Методи та моделі інформаційних технологій для моніторингу технічного стану транспортних засобів

Abstract

Роботу присвячено питанням підвищення ефективності технічного обслуговування транспортних засобів (ТЗ) шляхом розробки методів, моделей та інформаційних технологій аналізу даних для прогностичного моніторингу їхнього технічного стану, що забезпечує науково обґрунтований перехід від реактивного до проактивного обслуговування. Об'єктом дослідження є інформаційні процеси обробки та аналізу діагностичних даних про технічний стан ТЗ, а предметом - відповідні методи, моделі та інформаційні технології. Вперше розроблено розподілену інформаційну технологію дистанційного контролю ТЗ, яка інтегрує NoSQL-базу даних (MongoDB), паралельні обчислення MapReduce та потокову обробку даних через Apache Kafka на основі гнучкої гетерогенної архітектури (BASE), що забезпечує горизонтальну масштабованість під час обробки нестаціонарних потоків телеметрії (LVD). Удосконалено метод подолання розрідженості навчальних вибірок LVD-баз даних із застосуванням непараметричного критерію Колмогорова–Смирнова та алгоритму пучкового пошуку (beam search) для коректного формування навчальних датасетів. Отримали подальший розвиток архітектури багатошарового перцептрона (MLP) та рекурентних мереж (LSTM) для виявлення прихованих дефектів у потоках телеметрії OBD-II; доведено перевагу ансамблевих методів (Random Forest) за метриками F1-score та MCC. Розроблено відмовостійку мікросервісну інформаційну систему прогностичного моніторингу. Впровадження результатів дозволяє автосервісним та автотранспортним підприємствам перейти до моделі Predictive Maintenance, що оптимізує логістику запчастин, мінімізує простій транспорту та запобігає аварійним відмовам. Результати адаптовані для інтеграції в екосистеми Smart City та V2X.