CC BY
0
FMEA-ANALYSIS OF THE ANTI-CORROSION COATING QUALITY A.D. Yankovskaya
The article deals with the issue of increasing the competitiveness of an organization by introducing the concept of risk-based thinking. For this purpose, the failure modes and effects analysis (FMEA) method is used. The results of the FMEA-analysis of the quality of the external anti-corrosion coating of pipeline fittings used for oil and gas transportation are presented. Measures to improve the adhesion of the anti-corrosion coating to steel are proposed.
Key words: risk-based thinking, FMEA-analysis, pipeline fittings, anti-corrosion coating, adhesion increase.
Yankovskaya Anna Dmitrievna, postgraduate, [email protected], Russia, Tula, Tula State University
УДК 519.24
DOI: 10.24412/2071-6168-2023-12-66-67
ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИЕ МЕТОДЫ И СРЕДСТВА УПРАВЛЕНИЯ КАЧЕСТВОМ И НАДЁЖНОСТЬЮ ВЫПУСКАЕМОЙ ПРОДУКЦИИ
В.Б. Афанасьев, Е.А. Калинин, В.А. Мамаев, В.М. Медведев
В статье приведены механизмы предотвращения отказов изделий в условиях опытного и мелкосерийного производства. Рассмотрено применение методов контроля качества с использованием результатов параметрического контроля продукции. Усовершенствован математический аппарат для более точной оценки надёжности, результативности доработок и моделирования технического состояния изделий.
Ключевые слова: параметрический контроль, обработка данных, малая выборка, контроль качества, оценка надёжности, результативность мероприятий.
Статья посвящена обмену опытом по управлению качеством и надёжностью выпускаемой продукции на предприятиях машиностроительной отрасли на основе внедрения цифровых технологий и развития статистических методов контроля.
Результативность системы менеджмента качества (СМК) предприятий России, производителей сложной, наукоёмкой техники, в первую очередь зависит от эффективности информационно-аналитических методов и средств, используемых для сбора и статистической обработки данных на этапах жизненного цикла (ЖЦ) продукции. Объединение предприятий России в вертикально-интегрированные структуры (ВИС) расширило информационное пространство каждого предприятия за счёт масштабирования производственных и управленческих процессов, что существенно усложнило задачи СМК. Таким образом, первоочередными задачами по внедрению на предприятиях ВИС методологии всеобщего менеджмента качества (Total Quality Management - TQM) являются проведение цифровой трансформацию информационного пространства СМК на основе технологии «CALS», а также применение статистических методов анализа данных полученных на ЖЦ продукции.
В процессе ЖЦ значительные объёмы информации о КиН продукции поступают от большого количества источников, на различных носителях и в разных информационных форматах (рис. 1).
Для обработки информации, поступающей в СМК предприятия, и внедрения статистических технологий анализа данных, в том числе и технологии «Биг Дата» автором разработана и реализована автоматизированная информационная система (АИС), включающая базу данных (БД), на основе документо-ориентированной, нереляционной системы управления БД MongoDB, а также интегрированных с (БД) аналитических программных продуктов на языке Python (Свидетельство о государственной регистрации № 2018620285) [1, 2]. АИС предназначена для информационной поддержки изделий на стадиях ЖЦ и обеспечивает сбор, обработку и хранение данных о качестве и надёжности изделий, в том числе данных о дефектности, отказах и результатах параметрического контроля (ПК) продукции. Стоит отметить, что технологии «Биг дата» на языке Python, в частности библиотеки «Pandas», «Statsmodel», «Scikit-Leam и «Scipy» предоставляют значительные возможности для модерирования и прогнозирования. Далее приведены примеры, показывающие возможности применения статистических методов на основе информации, собранной в БД, на уровне оценки качества изделий и на уровне исследования результатов ПК для предиктивного определения отказов с построением модели функции распределения отказов.
Для предотвращения отказов продукции в эксплуатирующих организациях следует обеспечить достоверный контроль качества на этапах ЖЦ продукции, разработку, по результатам контроля, и внедрение мероприятий для предотвращения причин отказов и дефектов, а также оперативную оценку эффективности этих мероприятий.
