CC BY
10
УДК 629.113
DOI: 10.24412/2071-6168-2021-9-606-616
МЕТОД МНОГОФАКТОРНОГО ПОИСКА И ПРОГНОЗИРОВАНИЯ КЛЮЧЕВЫХ ТОП-ПРОБЛЕМ КАЧЕСТВА АВТОМОБИЛЕЙ В ПЕРИОД ЭКСПЛУАТАЦИИ
Д.И. Благовещенский, В.Н. Козловский, С.А. Васин
В статье представлены результаты разработки и реализации статистического метода многофакторного поиска и прогнозирования ключевых ТОП проблем качества новых автомобилей в период эксплуатации.
Ключевые слова: комплексные программы улучшения, автомобильная промышленность, конкурентоспособность, качество, эксплуатация, автомобиль.
Одним из важных вопросов, определяющих результативность и эффективность комплексных программ улучшения (развития) автосборочных производств (КПУ), является решение наиболее острых проблем в области качества продукции в эксплуатации. Такая научно-техническая задача, как правило, охватывается дополнительной программой КПУ. В рамках представленной работы, рассматриваем ее решение с помощью разработки и реализации метода поиска, прогнозирования и устранения ключевых ТОП-проблем качества автомобилей в эксплуатации [1, 2].
Автомобиль является высокотехнологичным, наукоемким и конструктивно сложным продуктом, имеющим в своем составе компоненты, относящимся к механическим, электротехническим, электронным системам и подсистемам. Современные конструкции автотранспортных средств (АТС), включают в себя до 25 - 30 тысяч деталей и узлов, только двигатель внутреннего сгорания (ДВС) может иметь в составе более 3 - 4 тысяч деталей. Основная масса дефектов автомобилей, конструктивного или производственного характера начинает проявляться в период эксплуатации. И здесь требуются некоторые уточнения, которые определяют отличия автомобильной техники российского и иностранного производства. Традиционно, автомобили российского производства обладают уровнем дефектности несколько выше чем продукция лидеров мирового автопрома, при этом важным условием при разработке продукции для отечественных конструкторов по-прежнему является обеспечение высокого уровня ремонтопригодности. Даже сейчас, когда наиболее крупные автопроизводители составляющие основу национальной отрасли обрели иностранных партнеров, тенденция эта хоть и в меньшей степени, но все же сохраняется. И АВТОВАЗ и КАМАЗ производят продукцию, которая обладает хорошими свойствами ремонтопригодности. При этом в нашей стране, производится достаточно большое количество недорогих автокомпонентов для продукции национальных автогигантов. Этот момент, в настоящее время является по сути ключевым для российских потребителей, поскольку при прочих равных, а цена на готовые автомобили российского производства уже сопоставима с ценами многих иностранных автобрендов, автомобили российского производства внутри страны имеют существенный спрос. То есть поддержание эксплуатационной эффективности автомобилей отечественного производства обеспечивается меньшими ресурсами. Также важным элементом обеспечивающим конкурентоспособность национальных автопроизводителей следует считать развитую систему фирменного автосервиса.
Для автомобилей иностранного производства, более характерно свойство, при котором в период гарантийной эксплуатации, автомобили чаще всего не ломаются. Это называется системой управляемого ресурса, активно используемого западными автопроизводителями при проектировании и производстве продукции. Как только у автомобилей достигается некоторый установленный предел эксплуатации, основные элементы начинают выходить из строя. При этом стоимость замены последних - довольно существенная. Также следует учитывать и то, что не смотря на активное развитие дилерских систем иностранных автопроизводителей, до уровня национальных им еще далеко. А применение ценовых систем обслуживания, которые в большей степени оправданы в условиях европейского рынка, на нашей почве часто дает негативный результат, связанный со значительной дороговизной. Именно поэтому, по истечению периода гарантии, иномарки чаще всего переходят на обслуживание к «серым» автоцентрам.
Все сказанное выше - не случайно. И в случае национальных и в случае иностранных автомобильных корпораций, наиболее актуальной проблемой связанной с объективным анализом качества продукции в эксплуатации является разработка и реализация комплексной систе-
606
мы измерения качества автомобилей в период гарантийной и постгарантийной эксплуатации как ключевого элемента, обеспечивающего полный и достоверный учет наиболее массовых дефектов, дефектов блокирующих эксплуатацию, а также затрат на обеспечение эксплуатационной эффективности АТС. Представляется и то, что такого рода системы должны быть заточены: для национальных автопроизводителей, в первую очередь на высокий уровень детализации информации о дефектах, возникающих в период гарантийной эксплуатации; для иностранных автопроизводителей реализующих практику системы управляемого ресурса на детализацию информации по дефектам возникающим на более поздних периодах эксплуатации. При всем при этом необходимо исходить из важности получения полной и объективной информации об эксплуатации автомобилей на всем этапе жизненного цикла, с учетом показанной выше специфики.
От общих вопросов, определяющих проблемную сторону разработки системы мониторинга качества автомобилей в эксплуатации, переходим собственно к методам определения группы ТОП ключевых дефектов возникающих в процессе эксплуатации АТС [3, 4, 5].
