Показники ремонтної технологічності деталей шестеренного насоса модифікації НШ-К гідравлічної системи трактора

UKR: В роботі розглядаються питання з визначення показників ремонтної технологічності деталей шестеренного насоса, які впливають на коефіцієнт відновленності деталей, трудомісткості відновлювальних операцій і собівартості ремонту гідроагрегату. Поставлена мета досягається визначенням ймовірнісної оцінки технічного стану деталей качаючого вузла насоса, та врахуванням пристосованості їх конструкції і технології виготовлення до відновлення, складності ремонтного обладнання та економічної доцільності ремонту. Отримані результати показали, що показник ймовірності технічного стану деталей, які являються потребують ремонту,знаходиться в інтервалі 0,93…0,96. На ремонтну технологічність деталей, крім конструктивних особливостей, має вагомий вплив показник складності обладнання, який формує трудомісткість допоміжних операцій технологічного процесу. Резервом покращення показників ремонтної технологічності деталей слід вважати впровадження механізації виконання основних робі та використання прогресивних способів відновлення деталей.

ENG: The proposed methodology «NeuralRoutingNetwork» for the formation of professional and subject competencies of applicants for the degree of «bachelor» in the specialties «Computer Engineering», «Cybersecurity and Information Protection» when performing a course project in the discipline «Computer Networks»: 1) obtaining an idea of the organization of routing in modern computer networks based on the use of the created neural network tool; 2) compiling a configuration of a neural (fuzzy) network for determining routes in a computer network; 3) creating a model of a neural (fuzzy) network in accordance with the compiled structure using the selected neuropackage; 4) preparing samples for training and testing the created neural (fuzzy) network; 5) determining the optimal parameters of the created neural (fuzzy) network; 6) assessing the accuracy of determining routes in a computer network based on the created neural network tool.