Алгоритмічне забезпечення та аналіз ефективності комплексного прескриптивного технічного обслуговування вантажних суден із використанням прогнозного моніторингу

Автор(и)

  • Андрій Ігорович Головань Одеський національний морський університет, Україна https://orcid.org/0000-0001-6589-4381
  • Igor Gritsuk Vilnius Gediminas Technical University; Kherson State Maritime Academy, Литва https://orcid.org/0000-0001-7065-6820
  • Валерій Степанович Вербовський Інститут газу Національної академії наук України, Україна https://orcid.org/0000-0003-4684-6768
  • Володимир Віталійович Кальченко Національний університет «Чернігівська політехніка», Україна https://orcid.org/0000-0002-9072-2976
  • Юрій Валерійович Грицук Івано-Франківський національний технічний університет нафти і газу; Національний університет "Острозька академія", Україна https://orcid.org/0000-0003-3389-1172
  • Олексій Валерійович Вербовський Інститут газу Національної академії наук України, Україна https://orcid.org/0000-0002-5306-9576
  • Сергій Михайлович Доценко Національний університет кораблебудування імені адмірала Макарова, Україна https://orcid.org/0000-0002-6397-5038
  • Алла Юріївна Лисих Національний університет кораблебудування імені адмірала Макарова, Україна https://orcid.org/0000-0002-0979-7736
  • Роман Вікторович Симоненко ДП «ДержавтотрансНДІпроект», Україна https://orcid.org/0000-0002-4269-5707
  • Олександр Іванович Субочев Приазовський державний технічний університет, Україна https://orcid.org/0000-0002-6867-9991

DOI:

https://doi.org/10.15587/1729-4061.2025.331875

Ключові слова:

прескриптивне технічне обслуговування, суднове обладнання, оптимізація витрат, експлуатаційна ефективність, прогнозування

Анотація

Об’єктом дослідження є процеси прескриптивного технічного обслуговування (ТО) суднових технічних засобів і конструкцій вантажних суден. Вирішувалась проблема недостатньої ефективності традиційних методів ТО суднового обладнання, що призводить до підвищення ризиків відмов та збільшення експлуатаційних витрат.

У роботі розроблено алгоритмічне забезпечення системи комплексного прескриптивного ТО вантажних суден на основі методів прогнозного моніторингу. Виконано експериментальний збір і систематизацію даних про параметри технічного стану обладнання, проведено комплексний аналіз витрат, ризиків та надійності при використанні розроблених алгоритмів. Отримані результати показали, що застосування запропонованих методик дозволяє зменшити витрати на проведення ТО до 44,4 %, а також знизити ризики виникнення несправностей до 89,4 %. Встановлено, що загальний економічний ефект від оптимізації процесів ТО основних компонентів двигуна складає 4849 дол. США на життєвий цикл обладнання, що підтверджує доцільність і ефективність застосування комплексного прогнозного моніторингу у системах ТО суден.

Особливістю отриманих результатів є інтегрований характер, що дозволяє одночасно враховувати як технічні, так і економічні аспекти ТО. Саме це дає змогу уникнути недоліків традиційних регламентних систем, забезпечуючи більш високий рівень експлуатаційної надійності та економічної ефективності роботи вантажних суден.

Практичне використання розроблених методик можливе за умови інтеграції запропонованих алгоритмів у процеси експлуатації суден з відповідною інформаційно-аналітичною підтримкою, яка включає автоматизований збір даних і безперервний моніторинг стану обладнання

Біографії авторів

Андрій Ігорович Головань, Одеський національний морський університет

Доктор технічних наук, доцент

Кафедра судноводіння і морської безпеки

Igor Gritsuk, Vilnius Gediminas Technical University; Kherson State Maritime Academy

Doctor of Technical Sciences, Professor, Senior Research Fellow

Department of Marine Engineering

Department of Ship Technical Systems and Complexes

Валерій Степанович Вербовський, Інститут газу Національної академії наук України

Кандидат технічних наук, старший науковий співробітник

Володимир Віталійович Кальченко, Національний університет «Чернігівська політехніка»

