SELECTION OF OBJECTS FOR MONITORING TECHNICAL CONDITION OF SELF-PROPELLED AGRICULTURAL MACHINERY
DOI 10.12737/2073-0462-2025-20-3-78-84 УДК 631.3.076:629.3.083
Keywords:
monitoring, technical condition, self-propelled agricultural machinery, maintenance and repair, failure.Abstract
Monitoring the technical condition of agricultural machinery, as a key element of maintenance and repair system, requires, in practice, identifying the structural components that should be prioritized for diagnostics. The purpose of this study is to develop and test a methodology for ranking the objects of condition monitoring of agricultural machinery based on a comprehensive indicator that takes into account a range of factors. This methodology utilizes a comprehensive approach, taking into account a range of factors, including the structural complexity of machines and technical, organizational and economic consequences of failures. An experiment was conducted to collect data on combine harvester failures during the 2024 spring wheat harvest in the fields of Omsk region. The observation included 31 combine harvesters of the following brands: NEW HOLLAND CX6090, KZS 1218 Polese, RSM-101 Vector 410, RSM-142 ACROS-550, RSM-142 ACROS-585, RSM-152 ACROS-595 PLUS. It was established that the greatest number of failures occurs in the header and pick-up (15.1%), the feeder chamber (13.4%) and the threshing mechanism (11.6%). At the same time, operational failures make up 54%, production failures – about 37% and design failures – 9%. According to the nature of manifestation, 76% are sudden, 5% are gradual and 19% are intermittent. According to the interrelationship, 71% of failures were classified as independent and 29% as dependent. It was found that the engine, chassis and electrical equipment account for approximately 60% of failures, but only 7 components, for which the average Pi value is 0.56, are subject to special monitoring. The reaping and threshing system accounts for 25% of failures, but the consequences are much more serious, and at least 10 components, with an average Pi value of 1.41, are subject to monitoring. The developed methodology can be applied as intelligent and digital technologies are increasingly used in maintenance and repair systems.
References
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.
Downloads
Published
How to Cite
Issue
Section
Categories
License
Copyright (c) 2026 Vestnik of Kazan state agrarian university
This work is licensed under a Creative Commons Attribution 4.0 International License.
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).
