Дисертація доктора філософії. Шихмат Антон Олександрович. Методи та засоби діагностики несправностей сільськогосподарської техніки

Реєстраційний номер

0826U001772, Дисертація доктора філософії

На здобуття

Доктор філософії

Дата захисту

09-07-2026

Статус

Захищена

Назва роботи

Методи та засоби діагностики несправностей сільськогосподарської техніки

Здобувач

Шихмат Антон Олександрович,

Керівник Верес Зеновій Євгенович
Опонент Шувар Роман Ярославович
Опонент Тригуба Анатолій Миколайович
Рецензент Дзелендзяк Уляна Юріївна
Рецензент Кочан Орест Володимирович

Установа, організація, у вченій раді якої відбудеться/відбувся захист

Національний університет "Львівська політехніка"

Опис

Шихмат А.О. Методи та засоби діагностики несправностей сільськогосподарської техніки. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 123 “Комп’ютерна інженерія”. – Національний університет “Львівська політехніка”, Львів, 2026. У дисертаційній роботі розв’язано актуальне науково завдання підвищення точності оцінювання технічного стану та раннього виявлення несправностей сільськогосподарської техніки шляхом розроблення та удосконалення методів прогнозування залишкового ресурсу її компонентів на основі інтеграції телеметричних, експлуатаційних і геопросторових даних, а також створення інтелектуальної інформаційної системи діагностики. Дисертаційна робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. У першому розділі проведено аналіз типових несправностей сільськогосподарської техніки та чинників, що впливають на їх виникнення. Встановлено, що найбільш поширеними є несправності електричної системи та двигуна, а ключовими причинами – умови експлуатації, обслуговування та якість ресурсів. Проведено аналіз сучасних методів діагностики несправностей, який показав, що більшість з них не є адаптивними, не враховують природних умов в яких працює техніка, не ідентифікують джерело несправності, не дозволяють виявляти нові типи несправностей та не описують архітектурні рішення, що ускладнює повторне використання підходів. Обґрунтовано необхідність інтеграції різнорідних даних і застосування методів машинного навчання, сформульовано мету та задачі дослідження. У другому розділі обґрунтовано підходи до побудови масштабованої інформаційної системи діагностики на основі мікросервісної архітектури та хмарних обчислень. Запропоновано використання протоколу MQTT у середовищі AWS IoT Core для передачі телеметричних даних, Apache Spark – для їх потокової обробки та Accumulo – для збереження. Розроблено та удосконалено методи прогнозування залишкового ресурсу компонентів техніки на основі декомпозиції на підсистеми, інтеграції телеметричних, експлуатаційних і геопросторових даних, а також формування ознак із застосуванням дискретного вейвлет-перетворення. Показано, що запропоновані підходи забезпечують підвищення точності прогнозування, що підтверджено експериментально (зменшення MAE, MAPE, RMSE та зростання R²). Встановлено доцільність використання LSTM-моделей для аналізу часових залежностей. У третьому розділі розроблено архітектурно-інформаційну модель інтелектуальної системи діагностики технічного стану сільськогосподарської техніки. Запропоновано структуру системи на основі мікросервісної архітектури з використанням хмарного середовища AWS, визначено функціональні компоненти та їх взаємодію. Обґрунтовано підхід до інтеграції моделей машинного навчання, організацію обробки даних і механізми безпечної автентифікації користувачів на основі OAuth 2.0. Розроблена модель забезпечує інтеграцію телеметричних, експлуатаційних і геопросторових даних та їх використання у задачах прогнозування. У четвертому розділі реалізовано інформаційну систему діагностики несправностей сільськогосподарської техніки відповідно до запропонованої архітектури. Забезпечено інтеграцію IoT-пристроїв, потокову обробку даних, збереження, прогнозування та надсилання сповіщень у режимі реального часу. Проведено експериментальне дослідження продуктивності, масштабованості та точності системи. Встановлено, що система ефективно обробляє великі обсяги даних із низькими затримками, а моделі прогнозування забезпечують високу точність. Підтверджено доцільність використання декомпозиції техніки на підсистеми та інтеграції різних типів даних для підвищення точності прогнозування. Отримані результати мають практичну цінність, оскільки розроблені методи, моделі та програмні засоби можуть бути використані для створення інтелектуальних систем моніторингу та прогнозної діагностики несправностей техніки в аграрному секторі. Запропоновані рішення забезпечують підвищення точності оцінювання технічного стану, зменшення витрат на обслуговування та підвищення надійності експлуатації техніки. Практичну придатність підтверджено експериментальними дослідженнями та впровадженням результатів у прикладних проєктах. Ключові слова: сільськогосподарська техніка; геопросторові дані; Інтернет речей; архітектура IoT; обробка даних; аналіз даних; цифрова діагностика; прогнозування; прогнозне обслуговування; залишковий ресурс експлуатації; аналіз часових рядів; моніторинг; сенсори; інтелектуальні системи; інформаційні системи; машинне навчання; глибинне навчання; рекурентна нейронна мережа; об’єктно орієнтоване програмування; дискретне вейвлет перетворення; несправності; важливість ознак; інженерія ознак; протоколи передачі даних; ансамблева модель; хмарні обчислення; хмарні технології; хмарні платформи.

Дата реєстрації

2026-05-18

Додано/оновлено в НРАТ

2026-06-08 / 2026-07-13