Доктор технічних наук, професор

Проректор з науково-педагогічної роботи

Юрій Валерійович Грицук, Івано-Франківський національний технічний університет нафти і газу; Національний університет "Острозька академія"

Кандидат технічних наук, доцент

Кафедра будівельних конструкцій, будівель та споруд

Кафедра інформаційних технологій та аналітики даних

Олексій Валерійович Вербовський, Інститут газу Національної академії наук України

Кандидат технічних наук, науковий співробітник

Сергій Михайлович Доценко, Національний університет кораблебудування імені адмірала Макарова

Кандидат технічних наук, доцент

Кафедра енергомашинобудування

Алла Юріївна Лисих, Національний університет кораблебудування імені адмірала Макарова

Кандидат технічних наук, доцент

Кафедра енергомашинобудування

Роман Вікторович Симоненко, ДП «ДержавтотрансНДІпроект»

Доктор технічних наук, доцент

Заступник начальника центру наукових досліджень комплексних транспортних проблем

Олександр Іванович Субочев, Приазовський державний технічний університет

Кандидат технічних наук, доцент

Посилання

  1. Podrigalo, M., Bogomolov, V., Kholodov, M., Koryak, A., Turenko, A., Kaidalov, R. et al. (2020). Energy Efficiency of Vehicles with Combined Electromechanical Drive of Driving Wheels. SAE Technical Paper Series. https://doi.org/10.4271/2020-01-2260
  2. Mateichyk, V., Saga, M., Smieszek, M., Tsiuman, M., Goridko, N., Gritsuk, I., Symonenko, R. (2020). Information and analytical system to monitor operating processes and environmental performance of vehicle propulsion systems. IOP Conference Series: Materials Science and Engineering, 776 (1), 012064. https://doi.org/10.1088/1757-899x/776/1/012064
  3. Kuric, I., Gorobchenko, O., Litikova, O., Gritsuk, I., Mateichyk, V., Bulgakov, M., Klackova, I. (2020). Research of vehicle control informative functioning capacity. IOP Conference Series: Materials Science and Engineering, 776 (1), 012036. https://doi.org/10.1088/1757-899x/776/1/012036
  4. Podrigalo, M., Klets, D., Sergiyenko, O., Gritsuk, I. V., Soloviov, O., Tarasov, Y. et al. (2018). Improvement of the Assessment Methods for the Braking Dynamics with ABS Malfunction. SAE Technical Paper Series. https://doi.org/10.4271/2018-01-1881
  5. Golovan, A., Gritsuk, I., Popeliuk, V., Sherstyuk, O., Honcharuk, I., Symonenko, R. et al. (2019). Features of Mathematical Modeling in the Problems of Determining the Power of a Turbocharged Engine According to the Characteristics of the Turbocharger. SAE International Journal of Engines, 13 (1). https://doi.org/10.4271/03-13-01-0001
  6. Golovan, A., Rudenko, S., Gritsuk, I., Shakhov, A., Vychuzhanin, V., Mateichyk, V. et al. (2018). Improving the Process of Vehicle Units Diagnosis by Applying Harmonic Analysis to the Processing of Discrete Signals. SAE Technical Paper Series. https://doi.org/10.4271/2018-01-1774
  7. Turenko, A., Podrygalo, M., Klets, D., Hatsko, V., Barun, M. (2016). A method of evaluating vehicle controllability according to the dynamic factor. Eastern-European Journal of Enterprise Technologies, 3 (7 (81)), 29–33. https://doi.org/10.15587/1729-4061.2016.72117
  8. Parsadanov, I., Marchenko, A., Tkachuk, M., Kravchenko, S., Polyvianchuk, A., Strokov, A. et al. (2020). Complex Assessment of Fuel Efficiency and Diesel Exhaust Toxicity. SAE Technical Paper Series. https://doi.org/10.4271/2020-01-2182
