Автоматизация технического обслуживания парков строительной и дорожной техники с использованием цифровых двойников

<jats:p>Парк строительных и дорожных машин российских подрядных организаций сохраняет высокую долю техники с исчерпанным нормативным сроком службы, а планирование его обслуживания опирается на регламенты, привязанные к наработке. Бортовой контроль состояния и обмен данными на рабочих площадках нормированы действующими стандартами, однако процедура назначения периодичности воздействий по прогнозу остаточного ресурса не установлена, а количественного сопоставления стратегий обслуживания на уровне парка, а не отдельной машины, не выполнялось. Цель работы – измерить, что даёт переход от планово-предупредительного обслуживания к обслуживанию на цифровом двойнике парка, и разложить полученный прирост по источникам. Построена авторская имитационная модель годового цикла эксплуатации парка из 48 единиц землеройной и дорожной техники суммарной наработкой 68 270 мото-ч; потоки отказов пяти групп узлов описаны распределениями Вейбулла, годовой цикл воспроизведён методом Монте-Карло на 10 000 реализациях, вклады факторов выделены цепными подстановками. Расчёт дал прирост коэффициента технической готовности с 0,913 до 0,945 при снижении полных удельных затрат с 1 116,6 до 781,2 руб. на мото-ч. Доля внезапных отказов сократилась со 100 до 30,0%, среднегодовой простой в ремонте – со 135,3 до 82,2 ч на машину, что по парку эквивалентно высвобождению почти двух дополнительных единиц техники. Разложение прироста готовности выявило резкую асимметрию: растяжение межсервисных интервалов дало 0,0039 из 0,0322, распознавание деградаций – 0,0293. Прямые затраты на обслуживание при переходе от порогового контроля состояния к цифровому двойнику снизились лишь на 4,0%, весь остальной выигрыш сложился из сокращения потерь от простоя. Полученные соотношения означают, что ценность цифрового двойника парка создаётся перераспределением событий обслуживания во времени, а не оптимизацией самих регламентов, и определяется стоимостью часа простоя машины вместе с полнотой распознавания деградаций.</jats:p> <jats:p>The fleet of construction and road machinery operated by Russian contractors retains a high proportion of units that have exhausted their normative service life, while maintenance planning still relies on schedules tied to accumulated engine hours. On-board condition monitoring and worksite data exchange are covered by current standards, yet no procedure has been established for assigning maintenance intervals from a remaining useful life forecast, and no quantitative comparison of maintenance strategies has been carried out at fleet level rather than for a single machine. The purpose of the study is to measure what the transition from preventive scheduled maintenance to maintenance driven by a fleet digital twin actually yields, and to decompose the resulting gain by source. An original simulation model of the annual operating cycle was built for a fleet of 48 earthmoving and road machines with a total utilisation of 68,270 engine hours; failure flows of five component groups were described by Weibull distributions, the annual cycle was reproduced by the Monte Carlo method over 10,000 replications, and factor contributions were separated by chain substitution. The technical availability factor rose from 0.913 to 0.945 while full unit costs fell from 1,116.6 to 781.2 roubles per engine hour. The share of sudden failures decreased from 100 to 30.0 per cent and average annual repair downtime from 135.3 to 82.2 hours per machine, which for the fleet is equivalent to releasing almost two additional units. Decomposition revealed a pronounced asymmetry: extension of service intervals contributed 0.0039 of the total 0.0322, while degradation recognition contributed 0.0293. Direct maintenance costs fell by only 4.0 per cent when moving from threshold condition monitoring to the digital twin, the remaining gain being formed entirely by reduced downtime losses. The value of a fleet digital twin is therefore created by redistributing maintenance events in time rather than by optimising the schedules themselves, and it is governed by the hourly cost of machine downtime together with the completeness of degradation recognition.</jats:p>