Experımental Study of Metrologıcal Parameters of Qualıty Control

Full Text

Непрерывный контроль качества осуществляется посредством измерений и мониторинга и замены структурных схем графическими моделями современное измерительное оборудование, в том числе координатные метрологические приборы и оборудование, использовалось для контроля параметров измерений и технологических процессов [1-5]. В нашем исследовании программное обеспечение устройства построено по принципу модуля. Программное обеспечение позволяет указать вероятностные параметры продукта и необходимые параметры качества продукта. Результаты измерений, полученные с помощью мониторинга, используются для определения вероятностных параметров модели. Рассмотрим структурную схему процесса изготовления заготовок без учета дополнительных воздействий (рис. 1). Рис. 1. Структурная схема системы метрологического обеспечения и управления процессом производства заготовок Fig. 1. Block diagram of the system of metrological support and management of the billet production process Для построения графической модели общего процесса производства заготовок, схема на рис. 1 должна быть сначала описана как последовательная сопряженная блок-схема (рис. 2), далее в виде четырехполюсных и шестиполюсных, а также в виде соединения шестиполюсных. Рис. 2. Схема многополярного соединения системы метрологического обеспечения производства заготовок без каких-либо дополнительных эффектов Fig. 2. Scheme of a multipolar connection of the metrological support system for the production of blanks without any additional effects Затем, используя графы многополюсов, мы представляем графическую модель процесса производства заготовок на рис. 3. Таким образом, показана противосвязь между производителем и потребителем. Символы на рис. 3 указаны следующим образом: Pʹ11- вероятность брака из-за неточной информации; Pʹ22- вероятность возврата брака; Pʹ12- вероятность получения качественного продукта; Pʹ21- вероятность возврата брака из-за неисправности оборудования; Pʹос12, Pʹос21, Pʹос22, Pʹос11- вероятность параметров противосвязи между потребителем и производителем; Pʹг12, Pʹг21, Pʹг22, Pʹг11- вероятностные параметры, характеризующие уровень взаимодействия производителя с производственными процессами; Pʹн12, Pʹн21, Pʹн22, Pʹн11- параметры вероятности, характеризующие возможности взаимодействия потребителя с процессами. Рис. 3. Система метрологического обеспечения производственного процесса заготовок и графическая модель управления процессом Fig. 3. The system of metrological support of the production process of blanks and a graphical model of process control Возможность качественного выполнения производственных процессов заготовок в соответствии с правилами мезон могут быть представлены в виде выражений P∑П (1), вероятность некачественного выполнения процесса P∑0 (2): (1) Как видно, выражение не имеет контуров старшего порядка (силы), то есть оно линейное. Поэтому, в режиме статистики отклонений получены эти коэффициенты Pʹ11, Pʹ22, Pʹ12, Pʹ21, Pʹос12, Pʹос21, Pʹос22, Pʹос11, Pʹг12, Pʹг21, Pʹг22, Pʹг11, Pʹн12, Pʹн21, Pʹн22, Pʹн11 и выражения (1) и (2) отражают структурную и графическую схему предприятия. Общеизвестно, что важной характеристикой надежности сложной технической системы является ее готовность Kh. Этот коэффициент определяется как вероятность того, что система готова к работе в любое время. Найденные параметры вероятности позволяют установить коэффициент Kh готовности системы. С условием того, что анализ системы проводился в течение нормального периода эксплуатации, то есть закон экспоненциального распределения является справедливым. С учетом этого продолжительность работы до отклонения может быть установлена выражением (3) и коэффициентом готовности (4): (3) (4) После проведения корректирующих мероприятий вероятность качественных показателей рисовой продукции пересчитывается. Каждое предприятие, особенно машиностроительное предприятие производящее сложную продукцию, имеет множество технико-экономических показателей и может характеризоваться многомерными величинами. Результаты измерения многомерных величин всегда неопределенны [6-11]. Показано, что вероятностные параметры модели являются косвенными, поскольку они определяются параметрами, полученными с помощью непосредственных измерений. Вариация параметров приводит к изменению вероятностных параметров модели, что может привести к ошибкам и, следовательно, к ухудшению качества продукта. В соответствии с выражениями (3) и (4) разрешения параметров модели задаются выражением (5) Стандартные неопределенности типа AuA(Pʹ11)- uA(Pʹн33) определяются выражением (6) для результатов нескольких измерений, выполненных измерительными приборами на контрольных точках. Стандартные неопределенности типа BuB(Pʹ11)- uB(Pʹн33) определяются формулой (7): Здесь v- объем контролируемых опций. При θ(Pʹ11)- α= 0,95 пределы достоверности систематической неопределенности результатов измерений. Расчет входных параметров модели осуществлялся с помощью специальной программы, результаты расчета приведены в табл. 1. Таблица 