и регулирование риска аварии зданий и сооружений. Теория, методология и инженерные приложения / А. П. Мельчаков, Д. В. Чебоксаров. - Челябинск: Изд-во ЮУрГУ, 2009. - 111 с.

61. Методика расчетного прогнозирования срока службы железобетонных пролетных строений автодорожных мостов. - М.: Росавтодор, 2002. - 146 с.

62. Микешина, Л. А. Неявное знание как феномен сознания и познания / Л. А. Микешина // Теория познания. В 4 т. М., 1991. - Т. 2: Социально-культурная природа познания. - М. Наука, 1991. - С. 56 - 68.

63. Микрюков, П. В. Эффективная методика описания детерминированных моделей объектов / П. В. Микрюков // Программные продукты и системы. - 2007. - № 4. - С. 76 -79.

64. Миронов, А. Н. Интегральный подход к прогнозированию показателей долговечности стартового комплекса как сложной системы / А. Н. Миронов, В. Е. Прохорович // Двойные технологии. - 1999. - № 4. - С. 43 - 46.

65. Миронов, А. Н. Многомодельное прогнозирование показателей долговечности технологического оборудования стартовых комплексов / А. Н. Миронов // Изв. вузов. Приборостроение. - 2000. - Т. 43. - № 8. - С. 39 - 48.

66. Миронов, А. Н. Теоретические основы и методы многомодельного прогнозирования долговечности сложных военно-технических систем космического назначения / А. Н. Миронов. - Министерство обороны, 2000. - 429 с.

67. Модуль «Индекс технического состояния» [Электронный ресурс]. -Режим доступа: https://topsoft.by/products/upravlenie-aktivami/funkczionalnye-vozmozhnosti/funkczionalnyj-sostav-sistemy-galaktika-eam/novye-prikladnye-moduli-k-sisteme-galaktika-eam/ . (дата обращения 24.01.2025).

68. Морозова, Т. С. О применении экспертно-статистического метода при оценке вероятности аварий и отказов работы смесительно-зарядных машин / Т. С. Морозова // Горная промышленность. - 2020. - № 4. - С. 86-91.

69. Мощенко, И. Н. К выбору оценочной шкалы в методе анализа иерархий / И. Н. Мощенко, Е. В. Пирогов // Инженерный вестник Дона, - 2017, - № 4. URL: ivdon.ru/ru/magazine/archive/n4y2017/4725 (дата обращения 16.12.2024).

70. Муравьев, К. А. Программно-аппаратный комплекс мониторинга распределенных телекоммуникационных систем / К. А. Муравьев, В. В. Терехов // Труды Международного симпозиума «Надежность и качество». - 2017. - Т. 1. - С. 324-329.

71. Мухаметзянов, И. З. Нечеткий логический вывод и нечеткий метод анализа иерархий в системах поддержки принятия решений: приложение к оценке надежности технических систем / И. З. Мухаметзянов // Кибернетика и программирование. - 2017. - № 2. - С. 59-77. DOI: 10.7256/2306-4196.2017.

72. Николаев, А. А. Внедрение системы мониторинга технического состояния трансформатора 80 мва энергоблока тэц ОАО «ММК» / А. А. иколаев // ЭСиК. - 2016. - № 2(31). - С. 52-57.

73. Новые методы управления сложными системами. - М.: Наука, 2004. -

333 с.

74. Олейников, А. А. Оценка состояния элементов систем передачи данных с применением нечетких нейронных сетей / А. А. Олейников, И. А. Береснев // Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. -2020. - № 4. - С. 121-131.

75. Орлов, А. И. Теория принятия решений. Учебное пособие. - М.: Издательство «Март», 2004. - 656 с.

76. Осипов, С. Н. Об оценке физического износа элементов технических устройств / С. Н. Осипов, Д. А. поздняков // Наука и техника. - 2015. - № 2. - C 2330.

77. Осипов, С. Н. Способ вероятностной оценки физического износа элементов зданий: пат. 018263 Евразийский: МПК Е04Н 1/00 (2006.01) / С. Н. Осипов, В. М. Пилипенко; дата публ. 28.06.2013.

78. Остапенко, С. Н. Статистические методы при оценке показателей надежности технологических систем предприятия / С. Н. Остапенко, О. А. Якунина, Г. В. Палихов // Известия ТулГУ. Технические науки. - 2020. - Вып. 10. -С. 96-105.

79. Охтилев, М. Ю. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов / М. Ю. Охтилев, Б. В. Соколов, Р. М. Юсупов. - М.: Наука, 2006. - 410 с.

80. Охтилев, М. Ю. Основы теории автоматизированного анализа измерительной информации в реальном времени. Синтез системы анализа / М. Ю. Охтилев. - СПб. : ВИКУ им. А. Ф. Можайского, 1999. - 161 с.

81. Охтилев, М. Ю. Структурно-алгоритмическое распознавание как метод решения задачи оперативного анализа информации о состоянии технических объектов / М. Ю. Охтилев. - СПб.: В ЦИВТИ, 1986. - № В-213. - 32 с.

82. Петров, А. М. Разработка интеллектуальной системы диагностики теплоэнергетического оборудования на основе нечетких нейронных сетей / А. М. Петров, А. Н. Попов // Вестник ЮУрГУ. Серия: Энергетика. - 2024. - № 1. - С. 7079.

83. Полковникова, Н. А. Гибридная экспертная система на основе вероятностно-детерминированных моделей / Н. А. Полковникова // Известия ЮФУ. Технические науки. - 2015. - № 6(167). - С. 168-179.

84. Попов, Г. В. Определение индекса технического состояния силовых трансформаторов в процессе их эксплуатации / Г. В. Попов, Е. Б. Игнатьев // Вестник Ивановского энергетического университета. - 2014. - № 4. - С. 25 - 32.

85. Попов, В. Д. Свертка многокритериальных экспертных оценок в условиях неопределенности / В. Д. Попов, А. В. Спесивцев, А. И. Сухопаров, В. А. Спесивцев // Сб. докладов ХХ Международная конференция по мягким вычислениям и измерениям БСМ-2017, 24-26 мая 2017. - Т. 2. - С.145-150.

86. Попов, Г. В. Экспертная поддержка при диагностике состояния силовых трансформаторов / Г. В. Попов, А. В. Ватлецов, С. С. Аль-Хамри // Электротехника. - 2003. - № 8. - С. 5-11.

87. Порядок продления срока безопасной эксплуатации технических устройств, оборудования и сооружений (приказ №195 Минприроды РФ от 30.06.2009 г.).

