CC BY
6
05.02.22 ОРГАНИЗАЦИЯ ПРОИЗВОДСТВА (ПО ОТРАСЛЯМ)
(ТЕХНИЧЕСКИЕ НАУКИ)
INDUSTRIAL ENGINEERING
DOI: 10.33693/2313-223X-2021-8-2-87-93
Экспериментальное исследование метрологических параметров контроля качества
Э.Б. Искендерзаде ©, Г.С. Велиев ©, Ш.В. Ахмедли ©, У.Р. Исламова ©
Азербайджанский Технический Университет, Баку, Республика Азербайджан
E-mail: elchin.isgenderzade@gmail.com
Аннотация. В статье рассматривается рациональное использование всех видов ресурсов на предприятии; повышение качества управленческих решений; освоение инновационных технологий; повышение производительности труда; улучшение качества продукции; возможность непредсказуемой обработки и растраты продуктов с помощью моделей, построенных на использовании S-графиков, направленных на своевременное и качественное выполнение заказов. Оценка вероятных параметров модели системы метрологического обеспечения позволяет снизить затраты и время на управление процессами, снизить себестоимость продукции, а также эффективно распределить трудовые, материальные и финансовые ресурсы.
Ключевые слова: графические модели, координатная метрология, отклонения, показатели качества, система метрологического обеспечения, вероятностные параметры, алгоритм идентификации
ССЫЛКА НА СТАТЬЮ: Искендерзаде Э.Б., Велиев Г.С., Ахмедли Ш.В., Исламова У.Р. Экспериментальное исследование метрологических параметров контроля качества// Computational nanotechnology. 2021. Т.8. №2. С. 87-93. DOI: 10.33693/2313-223X-2021-8-2-87-93
DOI: 10.33693/2313-223X-2021-8-2-87-93
Experimental Study of Metrological Parameters of Quality Control
E.B. Isgandarzada ©, G.S. Valiyev ©, Sh.V. Ahmadli ©, U.R. Islamova ©
Azerbaijan Technical University, Baku, Republic of Azerbaijan
E-mail: elchin.isgenderzade@gmail.com
Abstract. The article discusses the rational use of all types of resources at the enterprise; improving the quality of management decisions; mastering innovative technologies; increasing labor productivity; improving product quality; the possibility of unpredictable processing and waste of products using models built on the use of S-charts, aimed at timely and high-quality order fulfillment. Estimation of the probable parameters of the model of the metrological support system allows to reduce the costs and time for process control, reduce the cost of production, as well as effectively distribute labor, material and financial resources.
Key words: graphic models, coordinate metrology, deviations, quality indicators, metrological support system, probabilistic parameters, identification algorithm
FOR CITATION: Isgandarzada E.B., Valiyev G.S., Ahmadli Sh.V., Islamova U.R. Experimental Study of Metrological Parameters of Quality Control. Computational Nanotechnology. 2021. Vol.8. No.2. Pp. 87-93. (InRuss.) DOI: 10.33693/2313-223X-2021-8-2-87-93
INTELLIGENT TECHNICAL SYSTEMS IN MANUFACTURING AND INDUSTRIAL PRACTICE
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 снача-
ла 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: Р^-вероятность брака из-за неточной информации; Р^2- вероятность возврата брака; Р^2- вероятность получения качественного продукта; Р'21- вероятность возврата брака из-за неисправности оборудования; Рос12, Рос21, Р'ос22, Р'ос11- вероятность параметров противосвязи между потребителем и производителем; Рг'12, Рг'21, Рг'22, Рг'11- вероятностные параметры, характеризующие уровень взаимодействия производителя с производственными процессами; Р^, Р^, Р'н22, Р'н11- 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 Р (1), вероятность некачественного выполнения процесса Р (2):