  9. Gritsuk, I., Pohorletskyi, D., Mateichyk, V., Symonenko, R., Tsiuman, M., Volodarets, M. et al. (2020). Improving the Processes of Thermal Preparation of an Automobile Engine with Petrol and Gas Supply Systems (Vehicle Engine with Petrol and LPG Supplying Systems). SAE Technical Paper Series. https://doi.org/10.4271/2020-01-2031
  10. Li, Y., Zou, Z., Zhang, J., He, Y., Huang, G., Li, J. (2023). Refined evaluation methods for preventive maintenance of project-level asphalt pavement based on confusion-regression model. Construction and Building Materials, 403, 133105. https://doi.org/10.1016/j.conbuildmat.2023.133105
  11. Golovan, A., Gritsuk, I., Rudenko, S., Saravas, V., Shakhov, A., Shumylo, O. (2019). Aspects of Forming the Information V2I Model of the Transport Vessel. 2019 IEEE International Conference on Modern Electrical and Energy Systems (MEES), 390–393. https://doi.org/10.1109/mees.2019.8896595
  12. Golovan, A., Gritsuk, I., Honcharuk, I. (2023). Principles of transport means maintenance optimization: equipment cost calculation. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, 5, 77–84. https://doi.org/10.33271/nvngu/2023-5/077
  13. Karatuğ, Ç., Arslanoğlu, Y., Soares, C. G. (2023). Review of maintenance strategies for ship machinery systems. Journal of Marine Engineering & Technology, 22 (5), 233–247. https://doi.org/10.1080/20464177.2023.2180831
  14. Patil, C., Theotokatos, G., Tsitsilonis, K. (2024). Data-driven model for marine engine fault diagnosis using in-cylinder pressure signals. Journal of Marine Engineering & Technology, 24 (1), 70–82. https://doi.org/10.1080/20464177.2024.2432777
  15. Karatuğ, Ç., Ceylan, B. O., Arslanoğlu, Y. (2024). A hybrid predictive maintenance approach for ship machinery systems: a case of main engine bearings. Journal of Marine Engineering & Technology, 24 (1), 12–21. https://doi.org/10.1080/20464177.2024.2393484
  16. Liu, J., Achurra, A., Zhang, C., Bury, A., Wang, X. (2024). A long short term memory network-based, global navigation satellite system/inertial navigation system for unmanned surface vessels. Journal of Marine Engineering & Technology, 23 (5), 316–328. https://doi.org/10.1080/20464177.2024.2334029
  17. Xiao, Z., Xie, M., Wang, X., Wang, H., Fang, S., Arnáez, R. (2024). Risk assessment of emergency operations of floating storage and regasification unit. Journal of Marine Engineering & Technology, 23 (5), 357–372. https://doi.org/10.1080/20464177.2024.2364994
  18. Yuksel, O., Pamik, M., Bayraktar, M. (2025). The assessment of alternative fuel and engine power limitation utilisation in hybrid marine propulsion systems regarding energy efficiency metrics. Journal of Marine Engineering & Technology, 1–15. https://doi.org/10.1080/20464177.2025.2479319
  19. Zhang, P., Gao, Z., Cao, L., Dong, F., Zou, Y., Wang, K. et al. (2022). Marine Systems and Equipment Prognostics and Health Management: A Systematic Review from Health Condition Monitoring to Maintenance Strategy. Machines, 10 (2), 72. https://doi.org/10.3390/machines10020072
  20. Sanchez, L., Costa, N., Couso, I. (2025). Addressing data scarcity in industrial reliability assessment with Physically Informed Echo State Networks. Reliability Engineering & System Safety, 261, 111135. https://doi.org/10.1016/j.ress.2025.111135
  21. Golovan, A., Gritsuk, I., Honcharuk, I. (2023). Reliable ship emergency power source: A Monte Carlo simulation approach to optimize remaining capacity measurement frequency for Lead-Acid battery maintenance. SAE International Journal of Electrified Vehicles, 13 (2). https://doi.org/10.4271/14-13-02-0009
