https://ir.lib.vntu.edu.ua/handle/123456789/2036 Журнал публiкує новi теоретичнi та практичнi результати в галузі технiчних наук. Публiкуються також огляди сучасного стану важливих наукових проблем, огляди наукових конференцiй, якi вiдбулися у ВНТУ 2026-09-13T21:55:54Z https://ir.lib.vntu.edu.ua/handle/123456789/52448 Application of deep neural networks to automate production quality control in real time Yasenenko, V.; Ясененко, В. The purpose of the study was to investigate the impact of using deep neural networks on improving the efficiency of automated quality control in contemporary production. The analysis of the application of advanced technologies, such as computer vision, machine learning, and deep neural networks, to automate quality control processes in production conditions was carried out. Successful implementations of automated quality control systems at enterprises such as Bayerische Motoren Werke AG, Siemens, and Nikon were considered as practical examples. The data obtained confirmed that the use of convolutional neural networks for image and video processing, autoencoders, and generative conflicting networks provides high accuracy and speed in detecting defects. In particular, an increase in the accuracy of defect identification was recorded 80% to 95%, completeness – 85% to 92%, specificity – 90% to 98%. The speed of image and video processing increased fivefold – 5 minutes to 1 minute per unit of production, which significantly reduced the control cycle time. Improving the defect detection rate to 95% helped to reduce the cost of manual verification and minimise the impact of the human factor. The conducted comparative analysis confirmed that automated systems based on deep neural networks significantly outperform conventional methods of monitoring key performance metrics. The study also showed that the integration of such systems with data processing peripherals and cloud platforms provides high flexibility and scalability of production processes. The economic assessment showed a significant reduction in labour costs and the number of errors, and an increase in the overall productivity of enterprises using automated quality control systems. The results obtained can be used as practical recommendations for companies interested in implementing innovative approaches to product quality assurance.; Метою роботи було дослідити вплив використання глибоких нейронних мереж на підвищення ефективності автоматизованого контролю якості в умовах сучасного виробництва. Було проведено аналіз застосування сучасних технологій, таких як комп&039;ютерне зір, машинне навчання та глибокі нейронні мережі. В якості практичних прикладів були розглянуті успішні впровадження автоматизованих систем контролю якості на підприємствах, таких як «Bayerische Motoren Werke AG», «Siemens» та «Nikon». Отримані дані підтвердили, що застосування згорткових нейронних мереж для обробки зображень і відео, автоенкодерів та генеративних суперечливих мереж забезпечує високу точність і швидкодію виявлення дефектів. Зокрема, було зафіксовано підвищення точності ідентифікації дефектів з 80 % до 95 %, повноти – з 85 % до 92 %, специфічності – з 90 % до 98 %. Швидкість обробки зображень та відео зросла в п’ять разів – з 5 хвилин до 1 хвилини на одиницю продукції, що дозволило суттєво зменшити час циклу контролю. Удосконалення рівня виявлення дефектів до 95 % сприяло зниженню витрат на ручну перевірку та мінімізації впливу людського фактора. Проведений порівняльний аналіз підтвердив, що автоматизовані системи на основі глибоких нейронних мереж суттєво перевершують традиційні методи контролю за ключовими метриками ефективності. Дослідження також засвідчило, що інтеграція таких систем з периферійними пристроями обробки даних та хмарними платформами забезпечує високу гнучкість і масштабованість виробничих процесів. Економічна оцінка показала значне зниження трудових витрат і кількості помилок, а також зростання загальної продуктивності підприємств при використанні автоматизованих систем контролю якості. Отримані результати можуть бути використані як практичні рекомендації для компаній, зацікавлених у впровадженні інноваційних підходів до забезпечення якості продукції. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua/handle/123456789/52447 Use of artificial intelligence and machine learning for automated detection of methane emissions on satellite images Krauklit, G.; Краукліт, Г. The aim of this study was to analyse modern machine learning methods and their integration into the processing of satellite data for the automated detection of methane emission sources. The research examined such methods as convolutional neural networks (CNN), support vector machines (SVM), random forest (RF), and k-nearest neighbours (KNN). The main findings demonstrated the efficiency of CNNs in the automated analysis of satellite images, particularly their ability to detect spatial patterns characteristic of methane emission sources with high accuracy and resilience to noise. It was established that the implementation of this technology for monitoring in Azerbaijan confirmed its capability to promptly identify anthropogenic threats based on satellite imagery. Meanwhile, the SVM method, implemented in Python, achieved a classification result with a 90% probability in favour of methane emission presence. At the same time, the R-based programme successfully classified images into the categories “methane emissions” and “no methane emissions”, effectively enabling the localisation