P12P12 (1 P33Poc:
Poc22P 33 "
'P33Poc12 "
' P33Poc21
) +
Pln =
+ P13Poc12P32 (1 P22P11 P22P 11 P12P 11P21P 22 )
1 _ P' P' --1 н22 11
P' P' -
гн11Г22
P'P' _ P' P' _ P' P' P' P' -гн 33 oc11 oc22 н33 н22 21 н1Г 12
P 33Poc12P 33P2 1 "
' P 23Poc11P 32P1 1 "
P22P 13Poc22P 31
(1)
P11 (l - P22P11 - P22P11 - P33Poc11 - Poc22P33 -
- Poc21Poc12 -P12P12P12P11 ) + P11Pн12Pн21 X (2)
x(1 -P11P22 - P 33Poc11 - P33Poc22 ) + P11P12P12P21 X X(l - P33Poc11 - Poc22P 33 - P 33Poc12P 33Poc21) + Ph13poc12ph33poc21ph 31 X x(1 -Ph22p1 1 - P22P11 ) + P 13P c12P 32P 21P 1P21 + P12P12P12 X
,_X P21P21P21 (1 - P33Poc11 - Poc22P33 - Pн33Poc12Pн33Poc21)_
1 - P22P1 1 - P11P22 - P 3 3Po c11 - Poc22P33 - P22P2 1P11P12 -- P33Poc12P33P2 1 - P23Poc11P33P1 1 - P22P 13Poc22PH31
Искендерзаде Э.Б., Велиев Г.С., Ахмедли Ш.В., Исламова У.Р.
Как видно, выражение не имеет контуров старшего порядка (силы), то есть оно линейное. Поэтому, в режиме статистики отклонений получены эти коэффициенты Р^, Р'22, Р'12,
Р' р' р' р' р' р' р' р' р' р' р' р' р'
21 ос12' ос21' ос22' ос11' г12' г21' г22 г11 н12' н21' н22' н11
и выражения (1) и (2) отражают структурную и графическую схему предприятия.
Общеизвестно, что важной характеристикой надежности сложной технической системы является ее готовность КЛ. Этот коэффициент определяется как вероятность того, что система готова к работе в любое время. Найденные параметры вероятности позволяют установить коэффициент К 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):
t
Таблица 1
lnPzn(t)'
t.
_t - tb lnpZn(t)'
(3)
(4)
После проведения корректирующих мероприятий вероятность качественных показателей рисовой продукции пере-считывается.
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 АиД(р'11)- ид(р'н33) определяются выражением (6) для результатов нескольких измерений, выполненных измерительными приборами на контрольных точках.
Стандартные неопределенности типа Вид(р'11)- ид(р'н33) определяются формулой (7):
Up =1,85х
г| ((рп)+(Pi))
UA (Pi'l)
Г! (( (Pen ) + "B (p)e21))
1
V -1
(P11 P11) +... + (P11 P11)
"B (Pi)
e(P11)
1,905.
Здесь V- объем контролируемых опций.
При 8(р11)- а= 0,95 пределы достоверности систематической неопределенности результатов измерений.
Расчет входных параметров модели осуществлялся с помощью специальной программы, результаты расчета приведены в табл. 1.
Расчет параметров разрешений модели [Calculating Model Resolution Parameters]
UA Значение параметра [Parameter value] UB Значение параметра [Parameter value] u p
"a^ocj 1,4-10-5 "a<p0c11) 1,M0-7
"APH) 1,3-10-5 "ap1i) 1,M0-7
5,4-10-5 1,M0-7
"a(p2i) 1,3-10-5 "a<p2i) 1,M0-7
"a<p22) 1,5-10-5 "a(p22) 1Д-10-7
"a<p;ii) 1,4^10-5 UA(Phl) 1,M0-7
1,8^10-5 "A<Phl2) 1,M0-7
10-3 1,M0-7 2,1^10-4
1Д-10-3 1,M0-7
UA(P'b23) 10-3 "A(P'b23) 1,M0-7
"АЫ 0>10-3 "a<p0c12) 1,M0-7
ua(poc21) 10-3 "a<p0c21) 1,M0-7
"a<p0c22) 1,5^10-6 "ap0c22) 1,M0-7
"Aphll) 10-3 "A(P',II) 1,M0-7
"aphj 1,2^10-3 1Д-10-7
1,5^10-6 "aP22) 1,M0-7
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.
