Методологические основы решения задачи диагностики технического состояния промышленного оборудования

Для цитирования: Чесалов А.Ю. Методологические основы решения задачи диагностики технического состояния промышленного оборудования // Информационные технологии и вычислительные системы. – 2026. – №2. – С. 77 – 90. DOI 10.14357/20718632260208

***

Аннотация. Целью исследования являлась разработка и реализация методологических основ решения задачи диагностики технического состояния промышленного оборудования. В процессе исследования решались три задачи: разработка математической модели на основе теории свидетельств Демпстера–Шафера; изучение и улучшение механизмов многокритериального взвешивания свидетельств с учётом степени конфликта на основе расстояния Хеллингера; меры неопределённости на основе энтропии убеждений. В результате исследования разработана математическая модель диагностики технического состояния промышленного оборудования, алгоритм и его программная реализация. Произведена оценка работы модели на синтетических данных.

***

Methodological foundations for solving the problem of diagnosing the technical condition of industrial equipment

A.Yu. Chesalov

Atlansis Software LLC, Tver, Russia

Abstract. In today’s digital transformation of industrial enterprises, there is a growing need to develop automated predictive maintenance systems capable of effectively reducing data uncertainty and accurately predicting the failure time of industrial equipment, thereby preventing breakdowns and ensuring timely maintenance. The objective of this study is to develop and implement a methodological framework for solving the problem of diagnosing the technical condition of industrial equipment. Specifically, this includes developing a mathematical model based on the Dempster-Shafer evidence theory and studying and improving mechanisms for multi-criteria evidence weighting, taking into account the degree of conflict based on the Hellinger distance and an uncertainty measure based on belief entropy. The study resulted in the development of a mathematical model for diagnosing the technical condition of industrial equipment, an algorithm, and its software implementation, and an evaluation of the model’s performance using synthetic data.