  22. Jeon, J., Theotokatos, G. (2024). A Framework to Assure the Trustworthiness of Physical Model-Based Digital Twins for Marine Engines. Journal of Marine Science and Engineering, 12 (4), 595. https://doi.org/10.3390/jmse12040595
  23. Raptodimos, Y., Lazakis, I. (2018). Using artificial neural network-self-organising map for data clustering of marine engine condition monitoring applications. Ships and Offshore Structures, 13 (6), 649–656. https://doi.org/10.1080/17445302.2018.1443694
  24. Hornyák, O. (2024). Data-Driven Engine Health Monitoring with AI. SMTS 2024, 39. https://doi.org/10.3390/engproc2024079039
  25. Visconti, P., Rausa, G., Del-Valle-Soto, C., Velázquez, R., Cafagna, D., De Fazio, R. (2024). Machine Learning and IoT-Based Solutions in Industrial Applications for Smart Manufacturing: A Critical Review. Future Internet, 16 (11), 394. https://doi.org/10.3390/fi16110394
  26. Jasiulewicz-Kaczmarek, M., Legutko, S., Kluk, P. (2020). Maintenance 4.0 technologies – new opportunities for sustainability driven maintenance. Management and Production Engineering Review. https://doi.org/10.24425/mper.2020.133730
  27. Durlik, I., Miller, T., Kostecka, E., Tuński, T. (2024). Artificial Intelligence in Maritime Transportation: A Comprehensive Review of Safety and Risk Management Applications. Applied Sciences, 14 (18), 8420. https://doi.org/10.3390/app14188420
  28. Simion, D., Postolache, F., Fleacă, B., Fleacă, E. (2024). AI-Driven Predictive Maintenance in Modern Maritime Transport—Enhancing Operational Efficiency and Reliability. Applied Sciences, 14 (20), 9439. https://doi.org/10.3390/app14209439
  29. Yigin, B., Celik, M. (2024). A Prescriptive Model for Failure Analysis in Ship Machinery Monitoring Using Generative Adversarial Networks. Journal of Marine Science and Engineering, 12 (3), 493. https://doi.org/10.3390/jmse12030493
  30. Jimenez, V. J., Bouhmala, N., Gausdal, A. H. (2020). Developing a predictive maintenance model for vessel machinery. Journal of Ocean Engineering and Science, 5 (4), 358–386. https://doi.org/10.1016/j.joes.2020.03.003
  31. Mat Esa, M. A., Muhammad, M. (2023). Adoption of prescriptive analytics for naval vessels risk-based maintenance: A conceptual framework. Ocean Engineering, 278, 114409. https://doi.org/10.1016/j.oceaneng.2023.114409
  32. Koskina, Y., Onyshenko, S., Drozhzhyn, O., Melnyk, O. (2023). Efficiency of tramp fleet operating under the contracts of affreightment. Scientific Journal of Silesian University of Technology. Series Transport, 120, 137–149. https://doi.org/10.20858/sjsutst.2023.120.9
  33. Cheliotis, M., Lazakis, I., Theotokatos, G. (2020). Machine learning and data-driven fault detection for ship systems operations. Ocean Engineering, 216, 107968. https://doi.org/10.1016/j.oceaneng.2020.107968
  34. Onyshсhenko, S., Melnyk, O. (2021). Probabilistic Assessment Method of Hydrometeorological Conditions and their Impact on the Efficiency of Ship Operation. Journal of Engineering Science and Technology Review, 14 (6), 132–136. https://doi.org/10.25103/jestr.146.15
  35. Sagin, S. V., Semenov, O. V. (2016). Motor Oil Viscosity Stratification in Friction Units of Marine Diesel Motors. American Journal of Applied Sciences, 13 (2), 200–208. https://doi.org/10.3844/ajassp.2016.200.208