(5)
(6) (7)
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 Pос - блок противосвязи, P^ P^ и P*K - соответственно блоки производителя, потребителя и дополнительных воздействий, [P *] - блок процесса производства заготовок.
к
h
х
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 Р*к. Графический модель процесса указан на рис. 6 с учетом дополнительных воздействий.
На рис.6 указаны Р' вероятность отклонения из-за неточной информации, Р 22 - вероятность возврата брака, Р ¡2- вероятность производства продукции хорошего качества, Р21-ве-роятность возврата брака из-за неисправности оборудования, Р 1з, Р*3, Р*1, Р32, Р33- параметры вероятности воздействия комплектующих (поставщиков) на качество процесса производства заготовок, Р ¡с12, Р ¡с21, Р *с22, Р ¡с11- параметры вероятности противосвязи между потребителем и производителем;
параметры вероятности характеризующие уровень взаимодействия производителя с производственными процессами; Р^2, Р*н21, Р*н22, Р*нП, Р^13, Рнз1, Рн23, Рнзз- параметры вероятности, характеризующие возможности взаимодействия потребителя с процессами.
P * p * p * p * p * p * p * p * .
h12> h21' h22> h11' h13' h31' h23' h33
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 Р (8), а вероятность некачественного выполнения процесса Р выражением (9):
р* Р* Р* 11 _ Р* Р* _ Р* Р* _ Р* Р* Р* Р* 1 + г12гн12гн12^ гн33гос11 гос22гн33 гн33'ос12,|и33гос12)т
Тп:
I p* p* p* /1 _ p* p* _ p* p* _ p* p* p* p* 1 I
T гн13гос12гh32 V н22 11 г22гн11 г12гн11г21гн22 / T
I p* p* p* p* p* (1 _ p* p* _ p* p* I
гн12г13гн33г23гн31 Vх гн33гос11 гос22гн33 )_
p* p* _ p* p* _ p* p* _ p* p* _ p* p* p* p*
н22 11 гн11г22 гн33гос11 гос22гн33 гг22г21гн11г12
г33гк33 г11гк33г31г11 г23г22г31гк33 г12г 22г32г к33г31г 11
р* И-р* О' _р* p' -p* p*p* p* -p* p* -p* p" p* p* _ Г.11 I J- гпгн22 г22гн11 г11г22г12г21 г33гк33 г13гк33г31г11
(8)
P =-10
x(1 _P11P32P 33P23 _P33P 33 _PH 33Poc11 _Poc22PH 33 _PH 33Poc12PH 33Po c21 ) +
+p31P13p32P31p2111 _P22p11 _p33Poc11 _Poc22p33 )_
1 _PH22P11 _PH11P22 _PH 33Poc11 _Poc22PH33 _ph22p21ph11p12 _ (9)
Подсчитан коэффициент подготовки с учетом параметры вероятности модели процесса и выражения (3) и (4): Кл= 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.
р'Р' _р~р~р~р~ _р-р-р-р- _р-р-р-р-р-р-33 к33 13 к33 31 11 г23г22г32гк33 г12г22г32гк33г31г11
Рис. 7. Структурная схема системы метрологического обеспечения подпроцессов Fig. 7. Block diagram of the metrological support system for subprocesses
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 А и В 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:
Up =1,85х
(10)
др
др,
Й (( (Pi )+U
р др'
'?) (( )+U
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: [р(6)]- производство, [р(2)] - контроль качества, [р(3)]-измерения и мониторинг; р(4)] - техническая подготовка производства и техническое снабжение; р(5)]-производитель; р(6)] - противосвязь.