Методы статистической оценки качества и надёжности продукции начали внедряться в тридцатых годах прошлого века в США [3], что послужило стартом для активного развития современной классической теорию надёжности, основу которой составляют экспериментальные методы оценки. Наиболее значимой проблемой классических методов оценки качества и надёжности являются требования к объёмам испытаний и размерности выборок, которые должны обеспечивать репрезентативность статистических данных.
Основными показателями надежности изделий в машиностроительной отрасли являются вероятность безотказной работы за время применения P (для изделий однократного применения) и средняя наработка до отказа То (для изделий многократного применения). Задача состоит в получении соответствующих точечных оценок Р и То, а также их доверительных интервалов: [Рн;Рв],[То,н;То,в].
Потребитель 1-Ы
Отдел 1-М Поставщик 1-К
1к
11111
\Л/СЖО -ЕХСЕ1_ -РОГ -АБРЫ -РУ -ХМСО -
Данные параметрического контроля (настройка, тренировка, испытания)
Рис. 1. Формат и источники данных в СМК предприятия: АИ - акт исследования, АУР - акт удовлетворения рекламации, АВК - акт входного контроля, СОН - сообщение о неисправности, РА - рекламационный акт,
ТР - техническое решение
Так, например, требования к показателям надёжности в том числе к вероятности безотказной работы, на этапе применения, или коэффициенту готовности к применению после хранения для сложных наукоёмких изделий может иметь значение от 0,99 до 0,9999. В условиях необходимости подтверждения высоких значений показателей надёжности, требований установленных заказчиком, размерность необходимых для испытаний выборок может исчисляться десятками и даже сотнями образцов, при большой продолжительности испытаний, что делает проведение натурных испытаний методически и экономически невозможным.
Решение этой проблемы может быть основано на развитии технологии информационной поддержки изделий на этапах их ЖЦ и сборе статистических данных о качестве и надёжности с использованием рекомендованной выше АИС, что позволяет рассмотреть возможность применения новой версии расчётно-экспериментального метода (РЭМ) для оценки показателей надёжности. Данный метод основан на подробном исследовании ЖЦ изделия и его комплектующих, при этом на основе БД АИС производится интегрирование и систематизация первичной статистической информации по результатам мониторинга процессов производства и эксплуатации на этапах ЖЦ выпускаемой продукции, а также комплектующих составных частей. Полученные, таким образом, статистические данные о наработках и отказах партии изделий, в количестве К, в условиях различных воздействующих факторов (ВФ) (в количестве g), приводятся к эквивалентной наработке первоначально в нормальных (лабораторных) условиях (£н) и далее к условиям штатной эксплуатации (Тэ) с помощью коэффициентов влияния воздействующих факторов (Ку) и суммируются для рассматриваемой партии изделий.
^ = ; j = 1 ... & i = 1 ... К; (1)
и
Тэ=Ьн/Кэ , (2)
где Кэ - коэффициент влияния ВФ в условиях эксплуатации
Расчётное эквивалентное значение времени наработки для партии изделий разбивается на циклы, которые по продолжительности соответствуют времени штатной эксплуатации (применению по назначению) Тр, для которого рассчитывается значение ВБР. Количество циклов п соответственно определяется из соотношения: п= Тэ/Тр. В результате исходными данными для оценки показателей надёжности будут являться количество циклов штатной эксплуатации, проведённых на изделиях рассматриваемой партии, а также число отказов (дефектов) (к), зафиксированных и задокументированных за анализируемый период.
Точечные оценки ВБР, средней наработки на отказ, а также коэффициента дефектности определяться:
Р = 1 - к / п; То = Тэ / к; Ко = к / п. (3)
В том случае, когда суммарное время хранения не превышает назначенного срока службы, а число эксплуатационных циклов и время наработки, в расчёте на одно изделие существенно меньше назначенного ресурса, возможно не учитывать износ и старение изделий и, следовательно, исходить из условия однородности и независимости испытаний. В этом случае допустимо воспользоваться биномиальным распределением случайной величины к и определить нижней Рн и верхней Рв границ доверительного интервала вероятности безотказной работы решением уравнений Клоппера-Пирсона [3]:
^Тк^ * С1" Рн)г *РнП~1 = (1 " У)/2 (4)
¡Йп^Г)! * рв)г *РцП~1 = (1 _ У)/2 (5)
где у- доверительная вероятность, устанавливается по согласованию с заказчиком, обычно выбирается значение у > 0,8.
