CC BY
20
The article considers the main aspects of the organization of the service for monitoring the quality of cars in operation of the car assembly plant, and also proposes a generalized group of quality indicators for new cars in operation.
Key words: machine-building enterprise, competitiveness, quality, automotive components,
car.
Blagoveshchenskiy Dmitry Ivanovich, candidate of technical sciences, docent, director, dbla-gov1@yandex.ru, Russia, Tula, FBU «Tula CSM»,
Kozlovsky Vladimir Nikolaevich, doctor of technical sciences, professor, head of the department, Kozlovskiy-76@mail.ru, Russia, Samara, Samara State Technical University,
Vasin Sergey Alexandrovich, doctor of technical sciences, professor, vasin_sa53@mail.ru, Russia, Tula, Tula State University,
Antonova Natalya Alekseevna, applicant, Kozlovskiy-76@mail.ru, Russia, Samara, Samara State Technical University
УДК 681.586
DOI: 10.24412/2071-6168-2022-7-247-254
АНАЛИЗ МОДЕЛЕЙ ЭКСПЛУАТАЦИИ СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ С ДЕГРАДИРУЮЩИМ МЕТРОЛОГИЧЕСКИМ ОБЕСПЕЧЕНИЕМ
А.Я. Попенков, О.В. Фуфаева, Р.З. Хайруллин
Проведен анализ существующих моделей эксплуатации сложных технических систем с метрологическим обеспечением. Представлен подход к построению полумарковских моделей эксплуатации, позволяющий разрабатывать модели с произвольным количеством состояний. Дается построение модели эксплуатации сложной технической системы, имеющей четыре степени деградации. Построена зависимость стационарного коэффициента готовности от межповерочных интервалов средств измерений, входящих в различные группы деградации. Представленная модель может быть использована для классификации сложных технических систем с целью задания требований к их метрологическому обеспечению.
Ключевые слова: управление метрологическим обеспечением, модель эксплуатации, модель деградации, средства измерений.
Одним из основных показателей качества средств измерений (СИ) является метрологическая надежность (МН) - свойство СИ сохранять с течением времени метрологические характеристики (МХ) в пределах установленных норм [1-6]. МН определяется характером и темпом изменения нормируемых МХ. Чем выше показатели МН (вероятность работы без метрологического отказа, метрологический ресурс и т.д.), тем реже приходится поверять СИ, тем меньше риск использования неисправного СИ в течение межповерочного интервала (МПИ).
СИ в период эксплуатации могут подвергаться интенсивным, электромагнитным, электрическим, тепловым и другим воздействиям. Это является одной из причин проявления дегра-дационных процессов и снижения МН. Возможность обеспечения и поддержания требуемого уровня МН и готовности специальной техники (СТ) существенно зависит от степени ее деградации, от интенсивности эксплуатации и от качества обслуживания. Некоторые модели деградации СТ с метрологическим обеспечением, в том числе марковские модели, описаны в [5-7].
Для оценки эффективности СТ будем использовать коэффициент готовности. В соответствии с ГОСТ 27002-89 коэффициент готовности - вероятность застать образец СТ в произвольный момент времени в работоспособном состоянии. СТ в совокупности с входящими в нее подсистемами, в том числе системой метрологического обеспечения будем называть сложной технической системой (СТС). СТС обладают, как правило, некоторым уровнем "избыточности",
позволяющим накапливать соответствующее этому уровню количество отказов элементов, не приводящих к отказу системы в целом. Такие отказы относительно СТС будем называть неисправности. Для повышения надежности используется резервирование, а для управления избыточностью проводится обслуживание СТС, в рамках которого осуществляются контроль технического состояния системы и, в случае необходимости, текущий ремонт. Таким образом, поддерживается готовность системы к применению. Восстановление заключается в замене отказавшего элемента и в установке метрологического параметра в соответствующем поле допусков [5,6].
В статье проведен анализ существующих моделей эксплуатации СТ с метрологическим обеспечением [7-13]. С использованием результатов [14,15] разработана модель эксплуатации СТС, учитывающая 4 степени (группы) деградации СТС. Построена зависимость коэффициента готовности от продолжительности МПИ СИ, принадлежащих разным группам деградации. Представленная модель позволяет рассчитывать оптимальные значения МПИ для разных групп деградации, обеспечивающие требуемый уровень коэффициента готовности.
