Оптимізація планово-попереджувального технічного обслуговування рухомого складу з урахуванням ризику відмов
DOI:
https://doi.org/10.33216/1998-7927-2025-298-12-79-87Ключові слова:
рухомий склад, технічне обслуговування, планово-попереджувальне ТО, ризик відмов, надійність, розподіл Вейбулла, RCM, CBM, PdMАнотація
У роботі розглянуто задачу підвищення ефективності планово-попереджувального технічного обслуговування (ППТО) рухомого складу шляхом переходу від жорстко фіксованих регламентних інтервалів до ризик-орієнтованого планування (Risk-Based Maintenance, RBM). Актуальність теми зумовлена одночасним зростанням вимог до безпеки та пунктуальності перевезень, старінням парку й підвищенням вартості простоїв, тоді як пропускна спроможність депо (пости, персонал, запасні частини) залишається обмеженою. У таких умовах однакові інтервали ТО для всіх одиниць технікиє компромісом: для частини рухомого складу вони надмірно консервативні та спричиняють зайві витрати, для іншої частини — створюють підвищену ймовірність відмов у русі. Ключова ідея RBM полягає в узгодженні періодичності та пріоритетів ППТО з імовірністю відмови та наслідками відмови. Наслідки в залізничних системах мають багатокомпонентний характер і включають безпекові ефекти, експлуатаційні втрати (затримки, зрив графіка, зниження доступності парку) та економічні витрати (ремонт, простої, штрафи). Мета дослідження — запропонувати та обґрунтувати підхід до вибору міжремонтних інтервалів, який мінімізує очікувані сумарні втрати за забезпечення прийнятного рівня ризику. Методична основа роботи поєднує огляд сучасних концепцій ППТО, RCM, CBM і PdM/PHM із формалізацією задачі типу “витрати + ризик” на базі параметричних моделей надійності. Для кількісного опису деградації застосовано модель часу до відмови з розподілом Вейбулла, що дає змогу пов’язати інтервал ППТО T з імовірністю відмови F (T ) та очікуваними витратами на планове й коригувальне втручання. На демонстраційному прикладі виконано розрахунок раціонального інтервалу ППТО та проведено аналіз чутливості до співвідношення вартостей планових і аварійних робіт. Показано наявність області оптимальних (раціональних) інтервалів, у якій досягається компроміс між частотою планових робіт і втратами від відмов. Отримані результати можуть бути використані як підґрунтя для подальшої інтеграції з даними моніторингу стану (CBM/PdM) та для розширення постановки шляхом введення явних обмежень на ризик і ресурсних обмежень депо.
Посилання
1. Kundu P., Darpe A. K., Singh S. P., Gupta K. A review on condition monitoring technologies for railway rolling stock. PHM Society European Conference. 2018. Vol. 4, No. 1. DOI: https://doi.org/10.36001/phme.2018.v4i1.483
2. Kostrzewski M., Melnik R. Condition monitoring of rail transport systems: a bibliometric performance analysis and systematic literature review. Sensors. 2021. Vol. 21, No. 14. P. 4710. DOI: https://doi.org/10.3390/s21144710
3. Robust sensors enabling condition-based maintenance of lubricated components in locomotives and wagons. Transportation Research Procedia. 2023. Vol. 72. P. 3236–3243. DOI: https://doi.org/10.1016/j.trpro.2023.11.891
4. Andrews J. et al. PHM for railway systems and mass transportation (special issue editorial). International Journal of Prognostics and Health Management. 2020. Vol. 11, No. 2. DOI: https://doi.org/10.36001/ijphm.2020.v11i2.2933
5. International Journal of Prognostics and Health Management. [Journal Profile/Editorial Information]. 2020.
6. Dynamic fleet maintenance management model applied to rolling stock. Reliability Engineering & System Safety. 2023. Vol. 240. Art. 109607. DOI: https://doi.org/10.1016/j.ress.2023.109607
7. Maintenance scheduling within rolling stock planning in railway operations under uncertain maintenance durations. Journal of Rail Transport Planning & Management. 2020. Vol. 12. Art. 100177. DOI: https://doi.org/10.1016/j.jrtpm.2020.100177
8. Zomer J., Besinovic N., de Weerdt M. M., Goverde R. M. P. The maintenance scheduling and location choice problem for railway rolling stock. arXiv preprint. 2021. URL: https://arxiv.org/abs/2103.00454
9. Elhfcseyni M., Kocuk B. A stochastic programming approach to the railcar maintenance problem with service level and track capacity considerations. arXiv preprint. 2025. URL: https://arxiv.org/abs/2509.08427
10. Joint optimization method for preventive maintenance and train scheduling of subway vehicles based on a spatiotemporal network graph. Applied Sciences. 2025. Vol. 15, No. 8. P. 4138. DOI: https://doi.org/10.3390/app15084138
11. Models and algorithms for the preventive maintenance optimization of railway vehicles. Expert Systems with Applications. 2024. Vol. 240. Art. 122589. DOI: https://doi.org/10.1016/j.eswa.2023.122589
12. Identifying critical components for railways rolling stock reliability: a case study for Iran. Scientific Reports. 2024. Vol. 14. Art. 2854. DOI: https://doi.org/10.1038/s41598-024-52037-1
13. Corman F., Kraijema S., Godjevac M., Lodewijks G. Optimizing preventive maintenance policy: a data-driven application for a light rail braking system. Proc IMechE, Part O: Journal of Risk and Reliability. 2017. Vol. 231, No. 5. P. 534–545. DOI: https://doi.org/10.1177/1748006X17719409
14. Hughes A. J. et al. A probabilistic risk-based decision framework for structural health monitoring. arXiv preprint. 2021. URL: https://arxiv.org/abs/2101.01521
15. Southgate J. M., Groth K., Sandborn P., Azarm S. Cost-benefit analysis using modular dynamic fault tree analysis and Monte Carlo simulations for condition-based maintenance. arXiv preprint. 2024. URL: https://arxiv.org/abs/2405.09519
16. ASME PCC-3: Inspection Planning Using Risk-Based Methods. New York : ASME, 2022.
17. Law A. M. Simulation Modeling and Analysis. 5th ed. New York : McGraw-Hill Education, 2015.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