Оценка результативности доработок, проводимых с целью устранения причин имевших место отказов, повышения качества и надёжности продукции, может осуществляться на основе статистической информации как визуально-графическим способом, так и расчётно-аналитическим методом [1]. Основу визуально-графического способа составляет анализ актов исследования (АИ) отказов, которые изготовитель предоставляет потребителю вместе с отремонтированными изделиями. Эти документы содержат данные о причинах и признаки отказов, а также информацию о мероприятиях и мерах по их устранению. На основании анализа АИ отказы распределяются на группы по технологическим признакам. Данная работа проводится экспертной комиссией с участием наиболее опытных инженеров-разработчиков и сотрудников отдела надёжности, так как группировка отказов по технологическим признакам является сложной, нетривиальной задачей. Далее по каждой группе отказов проводится нанесение на ось времени информации о датах отказов, датах изготовления отказавших изделий, датах проведения мероприятий по устранению причин отказов. В результате получаем наглядную картину, отражающую результативность проведённых меро-
приятий. Наиболее часто встречающиеся при проведении визуально-графического анализа случаи приведены на рисунке 2.
Группа 1 - проведена одна доработка, причина отказов устранена, дефектные изделия выявлены в процессе проверок и не попали в эксплуатацию.
Группа 2 - проведена одна доработка, причина отказов устранена, однако продолжаются отказы изделий при хранении, поэтому вероятно обнаружение дефектных изделий при техническом обслуживании.
Группа 3 - проведено две доработки, результативность мероприятий будет оценена дополнительно по результатам эксплуатации.
Группа 4 - проведено две доработки, результативность не подтверждается
Техщчогачеоаш признак
4 ово а А х А •• А А X • А # А
3 ОАО О О А X о А О А А О А X А
2 0 0 9 19 О О А X * А А А
1 Ни »А • «I А X
2013 2014 2015 2016 2017 2018 2019 2020
Дата события
• - изготовление. А - отказ. X - реализация мероприятий Рис. 2. Визуально-графический метод анализа результативности доработок
Расчётно-аналитический метод оценки результативности доработок основан на выдвижении и рассмотрении гипотезы об уменьшении дефектности изделий по двум выборкам (до и после доработки) путём проверки идентичности параметров биномиального распределения [4]. В результате определяется вероятность того, что уменьшение числа дефектов является следствием проведённых доработок. Однако результаты исследований показывают, что в условиях малой выборки данный метод не является достаточно показательным [2].
Методы статистического анализа результаты ПК продукции могут эффективно использоваться для предиктивного предотвращения отказов начиная с этапа ЖЦ «разработка». Разработка новых изделий и усложнение (модернизация) существующих, требует выделения материальной базы для проведения испытаний на надёжность. Малые объемы производства опытных образцов приводят к невозможности выявления ряда дефектов, приводящих к образованию брака, предотвращение которого требует доработки конструкции. Конструктивные доработки в высокоответственных изделиях требуют значительных материальных и временных вложений, а также, в большинстве случаев, проведения дополнительных испытаний.
Известно, что процессы находятся в статистически управляемом состоянии, когда их вариабельность вызывается только случайными (общими) причинами. Таким образом, смещение математического ожидания измеренных параметров относительно предполагаемого значения, являющегося серединой полей допусков, свидетельствует о наличии влияния систематических факторов, одним из которых может являться скрытый конструктивный дефект в продукции. Если измеренное значение параметра находится «близко» к границе допуска, а его математическое ожидание имеет значительное смещение, то необходимо выявить возможные негативные тенденции.
Для решения задачи выявления скрытых дефектов на ранних этапах производства возможно применение стандартных статистических методов контроля и обработки данных, в том числе: метод гистограмм; контрольные карты Шухарта. На рисунке 3 показан пример с результатами анализа статистических показателей параметрического контроля коэффициента усиления К1 в неисправном канале. Значительное смещение гистограммы относительно среднего значения поля допуска коэффициента усиления К1 указывает на большую вероятность брака при производстве, вызванного действием случайных факторов. В результате дальнейших исследований был выявлен недостаток конструкции печатной платы. Таким образом, представленная методика на основе стандартных статистических методов позволяет организовать анализ результатов ПК изделия с целью выявления скрытых конструктивных и производственных дефектов.