88. Постановление Правительства РФ от 19 декабря 2016 г. №1401 «О комплексном определении показателей технико-экономического состояния объектов электроэнергетики, в том числе показателей физического износа и энергетической эффективности объектов . электросетевого хозяйства, и об осуществлении мониторинга таких показателей».

89. Прангишвили, И. В. Экспертные системы / И. В. Прангишвили // Измерение, контроль, автоматика, - 1988. - № 2(66). - С. 52-66.

90. Приказ Министерства энергетики РФ №676 от 26.07.2017 «Об утверждении методики оценки технического состояния основного технологического оборудования и линий электропередачи электрических станций и электрических сетей».

91. Принятие решений на основе экспертного оценивания. Методическое пособие. - ВИКИ им. А.Ф.Можайского, 1988. - 88 с.

92. Программа диагностики состояния оборудования PCM370 [Электронный ресурс]. - Режим доступа: https://www.msdiag.ru/produktsiya-provibtech/programma-diagnostiki-sostoyaniya-oborudovaniya-pcm370/ (дата обращения 24.01.2025).

93. Программное обеспечение SAFE PLANT [Электронный ресурс]. -Режим доступа: https://www. geo-ndt.ru/pribor-10941 -programmnoe-obespechenie-safe-plant.htm?t=1 (дата обращения 24.01.2025).

94. Равин, А. А. Инженерные методы прогнозирования остаточного ресурса оборудования / А. А. Равин, О. В. Хруцкий // Вестник АГТУ. Серия: Морская техника и технология. - 2018. - № 1. - C. 33-47.

95. Рашка, С. Python и машинное обучение: машинное и глубокое обучение с использованием Python, Scikit-Learn и Tensorflow / С. Рашка , М. Вахид. СПб.: Диалектика, 2020. - 848 с.

96. Саати, Т. Принятие решений. Метод анализа иерархий: пер. с англ. М.: Радио и связь, 1993. 278 с.

97. Сай, В. К. Метод прогнозирования остаточного ресурса на основе обработки данных многообъектных сложных систем / В. К. Сай, М. В. Щербаков // Прикаспийский журнал: управление и высокие технологии. - 2019. - № 1 (45). -C. 33-44.

98. Свидетельство о государственной регистрации программы для ЭВМ No 2025618963 Российская Федерация. Расчет индекса технического состояния сложных технических объектов на основе конструктивных данных и статистических характеристик рабочих параметров / Р. A. Файзрахманов, Ву Динь Хиеу. No 2025615633 : заявл. 19.03.2025 : опубл. 11.04.2025.

99. Система контроля оборудования NERPA [Электронный ресурс]. -Режим доступа: https://www.novosoft.ru/nerpa/eam/monitoring-tc (дата обращения 24.01.2025).

100. Системы контроля состояния оборудования [Электронный ресурс]. -Режим доступа: https://www. konsom. ru/solutions/dispetcherskij -kontrol-i-upravlenie/sistemy-kontrolya-sostoyaniya-oborudovaniya/ (дата обращения 24.01.2025).

101. Ситников, В. Ф. Вероятностно-статистический подход к оценке ресурсов электросетевого оборудования в процессе эксплуатации / В. Ф. Ситников, В. А. Скопинцев // Электричество. - 2007. - № 11. - С. 9-16.

102. Скориков, Д. В. Исследование влияния метрологических характеристик средств измерения на оценку риска эксплуатации сложных технических комплексов / Д. В. Скориков, А. В. Спесивцев, А. В. Вагин // Проблемы управления рисками в техносфере. - 2010. - № 4. - С. 48 -53.

103. Смирнов, В. А. Разработка концептуальной модели системы поддержки принятия решений для приемочного контроля бортовой аппаратуры / В. А. Смирнов, Д. В. Смирнов // Вестник СибГАУ. - 2017. - Т 18. - № 1. - С. 149-159.

104. Смурова, Т. С. Анализ методик определения индекса технического состояния оборудования / Т. С. Смурова, И. Н. Сулыненков // Энергия. - 2018. - Т. 6. - № 1. - С. 141-142.

105. Соколов, В. А. Вероятностный метод оценки технического состояния конструкций железобетонного монолитного перекрытия зданий старой городской застройки / В. А. Соколов // Инженерно-строительный журнал. - 2010. - № 4. - C. 49-58.

106. Соколов, В. А. Оценка технического состояния и надежности строительных конструкций на основе вероятностных методов технической диагностики / В. А. Соколов // Современные проблемы науки и образования. -2013. - № 6. URL: https://science-education.ru/ru/article/view?id=11552 (дата обращения: 04.03.2024).

107. Спесивцев, А. В. Изучение технологических процессов статистическими методами. Учебное пособие / А.В. Спесивцев.- Норильск: Изд. Красноярского ГУ, 1981. - 40с.

108. Спесивцев, А. В. Управление рисками чрезвычайных ситуаций на основе формализации экспертной информации / А. В. Спесивцев. - СПб: Изд-во Политехн. ун-та, 2004. - 238 с.

109. Спесивцев, А. В. Эксперт как «интеллектуальная измерительно диагностическая система» / А. В. Спесивцев // Материалы XIII межд. конф. по мягким вычислениям и измерениям. СПб.: СПбГЭТУ «ЛЭТИ», 2010. Т. 2. - С. 2834.

110. Сущев, С. П. Остаточный ресурс конструкций (сооружений) и возможные методы его оценки / С. П. Сущев, Н. А. Самолинов, И. А. Адаменко // Предотвращение аварий зданий и сооружений: Сб. науч. трудов. Вып. 8. - М.: МДП, 2009. - С. 320-327.

111. Тимофеев, А. В. Идентификация стадии деградации оборудования в системах сервисного обслуживания превентивного типа / А. В. Тимофеев, В. М. Денисов // Научно-технический вестник информационных технологий, механики и оптики. - 2019. - № 6. - С. 1095-1104.

112. Ткаченко, М. Г. Прогнозирование оставшегося времени безаварийной работы нефтегазодобывающего оборудования с применением технологии искусственных нейронных сетей // М. Г. Ткаченко // Электронный научный журнал «Инженерный вестник Дона». - 2014. - № 4(1). - С. 1-11.

113. Томилов, А. С. Индекс технического состояния как новый подход к профилактике и обслуживанию электрооборудования / А. С. Томилов, Е. З. Никонова // Современное программирование : материалы III Международной научно-практической конференции, Нижневартовск, 27-29 ноября 2020 года. -Нижневартовск: Нижневартовский государственный университет. - 2021. - С. 185187.

114. Тэя, Я. Д. Формальные методы экспертных оценок / Я. Д. Тэя // Экономика, Статистика и Информатика. - 2015. - № 1. - С. 183-187.