  36. Sagin, S. V., Solodovnikov, V. G. (2017). Estimation of operational properties of lubricant coolant liquids by optical methods. International Journal of Applied Engineering Research, 12 (19), 8380–8391. Available at: https://www.ripublication.com/ijaer17/ijaerv12n19_51.pdf
  37. Tong, S., Yanqiao, C., Yuan, Z. (2020). Fault prediction of marine diesel engine based on time series and support vector machine. 2020 International Conference on Intelligent Design (ICID), 75–81. https://doi.org/10.1109/icid52250.2020.00023
  38. Zhan, Y., Shi, Z., Liu, M. (2007). The Application of Support Vector Machines (SVM) to Fault Diagnosis of Marine Main Engine Cylinder Cover. IECON 2007 - 33rd Annual Conference of the IEEE Industrial Electronics Society, 3018–3022. https://doi.org/10.1109/iecon.2007.4459891
  39. Vychuzhanin, V., Rudnichenko, N., Shybaiev, D., Gritsuk, I., Boyko, V., Shybaieva, N. et al. (2018). Cognitive Model of the Internal Combustion Engine. SAE Technical Paper Series. https://doi.org/10.4271/2018-01-1738
  40. Melnyk, O., Onishchenko, O., Onyshchenko, S. (2023). Renewable Energy Concept Development and Application in Shipping Industry. Lex Portus, 9 (6). https://doi.org/10.26886/2524-101x.9.6.2023.2
  41. Golovan, A., Mateichyk, V., Gritsuk, I., Lavrov, A., Smieszek, M., Honcharuk, I., Volska, O. (2024). Enhancing Information Exchange in Ship Maintenance through Digital Twins and IoT: A Comprehensive Framework. Computers, 13 (10), 261. https://doi.org/10.3390/computers13100261
  42. Volyanskaya, Y., Volyanskiy, S., Onishchenko, O., Nykul, S. (2018). Analysis of possibilities for improving energy indicators of induction electric motors for propulsion complexes of autonomous floating vehicles. Eastern-European Journal of Enterprise Technologies, 2 (8 (92)), 25–32. https://doi.org/10.15587/1729-4061.2018.126144
  43. Vychuzhanin, V. V., Rudnichenko, N. R., Sagova, Z., Smieszek, M., Cherniavskyi, V. V., Golovan, A. I., Volodarets, M. V. (2020). Analysis and structuring diagnostic large volume data of technical condition of complex equipment in transport. IOP Conference Series: Materials Science and Engineering, 776 (1), 012049. https://doi.org/10.1088/1757-899x/776/1/012049
  44. Senova, A., Tobisova, A., Rozenberg, R. (2023). New Approaches to Project Risk Assessment Utilizing the Monte Carlo Method. Sustainability, 15 (2), 1006. https://doi.org/10.3390/su15021006
Алгоритмічне забезпечення та аналіз ефективності комплексного прескриптивного технічного обслуговування вантажних суден із використанням прогнозного моніторингу

##submission.downloads##

Опубліковано

2025-06-30

Як цитувати

Головань, А. І., Gritsuk, I., Вербовський, В. С., Кальченко, В. В., Грицук, Ю. В., Вербовський, О. В., Доценко, С. М., Лисих, А. Ю., Симоненко, Р. В., & Субочев, О. І. (2025). Алгоритмічне забезпечення та аналіз ефективності комплексного прескриптивного технічного обслуговування вантажних суден із використанням прогнозного моніторингу. Eastern-European Journal of Enterprise Technologies, 3(3 (135), 13–26. https://doi.org/10.15587/1729-4061.2025.331875

Номер

Том 3 № 3 (135) (2025): Процеси управління

Розділ

Процеси управління

Ліцензія

Авторське право (c) 2025 Andrii Holovan, Igor Gritsuk, Valerii Verbovskyi, Volodymyr Kalchenko, Yuriy Grytsuk, Oleksiy Verbovskiy, Serhii Dotsenko, Alla Lysykh, Roman Symonenko, Oleksandr Subochev

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.