[Р(6)]
[Р( 1)]
[Р(2>]
[Р(4)]
[Р(5)]
Рис. 8. Схема объединения многополярности системы метрологического обеспечения подпроцессов Fig. 8. Scheme of combining the multipolarity of the system metrological support of subprocesses
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.
F Единая база данныхЛ [Unified database] )
Связь с 1-м модулем
[Communication with the 1st module]
Связь с 2-м модулем
[Communication with the 2st module]
Связь с 3-м модулем
[Communication with the 3st module]
Связь с 4-м модулем
[Communication with the 4st module]
Связь с 5-м модулем
[Communication with the 5st module]
Связь с 6-м модулем
[Communication with the 6st module]
[P(1)] измерение [[P(1)] dimension]
[P(2)] измерение [[P(2)] dimension]
[P(3)] измерение [[P(3)] dimension]
[P(4)] измерение [[P(4)] dimension]
[P(5)] измерение [[P(5)] dimension]
[P(6)] измерение [[P(6)] dimension]
Отметим, что система измерения и мониторинга [р(5)] размещена на выходе многополярности и позволяет контролировать все параметры четырехполюсника и шестиполюс-ника, указанных на рис. 3.
Рис. 9. Алгоритм идентификации параметров посредством автоматизированной системы P. Fig. 9. Algorithm for identifying parameters by automated system P..
х
l PfJ l
P®
l PS ' P21 1 ,
p|i г 1 «
\ pin РЯ/
1 PS p(3| 12 pjS 1/
р'й
p(5) 12
РЙ
РЙ
Р'й
PS?
1 ри
P??
pu 1
p(5) 21
Рис. 10. Графическая модель системы метрологического обеспечения подпроцессов Fig. 10. Graphical model of the system metrological support of subprocesses
Обозначения на рис. 10:
• параметры вероятности множества подпроцессов производственного блока:
р (1) р (1) р (1) р (1) р (1) р (1) р (1) р (1) р (1). 11 ' 12 ' 21 ' 22 ' 31 ' 13 ' 32 ' 23 ' 33 '
• параметры вероятности подпроцессов измерений и мониторинга:
р (2) р (2) р (2) р (2). 11 12 21 22
• параметры вероятности подпроцессов технической подготовки производства:
р (3) р (3) р (3) р (3). 11 12 21 22
• параметры вероятности подпроцессов технического снабжения:
р (4) р (4) р (4) р (4). 11 12 21 22
• параметры вероятности подпроцессов потребительского блока:
р (5) р (5) р (5) р (5) р (5) р (5) р (5) р (5) р (5).
11 12 21 22 31 13 32 23 33
• параметры вероятности характеризующих противосвязь:
р (6) р (6) р (6) р (6) 11 12 21 22
Для графической модели, изображенной на рис. 10, вероятность качественного выброса может быть определена выражением
р(1)р(2)р(3)р(4)р(5)Л р(1)р(б))(-1 _ р(б)р(3)\ + 12 12 г12 12 г12 ^ _ р33 р11 ДА 22 г33 / +
+р^р^ _ рЗЧ^ _ р^)^ _ /2М+
+ р(1)р(2)р(3)р(2)р(1)(1 _ р(4)р(5))(.^ _ р(1)р(8))„
12 12 11 21 21 22 11 33 11
Х(1 _ р^) р1<з1)р1(2в)рз(25)(1 _ р^) _ р^рУ)
Рп =
(1 - PäW -
P(3)P(2) r11 22
)( -
P(3)P(4) 22 11
)(i - РЖ)
(11)
Коэффициент корреляции определяется при помощи выражения:
I
(12)
('-(-',(23') +((-Pi0) ((-P23')
Допуски к параметрам модели могут быть определены выражениями (13) и (14), если доверительная вероятность составляет 0,95:
U = 1,85.
¥= г
Т
дР'111 )
Л
dPl
,(2)
дРШ_ Tf dPn
(3)
^ (Pi+ uB №)) uc (P22% (P(3
+ ... +Y; (13)
dPl
(14)
dP^n Tf dP^n
dP2
,(2)
dP2
(3)
uc (22% C#2S3>)
х(1 _ рЗз1^ _ р2(26)рз(з3))(:^ _ рЗ^^).