115. Файзрахманов, Р. А. Мониторинг технического состояния оборудования на основе модифицированного индекса технического состояния / Р. А. Файзрахманов, В. Д. Хиеу // Татарстанский энергетический форум энергопром. Международная научно-техническая конференция "Технологический суверенитет и цифровая трансформация". - 2025. - С. 79-82.

116. Федоров, Д. В. Походы к оценке технического состояния оборудования /Д. В. Федоров, Ю. И.Михайлов // Конференция «Развивая энергетическую повестку будущего». - 2021. - С. 392-394.

117. Хабибуллин, И. И. Применение искусственных нейронных сетей при проектировании энергетических машин / И. И. Хабибуллин, А. И. Мухамеджанов, С. А. Мухамеджанова, Р. М. Низамутдинов // Вестник казанского государственного технического университета им. А. Н. Туполева. - 2019. - Т. 75. -№ 3. - С. 70-76.

118. Хальясмаа, А. И. Разработка системы оценки технического состояния электросетевого оборудования на основе нейронечеткого логического вывода: дис. ... канд. техн. наук. - Екатеринбург, 2015.

119. Хиеу, В. Д. Выявление аномалий в данных в задаче прогнозирования состояния сложных технических систем / В. Д. Хиеу, Р. А. Файзрахманов // Автоматизированные системы управления и информационные технологии: Материалы всероссийской научно-технической конференции: в двух томах, Пермь, 7-9 июнь 2023 г. -Пермь: Пермский национальный исследовательский политехнический университет. - 2023. -С. 65-71.

120. Хиеу, В. Д. Концепция структурного анализа и поддержки принятия решений по оценке состояния и остаточного ресурса сложных технических систем / В. Д. Хиеу, Р. А. Файзрахманов // РЕШЕНИЕ: Материалы конференции, Пермь: Пермский национальный исследовательский политехнический университет. - 2023. -С. 98-101.

121. Хиеу, В. Д. Математические и алгоритмические основы информационной системы мониторинга и управления техническим обслуживанием оборудования с использованием модифицированной модели индекса технического состояния / В. Д. Хиеу, Р. А. Файзрахманов //. Автоматизированные системы управления и информационные технологии: Материалы всероссийской научно-технической конференции: в двух томах, Пермь, 5-7 июнь 2024 г. -Пермь: Пермский национальный исследовательский политехнический университет. - 2024. -С. 36-41.

122. Хиеу, В. Д. Методика и алгоритм экспресс оценки состояния сложных технических систем. Конструктивный подход / В. Д. Хиеу, Р. А. Файзрахманов // Инженерный вестник Дона. - 2024. - № 4(112). - С. 198-213. - ED

123. Хиеу, В. Д. Методика определения порогового значения модифицированного индекса технического состояния оборудования на основе вероятности безотказной работы / В. Д. Хиеу // Инженерный вестник Дона, - 2025. -№ 5. URL: ivdon.ru/ru/magazine/archive/n5y2025/10094 (дата обращения 10.5.2025).

124. Хиеу, В. Д. Система экспресс-диагностики и планирования ремонтно-восстановительных работ сложного технического объекта на основе интегрального показателя / В. Д. Хиеу, Р. A. Файзрахманов // Инженерный вестник Дона, - 2025. -№ 9.

125. Цветков, В. Я. Сложные технические системы / В. Я. Цветков // Образовательные ресурсы и технологии. - 2017. - № 3(20). - C. 86-92.

126. Червинская, К. Р. Психология извлечения экспертных знаний субъектов труда : диссертация ... доктора психологических наук : 19.00.03 / К. Р. Червинская

- Санкт-Петербург, 2010.- 483 с.

127. Чернявский, В. Л. Ресурсное обеспечение адаптивности железобетона / В. Л. Чернявский, В. В. Галат, Ю. Б. Гиль, Ю. А. Спирин // Вюник Доньбасс^ нацiональноi академп будiвництва i архггектури. - 2010. - № 5(85). - С. 346-352.

128. Шаханов, Н. И. Прогнозирование отказов оборудования на основе алгоритмов машинного обучения / Н. И. Шаханов, В. М. Осколков, И. А. Варфоломеев, О. В. Юдина // Вестник научных конференций. ООО Консалтинговая компания Юком. - 2016. - C. 315-317.

129. Шматков, С. Б. Определение остаточного ресурса промышленных дымовых труб // Предотвращение аварий зданий и сооружений: Сб. науч. трудов.

- М.: МДП, 2008. - С. 44-51.

130. Шум в данных [Электронный ресурс]. - Режим доступа: https://robotdreams.cc/blog/150-shum-v-dannyh (дата обращения 11.12.2023).

131. Adams, D. E. Nonlinear damage models for diagnosis and prognosis in structural dynamic systems / D. E. Adams // Components and Systems Diagnostics, Prognostics, and Health Management II. - 2002. - pp. 180-191.

132. Amare, D. F. Gas Path Fault Diagnostics Using a Hybrid Intelligent Method for Industrial Gas Turbine Engines / D. F. Amare, T. B. Aklilu, S. I. Gilani // Journal of the Brazilian Society of Mechanical Sciences and Engineering. - 2018. - № 40. - pp. 117.

133. Amin, T. J. Sequential fuzzy clustering based dynamic fuzzy neural network for fault diagnosis and prognosis / T. J. Amin , J. E. Meng , L. Xiang , S. L. Beng // Neurocomputing. - 2016. - Vol. 196. - pp. 31-41.

134. Amozegar, M. An Ensemble of Dynamic Neural Network Identifiers for Fault Detection and Isolation of Gas Turbine Engines / M. Amozegar, K. Khorasani // Neural Networks. - 2016. - No. 76. - pp. 106-121.

135. Bardyk, E. I. Improved Power Transformer Condition Assessment under Uncertainty using Fuzzy Logic / E. I. Bardyk and N. Bolotnyi // 2022 IEEE 8th International Conference on Energy Smart Systems (ESS), Kyiv, Ukraine. - 2022. - pp. 53-58. DOI: 10.1109/ESS57819.2022.9969327.

136. Batayev, N. Gas Turbine Fault Classification Based on Machine Learning Supervised Techniques / N. Batayev // Proc. of the 14th International Conference on Electronics Computer and Computation, Nov. 28 - Dec. 1, 2018, Kaskelen, Kazakhstan. - pp. 206-212.

137. Chang, D. Y. Applications of the extent analysis method on fuzzy AHP / D. Y. Chang // European Journal of Operational Research. - 1996. - Vol. 95. - No. 3. -pp. 649-655.

138. Chen, D. B. Identifying influential nodes in complex networks / D. B. Chen, L. Y. Lu, M. S. Shang, Y. C. Zhang, T. Zhou // Physica A. - 2012. - No. 391. - pp. 1777-1787.

