Цель работы — создание прототипа системы адаптивного планирования ТО, позволяющей на основе анализа истории прогнозировать сроки и состав обслуживаний, а также вести учёт дефектов. Методы исследования: анализ литературы, математическое моделирование, объектно-ориентированное программирование (Java), экспериментальные испытания, оценка экономической эффективности. Результаты работы: Проведён анализ существующих методов планирования ТО. Обоснована необходимость создания адаптивного офлайн-решения. Разработана математическая модель адаптивного прогнозирования, на основе скользящего среднего, учитывающая типы техники (моточасы — для тракторов и комбайнов, пробег — для грузовых и легковых автомобилей). Создан механизм накопления плановых дефектов — некритические неисправности сохраняются и автоматически включаются в прогноз следующего ТО. Реализован прототип консольного приложения «System Auto Doctor (SAD)» на Java (JDK 21) с хранением данных в JSON. Приложение работает офлайн, поддерживает CRUD, учёт ТО, ведомость дефектов, прогноз на 2–3 ТО вперёд и разграничение прав. Проведена апробация на базе ООО «Победа» (18 ед. техники, 13 недель). Результаты: снижение простоев на 80% (4 ч против 20 ч), повышение точности прогноза (±2 дня против ±6 дней), рост выявляемых дефектов (7 против 3), сокращение трудозатрат механика на 75%. Оценена экономическая эффективность: годовая экономия — 369 860 руб. (≈20 550 руб./ед.), чистая прибыль — 344 860 руб., окупаемость — 10,5 месяцев, NPV — 941 265 руб., ROI — 114%. Научная новизна: адаптивная модель прогнозирования, на основе скользящего среднего; механизм накопления плановых дефектов; полностью офлайн-решение для сельхозпредприятий. Практическая значимость: система может быть внедрена в хозяйствах с парком до 50 единиц техники, обеспечивая снижение простоев, экономию на запчастях, прозрачный учёт и сокращение трудозатрат механика на 75%. Рекомендации: продукт рекомендуется к внедрению в сельхозпредприятиях Омутинского района и Тюменской области. Перспективы — мобильная версия, интеграция с GPS/ГЛОНАСС, машинное обучение.

The purpose of the work is to create a prototype of an adaptive maintenance planning system that makes it possible, based on historical analysis, to predict the timing and composition of services, as well as to keep records of defects. Research methods: literature analysis, mathematical modeling, object-oriented programming (Java), experimental tests, cost-effectiveness assessment. The results of the work: The analysis of existing methods of maintenance planning is carried out. The necessity of creating an adaptive offline solution is substantiated. A mathematical model of adaptive forecasting based on a moving average has been developed, taking into account the types of machinery (operating hours for tractors and combines, mileage for trucks). A mechanism has been created for the accumulation of planned defects — non-critical faults are saved and automatically included in the forecast of the next maintenance. A prototype of the console application "System Auto Doctor (SAD)" in Java (JDK 21) with data storage in JSON has been implemented. The application works offline, supports CRUD, maintenance accounting, a list of defects, a forecast for 2-3 maintenance ahead, and the differentiation of rights. Testing was carried out on the basis of Pobeda LLC (18 units of equipment, 13 weeks). The results were an 80% reduction in downtime (4 hours versus 20 hours), an increase in forecast accuracy (±2 days versus ±6 days), an increase in detected defects (7 versus 3), and a 75% reduction in mechanic labor costs. Economic efficiency was estimated: annual savings — 369,860 rubles (≈20,550 rubles/unit), net profit — 344,860 rubles, payback period — 10.5 months, NPV — 941,265 rubles, ROI — 114%. Scientific novelty: adaptive forecasting model based on a moving average; mechanism of accumulation of planned defects; fully offline solution for agricultural enterprises. Practical significance: the system can be implemented in farms with a fleet of up to 50 units of equipment, reducing downtime, saving on spare parts, transparent accounting and reducing mechanic labor costs by 75%. Recommendations: the product is recommended for implementation in agricultural enterprises of the Omutinsky district and the Tyumen region. Prospects — mobile version, integration with GPS/GLONASS, machine learning.