Довольно часто, при использовании реальных производственных данных, применение стандартных теоретических распределений становится практически невозможным. В качестве примера проанализируем возникновение высокочастотной помехи в аппаратуре, для этого рассмотрим распределение случайной величины (СВ) «время включения» датчика, комплектующего элемента аппаратуры.
По результатам моделирования (на рисунке 4 это сплошная линяя) была выдвинута гипотеза о двухмо-дальном распределении признака «время включения», которое может быть представлено, например, в виде смеси двух распределений: g (х) = р^Сх) + р2/2(х), Р1 + Р2 = 1 . В качестве плотностей ДСх),/^) были использованы плотности гамма-распределения. Плотности /1(х),/2(х) имеют свои параметры к1,а1,к2,а2. Еще два параметра р1 и р2 определяют вероятность принадлежности результатов измерений времени поджига к одной из двух используемых гамма-распределений. С учетом связи р1 +р2 = 1 имеем пять параметров, подлежащих определению. Численное решение (красная линия) было получено путем подбора.
Полученные результаты позволили определить необходимое время задержки для исключения попадания в аппаратуру высокочастотной помехи. Кроме этого исследование причин возникновения двух экстремумов позволило усовершенствовать технологию замеров и фиксации параметра «время включения» датчика.
Тем не менее подбор функции распределения в каждом конкретном случае нецелесообразен и противоречит общей парадигме автоматизации процессов исследования [5]. Требуется обеспечить унификацию математиче-
ских инструментов. С этой целью рассмотрено и усовершенствовано трехпараметрическое гамма-распределение, рекомендуемое и используемое в ряде источников [6 - 8]. Использование трёх параметров, обеспечивает большую «гибкость» модели функции распределения при описании генеральной совокупности статистических данных. Плотность и функция п-распределения случайной величины X, принимающей положительные значения, с параметрами к>0, п>0, а>0 записываются соответственно [9]:
где у(-) - неполная нижняя гамма-функция, Г(-) - гамма-функция
f(x) =--(6)
' 4 ' паГ(к) у '
и
F(x) = F(x,k,n,a) = у (к, (§)nj/r (fc), (7)
K1
12
g в
■ НОН. Im.I- и ДОП
■ Частота
^ J?" ^ ¿Р ¿5* ¿Р J& ^ jf ^
Of о
v v V V
KapwaH
Рис. 3. Гистограмма значений результатов измерений коэффициента усиления К1 в установленном поле допуска
Рис. 4. Теоретическое и практическое распределение СВ «время включения» датчика
Симметричное семейство ^-распределений случайной величины Т, принимающей произвольные действительные значения, с параметрами k>0, m, а>0 задаётся плотностью распределения:
g(t) ^ ^ (8)
и имеет функцию распределения:
G(t)=i(l + F(jt-mj)), t>m (9)
и
i,
=|(1 при К т. (10)
Сравним результаты обработки данных, поступающих с исследуемых датчиков. Имеется 4 набора случайных величин: «захват на моде», «напряжение», «потери», «селективность». Параметры теоретических распределений определялись с помощью обобщенного метода наименьших квадратов. В качестве оптимизируемого функционала использовалась сумма абсолютных отклонений теоретической функции распределения от эмпирической функции распределения:
Д=^а,|^мп(*г)--Ртеор(*;)1 . (11)
Результаты сравнения ^-распределений с классическими распределениями приведены в таблице.
Результаты сравнения распределений
№ Теоретическое распределение Оптимальные значения функционала R
Захват на моде Напряжение Потери Селективность
1 Нормальное 1,8396 1,2059 1,9437 4,0972
2 Симметричное n-распределение 1,3240 1,1885 1,9379 4,0820
3 Распределение Вейбулла 2,1064 1,4737 2,9364 4,2052
4 Гамма-распределение 1,1613 0,5370 1,7384 3,0768
5 П-распределение 1,1580 0,5356 1,7361 2,9542
Таблица показывает, что ^-распределения более точно характеризуют распределения случайных величин, что позволяет построить более точную модель функционирования изделия (цифрового двойника) и, соответственно, повысить отказоустойчивость изделий.
