ПРИНЦИП ФУНКЦІОНУВАННЯ АВТОМАТИЗОВАНОЇ СИСТЕМИ ДОБОРУ ОЛИВ
DOI:
https://doi.org/10.36994/2788-5518-2025-01-09-07Ключові слова:
автоматизована система; експлуатаційні умови; база даних; моторна олива; алгоритм підбору оливАнотація
В умовах нестримного розвитку автомобільної галузі питання вибору мастильного матеріалу стає дедалі актуальнішим, адже сучасні силові агрегати вимагають точного дотримання технологічних норм і стандартів. Невідповідна олива може призвести до зниження ефективності двигуна, зростання витрат пального й передчасного зносу. Автоматизовані системи підбору моторної оливи дають змогу підвищити ефективність технічного обслуговування транспортних засобів, забезпечуючи точність, швидкість і персоналізацію вибору [1; 2]. Метою робити є розроблення алгоритму, що має адаптуватися до змінних умов експлуатації, технічних параметрів двигуна й індивідуальних запитів користувача. У статті розглянуто створення алгоритму автоматизованої системи, яка враховує технічні характеристики транспортного засобу (тип двигуна, об’єм, турбонаддув, ступінь зношення), експлуатаційні умови (сезонність, стиль керування, навантаження), нормативні вимоги (API, ACEA, ILSAC, OEM-допуски), а також суб’єктивні вподобання споживача (бренд, бюджет, інтервал заміни). Алгоритм добору базується на системі експертних правил, що реалізовані у вигляді дерева прийняття рішень з багаторівневою фільтрацією. Для кожного варіанта оливи обчислюється рейтинг відповідності, який ураховує пріоритетність критеріїв. З метою підвищення продуктивності системи запропоновано оптимізаційні підходи: індексацію бази даних, кешування результатів, паралельну обробку запитів. Інтеграція машинного навчання дає змогу системі самонавчатися на основі накопиченої інформації, підвищуючи точність персоналізованих рекомендацій. Валідація охоплює аналітичні методи, порівняння з офіційними специфікаціями й експертну оцінку. Розроблена система демонструє високу точність добору, відповідність міжнародним стандартам і має значний потенціал для практичного застосування в галузі сервісного обслуговування автомобільного транспорту.
Посилання
Kamble A. R., Kamble A. D. Expert system for automotive engine oil recommendation based on driving conditions. International Journal of Computer Applications, 2019. Vol. 178 (9). P. 1–5. https://doi.org/10.5120/ijca2019919017.
Zhou Y., Xian, Y. (2020). Application of machine learning in automotive predictive maintenance: A review. Procedia Computer Science. 2020. Vol. 175. P. 539–546. https://doi.org/10.1016/j.procs.2020.07.077.
Mang T., Dresel W. (Eds.). Lubricants and lubrication (3rd ed.). Wiley-VCH, 2017.
Totten G. E. Lubrication and lubricant selection: A practical guide (2nd ed.). CRC Press, 2011.
API. Engine oil guide. American Petroleum Institute. 2023. URL: https://www.api.org/products-and-services/engine-oil.
ILSAC. ILSAC GF-6 and API SP standards. International Lubricant Standardization and Approval Committee. 2023. URL: https://www.ilma.org/ilsac.
Smith D. W., Spikes H. A. The science of engine oils – Composition, function, and performance. Journal of ASTM International. 2005. Vol. 2 (1). Р. 1–10. https://doi.org/10.1520/JAI12534.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
