Оптимізація стратегії підготовки боєприпасів для дій сучасної артилерії в комп’ютерному моделюванні

Автор(и)

  • Олександр Тимурович Тошев Національний Університет «Одеська Політехніка», Україна https://orcid.org/0009-0000-4093-2556
  • Катерина Григорівна Кіркопуло Національний університет «Одеська політехніка», Україна https://orcid.org/0000-0001-5570-5989
  • Олександр Андрійович Климчук Національний університет «Одеська політехніка», Україна https://orcid.org/0000-0002-5207-7259
  • Максим Максимович Максимов Науково-дослідний центр ЗСУ “Державний океанаріум” Інституту Військово-Морських Сил, Україна https://orcid.org/0000-0002-5626-5265

DOI:

https://doi.org/10.15587/2706-5448.2025.326225

Ключові слова:

комп’ютерне моделювання, артилерійські операції, стохастичні моделі, контроль якості, відбір приймального зразка

Анотація

Досвід сучасної війни, зокрема публічні звіти про російсько-український конфлікт, висвітлює значні зміни у військовій стратегії, тактиці та технології.

Велика залежність від артилерії та високий попит на снаряди створюють серйозні логістичні, стратегічні, та проблеми зберігання. Неякісні боєприпаси можуть знизити боєздатність, пошкодити техніку, поставити під загрозу операції та поставити під загрозу особовий склад, створивши каскад додаткових проблем.

Робота була направлена на дослідження ефективності та оптимізацію додаткової стратегії контролю якості та підготовки боєприпасів. При цьому увага була зосереджена на алгоритмах приймального відбору зразків для підтримки високої продуктивності при оптимізації ефективності перевірки. Було враховано непрактичність 100 % перевірки.

Дослідження розробляє та впроваджує спеціалізовані плани приймання вибірки, адаптовані до унікальних вимог до якості та експлуатаційних вимог кожного типу артилерійської місії. За допомогою ітераційних обчислень встановлюються оптимальні розміри вибірки та критерії прийняття, щоб відповідати заздалегідь визначеним рівням якості, мінімізуючи витрати ресурсів і час перевірки. Розроблені плани відбору побудовані таким чином, щоб збалансувати допустиму кількість дефектів та ефективність інспекції, гарантуючи, що боєприпаси високої якості розподіляються для виконання задач по знищенню цілей, тоді як для бойових задач з придушувальним вогнем розподіляються належним чином перевірені, але більші за обсягом партії боєприпасів.

Новий етап контролю якості можна додати до ігрових сценаріїв ARMA 3 або будь-яких інших комп’ютерних симуляцій, щоб показати, як приймальний відбір ефективно зменшує витрати, підвищує експлуатаційну безпеку та забезпечує готовність до артилерійських місій. Запропонована статистична система забезпечує надійний та адаптований підхід для інтеграції контролю якості щодо забезпечення боєприпасів для артилерії, забезпечуючи надійне постачання у важких бойових умовах.

Біографії авторів

Олександр Тимурович Тошев, Національний Університет «Одеська Політехніка»

Аспірант

Кафедра програмних і комп’ютерно-інтегрованих технологій

Катерина Григорівна Кіркопуло, Національний університет «Одеська політехніка»

Доктор філософії

Кафедра інформаційних технологій проєктування та дизайну

Олександр Андрійович Климчук, Національний університет «Одеська політехніка»

Доктор технічних наук

Кафедра теплових електростанцій та енергозберігаючих технологій

Максим Максимович Максимов, Науково-дослідний центр ЗСУ “Державний океанаріум” Інституту Військово-Морських Сил

