Методы теории принятия решений как способ повышения достоверности оценки состояния технических систем

   В работе рассматриваются методы технической диагностики, основанные на формировании правил принятия решений, которые связывают совокупность диагностических признаков с возможными состояниями объекта. Использование вероятностно-статистических методов позволяет принимать решения на основе вероятностей возникновения различных признаков. Исследование показывает, что выбор метода теории принятия решений зависит от конкретной проблемы. Метод Байеса выделяется своей эффективностью и простотой расчёта, что делает его популярным в различных отраслях для оценки технического состояния объектов. В то же время для систем с повышенной ответственностью, таких как системы безопасности, предпочтение отдаётся методу Вальда, который минимизирует риск и обеспечивает максимальную безопасность.

1. Костюков В. Н., Науменко А. П. Система контроля технического состояния машин возвратно-поступательного действия // Контроль. Диагностика. 2007. № 3. С. 50–58. EDN: HZEZYT.

2. Костюков В. Н., Науменко А. П. Система мониторинга технического состояния поршневых компрессоров нефтеперерабатывающих производств // Нефтепереработка и нефтехимия. Научно-технические достижения и передовой опыт. 2006. № 10. С. 38–47. EDN: HYODZL.

3. Дышлевский В. А. Причины отказов микроконтроллеров и способы повышения их безотказности // Научное сообщество студентов XXI столетия. Технические науки : сб. ст. по материалам XCVII Студ. Междунар. науч.-практ. конф. Новосибирск, 2021. С. 78–86. EDN: UWLQNY.

4. Болотин В. В. Ресурс машин и конструкций. Москва: Машиностроение, 1990. 447 c. ISBN 521-700-84-07.

5. Бардышев О. А., Попов В. А., Коровин С. К., Филин А. Н. Мониторинг технического состояния технических устройств на опасных производственных объектах // Безопасность труда в промышленности. 2020. № 1. С. 52–56. DOI: 10.24000/0409-2961-2020-1-52-56. EDN: MNYKJP.

6. Костюков В. Н., Науменко А. П. Влияние человеческого фактора на оценку вероятности пропуска отказа системой мониторинга // В мире неразрушающего контроля. 2016. Т. 19, № 1. С. 72–77. EDN: VOFJJL.

7. Костюков В. Н., Бойченко С. Н., Науменко А. П. [и др.]. Риски мониторинга оборудования топливно-энергетического комплекса // Новое в российской электроэнергетике. 2014. № 3. С. 30–44. EDN: TEMIYH.

8. Расследование аварии на ТЭЦ-3 АО «НТЭК» завершено // НКПРОМ. URL: https://nkprom.ru/news/norilsk-rassledovanie-avarii-na-tets-3-ao-ntek-zaversheno/ (дата обращения: 01. 09. 2024).

9. Решение Арбитражного суда Красноярского края от 12 февраля 2021 г. по делу N А33-27273/2020. URL: https://ohranatruda.ru/upload/medialibrary/1a2/Reshenie-po-delu-_-A33_27273_2020.pdf (дата обращения: 01. 09. 2024).

10. Акт технического расследования причин аварии, происшедшей 17 августа 2009 года в филиале Открытого Акционерного Общества «РусГидро» — «Саяно-Шушенская ГЭС имени П. С. Непорожнего». Москва: Ростехнадзор, 2009. 123 с.

11. Матевосян Г. А., Долгушина Л. В. Прогнозирование обстановки при аварийных ситуациях на Ачинском НПЗ // Мониторинг, моделирование и прогнозирование опасных природных явлений и чрезвычайных ситуаций : сб. материалов X Всерос. науч.-практ. конф. Железногорск, 2020. С. 151–154. EDN: RRCGHM.

12. ГОСТ Р 27.102–2021. Надёжность в технике. Надёжность объекта. Термины и определения. Введ. 01–01–2022. Москва: Российский институт стандартизации, 2021. 40 с.

13. Болдырев А. С. Основные понятия теории принятия решений // Вестник Санкт-Петербургского университета МВД России. 2013. Т. 57, № 1. С. 87–91. EDN: QBBEBL.

14. Кузнецов Ю. В. Проблемы теории и практики менеджмента. Санкт-Петербург: Санкт-Петербургский государственный университет, 1994. 206 с.