of emission sources. The random forest method also proved effective in identifying methane sources using spectral characteristics, vegetation indices, and temperature data satellite images. The R programme displayed the geographic distribution of methane sources, while the Python-based code validated the method’s effectiveness by processing an image of the city of Baku, identifying potential methane sources even at low concentrations. In turn, the KNN method showed potential in classifying pixels by spatial and spectral features, allowing for rapid detection of hazardous zones in new satellite images. The obtained results affirm the feasibility of integrating machine learning methods into satellite monitoring systems to ensure accurate, prompt, and automated detection of methane emission sources, which is a significant step towards enhancing environmental safety and effective natural resource management in Azerbaijan and beyond.; Метою цього дослідження був аналіз сучасних методів машинного навчання та їх інтеграція в обробку супутникових даних для автоматичного виявлення джерел викидів метану. У дослідженні розглянуто такі методи, як згорткові нейронні мережі (CNN), методи опорних векторів (SVM), випадковий ліс (RF) та k-найближчих сусідів (KNN). Основні результати продемонстрували ефективність CNN в автоматизованому аналізі супутникових знімків, зокрема їх здатність виявляти просторові закономірності, характерні для джерел викидів метану, з високою точністю та стійкістю до шуму. Було встановлено, що впровадження цієї технології для моніторингу в Азербайджані підтвердило її здатність оперативно виявляти антропогенні загрози на основі супутникових знімків. Тим часом метод SVM, реалізований на Python, досяг результату класифікації з 90 % ймовірністю на користь наявності викидів метану. Водночас програма на основі R успішно класифікувала зображення за категоріями «викиди метану» та «відсутність викидів метану», що ефективно дозволило локалізувати джерела викидів. Метод випадкового лісу також виявився ефективним у виявленні джерел метану за допомогою спектральних характеристик, індексів рослинності та даних про температуру із супутникових знімків. Програма R відобразила географічний розподіл джерел метану, тоді як код на основі Python підтвердив ефективність методу, обробивши зображення міста Баку, визначивши потенційні джерела метану навіть при низьких концентраціях. У свою чергу, метод KNN продемонстрував потенціал у класифікації пікселів за просторовими та спектральними ознаками, що дозволяє швидко виявляти небезпечні зони на нових супутникових знімках. Отримані результати підтвердили можливість інтеграції методів машинного навчання в системи супутникового моніторингу для забезпечення точного, оперативного та автоматизованого виявлення джерел викидів метану, що є значним кроком до підвищення екологічної безпеки та ефективного управління природними ресурсами в Азербайджані та за його межами. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua/handle/123456789/52446 Effectiveness of computer-based tyre modelling tools based on an embedded telemetry controller Bolhov, I.; Klyatchenko, Ya.; Болгов, І.; Клятченко, Я. Метою дослідження був аналіз ключових аспектів динаміки колісної техніки та оцінка ефективності застосування сучасних методів комп’ютерного моделювання в процесі проектування транспортних засобів. У роботі розглядались основні параметри, що впливали на роботу шин, зокрема сили, моменти, кут ковзання, вертикальне навантаження та взаємозв’язки між ними. Було обґрунтовано доцільність використання моделювання для забезпечення необхідного рівня зчеплення, керованості та комфортності під час керування транспортними засобами. Здійснено класифікацію існуючих моделей шин з поділом на емпіричні, напівемпіричні та фізичні моделі, наведено їх порівняльний аналіз, визначено переваги та обмеження кожного типу. Особливу увагу приділено «магічній формулі» моделі шин, яка використовується для визначення характеристик шин. В межах дослідження описано застосування цієї формули для створення наближених математичних моделей з використанням методу апроксимації кривих, що дозволяє точно описувати поведінку шин у різних умовах експлуатації. Окремо проаналізовано сучасні тенденції розвитку шинних моделей із залученням методів машинного навчання, які дають змогу автоматизувати процес підбору параметрів і підвищити точність моделювання. Показано, що комплексне використання методів машинного навчання й комп’ютерного моделювання здатне підвищити ефективність розробки шинної продукції та сприяти створенню інноваційних рішень у сфері колісної техніки. Практична цінність дослідження полягає у можливості впровадження запропонованих підходів для вдосконалення динамічних характеристик транспортних засобів та іншої колісної техніки, що потенційно призведе до зменшення кількості дороговартісних польових випробувань.; This study aimed to analyse key aspects of wheeled vehicle dynamics and to assess the effectiveness of modern computer modelling techniques in the vehicle design process. The research focused on the main parameters influencing tyre performance, including forces, moments, slip angle, vertical load, and their interrelations. The use of modelling was justified as a means of ensuring the required levels of grip, handling, and ride comfort during vehicle operation. Existing tyre models were classified into empirical, semi-empirical, and physical types, with a comparative analysis presented to highlight the advantages and limitations of each. Particular