Старший науковий співробітник

Посилання

  1. Świętochowski, N. (2023). Field Artillery in the defensive war of Ukraine 2022–2023. Part I. Combat potential, tasks and tactics. Scientific Journal of the Military University of Land Forces, 210 (4), 341–358. https://doi.org/10.5604/01.3001.0054.1631
  2. Graves, S. B., Murphy, D. C., Ringuest, J. L. (2000). Acceptance sampling and reliability: the tradeoff between component quality and redundancy. Computers & Industrial Engineering, 38 (1), 79–91. https://doi.org/10.1016/s0360-8352(00)00030-9
  3. Boltenkov, V., Brunetkin, O., Dobrynin, Y., Maksymova, O., Kuzmenko, V., Gultsov, P. et al. (2021). Devising a method for improving the efficiency of artillery shooting based on the Markov model. Eastern-European Journal of Enterprise Technologies, 6 (3 (114)), 6–17. https://doi.org/10.15587/1729-4061.2021.245854
  4. Brunetkin, O., Maksymov, M., Brunetkin, V., Maksymov, О., Dobrynin, Y., Kuzmenko, V., Gultsov, P. (2021). Development of the model and the method for determining the influence of the temperature of gunpowder gases in the gun barrel for explaining visualize of free carbon at shot. Eastern-European Journal of Enterprise Technologies, 4 (1 (112)), 41–53. https://doi.org/10.15587/1729-4061.2021.239150
  5. Brunetkin, O., Beglov, K., Brunetkin, V., Maksymov, О., Maksymova, O., Havaliukh, O., Demydenko, V. (2020). Construction of a method for representing an approximation model of an object as a set of linear differential models. Eastern-European Journal of Enterprise Technologies, 6 (2 (108)), 66–73. https://doi.org/10.15587/1729-4061.2020.220326
  6. Dobrynin, Y., Maksymov, M., Boltenkov, V. (2020). Development of a method for determining the wear of artillery barrels by acoustic fields of shots. Eastern-European Journal of Enterprise Technologies, 3 (5 (105)), 6–18. https://doi.org/10.15587/1729-4061.2020.206114
  7. Markov, D. (2024). Use of artillery fire support assets in the attrition approach in the Russia-Ukraine conflict. Environment. Technologies. Resources. Proceedings of the International Scientific and Practical Conference, 4, 178–182. https://doi.org/10.17770/etr2024vol4.8208
  8. Brunetkin, O., Dobrynin, Y., Maksymenko, A., Maksymova, O., Alyokhina, S. (2020). Inverse problem of the composition determination of combustion products for gaseous hydrocarbon fuel. Computational Thermal Sciences: An International Journal, 12 (6), 477–489. https://doi.org/10.1615/computthermalscien.2020034878
  9. Dobrynin, Y., Brunetkin, O., Maksymov, M., Maksymov, О. (2020). Constructing a method for solving the riccati equations to describe objects parameters in an analytical form. Eastern-European Journal of Enterprise Technologies, 3 (4 (105)), 20–26. https://doi.org/10.15587/1729-4061.2020.205107
  10. Fernández, A. J., Correa-Álvarez, C. D., Pericchi, L. R. (2020). Balancing producer and consumer risks in optimal attribute testing: A unified Bayesian/Frequentist design. European Journal of Operational Research, 286 (2), 576–587. https://doi.org/10.1016/j.ejor.2020.03.001
  11. Lukosch, H. K., Bekebrede, G., Kurapati, S., Lukosch, S. G. (2018). A Scientific Foundation of Simulation Games for the Analysis and Design of Complex Systems. Simulation & Gaming, 49 (3), 279–314. https://doi.org/10.1177/1046878118768858
Optimization of ammunition preparation strategies for modern artillery operations in computer simulation

##submission.downloads##

Опубліковано

2025-04-07

Як цитувати

Тошев, О. Т., Кіркопуло, К. Г., Климчук, О. А., & Максимов, М. М. (2025). Оптимізація стратегії підготовки боєприпасів для дій сучасної артилерії в комп’ютерному моделюванні. Technology Audit and Production Reserves, 2(2(82), 50–57. https://doi.org/10.15587/2706-5448.2025.326225

Номер

Розділ

Системи та процеси керування