139. Chen, T. XGBoost: A Scalable Tree Boosting System / T. Chen, C. Guestrin // Proc.of the Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. - 2016. - pp. 785-794.

140. Cherkaoui, H. On the Assessment of Performance and Robustness of Condition-Based Maintenance Strategies / H. Cherkaoui, K. T. Huynh, A. Grall // IFAC-PapersOnLine, Elsevier B.V. - 2016. - No. 49(12). -pp. 809-814. DOI: 10.1016/j.ifacol.2016.07.874.10.1016.

141. Cui, L. A novel Switching Unscented Kalman Filter method for remaining useful life prediction of rolling bearing / L. Cui, X. Wang, Y. Xu, H. Jiang, J. Zhou // Measurement. - 2019. - No. 135. - pp. 678-684.

142. Diaz, K. Optimal management of production, maintenance, and logistic activities in multi-site environments / K. Diaz, M. A. Kammoun, Z. Hajej, N. Sefiani, M. F. Milazzo // IFAC-PapersOnLine. - 2022. - No. 55(10). - pp. 1769-1774. DOI: 10.1016/j.ifacol.2022.09.654.

143. Dong, D. Life prediction of jet engines based on LSTM-recurrent neural networks / D. Dong, X. Li, F. Sun // Prognostics and System Health Management Conference. - 2017. - pp. 1-6.

144. Durability desing of concrete structures. Report of RILEM Technical Committee 130-csl. Edited by A. Sarja and E. Vesicary. E&SPON, 165p.

145. Forman, E. H. The Analytical Hierarchy Process: An Exposition / E. H. Forman, S. I. Gass // Operations Research. - 2001. - No. 4(49). - pp. 469-487.

146. Gebaee, N. Z. Residual-life distributions from component degradation signals: A Bayesian approach / N. Z. Gebaee, M. A. Lawley, R. Li // IIE Trans. - 2005. -No.37. - pp. 543-557.

147. Hanachi, H. A Physics-Based Modeling Approach for Performance Monitoring in Gas Turbine Engine / H. Hanachi, J. Liu, A. Banerjee, Y. Chen, A. Koul // IEEE Transactions on Reliability. - 2015. - No. 1. - pp. 197-205. DOI: 10.1109/TR.2014.2368872.

148. Hong, J. et al. Remaining Useful Life Prediction Using Time-Frequency Feature and Multiple Recurrent Neural Networks // Proc. of the IEEE International Conference on Emerging Technologies and Factory Automation, Sept. 10-13, 2019, Zaragoza, Spain. - pp. 916-923.

149. Hong-Bae, J. A Bayesian network-based approach for fault analysis / J. Hong-Bae , K. David // Expert Systems with Applications. - 2017. - Vol. 81. - pp. 332348.

150. Hou, B. Identifying all-around nodes for spreading dynamics in complex networks / B. Hou, Y. Yao, D. Liao // Physica A. - 2012. - No. 391(15). - pp. 40124017.

151. Hsu, C. S. Remaining useful life estimation using Long short-term memory deep learning / C. S. Hsu, J. R. Jiang // IEEE International Conference on Applied System Invention. - 2018. - pp. 58-61.

152. Jardine, K. S. A review on machinery diagnostics and prognostics implementing condition based maintenance / K. S. Jardine, L. Daming, B. Dragan // Mechanical Systems and Signal Processing. - 2006. - No. 20(7). - pp. 1483-1510.

153. Jin, M. Reliable fault diagnosis method using ensemble fuzzy {ARTMAP} based on improved Bayesian belief method / M. Jin, R. Li, Z. Xu, X. Zhao // Neurocomputing. - 2014. - No. 133. - pp. 309-316.

154. Khuntia, S. A literature survey on asset management in electrical power [transmission and distribution] system / S. Khuntia, J. L. Rueda Torres, S. Bouwman, M. van der Meijden // International Transactions on Electrical Energy Systems. - 2016.

- No. 26(10). - pp. 2123-2133. DOI: 10.1002/etep.2193.

155. Krutikhin, D. L. Application of queuing systems to improve the efficiency of maintenance and equipment repair services at an industrial enterprise / D. L. Krutikhin, V. E . Lyalin // Mathematical models and information technologies in the organization of production. - 2011. - No. 2(23). - pp. 48-52.

156. Lawles, S. J. Covariates and random effect in a Camma process model with application to degradation and failure / S. J. Lawles, M. Crowder // Lifetime Data Anal.

- 2004. - No.10. - pp. 213-227.

157. Leung, L. C. On consistency and ranking of alternatives in fuzzy AHP / L. C. Leung , D. Cao // European Journal of Operational Research. - 2000. - Vol. 124. - pp. 102-113.

158. Li, D. Fuzzy Neural Network Technique for System State Forecasting / D. Li, W. Wang, F. Ismail // IEEE Transactions on Cybernetics. - 2013. - No. 5(43). - pp. 1484-1494. DOI: 10.1109/TCYB.2013.2259229.

159. Liu, J. Evaluating the importance of nodes in complex networks / J. Liu, Q. Xiong, W. Shi, X. Shi, K. Wang // Physica A. - 2016. - No. 452. - pp. 209-219.

160. Liu, S. A comprehensive evaluation study on the health status of multifeature parameters of mechanical equipment based on fuzzy hierarchical analysis / S.

Liu // 2018 International Conference on Sensing, Diagnostics, Prognostics, and Control (SDPC). - IEEE. - 2018. - pp. 621-625.

161. Ma, S. S. Preliminary study on fault prediction and health management system of complex equipment / S. S. Ma, G. S. Chen, X. B. Fang // Comput. Meas. Control. - 2010. - No.1. - pp. 8-14.

162. Manusov, V. Z. Diagnostics of Current Technical State of Transformer Equipment Using the Analytic Hierarchy Process / V. Z. Manusov, D. V. Orlov // 2018 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), Moscow, Russia. - 2018. - pp. 1-6. DOI: 10.1109/ICIEAM.2018.8728647.

163. Maragoudakis, M. Using Ensemble Random Forests for the Extraction and Exploitation of Knowledge on Gas Turbine Blading Faults Identification / M. Maragoudakis , E. Loukis // Insight. - 2012. - No. 25. - pp. 80-104.

164. Matusugu, M. Subject Independent Facial Expression Recognition with Robust Face Detection using a ConvolutionalNeural Network / M. Matusugu, K. Mitari, Y. Kaneda // Neural Networks. - 2003. - Vol. 16, - No. 5. - pp. 555-559.

