Теоретико-методологічні засади впровадження інтелектуальних технологій у систему технічного сервісу колісних транспортних засобів
DOI:
https://doi.org/10.32515/2664-262X.2026.13(44).361-373Ключові слова:
інтелектуальні технології, технічний сервіс, колісні транспортні засоби, предиктивне обслуговування, цифрові двійники, машинне навчання, Інтернет речейАнотація
У статті здійснено комплексне дослідження теоретико-методологічних засад впровадження інтелектуальних технологій у систему технічного сервісу колісних транспортних засобів в умовах трансформації галузі та зростання ролі транспорту як критичної інфраструктури. Показано еволюцію підходів до технічного обслуговування – від реактивного ремонту та планово-попереджуваних регламентів до обслуговування за станом і прогностичного сервісу (Predictive Maintenance, PdM), що спирається на аналіз великих масивів даних, сенсорний моніторинг та алгоритми штучного інтелекту. Обґрунтовано, що ускладнення конструкції сучасних транспортних засобів, поширення електромобілів і підключених колісних транспортних засобів потребують переосмислення традиційних моделей ТОіР на основі нелінійної системної методології, розробленої вітчизняною науковою школою.
Проаналізовано сучасні зарубіжні та українські дослідження у сфері предиктивного обслуговування, цифрових двійників, IoT-архітектур, Explainable AI та правового регулювання штучного інтелекту. Показано, що фундаментальні напрацювання з польових та хвильових підходів до взаємодій транспортних підприємств створюють концептуальне підґрунтя для інтелектуалізації технічного сервісу, тоді як міжнародні інженерні розробки формують набір технологічних інструментів (ML/DL-моделі, цифрові двійники, edge-обчислення). Виявлено наукову прогалину між теоретичними моделями та прикладними рішеннями для української сервісної інфраструктури з урахуванням викликів воєнного стану, обмеженості сенсорної та цифрової інфраструктури, а також імплементації вимог EU AI Act.
Запропоновано концептуальну модель інтеграції інтелектуальних технологій у систему технічного сервісу, що включає підсистеми збору та обробки даних, аналітики на базі ML/DL, прийняття рішень, інтеграції з сервісними процесами та зворотного зв’язку з безперервним навчанням моделей. Сформульовано методологічні принципи побудови інтелектуальних сервісних систем з урахуванням вимог кібербезпеки, прозорості та пояснюваності рішень AI. Доведено, що впровадження запропонованої моделі здатне забезпечити зниження простоїв і витрат на ремонт, підвищення безпеки руху, продовження життєвого циклу транспортних засобів і розвиток ринку високотехнологічних сервісних послуг в Україні.
Посилання
Список літератури
1. Крівда В.В., Сакно О.П., Корніленко К.І. Огляд підходів до підвищення надійності та ефективності технічної експлуатації автотранспорту з урахуванням обґрунтованості інженерних рішень. Технічна інженерія. 2025. 1(95). DOI: https://doi.org/10.26642/ten-2025-1(95)-11-18
2. Науково-методичні засади реалізації змісту середньої спеціалізованої освітинаукового спрямування: методичний посібник / І.С. Волощук, Л.О. Калмикова, В.В. Мелешко, Н.М. Мирончук, П.О. Тадеєв, М.І. Тадеєва, О.С. Шуленок. Київ : Інститут обдарованої дитини НАПН України, 2024. 353 с.
3. Федотова І.В. Теоретико-методологічні засади управління життєздатністю підприємств автомобільного транспорту : дис. … д-ра екон. наук : 08.00.04 «Економіка та управління підприємствами (за видами економічної діяльності)» / Федотова І.В.; Український державний університет залізничного транспорту. Харків, 2020. 576 с.