Анализ моделей эксплуатации сложных технических систем с метрологическим обеспечением. В [16] предложена полумарковская модель эксплуатации летательных аппаратов, которая насчитывается пять состояний: работоспособное состояние; периодические проверки работоспособного состояния; восстановление после возникновения действительных, ложных и скрытых отказов; состояние неработоспособности (в том числе скрытого отказа); состояние периодических проверок со скрытым отказом.
В модель управления эксплуатацией СТ с метрологическим обеспечением, разработанной Е.И. Сычевым [1,2], предлагается использовать шесть состояний. В [1,2] процесс эксплуатации моделируется более корректно. В отличие от [16], из четвертого состояния неработоспособности (в том числе скрытого отказа) отдельно выделено состояние необнаруженного отказа и обнаруженного отказа.
Приведем некоторые результаты дальнейшего развития модели [1,2]. Приведенные в [17] результаты анализа статистических данных показали, что наиболее подходящими законами для описания случайной величины - времени отказов различных видов СИ являются экспоненциальный закон, закон Релея, распределение Вейбулла и усеченное нормальное распределение. Расчетная формула для коэффициента готовности для произвольного закона распределения отказов [1,2,17] имеет вид:
Кг =- 1 + ТкВ
В1 + Тк\в +[ (Тк )]2 } +*К
В+ . 1 -р.
+ *В [ (Тк) + аВ]
где В = 1 - Р (Тк), I = (г), Р (г) - интегральная функция распределения времени отказа;
0
Р(Тк) - вероятность отказа за время между двумя проверками; Тк - интервал времени между двумя очередными проверками технического состояния; а - условная вероятность ложного отказа; р - условная вероятность необнаруженного отказа.
Продолжительность контроля (проверки технического состояния) и продолжительность восстановления (ремонта) являются детерминированными величинами, равными соответственно и *в .
Коэффициент готовности для экспоненциального закона распределения отказов имеет
вид [1,2]:
К.=-
1-
О-«,)}
1-р.
Для других законов аналитическое решение для Кг получить не удается: для закона
Релея интеграл I может быть вычислен численно или с помощью функции Лапласа, для закона Вейбулла - численно или с помощью гамма-функции, а для усеченного нормального распределения - численно или с помощью функции Лапласа.
На рис.1 представлены зависимости коэффициентов готовности К г от периодичности
контроля Тк для описанных выше законов распределения. Отметим, что максимальное значение
коэффициента Кг для каждого закона распределения достигается при некотором конечном
значении T^, отличном от нуля. Видно, что в достаточно широком диапазоне изменения T^ коэффициент готовности принимает значения, близкие к своему максимальному значению max Kг . В частности, при изменении межповерочного интервала T^ в диапазоне 25 < Tk < 60
изменение коэффициентаKf составляет не более 2-4%.
1
0,96 0,94 0,9Z 0,9 0,88 0,86 0,84 0,82 0,8
о го 40 во ео loo 1го
Рис. 1. Зависимости коэффициентов готовности Kf
от межповерочного интервала для различных законов распределения: закона Релея (1), нормального (2), экспоненциального (3) и закона Вейбулла (4)
Отметим некоторые особенности и ограничения модели [1,2]. Модель учитывает характерные особенности СМО СТС, но не учитывает безотказность самого СИ. В модели не учитывается составляющая эффективности технического обслуживания, определяемая обеспеченностью запасными частями и стратегией их пополнения. В модели предполагается идентичность восстановления СТС как после ложного отказа, так и действительного отказа.
На практике же после ложного отказа проводится повторный контроль по отказавшему техническому параметру, а после обнаруженного отказа производится восстановление системы, например, путем регулировки или замены неисправного элемента на исправный.
В модели [7,18], включающей уже семь состояний, устранены указанные выше особенности и ограничения. В [7,18] также учтена интенсивность эксплуатации.
Дальнейшим направлением развития моделей эксплуатации СТС является учет возможностей резервирования СИ и возможностей пополнения запасными частями и инструментами.
В [19] предложена модель процесса функционирования СТС с метрологическим обеспечением двукратно резервируемых СИ, позволяющая учитывать особенности технического обслуживания, связанные с возможностью обеспечения запасными частями, и учитывать разные стратегии пополнения запасных частей, инструментов и принадлежностей (ЗИП). В модели, учитывающей восемь состояний, предполагается: обнаружение отказов СИ происходит только во время поверки; ошибки в определении технического состояния СИ отсутствуют; элементы, находящиеся на хранении в ЗИП, не отказывают.