165. Mayer-Schönberger, V. A Revolution That Will Transform How We Live, Work, and Think / V. Mayer-Schönberger, K. Cukier. - London, 2013. - 242 p.

166. Mohtasham Khani et al. Deep-Learning-Based Crack Detection with Applications for the Structural Health Monitoring of Gas Turbines // Structural Health Monitoring. - 2020. - No. 19. - pp. 1440-1452.

167. Mou, Y. W. Numerical simulation of fatigue crack initiation life of turbine disk based on material micro characteristics / Y. W. Mou, S. Lu // J. Aeronaut. - 2013. -No.34. - pp. 282-290.

168. Patil, S. Remaining Useful Life (RUL) Prediction of Rolling Element Bearing Using Random Forest and Gradient Boosting Technique / S. Patil, A. Patil, V. Handikherkar, S. Desai, V. M. Phalle, F. S . Kazi // ASME 2018 International Machanical Engineering Congress and Exposition. American Society of Mechanical Engineers Digital Collection. - 2018.

169. Pogorelov, G. I. et al. Application of Neural Network Technology and Highperformance Computing for Identification and Real-Time Hardware-in-the-Loop

Simulation of Gas Turbine Engines // Procedia Engineering. - 2017. - No. 176. - pp. 402-408.

170. Reliability Centered Maintenance Guide for Facilities and Collateral Equipment / NASA. -2000. - 348 p.

171. Roya, J. A fuzzy neural network approach to machine condition monitoring / J. Roya , M. K. Gerald // Computers & Industrial Engineering. - 2003. - No. 2(45). -pp. 323-330.

172. Sateesh Babu, G. Deep Convolutional Neural Network Based Regression Approach for Estimation of Remaining Useful Life / G. Sateesh Babu, P. Zhao, X. L. Li // International Conference on Database Systems for Advanced Application. - 2016. -pp. 214-228.

173. Smith, A. Reliability-Centered Maintenance / A. Smith. -NY: McGraw-Hill, - 1993. - 216 p. - ISBN 007059046X.

174. Swanson, L. Linking maintenance strategies to performance / L. Swanson // International Journal of Production Economics. - 2001. - No. 70(3). - pp. 237-244. DOI: 10.1016/S0925-5273(00)00067-0.

175. Tahan, M. A Multi-Nets ANN Model for Real-Time Performance-Based Automatic Fault Diagnosis of Industrial Gas Turbine Engines / M. Tahan, M. Muhammad, Z. A. Abdul Karim // Journal of the Brazilian Society of Mechanical Sciences and Engineering. - 2017. - No. 39. - pp. 2865-2876.

176. Tanaka, K. A dislocation model for fatigue crack initiation / K. Tanaka, T. Mura // J. Appl. Mech. - 1981. - No. 48. - pp. 97-103.

177. Turbofan engine degradation simulation data set. - Режим доступа: https://c3.nasa.gov/dashlink/resources/139/ (access date 16.12.2022).

178. Voronin, V. Diagnostic principles in maintenance systems / V. Voronin // Transportation Research Procedia. - 2022. - No. 63. - pp. 2789-2795. DOI: 10.1016/j.trpro.2022.06.323.

179. Wang, D. Prognostics of lithium-ion batteries based on relevance vectors and a conditional three-parameter capacity degradation model / D. Wang, Q. Miao, M. Pecht // J. Power Sources. - 2013. - No. 239. - pp. 253-264.

180. Wang, L. Hidden Markov model-based tool wear monitoring in turning / L. Wang, M. G. Mehrabi, J. Kannatey-Asibu // J. Manuf. Sci. Eng. - 2002. - No. 124(3). -pp. 651-658.

181. Wanga, Y. M. On the extent analysis method for fuzzy AHP and its applications / Y. M. Wanga, Z. Hua // European Journal of Operational Research. -2008. - Vol. 186. - pp. 735-747.

182. Wong, P. K. et al. Real-Time Fault Diagnosis for Gas Turbine Generator Systems Using Extreme Learning Machine // Neurocomputing. - 2014. - No. 128. - pp. 249-257.

183. Xu, P. Research on prediction and condition management system (PHM) technology / P. Xu, R. Kang // Meas. Control Technol. - 2004. - No. 23. - pp. 58-60.

184. Yin Q., Cheng S., Chu Y. et al. Health status assessment of electrical measuring equipment for aircraft based on Analytical Hierarchy Process. AS (2025). https://doi.org/10.1007/s42401-025-00349-x (access date 16.12.2024).

185. Yuo-Tern, T. Performance States Estimation of System Using Bayesian Method and Fuzzy Signal Information / T. Yuo-Tern, W. Kuo-Shong, L. Hsien-Yang // Journal of the Chinese Society of Mechanical Engineers. - 2010. - No. 5(31). - pp. 403411.

186. Zeng, S. K. Current situation and development of fault prediction and health management (PHM) technology / S. K. Zeng, G. P. Michael, J. Wu // J. Aeronaut. -2005, - No. 26, - pp. 7-11.

187. Zengbing, X. A selective fuzzy ARTMAP ensemble and its application to the fault diagnosis of rolling element bearing / X. Zengbing , L. Yourong , W. Zhigang , X. Jianping // Neurocomputing. - 2016. - No. 182. - pp. 25-35.

188. Zhandos, A. An Approach Based on Decision Tree for Analysis of Behaviour with Combined Cycle Power Plant / A. Zhandos, J. Guo // Proc. of the International Conference on Progress in Informatics and Computing, Dec. 15-17, 2017, Nanjing, China. - pp. 415-419.

189. Zhang Y. et al. Steady-State and Transient Operation Discrimination by Variational Bayesian Gaussian Mixture Models // Proc. of the IEEE International

Workshop on Machine Learning for Signal Processing, MLSP, Sept. 22-25, 2013, Southampton, UK. - pp. 6-10.

190. Zhang, L. A review of fault prognostics in condition based maintenance / L. Zhang, X. Li , J. Yu // Proc. of SPIE. - 2006. - pp. 635-652.

191. Zhao, S. Health state estimation and remaining useful life prediction of power devices subject to noisy and aperiodic condition monitoring / S. Zhao, Y. Peng, F. Yang, E. Ugur, H. Wang // IEEE Trans. Instrum. Meas. - 2021. - No. 70. - pp. 1-16.

192. Zheng, K. Fuzzy synthetic condition assessment of wind turbine based on combination weighting and cloud model / K. Zheng, L. Han, S. Guo, Zh. Wang, X. Zhang, X. Dong // Journal of Intelligent & Fuzzy Systems. - 2017. - No. 6(32). - pp. 4563-4572.