4. A Comprehensive Review of Predictive Maintenance Technologies for Vehicle Reliability. 2025. DOI:10.1007/978-3-031-94937-1_5
5. Hachkevych A. Tools for adaptating Ukraine’s artificial intelligence ecosystem to meet European Union standards. Економічний часопис Східноєвропейського національного університету. 2024. № 1(22). DOI: 10.37772/2309-9275-2024-1(22)-2
6. Mahale Y., Kolhar Sh., More A.S. A comprehensive review on artificial intelligence driven predictive maintenance in vehicles: technologies, challenges and future research directions. SN Applied Sciences. 2025. Vol. 7, No. 4. P. 1–25. DOI: 10.1007/s42452-025-06681-3
7. Nagy J., Lakatos I. Predictive Maintenance and Predictive Repair of Road Vehicles-Opportunities, Limitations and Practical Applications. Engineering Proceedings. 2024. 79(1). Pp. 27–34. DOI: 10.3390/engproc2024079027
8. Poyda-Nosyk, N.; Bacho, R. Strategic Development Trends in the Automotive Industry of Ukraine. Eng. Proc. 2024, 79, 71. https://doi.org/10.3390/engproc2024079071
9. Press release: Smart maintenance using artificial intelligence. BMW Group Plant Regensburg. 2023. 27 URL: https://www.press.bmwgroup.com/global/article/detail/T0438145EN/smart-maintenance-using-artificial-intelligence
10. Rao N.S. AI-Driven Predictive Maintenance Using IoT in Automotive Manufacturing. International Journal of Science and Research Archive. 2025. Vol. 16, No. 2. DOI: 10.30574/ijsra.2025.16.2.2380 Smart maintenance using artificial intelligence : Press release. BMW Group. 27. Nov 2023. URL: https://www.press.bmwgroup.com/global/article/detail/T0438145EN/smart-maintenance-using-artificial-intelligence?language=en
References
1. Kryvda, V.V., Sakno, O.P., & Kornilenko, K.I. (2025). Review of approaches to increasing the reliability and efficiency of motor vehicle technical operation considering the substantiation of engineering solutions. Technical Engineering, 1(95). https://doi.org/10.26642/ten-2025-1(95)-11-18 [in Ukrainian].
2. Voloshchuk, I.S., Kalmykova, L.O., Meleshko, V.V., Myronchuk, N.M., Tadeiev, P.O., Tadeieva, M.I., & Shulenok, O.S. (2024). Scientific and methodological foundations for implementing the content of specialized secondary education of scientific orientation: A methodological guide. Kyiv: Institute of Gifted Child of the National Academy of Pedagogical Sciences of Ukraine. 353 p. [in Ukrainian].
3. Fedotova, I.V. (2020). Theoretical and methodological foundations of managing the viability of motor transport enterprises (Doctoral dissertation). Ukrainian State University of Railway Transport, Kharkiv. 576 p. [in Ukrainian].
4. A Comprehensive Review of Predictive Maintenance Technologies for Vehicle Reliability. (2025). https://doi.org/10.1007/978-3-031-94937-1_5
5. Hachkevych, A. (2024). Tools for adaptating Ukraine’s artificial intelligence ecosystem to meet European Union standards. Economic Journal of the Eastern European National University, 1(22). https://doi.org/10.37772/2309-9275-2024-1(22)-2
6. Mahale, Y., Kolhar, Sh., & More, A.S. (2025). A comprehensive review on artificial intelligence driven predictive maintenance in vehicles: technologies, challenges and future research directions. SN Applied Sciences, 7(4), 1–25. https://doi.org/10.1007/s42452-025-06681-3
7. Nagy, J., & Lakatos, I. (2024). Predictive maintenance and predictive repair of road vehicles: Opportunities, limitations and practical applications. Engineering Proceedings, 79(1), 27–34. https://doi.org/10.3390/engproc2024079027
8. Poyda-Nosyk, N., & Bacho, R. (2024). Strategic development trends in the automotive industry of Ukraine. Engineering Proceedings, 79, 71. https://doi.org/10.3390/engproc2024079071
9. BMW Group Plant Regensburg. (2023). Smart maintenance using artificial intelligence [Press release]. https://www.press.bmwgroup.com/global/article/detail/T0438145EN/smart-maintenance-using-artificial-intelligence
10. Rao, N.S. (2025). AI-driven predictive maintenance using IoT in automotive manufacturing. International Journal of Science and Research Archive, 16(2). https://doi.org/10.30574/ijsra.2025.16.2.2380
11. BMW Group. (2023, November 27). Smart maintenance using artificial intelligence [Press release]. https://www.press.bmwgroup.com/global/article/detail/T0438145EN/smart-maintenance-using-artificial-intelligence?language=en
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Є. Д. Ладиженський, П. В. Петленко, В. Г. Байцан, С. Г. Ковальов

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