Таким образом, в ходе реализации мероприятий, направленных на повышение качества и надёжности продукции, получены следующие результаты [10]:
- Разработана и протестирована методика, позволяющая организовать статистический контроль параметров изделия с целью выявления скрытых конструктивных дефектов.
- Усовершенствовано и применено семейство ^-распределений для расширения возможностей статистической оценки результатов ПК, а также разработан метод исследования гистограмм СВ с признаками двухмодально-го распределения.
Результаты работы могут быть использованы на предприятиях промышленности при проведении работ по повышению качества и надёжности изделий.
Список литературы
1. Wu C.M., Huang Y.F., Lee J. Comparisons between mongodb and ms-sql databases on the twc web-site//American Journal of Software Engineering and Applications. 2015. Т. 4. №. 2. С. 35-41.
2. Афанасьев В.Б., Воробьев Т. К., Мамаев В. А., Медведев В. М., Тихменев Н. В. Автоматизация процесса анализа отказов, оценки надежности и эффективности доработок изделий // Вестник Концерна ВКО «Алмаз -Антей». 2021. № 1. С. 76-84.
3. Clopper C., Pearson E.S. The use of confidence of fiducial limits illustrated in the case of the binomial. Bio-metrika. 1934. 26 (4). P. 404-413.
4. Сухорученков Б.И. Анализ малой выборки. Прикладные статистические методы. М.: Вузовская книга, 2010. 384 с.
5. Григорович В.Г., Козочкин Д.А., Юдин С.В., Шильдин В.В., Кершенбаум В.Я. Информационно-статистические методы в технологии машиностроения. М., 2020.
6. Озорин Д.Ф. Применение трипараметрического гамма - распределения в форме Крицкого-Менкеля для определения вероятностных гидрологических характеристик малых рек // Альтернативная энергетика и экология. 2012.
7. Орлов А.И. Эконометрика: Учебник для вузов. М.: Изд. «Экзамен», 2004. 576 с.
8. Новицкий П.В., Зограф И.А. Оценка погрешностей результатов измерений. Л.: Энергоатомиздат. Ле-нингр. отд-ние, 1985. 248 с.
9. Афанасьев В.Б., Медведев В.М., Остапенко С.Н., Рязанский В.П. Совершенствование статистических методов исследования в системе управления качеством и надёжностью продукции предприятия // Известия Тульского государственного университета. 2021. Вып. 6. С. 294 -302.
10. Афанасьев В.Б. Методы и средства обеспечения качества и надёжности продукции предприятия интегрированной структуры оборонно-промышленного комплекса: автореф. ... дис. канд. тех. наук: 2.5.22 / Афанасьев Виктор Борисович; науч. рук. д.т.н. С.Н. Остапенко; Научно-образовательный центр ВКО «Алмаз-Антей» им. академика В.П. Ефремова. Москва, 2022. 18 с.
Афанасьев Виктор Борисович, канд. техн. наук, начальник отдела надёжности, [email protected], Россия, Москва, АО «ГосНИИП»,
Калинин Евгений Александрович, начальник сектора, Россия, Москва, АО «ГосНИИП»,
Мамаев Владимир Алексеевич, ведущий инженер-математик, [email protected], Россия, Москва, АО «ГосНИИП»,
Медведев Владимир Михайлович, д-р техн. наук, профессор, генеральный директор, [email protected], Россия, Москва, АО «ГосНИИП»
DATA ANALYSIS METHODS AND TOOLS FOR MANAGING QUALITY AND RELIABILITY OF MANUFACTURED
PRODUCTS
V.B. Afanasiev, E.A. Kalinin, V.A. Mamaev, V.M. Medvedev
The article discusses the tools intended to prevent product failures in the pilot/small-volume production environment. Methods of quality control relying on parametric product testing are considered. Enhancements are proposed to mathematical tools to better evaluate the reliability, effectiveness of modifications and model product performance.
Key words: quality, reliability, information system, statistics, settlement-experimental method.
