Никитченко Сергей Леонидович, кафедра «Вычислительная техника и автоматизированные системы управления», кандидат технических наук, доцент
Nikitchenko Sergey Leonidovich, Chair «Computer Technology and Automated Control Systems», Candidate of Engineering Sciences, Professor
Зырянкина Ксения Эдгаровна, кафедра «Вычислительная техника и автоматизированные системы управления», ассистент
Zyryankina Ksenia Edgarovna, Chair «Computer Technology and Automated Control Systems», Assistant
Рассмотрена возможность применения искусственных нейронных сетей с целью прогнозирования потребности в запасных частях гидросистем машин. Проведен анализ распределения неисправностей применительно к наземным транспортно-технологическим средствам, а также представлены результаты анализа существующих традиционных методов резервирования. Предложен подход к обучению искусственной нейронной сети, основанный на модели многослойного персептрона. Представлена реализация варианта переобучения искусственной нейронной сети типа многослойный персептрон для прогнозирования потребности в запасных частях гидросистем машин на базе малых объемов входных данных за прошедшие годы с использованием современной технологии «Data Mining» на платформе «1С: Предприятие». Результаты исследования могут быть полезны для оптимизации запасов запасных частей и повышения эффективности работы гидросистем машин.
The paper considers the possibility of using artificial neural networks to predict the need for spare parts for machine hydraulic systems. The analysis of the distribution of faults is carried out in relation to ground transport and technological means, and the results of the analysis of existing traditional methods of reservation are presented. An approach to training an artificial neural network based on the multilayer perceptron model is proposed. The implementation of a variant of retraining an artificial neural network of the multilayer perceptron type for predicting the need for spare parts for machine hydraulic systems based on small volumes of input data for the past years using modern Data Mining technology on the 1C: Enterprise platform is presented. The results of the study can be useful for optimizing spare parts stocks and increasing the efficiency of machine hydraulic systems.
The authors declare that there are no conflicts of interest present.