Отметим, что все проанализированные выше модели не позволяют учитывать состояния, отвечающие различным уровням деградации СТС (различным уровням ухудшения характеристик МН), приводящих к временным и ресурсным затратам, необходимым как для восстановления СТС и приведение в работоспособное состояние, так и для ликвидации последствий при отказах, авариях и катастрофах.
В [14,15] разработан новый подход к оценке влияния метрологического обеспечения на достижение целей эксплуатации СТС: строится граф с произвольным числом состояний, ребрам графа - возможным переходам состояний приписываются как вероятностные характеристики переходов (значения функций распределения или просто вероятности переходов), так и затраты, связанные с соответствующими переходами. В качестве состояний выбраны: исправное, неисправное, аварийное и катастрофическое. Представлены результаты исследования влияния объемов метрологического контроля различных состояний на эффективность применения объекта по назначению. В качестве критерия эффективности использовался как коэффициент готовности, так и технико-экономический показатель.
В настоящей работе применяется подход [14,15] для построения модели, учитывающей деградационные процессы, протекающие в СТС.
Модель эксплуатации сложных технических систем, учитывающая деградацион-ные процессы. Отнесение множества СТС к той или другой группе деградации проводится на основе структурно - функционального анализа показателей МН, видов отказов, последствий
отказов и т.д. Обозначим плотности вероятностей измеряемого параметра /о( х), а погрешности СИ fси (х) (рис. 2). Рассмотрим случай, когда плотности измеряемый параметр и погрешность СИ имеют нормальное распределение. СИ само может находиться в разных технических состояниях, которые характеризуются допуском на параметры СИ Д_ и Д+ (рис. 2).
Опишем случай измерения измеряемого параметра вблизи своей нижней допустимой границы. Предельные значения погрешности СИ при фиксировании нижней границе допуска 5_
обозначим 5_ и , а при верхней границе допуска обозначим 3_ и . Тогда вероятности
ложного отказа и необнаруженного отказа являются функциями от параметров 8__ , 5_. , д_ ,
К: Рло (К ^ РНО (£_ ).
В процессе эксплуатации СТС происходит его деградация, проявляющаяся в снижении метрологических характеристик. То есть сами величины Д_ и Д+ также могут меняться и выходить за пределы допуска , , , 8+. Если уход МХ невелик, то СТС сохраняет работоспособность, и еще возможно ее эксплуатация. Такое СИ отнесем к первой группе деградации.
По мере дальнейшего снижения МХ уход метрологических характеристик будет еще более сильным. Такие СТС будем относить ко второй, третьей и четвертой группе деградации. Отметим, что количество уровней деградации определяется множеством рассматриваемых типов и видов СТС, их характерными особенностями, а также конкретной решаемой задачей.
/,«й . ли)
5"
X, 5+
___;"г
Г 1 Л \ Г 1
\' I
2 1*5 1
О -0,5 -1
-I
■2,5
Рис. 2. К построению зависимости ложного и необнаруженного отказа от допусков
на контролируемые параметры
На рис. 3, а представлен граф с одним полностью исправным состоянием Е1 и четырьмя состояниями, соответствующими различным уровням деградации (неисправности): Е2, £3, £4
, £5. Выделим в классической модели [1,2] три части: исходное работоспособное состояние Е\, состояние отказа £2 и подраф, соответствующий функции контроля (выделен на рис. 3Ь прямоугольником С2). Тогда классическая модель может быть представлена как "последовательное соединение" Еи С2, Е2 [14,15]. Состояния подграфа: К3 - поверка отказавшего СИ, К4 - восстановление СИ, К5 - поверка работоспособного СИ, К6 - состояние необнаруженного отказа СИ.
Вероятностные характеристики перехода состояний такие же, как в классической модели [1,2].
Отметим, что если в графе рис. 3Ь полностью удалить подграф контроля и на ребрах оставшегося графа задать вероятностные характеристики, то получится простейшая модель, которая описывает процесс эксплуатации стрелкового орудия [6,7].
