ВЫБОР ОБЪЕКТОВ ДЛЯ КОНТРОЛЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ САМОХОДНЫХ СЕЛЬСКОХОЗЯЙСТВЕННЫХ МАШИН
DOI 10.12737/2073-0462-2025-20-3-78-84 УДК 631.3.076:629.3.083
Ключевые слова:
контроль, техническое состояние, самоходные сельскохозяйственные машины, техническое обслуживание и ремонт, отказ.Аннотация
Контроль технического состояния сельскохозяйственных машин, являясь ключевым элементом системы технического обслуживания и ремонта, на практике требует решения задачи определения приоритетных для диагностирования конструктивных элементов. Целью исследования является разработка и апробация методики ранжирования объектов контроля технического состояния сельскохозяйственных машин на основе комплексного показателя, учитывающего совокупность факторов. Методика отличается комплексным подходом, учитывающим совокупность таких факторов, как конструктивная сложность машин, технические и организационноэкономические последствия отказов. Проведен эксперимент по сбору данных об отказах зерноуборочных комбайнов в период уборки урожая яровой пшеницы в 2024 году на полях Омской области. Под наблюдением был 31 комбайн марки NEW HOLLAND CX6090, КЗС 1218 «Полесье», РСМ-101 «Вектор 410», РСМ-142 «ACROS-550», РСМ-142 «ACROS-585», РСМ-152 «ACROS-595 PLUS». Установлено, что наибольшее количество отказов приходится на жатку и подборщик (15,1%), наклонную камеру (13,4%), молотильный аппарат (11,6%). При этом эксплуатационные отказы – 54%, производственные – около 37% и конструктивные – 9%. По характеру проявления 76% относится к внезапным, 5% к постепенным и 19% к перемежающимся. По взаимосвязи 71% отказов были квалифицированы как независимые и 29% как зависимые. Выявлено, что на долю двигателя, ходовой и электрооборудования приходится порядка 60% отказов, но особому контролю подлежат только 7 узлов и деталей, для которых среднее значение показателя Пi составляет 0,56. На долю жатвенной и молотильной группы приходится 25% отказов, но последствия гораздо серьезнее и контролю подлежат не менее 10 узлов и деталей со средним значением показателя Пi = 1,41. Разработанная методика может найти применение в условиях расширения использования интеллектуальных и цифровых технологий в системе технического обслуживания и ремонта.
Литература
1. Помогаев В.М. Концептуальная модель методологии прогнозного обслуживания сельскохозяйственных машин // Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2023. № 4 (72). С. 538-547. doi: 10.32786/2071-9485-2023-04-54.
2. Дидманидзе О. Н., Дорохов А. С., Катаев Ю. В. Тенденции развития цифровых технологий диагностирования технического состояния тракторов // Техника и оборудование для села. 2020. № 11(281). С. 39-43. doi: 10.33267/2072-9642-2020-11-39-41.
3. Катаев Ю. В., Герасимов В. С., Тишанинов И. А. Использование систем бесконтактной диагностики при техническом обслуживании энергонасыщенной сельскохозяйственной техники // Технический сервис машин. 2022. № 2(147). С. 60-66. doi: 10.22314/2618-8287-2022-60-2-60-66.
4. Цифровые решения при техническом сервисе сельскохозяйственной технике: аналитический обзор / И. Г. Голубев, Н. П. Мишуров, В. Ф. Федоренко и др. М. : Росинформагротех, 2020. 76 с.
5. Кокорев Г.Д. Способ отбора рациональной совокупности объектов, подлежащих диагностированию // Вестник Рязанского государственного Агротехнологического университета имени П.А. Костычева. 2013. № 1 (17). С. 61-64.
6. Катаев Ю.В. Контроль технического состояния сельскохозяйственной техники // Тенденции развития науки и образования. 2022. № 89-1. С. 82-84. doi: 10.18411/trnio-09-2022-22.
7. Continuous-time predictive-maintenance scheduling for a deteriorating system / A. Grall, L. Dieulle, C. Berenguer, M. Roussignol // IEEE Transactions on Reliability. 2002. Vol. 51. № 2. P. 141-150. doi: 10.1109/TR.2002.1011518.
8. Probabilistic risk assessment and management for engineers and scientists / H. Kumamoto et al. New York, NY: Wiley-IEEE Press, 1996. 597 p.
9. Викторова В.С., Степанянц А.С. Модели и методы расчета надежности технических систем. М.: ЛЕНАНД, 2016. 256 с.
10. Субочев С.В., Немцев А.Е., Коптева И.В. Влияние основных показателей надежности на эффективность зерноуборочных комбайнов // Вестник НГАУ. 2014. № 2(31). С. 157-164.
11. Комаров В.А., Курашкин М.И. Исследование работоспособности зерноуборочных комбайнов в гарантийный период // Инженерные технологии и системы. 2021. № 2. С. 188-206. doi: 10.15507/2658-4123.031.202102.188-206.
12. Исследование возникающих отказов между основными системами зерноуборочных комбайнов и времени их устранения / А. Т. Лебедев, Р. В. Павлюк, А. В. Захарин, П. А. Лебедев // Технический сервис машин. 2019. № 3(136). С. 33-39.