1 Расчет параметров разрешений модели [Calculating Model Resolution Parameters] uA Значение параметра [Parameter value] uB Значение параметра [Parameter value] up uA(Pʹос11) 1,4∙10-5 uA(Pʹос11) 1,1∙10-7 2,1∙10-4 uA(Pʹ11) 1,3∙10-5 uA(Pʹ11) 1,1∙10-7 uA(Pʹ12) 5,4∙10-5 uA(Pʹ12) 1,1∙10-7 uA(Pʹ21) 1,3∙10-5 uA(Pʹ21) 1,1∙10-7 uA(Pʹ22) 1,5∙10-5 uA(Pʹ22) 1,1∙10-7 uA(Pʹh11) 1,4∙10-5 uA(Pʹh11) 1,1∙10-7 uA(Pʹh12) 1,8∙10-5 uA(Pʹh12) 1,1∙10-7 uA(Pʹh13) 10-3 uA(Pʹh13) 1,1∙10-7 uA(Pʹh31) 1,1∙10-3 uA(Pʹh31) 1,1∙10-7 uA(Pʹh23) 10-3 uA(Pʹh23) 1,1∙10-7 uA(Pʹос12) 0,9∙10-3 uA(Pʹос12) 1,1∙10-7 uA(Pʹос21) 10-3 uA(Pʹос21) 1,1∙10-7 uA(Pʹос22) 1,5∙10-6 uA(Pʹос22) 1,1∙10-7 uA(Pʹн11) 10-3 uA(Pʹн11) 1,1∙10-7 uA(Pʹн12) 1,2∙10-3 uA(Pʹн12) 1,1∙10-7 uA(Pʹн22) 1,5∙10-6 uA(Pʹн22) 1,1∙10-7 Оценки вероятностных параметров других моделей технологического процесса проводятся аналогично. Система метрологического обеспечения и схема управления структурой также представлены на рис. 4 с учетом дополнительного влияния на качество технологического процесса производства заготовок. Рис. 4. Система метрологического обеспечения и структура управления процессом с учетом дополнительных воздействий Fig. 4. Metrological support system and process control structure taking into account additional impacts Структурная схема, изображенная на рис. 4, может быть представлена в виде соединений, представленных на рис. 5. Здесь P*ос - блок противосвязи, P*пp, P*п и P*K - соответственно блоки производителя, потребителя и дополнительных воздействий, [P*] - блок процесса производства заготовок. Рис. 5. Система метрологического обеспечения и схема управления процессом многополярного соединения с учетом дополнительных воздействий Fig. 5. Metrological support system and control scheme of the multipolar connection process, taking into account additional influences В параметры модели поставлены во входе и выходе процесса мониторинга и на месте соединения блока P*K. Графический модель процесса указан на рис. 6 с учетом дополнительных воздействий. На рис.6 указаны P*11 вероятность отклонения из-за неточной информации, P*22 - вероятность возврата брака, P*12- вероятность производства продукции хорошего качества, P*21-вероятность возврата брака из-за неисправности оборудования, P*13, P*23, P*31, P*32, P*33- параметры вероятности воздействия комплектующих (поставщиков) на качество процесса производства заготовок, P*ос12, P*ос21, P*ос22, P*ос11- параметры вероятности противосвязи между потребителем и производителем; P*h12, P*h21, P*h22, P*h11, P*h13, P*h31, P*h23, P*h33- параметры вероятности характеризующие уровень взаимодействия производителя с производственными процессами; P*н12, P*н21, P*н22, P*н11, P*н13, P*н31, P*н23, P*н33- параметры вероятности, характеризующие возможности взаимодействия потребителя с процессами. Рис. 6. Графическая модель системы метрологического обеспечения с учетом дополнительных воздействий Fig. 6. Graphic model of the metrological support system taking into account additional influences Таким образом, вероятность качественного выполнения процесса производства сложных заготовок может быть выражена в виде P∑П (8), а вероятность некачественного выполнения процесса P∑О выражением (9): Подсчитан коэффициент подготовки с учетом параметры вероятности модели процесса и выражения (3) и (4): Kh= 0,9993. Анализируя полученные оценки, можно сделать вывод, что использование компонентов в технологическом процессе увеличивает вероятность отклонения и, следовательно, снижает вероятность качественного выполнения. Наибольшее влияние на качество технологических процессов оказывает получения заготовок является процесс закупок сырья и материалов. Поэтому следует уделять больше внимания управлению качеством и метрологическому обеспечению процесса закупок, и следует принимать специальные меры. Аналогичным образом можно оценить вероятные характеристики других технологических процессов производства машиностроительной продукции. Отметим, что мы намеренно исследовали более сложный технологический процесс производства заготовок, где также имеют место дополнительные воздействия и закупка комплектующих. В этом случае все S-параметры оцениваются по неопределенности, что приводит к изменению параметров вероятности модели. Метрологическая служба предприятия собирает и обрабатывает информацию о параметрах вероятностей и их изменениях, с учетом их определяются отклонения от номинала параметров вероятности модели. Таким образом, разрешение вероятности качественной продукции процесса производства заготовок и разрешение вероятности брака определяется выражением (10). Расчет стандартных неопределенностей A и B производится с использованием приведенных выше утверждений. Расчет стандартных неопределенностей непосредственных измерений и допущений параметров модели проводится в соответствии выражению (10). Допущения для вероятностных параметров моделей, построенных для всех других технологических процессов, определяются аналогично: Теперь давайте построим структурные и функциональные модели, подразделяя технологический процесс изготовления заготовок, и