attention was given to the Magic Formula tyre model, which is widely used to characterise tyre behaviour. The study outlined the application of this formula in developing approximate mathematical models through curve-fitting methods, enabling accurate representation of tyre performance under various operating conditions. The research also examined current trends in tyre model development involving machine learning techniques, which facilitate parameter optimisation and improve modelling accuracy. It was demonstrated that the integrated use of machine learning and computer modelling methods can enhance tyre product development and support the creation of innovative solutions in the field of wheeled vehicles. The practical value of the research lies in the potential application of the proposed approaches to improve the dynamic characteristics of vehicles and other wheeled machinery, thereby reducing the need for costly field testing. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua/handle/123456789/52445 Modelling the impact of adaptive quarantine restrictions on the dynamics of the epidemic process Havrylchyk, L.; Гаврильчик, Л. Актуальність дослідження зумовлена необхідністю розробки ефективних стратегій управління епідеміями в умовах обмежених ресурсів. Метою роботи було оцінити ефективність адаптивних карантинних обмежень у стримуванні поширення COVID-19 та підходів до управління епідемічними процесами. Для досягнення цієї мети використано математичне моделювання динаміки епідемії залежно від різних сценаріїв карантинних заходів. У дослідженні проаналізовано вплив адаптивного карантину, запровадженого в Україні, який передбачав поділ регіонів на чотири зони: зелену, жовту, помаранчеву та червону, залежно від епідеміологічної ситуації, від мінімальних до повної заборони функціонування громадських закладів – залежно від епідеміологічної ситуації. Результати моделювання показали, що адаптивний карантин дозволяє зменшити загальну захворюваність на 35–50 %, скоротити тривалість пікових фаз на 20–30 % та знизити навантаження на систему охорони здоров’я. Сегментація територій за рівнем епідемічного ризику сприяла оптимізації соціально-економічних наслідків карантинних заходів, дозволяючи зберігати економічну активність у регіонах із кращою епідеміологічною ситуацією. Дослідження підтвердило, що адаптивний карантин є ефективним інструментом контролю над поширенням інфекції, забезпечуючи баланс між потребами охорони здоров’я та мінімізацією економічних втрат. Такий підхід рекомендується для використання в інших країнах, що стикаються з подібними викликами, оскільки він дозволяє ефективно управляти епідемією в умовах обмежених ресурсів та мінімізувати негативні наслідки для суспільства та економіки. Таким чином, отримані результати мають прикладне значення для формування політики охорони здоров’я в періоди епідемій. Математичне моделювання може стати основою для прогнозування розвитку захворюваності та прийняття оперативних рішень щодо посилення або пом’якшення карантинних обмежень. Застосування адаптивного підходу дозволяє враховувати регіональні особливості епідемічного процесу, підвищуючи гнучкість та ефективність управління. Це робить адаптивний карантин універсальним інструментом, здатним зменшити як медичні, так і соціально-економічні втрати під час епідемій.; The relevance of the study arises the need to develop effective strategies for epidemic management under conditions of limited resources. This study aimed to assess the effectiveness of adaptive quarantine restrictions in curbing the spread of COVID-19 and in shaping approaches to managing epidemic processes. To achieve the aim, mathematical modelling was employed to simulate the epidemic dynamics under different scenarios of quarantine measures. The study analysed the impact of the adaptive quarantine introduced in Ukraine, which divided regions into four zones – green, yellow, orange, and red – depending on the epidemiological situation, ranging minimal restrictions to the complete suspension of public institutions. The modelling results demonstrated that adaptive quarantine measures can reduce overall morbidity by 35%-50%, shorten the duration of peak phases by 20%-30%, and decrease the burden on the healthcare system. The territorial segmentation by epidemiological risk level contributed to optimising the socio-economic consequences of quarantine measures, allowing economic activity to be maintained in regions with more favourable epidemiological conditions. The study confirmed that adaptive quarantine is an effective tool for controlling the spread of infection, ensuring a balance between public health needs and the minimisation of economic losses. This approach is recommended for adoption in other countries facing similar challenges, as it enables effective epidemic management under resource constraints while reducing adverse impacts on society and the economy. The findings thus have practical significance for shaping health policy during epidemic periods. Mathematical modelling can serve as a basis for forecasting the development of morbidity and for making prompt decisions on the tightening or relaxation of quarantine restrictions. The use of an adaptive approach makes it possible to account for regional features of the epidemic process, thereby enhancing the flexibility and effectiveness of management. This renders adaptive quarantine a universal instrument capable of reducing both medical and socio-economic losses during epidemics. 2025-01-01T00:00:00Z