15. Fountzoula C., Aravossis K. Decision-making methods in the public sector during 2010–2020 : A systematic review, advances in operations research. 2022. P. 1–13. DOI: 10.1155/2022/1750672.

16. Ильинских Е. Н., Филатова Е. Н., Самойлов К. В. [и др.]. Применение алгоритма дерева решений для ранней дифференциальной диагностики между различными клиническими формами острого иксодового клещевого боррелиоза и клещевого энцефалита // Эпидемиология и инфекционные болезни. 2023. Т. 28, № 5. C. 275–288. DOI: 10.17816/EID601806. EDN: PBJRBT.

17. Вафин Р. Р., Динисламова Р. Р., Зулкарнеев Р. Х. Построение модели принятия врачебных решений для дифференциальной диагностики заболеваний в форме дерева решений // Информационные технологии интеллектуальной поддержки принятия решений : труды VII Всерос. науч. конф. Уфа, 2019. C. 255–260. EDN: AJERHR.

18. Ahmed S. Evaluation of serum ferritin for prediction of severity and mortality in COVID-19-A cross sectional study. Annals of Medicine and Surgery. 2021. Vol. 63. P. 102–163. DOI: 10.1016/j.amsu.2021.02.009.

19. Pfob A., Lu S. C., Sidey-Gibbons C. Machine learning in medicine: a practical introduction to techniques for data pre-processing, hyperparameter tuning, and model comparison. BMC Medical Research Methodology. 2022. Vol. 22, no. 1. P. 282. DOI: 10.1186/s12874-022-01758-8.

20. Ромодановский Д. П., Хохлов А. Л. Возможность прогнозирования результатов исследований биоэквивалентности на основе последовательного статистического анализа информативных факторов // Качественная клиническая практика. 2020. № 1. C. 80–98. DOI: 10.37489/2588-0519-2020-1-80-99. EDN: DTQTIU.

21. McNamara T. P., Chen X. Bayesian decision theory and navigation. Psychonomic Bulletin and Review. 2022. Vol. 29, no. 3. P. 721–752. DOI: 10.3758/s13423-021-01988-9.

22. Perera L. P., Carvalho J. P, Guedes Soares C. Fuzzy logic based decision making system for collision avoidance of ocean navigation under critical collision conditions. Journal of Marine Science and Technology. 2011. Vol. 16. P. 84–99. DOI: 10.1007/s00773-010-0106-x.

23. Дровникова И. Г., Золотых Е. С. Методический подход к оценке вероятности реализации сетевых атак на объектах информатизации органов внутренних дел // Вестник Воронежского института МВД России. 2023. № 4. С. 33–44. EDN: VONOPW.

24. Хохлова А. Е., Бакланова О. Е., Тезекпаева Ш. Т. Применение метода наивного Байеса при решении задачи фильтрации спама // Вестник ВКТУ. 2024. № 2. DOI: 10.51885/1561-4212_2024_2_210.

25. Hazra T., Anjaria K. Applications of game theory in deep learning: a survey. Multimedia Tools and Applications. 2022. Vol. 81. P. 8963–8994. DOI: 10.1007/s11042-022-12153-2.

26. Науменко А. П. Научно-методические основы вибродиагностического мониторинга поршневых машин в реальном времени : дисс. … д-ра техн. наук. Омск: Изд-во ОмГТУ, 2012. 423 с.

27. Костюков В. Н., Науменко А. П. Основы виброакустической диагностики и мониторинга машин. Омск: Изд-во ОмГТУ, 2011. 360 с. ISBN 978-5-8149-1101-8. EDN: QMHHFH.

28. Орлов А. И. Основные идеи контроллинга статистических методов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2025. № 210. С. 317–347. DOI: 10.21515/1990-4665-210-033. EDN: TBBTIC.

29. Кудрявцева И. С., Науменко А. П., Дышлевский В. А., Рольгейзер В. А. Вероятностно-статистические методы принятия решений: применение ROC-анализа в технической диагностике // Контроль. Диагностика. 2025. Т. 28, № 8 (326). С. 4–17. DOI: 10.14489/td.2025.08.pp.004-017. EDN: REQULO.

30. Кудрявцева И. С., Науменко А. П., Демин А. М., Одинец А. И. Вероятностно-статистический критерий оценки состояния по параметрам виброакустического сигнала // Динамика систем, механизмов и машин. 2019. Т. 7, № 2. С. 113–122. DOI: 10.25206/2310-9793-7-2-113-122. EDN: EYLIAI.