193. Zhenyuan Wang. Diagnostics of transformers with the help of neural networks and expert systems / Zhenyuan Wang, Yilu Liu, P. J. Griffin // IEE Industry Applications Magazine. - 2000. - Vol. 6. - No. 2. - pp. 50-55.

194. Zhu, K. J. A discussion on Extent Analysis Method and applications of fuzzy AHP / K. J. Zhu, Y. Jing, D. Y. Chang // European Journal of Operational Research. - 1999. - Vol. 116. - pp. 450-456.

ПРИЛОЖЕНИЕ А. СВИДЕТЕЛЬСТВА О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММЫ ДЛЯ ЭВМ

ПРИЛОЖЕНИЕ Б. АКТЫ ВНЕДРЕНИЯ РЕЗУЛЬТАТОВ ДАННОЙ

РАБОТЫ

ВОЕННЫЙ АВАЦИОННЫЙ РЕМОНТНЫЙ ЗАВОД А32 (А32 Aircraft Maintenance and Repairing Company)

Адресе: аэропорт Дананг, г. Дананг, Вьетнам (Address: Da Nang airport, Da Nang city, Vietnam) Тел./Те1.: 02363746313 Факс/Fax: [phone]

«29» мая 2025 г.

АКТ

о внедрении научных результатов диссертационного исследования

Ву Динь Хиеу

Настоящий акт подтверждает, что результаты диссертационного исследования Ву Динь Хиеу, посвященные разработке информационной системы экспресс-оценки состояния технических объектов с использованием нового интегрального показателя "модифицированный индекс технического состояния", представляют научный и практический интерес, приняты к использованию на военном авиационном заводе А32 следующие разработки:

1. Система сбора и обработки данных для формирования базы статистической информации;

2. Модели и алгоритмы расчета нового показателя "модифицированный индекс технического состояния" оборудования;

3. Алгоритм расчета остаточного ресурса технического объекта.

Использование указанных результатов в практике планирования и

организации ремонтно-восстановительных работ на предприятии позволит оценивать техническое состояние оборудования в режиме эксплуатации, получить экспресс-оценку остаточного ресурса оборудования, что способствует повышению качества планирования и выполнения ремонтно-восстановительных работ на предприятии.

Создание автоматизированной системы мониторинга технического состояния оборудования с использованием предложенных алгоритмов позволит повысить оперативность получения оценок состояния оборудования и планов по организации ремонтно-восстановительных работ за счет использования объективных данных.

Заместитель генерального директора завода

Thiêuta NGUYÊN QUANG TUYÊN

Общество с ограниченной ответственностью

О X Т Р О N 0КСТР0Н КОРПОРАТИВНЫЕ РЕШЕНИЯ

ISO 9001:2015 certified company

614000, г. Пермь, ул. Луначарского, 73, тел. [phone] ИНН 5906138857, e-mail: [e-mail], https://oxtron.ru

Исх.№ 219, 11.09.2025

КОМУ

Председателю диссертационного совета Д ПНИПУ.05.21 доктору технических наук, профессору ФГАОУ ВО "ПЕРМСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ" ФГАОУ ВО "ПНИПУ" В.Ю. Столбову

АКТ

об использовании научных результатов диссертационного исследования

Ву Динь Хиеу

Настоящим подтверждаем, что результаты диссертационного исследования Ву Динь Хиеу на тему: "Модели и алгоритмы экспресс-диагностики технического состояния сложных объектов на основе нового интегрального показателя" представляют практический и теоретический интерес для исследования, проектирования, разработки и внедрения автоматизированной системы планирования и управления техническим обслуживанием и ремонтом оборудования на предприятиях. ООО "Окстрон корпоративные решения" занимается разработкой и внедрением АСУ на промышленных предприятиях г. Перми и России.

Считаем, что важными для использования в наших проектах являются следующие разработки:

1. Модели и алгоритмы расчета нового интегрального показателя "модифицированный индекс технического состояния" для экспресс-диагностики состояния и определения ремонтопригодности сложного технического объекта.

2. Модель системы непрерывного (циклического) мониторинга и оценки качества технического состояния объекта и автоматического формирования рекомендаций по техническому обслуживанию.

3. Метод планирования работ по обслуживанию технических объектов в условиях ограниченных ресурсов.

Экспертный анализ предложенных разработок показал, что их внедрение в системе планирования и управления техническим обслуживанием и ремонтом оборудования на предприятиях многократно (до 10 раз) сокращает время расчета показателей остаточного ресурса оборудования за счет использования статистических данных вместо экспертных, повышает оперативность принимаемых решений (до 5 раз) за счет автоматического формирования рекомендаций по планированию работ для обеспечения надежности функционирования технологического оборудования и технических устройств в процессе их эксплуатации.

С уважением.

Директор

Никитин

«УТВЕРЖДАЮ»

о внедрении результатов кандидатской диссертации Ву Динь Хиеу

в учебный процесс кафедры Информационных технологий и автоматизированных систем (ИТАС) Пермского национального исследовательского политехнического университета (ПНИПУ)

Мы, нижеподписавшиеся, заместитель заведующего кафедрой ИТАС, канд. техн. наук Кулешов Павел Валерьевич и доцент кафедры ИТАС, канд. техн. наук Погудин Андрей Леонидович составили настоящий акт о том, что результаты диссертационной работы Ву Динь Хиеу, выполненной на тему «Модели и алгоритмы экспресс-диагностики технического состояния сложных объектов на основе нового интегрального показателя» и представленной на соискание ученой степени кандидата технических наук, применяются в учебном процессе кафедры ИТАС.

Полученные в диссертации научные результаты, а именно: концептуальная модель системы непрерывного (циклического) мониторинга и оценки качества технического состояния сложного объекта; новый интегральный показатель «модифицированный индекс технического состояния» для экспресс-оценки уровня состояния сложного объекта используются при проведении практических и лабораторных работ при решении задач АСУ «Надежность технических систем» по дисциплине «Теоретические основы автоматизированного управления», осваиваемой студентами бакалавриата направления «Информатика и вычислительная техника». Метод поддержки принятия решений по выбору рациональных вариантов ремонтно-восстановительных работ в условиях наличия ограничений на ресурсы, предложенный соискателем, используется при проведении практических занятий и самостоятельных работ в магистратуре по направлению «Информатика и вычислительная техника» по дисциплине «Математические методы теории систем».

При изучении указанных результатов соискателя студенты выполняют исследование математических моделей, построение алгоритмов, структурных моделей и решение задачи планирования ремонтно-восстановительных работ с использованием компьютерных технологий.