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 В 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 р'^, р'3 и р'2), р'3)
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, с 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.
r
+
Литература
1. ИСО 9001-2008 «Системы менеджмента качества. Требования». М.: Стандартинформ, 2008. 26 с.
2. Гранатуров В.М. Организация, планирование и управление ме-трологиическим обеспечением. М.: Радио и связь, 2007. 184 с.
3. Пальчун Ю.А. и др. Математические модели систем менеджмента качества предприятий // Актуальные проблемы метрологии: Матер. междунар. научно-техн. конф. Новосибирск, 2014. С. 305-312.
4. Силаев М.А., Брянцев С.Ф. Приложение матриц и графов к анализу СВЧ-устройств. М.: Радио и связь, 2000. 128 с.
5. Isgandarzada E.B., Ahmadli Sh.V., Valiyev H.S. Complex shape detal's 3D-model's in the Hexagon Tigo SF 05.06.05 machine for metrolog-ical support PS DMIS CAD++ program performance // "Science and Education": Materials of the XII International Research and Practice Conference, July 1-2, 2016. Munich, Germany, 2016. Pp. 82-88.
6. ИСО 9004-4-1993 «Управление качеством и элементы системы качества». Ч. 4: Руководящие указания по улучшению качества.
7. Исикава К. Японские методы управления качеством / пер. с англ. М.: Экономика, 1998. 286 с.
8. Международные стандарты ИСО серии 9000 на системы качества: версии 2000. М.: Изд-во стандартов, 2005. 56 с.
9. Миттаг И., Ринне X. Статистические методы обеспечения качества / пер. с нем.; под. ред. Б.Н. Маркова. М.: Машиностроение, 2005. 340 с.
10. Осипов Ю.И. и др. Управление качеством в машиностроении. М.: Наука, 2009. 399 с.
11. ШиндовскийЭ., Шюрц О. Статистические методы управления качеством / пер. с англ. М.: Мир, 2006. 598 с.
12. Шонбергер Р. Японские методы управления производством / пер. с англ. М.: Экономика, 2008. 219 с.
13. Burhan F. Yavas. A comprasion on the quality perceptions of U.S. and firms the elektroniks industry // Management Int. Rev. 2005. Vol. 36. No. 2. Рр. 171-178.
14. Howland R. Testing a key part of manufacturing processing // Automation and Control. 2000. No. 7. Pp. 27-31.
15. Jaran J., Gruna F. Quality control: Handbook. New York, 2008. Pp. 54-56.
16. Quality street may be a dead end // Management Decis. 2004. Vol. 32. No. 5. Pp. 12-13.
17. Центральный научно-исследовательский институт машиностроения. URL: http://new.tsniimash.ru/main.php?id=127
18. Изд-во машиностроения. Журнал «Вестник машиностроения». URL: http://www.mashin.ru/
19. Вестник Южно-Уральского государственного университета. URL: http://vestnik.susu.ac.ru/
References
1. ISO 9001-2008 "Quality management systems. Requirements". Moscow: Standartinform, 2008. 26 p.
2. Granaturov V.M. Organization, planning and management of metrological support. Moscow: Radio and communication, 2007, 184 p.
3. Palchun Yu.A. and other Mathematical models of quality management systems of enterprises. Actual Problems of Metrology. Mater. Int. Scientific and Technical Conf. Novosibirsk, 2014. Pp. 305-312.
4. Silaev M.A., Bryantsev S.F. Application of matrices and graphs to the analysis of microwave devices. Moscow: Radio and communication, 2000. 128 p.
5. Isgandarzada E.B., Ahmadli Sh.V., Valiyev H.S. Complex shape detal's 3D-model's in the Hexagon Tigo SF 05.06.05 machine for metrological support PS DMIS CAD++ program performance. "Science and Education": Materials of the XII International Research and Practice Conference, July 1-2, 2016. Munich, Germany, 2016. Pp. 82-88.