На рис. 3а обозначены: Е1 - полностью исправное состояние и четыре состояния, соответствующие различным уровням деградации СТС: Е2 - первая группа деградации (работоспособное состояние с незначительные отклонения нормированных МХ); Е3 - вторая группа деградации (состояние с некоторыми отклонениями МХ, из которого возможно возвращение в состояние Е1 с небольшими ресурсными затратами); Е4 - третья группа деградации (состояние, из которого возможно возвращение в состояние Е1 с затратами, связанными с достаточно ресурсоемким техническим обслуживанием); Е5 - четвертая "более тяжелая" группа деградации. По мере увеличения номера группы деградации возврат в состояние Е1 становится все более и более ресурсоемким.
Рис. 3. Графы и подграфы модели, позволяющей учитывать деградационные процессы: а - для контроля четырех состояний деградации; Ь - для контроля одного состояния
деградации (классическая модель)
«Присоединим» четыре системы метрологического контроля: С2, С3, С4, С5 между состоянием Е1 - полностью исправное и остальными четырьмя состояниями, аналогично изображенному на рис. 3а). ("веерное подключение"). Будем использовать соответствующие верхние индексы для вероятностных и детерминированных параметров модели каждой подсистемы, описывающей образцы СИ с разным уровнем деградации.
Тогда система уравнений Колмогорова [20], описывающая полумарковскую стационарную модель, примет вид:
= л4 + (1-а1)л5 +л2 + (1-а2)л2 +л4 + (1-аз)я5 +л4 + (1—а4)л4 л2 =У1Л1
л3 = (1-§1)4 +л6 л4 = (1—Р1 )^3 +а^5
л5 =[1—Т1]1
л6 =р1А3
2 с 1
А =УА\
л] = (1 — 5г)Аг +А6 л\ = (1—Р2) л32 + а2 л52 А2 =[1—У2 ]л1
А62 =Р2Л32
л23 = у3л1 +&2л22 Л33 = (1—¿,)л23 +л63
= (1—Р3)А +а3лА
А =[1 —У3 ]л1 л63 =Р2л33
4 с 3
л2 =У4л1 +^2
4 4 4 л3 =л2 +л6
л44 = (1—р4)л34 +а4л54
л54 =[1 —У4 ]л1 л64 =Р4л34
^6~И2"3 I/'6 "/у4/'3 (1)
Здесь а^, (1 = 2,3,4,5) - условная вероятность ложного отказа, р^ - условная вероятность необнаруженного отказа, у1 = р (Тк ), &у , (У = 1,2,3 ) - вероятности перехода из состояния деградации у в следующее, более тяжелое состояние у +1.
Исключим из (1) одно из уравнений (например, последнее уравнение) и вместо него добавим условие нормировки:
4 6
лх + 1 I л'у = Ь 1 =11 =2
Тогда полученная система линейных неоднородных уравнений будет иметь единственное решение.
Результаты моделирования. Исходные данные: общее количество состояний - 21, количество уровней деградации - 4. Предполагается, что по мере деградации СТС продолжительность поверки и время восстановления увеличиваются, а надежность уменьшается.
В качестве обобщенных параметров, характеризующих распределение объемов контроля, по группам деградации были выбраны продолжительности МПИ для каждой из четырех групп деградации. В результате расчетов была построена зависимость коэффициента готовности от МПИ:
Кг = Кг (ТЫ,Тък,4) (2)
и проведен анализ влияния МПИ Тк разных групп деградации (1 = 1,2,3,4) на коэффициент готовности.
Расчеты показали, что если в функции (2) зафиксировать три аргумента из четырех, например Т^ = с2, Т3 = с3, Т4 = с4, то зависимость коэффициента готовности К р от оставшейся переменной Т£ будет иметь вид, изображенной на рис. 1. Если же в функции (2) зафиксировать любые два аргумента из четырех (например т\ = с1 и Т2 = с2), то коэффициент готовности К г , как функции двух других аргументов, будет выпуклой кверху. На рис. 4 показан случай (= с1 и Т2 = с2) и К г = К г (с1, с2, тЗ, Т4) . Максимум коэффициента готовности Кр достигается в единственной внутренней точке.
по техническим состояниям Ез и Е4
Из рисунка видно, что максимальное значение коэффициента готовности достигается, если МПИ по четвертой группе деградации примерно в полтора - два раза меньше, чем по третьей группе.