Доцент кафедры ИТАС, канд. техн. наук

Заместитель заведующего кафедрой ИТАС, доцент кафедры ИТАС, канд. техн. наук

ПРИЛОЖЕНИЕ В. РЕЗУЛЬТАТЫ РАСЧЕТА ИТСм ПРЕЛАГАЕМОЙ МЕТОДИКИ И ИТС МЕТОДИКИ МИНЭНЕРГО ДВИГАТЕЛЕЙ 1, 2, 3

Двигателя 1 Двигателя 2 Двигателя 3

Т (цикл) ИТСм Прелагаемой Методики ИТС Методики Минэнерго Т (цикл) ИТС Прелагаемой Методики ИТС Методики Минэнерго Т (цикл) ИТС Прелагаемой Методики ИТС Методики Минэнерго

1 99.24 100.00 1 100.00 100.00 1 99.60 100.00

2 99.01 100.00 2 99.79 100.00 2 99.34 100.00

3 98.78 100.00 3 99.58 100.00 3 99.09 100.00

4 98.55 100.00 4 99.37 100.00 4 98.84 100.00

5 98.34 100.00 5 99.17 100.00 5 98.61 100.00

6 98.13 100.00 6 98.97 100.00 6 98.38 100.00

7 97.92 100.00 7 98.77 100.00 7 98.17 100.00

8 97.72 100.00 8 98.58 100.00 8 97.96 100.00

9 97.53 100.00 9 98.39 100.00 9 97.76 100.00

10 97.34 100.00 10 98.21 100.00 10 97.57 100.00

11 97.16 100.00 11 98.02 100.00 11 97.39 100.00

12 96.98 100.00 12 97.85 100.00 12 97.22 100.00

13 96.80 100.00 13 97.67 100.00 13 97.05 100.00

14 96.64 100.00 14 97.50 100.00 14 96.90 100.00

15 96.47 100.00 15 97.33 100.00 15 96.75 100.00

16 96.31 100.00 16 97.16 100.00 16 96.60 100.00

17 96.16 100.00 17 97.00 100.00 17 96.47 100.00

18 96.01 100.00 18 96.84 100.00 18 96.34 100.00

19 95.86 100.00 19 96.68 100.00 19 96.21 100.00

20 95.72 100.00 20 96.53 100.00 20 96.09 100.00

21 95.58 100.00 21 96.38 100.00 21 95.98 100.00

22 95.44 100.00 22 96.23 100.00 22 95.88 100.00

23 95.31 100.00 23 96.09 100.00 23 95.78 100.00

24 95.18 100.00 24 95.94 100.00 24 95.68 100.00

25 95.06 100.00 25 95.80 100.00 25 95.59 100.00

26 94.93 100.00 26 95.67 100.00 26 95.51 100.00

27 94.81 100.00 27 95.53 100.00 27 95.43 100.00

28 94.70 100.00 28 95.40 100.00 28 95.35 100.00

OOOOI I¿£6 Z9 OOOOI 90X6 Z9 OOOOI 9216 Z9

OOOOI ¿¿•£6 19 OOOOI ÍIZ6 19 OOOOI ¿£16 19

OOOOI 178' £6 09 OOOOI IZZ6 09 OOOOI 6P16 09

OOOOI 68£6 6S OOOOI 6ZZ6 6S OOOOI 0916 6S

OOOOI S6£6 8S OOOOI L£'Z 6 8S OOOOI 0¿I6 8S

OOOOI 00P6 LS OOOOI SPZ6 LS OOOOI 18 16 LS

OOOOI S0>6 9S OOOOI £SX6 9S OOOOI 16 16 9S

OOOOI 0Г176 ss OOOOI 19X6 ss OOOOI 10X6 SS

OOOOI PVP6 PS OOOOI 69X6 PS OOOOI 11X6 PS

OOOOI 61P6 £S OOOOI LL'Z 6 £S OOOOI IZZ6 £S

OOOOI £ZP6 zs OOOOI 98X6 ZS OOOOI I£X6 ZS

OOOOI ¿ZP6 IS OOOOI S6X6 IS OOOOI 117X6 IS

OOOOI 1£P6 OS OOOOI £0'£6 OS OOOOI ISX6 OS

OOOOI S£P6 6P OOOOI ZIÍ6 6P OOOOI 09X6 617

OOOOI 8£'P6 8P OOOOI IZ'£6 8P OOOOI 0¿X6 817

OOOOI ZVP6 LP OOOOI l£'£6 LP OOOOI 6LZ6 ¿17

OOOOI 9PP6 917 OOOOI 0PÍ6 917 OOOOI 88X6 917

OOOOI 0SP6 SP OOOOI 6PÍ6 SP OOOOI 86X6 SP

OOOOI £SP6 PP OOOOI 6S'£6 PP OOOOI LO £6 PP

OOOOI LSP6 £P OOOOI 69 £6 £P OOOOI ¿Г£6 £P

OOOOI 19P6 ZP OOOOI 6L£6 ZP OOOOI 9Z£6 ZP

OOOOI S9P6 IP OOOOI 68 £6 IP OOOOI S££6 IP

OOOOI 69P6 OP OOOOI 66'£6 OP OOOOI SP £6 OP

OOOOI £LP 6 6£ OOOOI 0VP6 6£ OOOOI SS£6 6£

OOOOI 8LP6 8£ OOOOI \ZP6 8£ OOOOI 179 £6 8£

OOOOI Z8P6 L£ OOOOI Z£P6 L£ OOOOI PL £6 L£

OOOOI L8P6 9£ OOOOI £PP6 9£ OOOOI 178 £6 9£

OOOOI Z6P6 S£ OOOOI PSP6 S£ OOOOI P6£6 S£

OOOOI L6P6 Pi OOOOI 99P6 P£ OOOOI 170>6 17£

OOOOI £0'S6 ££ OOOOI 8LP6 ££ OOOOI SVP6 ££

OOOOI 80S6 ZÍ OOOOI 06>6 Z£ OOOOI SZP6 Z£

OOOOI SIS6 1С OOOOI Z0S6 l£ OOOOI 9£'P6 I£

OOOOI IZS6 Oí OOOOI PVS6 0£ OOOOI LVP6 0£

OOOOI 8ZS6 6Z OOOOI LZS 6 6Z OOOOI 8S>6 6Z

SPl