31. Демин А. М., Науменко А. П., Одинец А. И., Горчакова А. А. Оценка вероятностных ошибок контроля состояния теплообменного оборудования // Динамика систем, механизмов и машин. 2019. Т. 7, № 2. С. 95–103. DOI: 10.25206/2310-9793-7-2-95-103. EDN: KJPDXY.

32. Блягоз З. У., Попова А. Ю. Принятие решений в условиях риска и неопределенности // Вестник Адыгейского государственного университета. 2006. № 4. С. 164–168. EDN: KAOVEZ.

33. Fawcett T. An introduction to ROC analysis. Pattern Recognition Letters. 2006. Vol. 27, № 8. P. 861–874. DOI: 10.1016/j.patrec.2005.10.010.

34. Stehman S. V. Selecting and interpreting measures of thematicclassification accuracy. Remote Sensing of Environment. 1997. Vol. 62, № 1. P. 77–89. DOI: 10.1016/S0034-4257(97)00083-7.

35. Narayanan V., Arora I., Bhatia A. Fast and Accurate sentiment classification using an enhanced Naive Bayes Model. Lecture Notes in Computer Science. 2013. P. 194–201. DOI: 10.1007/978-3-642-41278-3_24.

36. Wu X., Kumar V., Quinlan J. R., Ghosh J. [et al.]. Top 10 algorithms in data mining. Knowledge and Information Systems. 2007. Vol. 14, № 1. P. 1–37. DOI: 10.1007/s10115-007-0114-2.

37. Malla C., Panigrahi I. Review of condition monitoring of rolling element bearing using vibration analysis and other techniques. Journal of Vibration Engineering and Technologies. 2019. Vol. 7. P. 407–414. DOI: 10.1007/s42417-019-00119-y.

38. Костюков В. Н. Разработка элементов теории, технологии и оборудования систем мониторинга агрегатов нефтехимических комплексов : автореф. дис. … д-ра техн. наук. Москва, 2001. 21 с.

39. Петрухин В. В., Петрухин С. В. Вибрация, вибродиагностика и … ЭЦН : монограф. Москва: Русайнс, 2022. 186 с. ISBN 978-5-466-01822-6. EDN: NKDSWO.

40. Dmitriev S. A., Khalyasmaa A. I. Power equipment technical state assessment principles. Applied Mechanics and Materials. 2014. Vol. 492. P. 531–535. DOI: 10.4028/www.scientific.net/AMM.492.531.

41. Кирдищев Д. В. Применение метода Байеса при выявлении дефектов топливной аппаратуры по виброакустическим характеристикам во время работы дизеля // Вестник Гомельского государственного технического университета им. П. О. Сухого. 2021. Т. 4, № 1. С. 92–99. EDN: MMINUO.

42. Губарев П. В., Шапшал А. С., Шабаев В. В. Распознавание диагнозов неисправности технической системы // Известия Тульского государственного университета. Технические науки. 2020. № 10. С. 322–326. EDN: OPXBXB.

43. Грунтович Н. В., Кирдищев Д. В. Применение метода Вальда при выявлении дефектов топливных форсунок дизеля // Проблемы энергообеспечения, автоматизации, информатизации и природопользования в АПК : сб. мат. Междунар. науч.-тех. конф. Брянск, 2023. С. 99–105. EDN: VHKJTG.

44. Чокой В. З. Инструменты принятия диагностических решений по объектам авиатехники в условиях неопределённости и риска // Crede Experto: транспорт, общество, образование, язык. 2016. № 2. С. 20–31. EDN: WAQOVB.

45. Ямалиев В. У., Мамалимова И. Р. Статистический подход при оценке технического состояния породоразрушающего инструмента // Материалы 47-й Всерос. науч.-техн. конф. молодых ученых, аспирантов и студентов с междунар. участием. Октябрьский: Уфимский государственный нефтяной технический университет, 2020. С. 712–715. EDN: OAYHED.

46. Марасанов В. В., Шарко А. О., Шарко О. В. Системная классификация критериев оценки технического состояния объектов по источникам акустических сигналов // Вестник Херсонского национального технического университета. 2016. Т. 56, № 1. С. 51–60. EDN: WBKHVD.