Обсуждения результатов. Разработанная модель позволяет рассчитывать оптимальные продолжительности МПИ для СТС из разных групп деградации. Если оптимальные значения МПИ для некоторых групп деградации обеспечить на практике невозможно, то в (2) для этих групп следует задать "возможные" значения МПИ и рассчитать локально - оптимальные продолжительности МПИ для остальных групп деградации.
Представленная модель может быть использована для классификации сложных технических систем с целью задания требований к их метрологическому обеспечению. Модель также может быть использована для расчета технико-экономических показателей развития парка измерительной техники.
Заключение. Основные результаты работы состоят в следующем.
1. Проведен анализ моделей эксплуатации сложных технических систем с метрологическим обеспечением.
2. С применением нового научно-методического подхода [14,15] к построению стационарных полумарковских моделей эксплуатации специальной техники построена модель эксплуатации сложных технических систем, позволяющая учитывать деградационные процессы, проявляющиеся при эксплуатации сложных технических систем. Построенная модель может быть эффективно исследована с помощью стандартных алгоритмов и программ решения систем линейных алгебраических уравнений и градиентных методов поиска экстремума функции нескольких переменных.
3. Получено решение задачи о рациональном распределении объемов контроля (определении межповерочных интервалов) по техническим состояниям системы метрологического обеспечения специальной техники, характеризующимся разным уровнем деградации.
Список литературы
1. Сычев Е.И. Метрологическое обеспечение радиоэлектронной аппаратуры (методы анализа). М.: РИЦ «Татьянин день», 1994. 277 с.
2. Сычев Е.И., Храменков В.Н., Шкитин А.Д. Основы военной метрологии. М.: Военное издательство. 1993. 400 с.
3. Королик В.С., Турбин А.Ф. Полумарковские процессы и их приложения. Киев. Нау-кова думка. 1976. 236 с.
4. Герцбах И.Б. Модели профилактики. М.: Сов. Радио. 1969. 176 с.
5. Чернышова Т.И., Третьяков В.В. Математическое моделирование при анализе метрологической надежности аналоговых блоков информационно-измерительных систем // Вестник ТГТУ. 2014. Том 20. № 1. С. 42-49.
6. Викторова В.С., Лубков Н.В., Степанянц А.С. Анализ надежности отказоустойчивых управляющих вычислительных систем. Москва. ИПУ РАН. 2016. 117 с.
7. Мищенко В.И. Эволюция моделей процесса эксплуатации вооружения и военной техники. Вестник академии военных наук. № 4(05)/200. 2003.
8. Кравченко В.Ф., Луценко В.И., Масалов С.А., Пустовойт В.И. Анализ нестационарных сигналов и полей с использованием вложенных полумарковских процессов // Доклады академии наук. 2013. Т. 453. № 2. С. 151-154. DOI: 10.7868/S0869565213320108.
9. Мешалкин В.П., Бояринов Ю.Г. Полумарковские модели процессов функционирования сложных химико-технологических систем // Теоретические основы химической технологии. 2010. Т. 44. № 2. С. 198-204. DOI: 10.1134/S0040579510020090.
10. Глушко С. И., Бояринов Ю. Г. Полумарковские модели систем с нечеткими параметрами // Программные продукты и системы. 2012. № 2. С. 146-148. DOI: 10.15827/0236-235Х.
11. Кузнецов С. В. Математические модели процессов и систем технической эксплуатации авионики как марковские и полумарковские процессы // Научный вестник МГТУ ГА. 2015. № 213 (3). С. 28-33.
12. Козлов А.Ю. Модель полумарковского процесса функционирования мобильной системы видеонаблюдения (с реализацией в Matlab) // Известия высших учебных заведений. Поволжский регион. Технические науки. 2016. Вып. 1 (37). С. 40-55.
13. Пашковский А.И. Алгоритмы диагностирования дефектов на основе скрытых полумарковских моделей // Современные проблемы науки и образования: электронный журнал. 2014. № 6. [Злектронный ресурс] URL: http://science-education.ru/ru/article/view?id=16495 (дата обращения: 17.03.2021).
14. Попенков А.Я., Хайруллин Р.З. Новый подход к оценке влияния метрологического обеспечения на достижение целей эксплуатации специальной техники и объектов. XII Всероссийская научно - техническая конференция "Метрологическое обеспечение обороны и безопасности в Российской Федерации". М.: Поведники, 2018. 4 с.