рассмотрим расчет вероятностных параметров модели метрологического обеспечения с учетом их влияния на качество продукции [12-19]. Структурная схема системы метрологического обеспечения с учетом влияния подпроцессов на качество изготовления заготовок представлена на рис. 7. Схему изображенную на рис. 7 можно представить в виде соединений указанных на рис. 8, здесь указаны нижеследующие процессы: [P(6)]- производство, [P(2)] - контроль качества, [P(3)]-измерения и мониторинг; [P(4)] - техническая подготовка производства и техническое снабжение; [P(5)]-производитель; [P(6)] - противосвязь. Рис. 8. Схема объединения многополярности системы метрологического обеспечения подпроцессов Fig. 8. Scheme of combining the multipolarity of the system metrological support of subprocesses Отметим, что система измерения и мониторинга [P(5)] размещена на выходе многополярности и позволяет контролировать все параметры четырехполюсника и шестиполюсника, указанных на рис. 3. Система включает в себя информационные подсистемы и собирает, обрабатывает, обобщает информацию о качестве продукции поступающих из всех подсистем и передает на высший уровень в управления качеством. Подсистема автоматизирует работу всех служб и подразделений предприятия и взаимодействует с единой базой данных. Пакет программного обеспечения состоит из двух основных частей: основного программного обеспечения процесса и программного продукта отслеживания. Программное обеспечение обеспечивает технический мониторинг входов от модуля основного разъема и измерительных приборов системы. Алгоритм идентификации технических параметров подпроцессов в автоматизированной системе показан на рис. 9. Графическая модель данного соединения показана на рис.10. Рис. 9. Алгоритм идентификации параметров посредством автоматизированной системы Pij Fig. 9. Algorithm for identifying parameters by automated system Pij Обозначения на рис. 10: параметры вероятности множества подпроцессов производственного блока: P11(1), P12(1), P21(1), P22(1), P31(1), P13(1), P32(1), P23(1), P33(1); параметры вероятности подпроцессов измерений и мониторинга: P11(2), P12(2), P21(2), P22(2); параметры вероятности подпроцессов технической подготовки производства: P11(3), P12(3), P21(3), P22(3); параметры вероятности подпроцессов технического снабжения: P11(4), P12(4), P21(4), P22(4); параметры вероятности подпроцессов потребительского блока: P11(5), P12(5), P21(5), P22(5), P31(5), P13(5), P32(5), P23(5), P33(5); параметры вероятности характеризующих противосвязь: P11(6), P12(6), P21(6), P22(6). Для графической модели, изображенной на рис. 10, вероятность качественного выброса может быть определена выражением (11) Стандартные неопределенности по типу А допусков к параметрам системы модели метрологического обеспечения определяются по результатам повторных измерений, полученных с помощью системы автоматизированных измерительных приборов. Стандартные неопределенности типа B рассчитываются с учетом данных, полученных в результате сравнения и калибровки измерительных приборов. При оценке допущений параметров модели нужно учитывать также связь корреляционные связи между параметрами P12(2), P12(3) и P21(2), P21(3) Коэффициент корреляции определяется при помощи выражения: (12) Допуски к параметрам модели могут быть определены выражениями (13) и (14), если доверительная вероятность составляет 0,95: (13) (14) Выводы Показано, что любые измеримые параметры качества продукции в процессе изготовления машины имеют соответствующую неопределенность. Поэтому необходимо проверить адекватность модели и определить вклад в измеряемые параметры. Предложена расширенная методология расчета неопределенности для оценки вклада в параметры модели в системе метрологического обеспечения продукта. Рассмотрена инвариантность методов оценки неопределенности по закону распределения, c учетом информации документов метрологической службы предприятия в ОАО «Сураханский машиностроительный завод» города Баку разработаны функциональные и структурные схемы управления производственными процессами и система метрологического обеспечения. На предприятии разработаны графические модели производственных процессов и система метрологического обеспечения и рассчитаны вероятностные параметры модели. При моделировании системы в виде S-графиков обоснована возможность постоянного контроля качества на предприятии без особых затрат. Результаты расчетов позволяют улучшить метрологическую инфраструктуру, снизить эксплуатационные расходы и повысить эффективность производственных процессов предприятия.

About the authors

Elchin B. Isgandarzada

Azerbaijan Technical University

Email: elchin.isgenderzade@gmail.com
Dr. Sci. (Eng.), Dr. Sci. (Phil.), professor; Head at the Department “Metrology and Standardization” Baku, Republic of Azerbaijan

G. S Valiyev

Azerbaijan Technical University

assistant Baku, Republic of Azerbaijan

Sh. V Ahmadli

Azerbaijan Technical University

assistant Baku, Republic of Azerbaijan

U. R Islamova

Azerbaijan Technical University

PhD Baku, Republic of Azerbaijan

References

Supplementary files