70
Afanasiev Viktor Borisovich, candidate of technical sciences, head of the reliability department, [email protected]. Russia, Moscow, JSC GosNIIP,
Kalinin Evgeny Alexandrovich, head of sector, [email protected]. Russia, Moscow, JSC GosNIIP,
Mamaev Vladimir Alekseevich, leading mathematical engineer, vova [email protected]. Russia, Moscow, JSC GosNIIP,
Medvedev Vladimir Mikhailovich, doctor of technical science, professor, general director, [email protected]. Russia, Moscow, JSC GosNIIP
УДК 67.017, 672.1
DOI: 10.24412/2071-6168-2023-12-71-72
АНАЛИЗ ПРИЧИН ОТКАЗА ИНСТРУМЕНТА НА ПРИМЕРЕ СЛЕСАРНО-МОНТАЖНОЙ ОТВЕРТКИ
К.А. Голенцов
В статье представлен анализ причин отказа детали на примере отвертки. Проведен анализ условий работы изделия, макрофрактографический анализ излома, выявлена структура стали и определено ее несоответствие заданным значениям стандартов, выявлены нарушения правил эксплуатации и приведены рекомендации для предотвращения отказов в будущем.
Ключевые слова: анализ отказов, излом, соответствие ГОСТ, нагрузки на кручение, правила эксплуатации.
Надёжность — свойство объекта сохранять во времени в установленных пределах значения всех параметров, характеризующих способность выполнять требуемые функции в заданных условиях применения, технического обслуживания, хранения и транспортирования.
Интуитивно надёжность объектов связывают с недопустимостью отказов в работе. Это есть понимание надёжности в «узком» смысле — свойство объекта сохранять работоспособное состояние в течение некоторого времени или некоторой наработки. Иначе говоря, надёжность объекта заключается в отсутствии непредвиденных недопустимых изменений его качества на стадии эксплуатации (при его использовании, обслуживании, хранении, транспортировании).
Основным явлением, изучаемым в теории надежности, является отказ. Отказ объекта можно представить как постепенный или внезапный выход его состояния за пределы области работоспособности. Состояние объекта характеризуется параметрами функционирования, определяющими его работоспособность. Так как определяющие параметры являются функциями времени, то и работоспособность объекта также изменяется во времени.
Объектом данного исследования является отвертка слесарно-монтажная с прямым шлицем, обстоятельства отказа не известны. Устройство отвертки и ее типовые размеры представлены на рис. 1.
Для начала анализа необходимо собрать информацию об обстоятельствах отказа и выявить возможные причины отказа.
1. Отказ единичный, обстоятельства не известны.
2. Возможные причины отказа отвертки:
-Эксплуатационный отказ, вызванный нарушением правил эксплуатации.
- Производственный отказ, связанный с ошибками при изготовлении объекта по причине несовершенства или нарушения технологии.
- Неправильно подобранная марка стали для стержня отвертки.
Чтобы обосновать или опровергнуть последний пункт необходимо провести анализ технической документации.
Слесарно-монтажные отвертки выполняют, следуя ГОСТ 17199-88 «Отвертки слесарно-монтажные». Стержни отверток должны изготовляться из сталей марок У7 по ГОСТ 1435-99 «Прутки, полосы и мотки из инструментальной нелегированной стали», 50ХФА по ГОСТ 14959-2016 «Металлопродукция из рессорно-пружинной нелегированной и легированной стали» или других марок, обеспечивающих выполнение требований твердости, прочности и надежности, установленных настоящим стандартом [1].
Отвертки с прямым шлицем чаще всего изготавливаются из углеродистых сталей по ГОСТ 1435-99 (40Х, 45Х 50Х). Твердость стержня ручных отверток должна быть 47—52 HRC на длине не менее 3 b мм от вершины лезвия, b-ширина лезвия [2].
Длина и ширина стержня ручных отверток зависит от типа отвертки по ГОСТ 17199. Геометрические размеры (диаметр и длина стержня) исследуемой отвертки полностью соответствуют ГОСТ, измерение проводилось штангенциркулем. Диаметр равен 5 мм, а длина 10 мм.
Для определения типа излома проведен макрофрактографический анализ. Описание излома проводили визуально и с помощью бинокулярного микроскопа с 6.3 кратным увеличением, а также с помощью линзы с увеличением 10. Установлено место начала появления трещины (1), направление ее развития (2) и область долома (3) (рис. 2).
При детальном рассмотрении излома можно увидеть светло-серый, зернистый рельеф, состоящий из блестящих граней. Расходящиеся рубцы указывают направление разрушения. Можно сделать вывод, что это хрупкий мелкокристаллический излом.