13. Бурак П.И., Голубев И.Г. Анализ наработки на отказ зерноуборочных и кормоуборочных комбайнов // Техника и оборудование для села. 2022. № 5 (299). P. 27-31. doi: 10.33267/2072-9642-2022-5-27-31.
14. Помогаев В.М. Мониторинг технического состояния сельскохозяйственных машин и качества выполнения технологических операций // Вестник Омского государственного аграрного университета. 2023. № 2(50). С. 143-152.
15. A Systematic Literature Review of the Predictive Maintenance from Transportation Systems Aspect / O. Ö. Ersöz, A. F. Inal, A. K. Turker, S. Ersöz // Sustainability. 2022. № 14(21). P. 14536. doi: 10.3390/su142114536.
16. Maktoubian J., Taskhiri M.S., Turner P. Intelligent predictive maintenance (IPdM) in forestry: a review of challenges and opportunities // Forests. 2021. № 12(11). P. 1495. doi: 10.3390/f12111495.
1. Pomogaev VM. [Conceptual model of the methodology of predictive maintenance of agricultural machinery]. Izvestiya Nizhnevolzhskogo agrouniversitetskogo kompleksa: Nauka i vysshee professionalnoe obrazovanie. 2023; 4 (72). 538-547 p. doi: 10.32786/2071-9485-2023-04-54.
2. Didmanidze ON, Dorokhov AS, Kataev YuV. [Trends in the development of digital technologies for diagnosing the technical condition of tractors]. Tekhnika i oborudovanie dlya sela. 2020; 11(281). 39-43 p. doi: 10.33267/2072-9642-2020-11-39-41.
3. Kataev YuV, Gerasimov VS, Tishaninov IA. [Use of contactless diagnostic systems in the maintenance of energy-intensive agricultural machinery]. Tekhnicheskiy servis mashin. 2022; 2(147). 60-66 p. doi: 10.22314/2618-8287-2022-60-2-60-66.
4. Golubev IG, Mishurov NP, Fedorenko VF. [Digital solutions in technical service of agricultural machinery: an analytical review]. Moscow: Rosinformagrotekh. 2020; 76 p.
5. Kokorev GD. [Method for selecting a rational set of objects subject to diagnostics]. Vestnik Ryazanskogo gosudarstvennogo Agrotekhnologicheskogo universiteta imeni P.A. Kostycheva. 2013; 1 (17). 61-64 p.
6. Kataev YuV. [Monitoring the technical condition of agricultural machinery]. Tendentsii razvitiya nauki i obrazovaniya. 2022; 89-1. 82-84 p. doi: 10.18411/trnio-09-2022-22.
7. Grall A, Dieulle L, Berenguer C, Roussignol M. Continuous-time predictive-maintenance scheduling for a deteriorating system. IEEE Transactions on Reliability. 2002; Vol.51. 2. 141-150 p. doi: 10.1109/TR.2002.1011518.
8. Kumamoto H. Probabilistic risk assessment and management for engineers and scientists. New York, NY: Wiley-IEEE Press. 1996; 597 p.
9. Viktorova VS, Stepanyants AS. Modeli i metody rascheta nadezhnosti tekhnicheskikh sistem. [Models and methods for calculating the reliability of technical systems]. Moscow: LENAND. 2016; 256 p.
10. Subochev SV, Nemtsev AE, Kopteva IV. [Influence of the main reliability indicators on the efficiency of grain harvesters]. Vestnik NGAU. 2014; 2(31). 157-164 p.
11. Komarov VA, Kurashkin MI. [Study of grain harvesters performance during the warranty period]. Inzhenernye tekhnologii i sistemy. 2021; 2. 188-206 p. doi: 10.15507/2658-4123.031.202102.188-206.
12. Lebedev AT, Pavlyuk RV, Zakharin AV, Lebedev PA. [Study of emerging failures between the main systems of grain combine harvesters and the time of their elimination]. Tekhnicheskiy servis mashin. 2019; 3(136). 33-39 p.
13. Burak PI, Golubev IG. [Analysis of the mean time between failures of grain and forage harvesters]. Tekhnika i oborudovanie dlya sela. 2022; 5 (299). 27-31 p. doi: 10.33267/2072-9642-2022-5-27-31.
14. Pomogaev VM. [Monitoring the technical condition of agricultural machinery and the quality of technological operations]. Vestnik Omskogo gosudarstvennogo agrarnogo universiteta. 2023; 2(50). 143-152 p.
15. Ersoz OO, Inal AF, Turker AK, Ersoz S. A systematic literature review of the predictive maintenance from transportation systems aspect. Sustainability. 2022; 14(21). 14536 p. doi: 10.3390/su142114536.
16. Maktoubian J, Taskhiri MS, Turner P. Intelligent predictive maintenance (IPdM) in forestry: a review of challenges and opportunities. Forests. 2021; 12(11). 1495 p. doi: 10.3390/f12111495.
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2026 ВЕСТНИК Казанского государственного аграрного университета
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Метаданные научных статей, включая название, аннотацию, сведения об авторах, список литературы, идентификаторы и иные элементы библиографического описания для дальнейшего неограниченного использования, передаются в редакцию с правом их неограниченного использования на условиях открытой лицензии Creative Commons Attribution (CC BY).