15. Khayrullin R.Z., Popenkov A.J. Distribution of Controlling volumes of metrological support for the objectives of complex organizational and technical systems with the use of semi-Markov models. Proceedings of XI-th International Conference Management of Large-Scale System Development 2018, статья № 8551917. 5 p.
16. Волков Л.И. Управление эксплуатацией летательных аппаратов М.: Высшая школа, 1981. 368 с.
17. Хайруллин Р.З., Сафонов А.А. Полумарковская модель эксплуатации радиоизмерительной техники с метрологическим обеспечением. Научное обозрение, №19. 2017. С. 167-170.
18. Мищенко В.И. Комплексное обоснование требований к основным параметрам системы эксплуатации радиоэлектронных систем. Смоленск: ВУ войсковой ПВО ВС РФ, 1999. 176 с.
19. Мищенко В.И., Кравцов А.Н., Мамлеев Т.Ф. Полумарковская модель функционирования резервируемых средств измерений с учётом периодичности поверки // Измерительная техника. № 4, 2021. 22-27 с.
20. Вентцель Е.С. Исследование операций. М.: Советское радио, 1972. 552 с.
Попенков Андрей Яковлевич, канд. техн. наук, ведущий научный сотрудник, anyak@mail.ru, Россия, Мытищи, Главный научный метрологический центр Минобороны России,
Фуфаева Ольга Викторовна, научный сотрудник, fufaeva ov@mail.ru, Россия, Мытищи, Главный научный метрологический центр Минобороны России,
Хайруллин Рустам Зиннатуллович, д-р физ.-мат. наук, ведущий научный сотрудник, zrkzrk@list.ru, Россия, Мытищи, Главный научный метрологический центр Минобороны России
ANALYSIS OF MODELS OF OPERATION OF SPECIAL EQUIPMENT WITH DEGRADATION
METROLOGICAL SUPPORT
A.Ya. Popenkov, O.V. Fufaeva, R.Z. Khayrullin
The retrospective analysis of models of operation of special equipment with metrological support is carried out. The scientific approach to the construction of Markov and semi-Markov operation models is presented. The scientific approach allows developing models with an arbitrary number of states. Each state transition is characterized by both the probabilistic characteristics of the transition and the cost (loss) of the resource required_ for the corresponding state transition. The developed mathematical model makes it possible to assess the effectiveness of metrological support, to quickly _ form and analyze both the availability _ factor and the costs associated with metrological support. The presented model can be used to classify special equipment and objects in order to set requirements for their metrological support. The mathematical simulation results are presented.
Key words: management of metrological support, semi-Markov model of operation, degradation model, measuring instruments.
Popenkov Andrei Yakovlevich, candidate of technical sciences, leading researhcer, an-yak@mail.ru, Russia, Mytischi, Main Scientific Metrological Center of the Ministry of Defense of the Russian Federation,
Fufaeva Olga Viktorovna, researcher, _ fufaeva ov@mail.ru, Russia, Mytischi, Main Scientific Metrological Center of the Ministry of Defense of the Russian Federation,
Khayrullin Rustam Zinnatullovich, doctor of physical and mathematical sciences, leading researcher, zrkzrk@list.ru, Russia, Mytischi, Main Scientific Metrological Center of the Ministry of Defense of the Russian Federation
УДК 629.113
DOI: 10.24412/2071-6168-2022-7-254-262
РАЗРАБОТКА КОМПЛЕКСА ПОКАЗАТЕЛЕЙ КАЧЕСТВА СМК МАШИНОСТРОИТЕЛЬНОГО ПРЕДПРИЯТИЯ
Д.И. Благовещенский, В.Н. Козловский, С.А. Васин, Н.А. Антонова
В статье представлены результаты разработки обобщенного комплекса показателей качества системы менеджмента качества машиностроительного (автосборочного) предприятия.
Ключевые слова: машиностроительное предприятие, конкурентоспособность, качество, автомобильные компоненты, автомобиль.
Для оценивания деятельности подразделений автосборочного предприятия в области качества используется комплексная балльная оценка выполнения комплексных показателей качества (КПК), которую предлагается рассчитывать в автоматизированном режиме в корпоративной информационной системе (КИС) «Комплексная оценка подразделений по показателям качества» («КОППК»).
Балльная оценка выполнения каждого элементарного показателя, составных показателей и комплексная балльная оценка рассчитываются в КИС в соответствии с представленной методикой [1 ,2].