OOOOI S8'¿8 96 OOOOI 2968 96 OOOOI 68>8 96

OOOOI ¿Г88 S6 OOOOI 6968 S6 OOOOI 8IS8 S6

OOOOI ¿1788 P6 OOOOI LL 68 176 OOOOI Sl7'S8 176

OOOOI LL 88 £6 OOOOI £8'68 еб OOOOI ZL'Ç 8 еб

OOOOI S0'68 Z6 OOOOI 2668 Z6 OOOOI 86S8 26

OOOOI ге'68 16 OOOOI 6668 16 OOOOI 17298 16

OOOOI 6S"68 06 OOOOI ¿006 06 OOOOI 61798 06

OOOOI 17868 68 OOOOI PV06 68 OOOOI £L 98 68

OOOOI 8006 88 OOOOI 1206 88 OOOOI 9698 88

OOOOI Z£'06 ¿8 OOOOI 8206 ¿8 OOOOI 61 ¿8 ¿8

OOOOI frS'06 98 OOOOI 9Г06 98 OOOOI 2l7¿8 98

OOOOI 9¿06 S8 OOOOI ei706 £8 OOOOI e9¿8 £8

OOOOI 9606 178 OOOOI 0S06 178 OOOOI 178¿8 178

OOOOI 91 16 es OOOOI LÇ 06 es OOOOI SO'88 es

OOOOI sei6 28 OOOOI 179 06 28 OOOOI S2'88 28

OOOOI esi6 18 OOOOI I¿06 18 OOOOI 1717 88 18

OOOOI 0¿I6 08 OOOOI 8¿06 08 OOOOI e9'88 08

OOOOI ¿816 6 L OOOOI S806 6 L OOOOI 1888 6 L

OOOOI £0X6 8 L OOOOI 2606 8 L OOOOI 6688 8 L

OOOOI 81X6 LL OOOOI 6606 LL OOOOI 9Г68 LL

OOOOI ZÍZ6 9 L OOOOI S0I6 9 L OOOOI ee'68 9 L

OOOOI 9VZ6 ÇL OOOOI 2Г16 ÇL OOOOI 61768 ÇL

OOOOI 6SZ6 17¿ OOOOI 61 16 17¿ OOOOI S9'68 17¿

OOOOI IL'Zó £L OOOOI 9216 e¿ OOOOI 0868 e¿

OOOOI Í8Z6 ZL OOOOI ее 16 ZL OOOOI £6'68 ZL

OOOOI P6Z6 IL OOOOI 017 16 IL OOOOI 0106 IL

OOOOI PO £6 0 L OOOOI LV\6 0 L OOOOI 17206 OL

OOOOI неб 69 OOOOI SS 16 69 OOOOI 8e06 69

OOOOI PZÍ6 89 OOOOI 2916 89 OOOOI 2S06 89

OOOOI еееб ¿9 OOOOI 6916 ¿9 OOOOI S906 ¿9

OOOOI IP £6 99 OOOOI 9¿I6 99 OOOOI 8¿06 99

OOOOI 6P£6 S9 OOOOI e8I6 S9 OOOOI 06 06 £9

OOOOI ¿se 6 179 OOOOI 16 16 179 OOOOI 2016 179

OOOOI P9£6 £9 OOOOI 8616 e9 OOOOI H 16 e9

9 H

oos¿ 6¿'89 oei OOOOI IГ98 0£1 00S¿ 0¿'69 0£I

oos¿ £9'69 6ZI 00 001 SZ98 6ZI 00S¿ ÍÍ'OL 6ZI

oos¿ WOL 8ZI OOOOI 8£'98 8ZI oos¿ S6'0¿ 8ZI

oos¿ ÍZ'IL LZl OOOOI IS'98 LZ I oos¿ SS'I¿ LZl

oos¿ 10 X¿ 9ZI OOOOI P998 9ZI oos¿ Pl ZL 9ZI

oos¿ LLZL SZl OOOOI LU 98 SZI oos¿ ZL'ZL SZl

oos¿ I S'£¿ PZl OOOOI 6898 PZI 089 L 8 Z'ÍL PZl

Z£'8¿ ÍZPL ÍZl OOOOI ZO'L% ÍZI 089 L P%'ÍL ÍZI

ZÍ'%L P6 PL ZZl OOOOI Pl'L% ZZI 089 L 8£'17¿ ZZl

Z£'8 L Í9SL IZl OOOOI SZ'L% IZI SP' LL 16 17¿ IZl

ZÍ'%L 0£'9 L OZl OOOOI ¿£'¿8 OZl SP' LL £17'S¿ OZl

ZÍ'%L S6'9¿ 611 OOOOI 817¿8 611 SP' LL P6SL 611

oi£8 6SLL 811 OOOOI 6S'¿8 811 SP' LL I7l7'9¿ 811

ores IZ'%L ¿II OOOOI 0¿'¿8 ¿II 8SI8 £6'9¿ ¿II

ores I8'8¿ 911 OOOOI 18 ¿8 911 8SI8 OP'LL 911

ores 0Y6L SU OOOOI 16 ¿8 SU 8SI8 ¿8¿¿ Sil

S006 L66L Pll OOOOI 2088 Pll 8SI8 Z£'8¿ PI I

S006 esos ill OOOOI ZI'88 ill 8SI8 ¿¿'8¿ £11

S006 ¿018 ZU OOOOI гг'88 ZU 6£X8 0Z6L ZU

S006 0918 III OOOOI хе'88 III 0698 £96 L III

S006 II 28 on OOOOI 11788 on 0698 170 08 on

S006 19X8 601 OOOOI IS 88 601 0698 S1708 601

£1X6 60£8 801 OOOOI 0988 801 0698 178 08 801

£1X6 9S'£8 ¿OI OOOOI 6988 ¿OI 0698 £218 ¿01

£1X6 ZOP% 901 OOOOI 8¿'88 901 0698 0918 901

£1X6 9l7>8 SOI OOOOI ¿888 SOI 0698 ¿618 SOI

99 96 68>8 PO I OOOOI 9688 POl 0698 ££X8 POl

99 96 orss eoi OOOOI SO'68 £01 0698 89X8 £01

99 96 0¿'S8 ZOl OOOOI £Г68 ZOl S0'£6 20'£8 ZOl

Sí ¿6 6098 101 OOOOI 1Г68 101 S0'£6 S£'£8 101

Sí ¿6 ¿1798 001 OOOOI 0£'68 001 S0'£6 89£8 001

Sí ¿6 £8'98 66 OOOOI 8£'68 66 00001 66£8 66

OO'OOI 81 ¿8 86 OOOOI 91768 86 00001 0£>8 86

OO'OOI ZS'L% ¿6 OOOOI frS'68 ¿6 OO'OOI 09>8 ¿6

LPl

SL'06 8S'6 L 1791

Z9Z6 1786 L £91

Z9Z6 6008 Z91

Z9Z6 eeos 191

Z9Z6 ¿S'08 091

Z9Z6 1808 6SI

Z9Z6 M)I8 8SI

Z9Z6 LZ' 18 ¿SI

Z9Z6 OS'18 9SI

Z9Z6 ZL' 18 SSI

Z9Z6 £618 17SI ooos 817'OS 17SI