6. ISO 9004-4-1993 "Quality management and elements of the quality system". Part 4: Guidelines for improving quality.
7. Ishikawa K. Japanese methods of quality management. Translit. from English. Moscow: Economics, 1998. 286 p.
8. International standards ISO 9000 series for quality systems: Version 2000. Moscow: Publishing House of Standards, 2005. 56 p.
9. Mittag I., Rinne X. Statistical methods of quality assurance. Translit. from Gem.; B.N. Markov (ed.). Moscow: Mashinostroenie, 2005. 340 p.
10. Osipov Yu.I. and other Quality management in mechanical engineering. Moscow: Nauka, 2009. 399 p.
11. Shindovsky E., Shyurtz O. Statistical methods of quality management. Translit. from English. Moscow: Mir, 2006. 598 p.
12. Schonberger R. Japanese methods of production management. Translit. from English. Moscow: Economics, 2008. 219 p.
13. Burhan F. Yavas. A comprasion on the quality perceptions of U.S. and firms the elektroniks industry. Management Int. Rev. 2005. Vol. 36. No. 2. Pp. 171-178.
14. Howland R. Testing a key part of manufacturing processing. Automation and Control. 2000. No. 7. Pp. 27-31.
15. Jaran J., Gruna F. Quality control: Handbook. New York, 2008. Pp. 54-56.
16. Quality street may be a dead end. Management Decis. 2004. Vol. 32. No. 5. Pp. 12-13.
17. Central Scientific Research Institute of Mechanical Engineering. URL: http://new.tsniimash.ru/main.php?id=127
18. Mechanical Engineering Publishing House. The Journal "Bulletin of Mechanical Engineering". URL: http://www.mashin.ru/
19. Bulletin of the South Ural State University. URL: http://vestnik.susu. ac.ru/
Статья проверена программой Антиплагиат
Статья поступила в редакцию 18.05.2021, принята к публикации 26.06.2021 The article was received on 18.05.2021, accepted for publication 26.06.2021
СВЕДЕНИЯ ОБ АВТОРАХ
Искендерзаде Эльчин Б., доктор технических наук, профессор; Лауреат Государственной Премии по литературе «Кызыл Келме», Заслуженный педагог Азербайджанской Республики, Почетный деятель культуры Азербайджанской Республики, Почетный ученый Европы, посол культуры UNESCO; заведующий кафедрой «Метрологии и стандартизации» Азербайджанского технического университета. Баку, Республика Азербайджан. https://orcid.org/0000-0003-2822-1000; E-mail:isgenderzadeh@rambler.ru
Велиев Г.С., докторант, ассистент, Азербайджанский Технический Университет. Баку, Республика Азербайджан. Ахмедли Ш.В., докторант, ассистент, Азербайджанский Технический Университет. Баку, Республика Азербайджан. https://orcid.org/0000-0001-8413-1267 Исламова У.Р., докторант, Азербайджанский Технический Университет. Баку, Республика Азербайджан. e-mail: elchin.isgenderzade@gmail.com
ABOUT THE AUTHORS
Elchin B. Isgandarzada, Dr. Sci. (Eng.), Dr. Sci. (Phil.), professor; Head at the Department "Metrology and Standardization" of the Azerbaijan Technical University. Baku, Republic of Azerbaijan. https://orcid.org/0000-0003-2822-1000; E-mail: elchin.isgenderzade@gmail.com G.S. Valiyev, PhD, assistant, Azerbaijan Technical University. Baku, Republic of Azerbaijan
Sh.V. Ahmadli, PhD, assistant, Azerbaijan Technical University. Baku, Republic of Azerbaijan. https://orcid.org/0000-0001-8413-1267
U.R. Islamova, PhD, Azerbaijan Technical University. Baku, Republic of Azerbaijan