В качестве одного из магистральных, рассмотрим, применение широко известного в экономических и логистических направлениях, метода Парето - АВС - XYZ анализа, применительно к организации системы ранжирования технических проблем качества автомобилей в эксплуатации. Для этого проведена необходимая модернизация метода под задачи мониторинга и вскрытия ключевых проблем качества автомобилей в эксплуатации [6, 7].
Однако, даже в этом, более широком подходе к применению известного инструмента кроется недостаток, связанный с невозможностью оценки важности дефектов имеющих быстро растущий тренд частоты проявления, что снижает оперативность вскрытия наиболее важных проблем качества. Именно поэтому, нами предлагается новая методика, реализуемая на базе модификации Парето анализа и исследования тренда частоты возникновения или тенденции изменения вероятности проявления дефектов.
В математической среде Matlab нами разработан соответствующий расчетно-статистический программный комплекс, в котором проводится анализ статистических данных [3, 7] по позициям дефектов стандартизированного кодификатора с учетом данных по удовлетворенности потребителей.
В качестве объекта исследования выступает одна из наиболее популярных в России марок автомобилей. В качестве базового периода исследования автомобилей рассматривался период 6 эксплуатации. Автомобили имеют дату производства 2019г.
Выбор анализируемого периода эксплуатации является важной задачей при ранжировании дефектов и выделении ТОП проблем качества автомобилей. Рассматривая общие рекомендации к процессу выбора периода эксплуатации, следует выделить несколько ключевых аспектов: нельзя брать анализируемый период в три и менее месяцев эксплуатации, так как в этом случае сложно правильно спрогнозировать линейные тренды изменения уровня дефектности на будущие периоды; с другой стороны, слишком длинные периоды анализа имеют недостаток, связанный с тем, что полученные линейные тренды могут исказить ситуацию, так как рассматривается существенный период времени уходящий в прошлое. Именно поэтому, в качестве периода анализа наилучшим следует рассматривать период равный 6 месяцам. В то же время при определении начала и конца периода анализа качества автомобилей. Предлагаемая графическая схема определения периода анализа качества автомобилей в эксплуатации представлена на рис. 1.
Следующим важным фактором, который необходимо учитывать при анализе проблем качества автомобилей в эксплуатации является то, что наиболее достоверную и полную картину о возникающих дефектах можно получить только с учетом периодов связанных с доставкой автомобилей к автодилеру и их передачей к конечному потребителю. Анализ показывает, что по результатам 2017, 2018гг. наиболее полная информация о качестве автомобилей в эксплуатации формировалась не ранее чем через 6 месяцев после изготовления автомобилей.
Анализ дефектов возникающих в период эксплуатации автотранспортных средств (АТС) показывает, что спектр проблем, по составу (спектр) и массовости (частоте возникновения) не являются стабильными для различных периодов выпуска продукции. Только часть проблем стабильна, и проявляется практически в процессе эксплуатации автомобилей разных периодов выпуска. При этом значительная часть проблем не обладает стабильностью проявления и фиксируется в течении одного или нескольких месяцев, или носят сезонный характер.
Ы
^
ч с о и
п g
s а
<D
С
Я о?
«
Л о
и S3
и s я й и о а
s *
s
л
"V
Период анализа для ранжирования дефектов гарантийной эксплуатации
Дата выпуска
0
Рис. 1. Определение периода анализа качества автомобилей в эксплуатации
Для того, чтобы дать оценку стабильности проявления проблем, проведем анализ, заключающийся в определении связи между длительностью проявления (группа месяцев эксплуатации), числа проявления (частота проявления) и перечня проблем (число кодов из кодификатора дефектов). В качестве базового периода исследования рассматриваем 2019-2020гг. В качестве объекта исследования выбираем популярную модель автомобиля российского производства (табл. 1).
Таблица 1
Стабильность проявления проблем качества __
Длит-ть проявлен., мес. Величина перечня Кол-во проявл. проблем Затраты на устр-е, руб. Среднее кол-во проявл. Процент от перечня Нараст. % от перечня Процент от кол-ва дефектов Процент от затрат
1 298 335 394 320 1,1 19,2% 19,2% 0,35% 0,37%
2 182 495 509 326 2,8 12,4% 31,6% 0,48% 0,62%
3 135 701 903 541 5,1 9,0% 40,6% 0,74% 1,2%
4 173 1 375 1 203 756 8,4 12,1% 52,7% 1,5% 1,52%
5 145 2 457 3 899 354 16,8 10,2% 62,9% 2,6% 4,8%
6 574 91 231 80 232 127 164,5 37,1% 100,0% 95,0% 93,4%
Анализ данных табл. 1 показывает, что порядка 37% кодов дефектов из стандартизированного кодификатора, стабильно проявляются в течении анализируемого периода времени (шесть месяцев). Именно эти проблемы качества следует рассматривать как постоянные. Таким образом, получается, что для выделения ТОП проблем качества автомобилей в эксплуатации не требуется статистическое исследование всех позиций кодификатора. Достаточно, рассмотреть перечень стабильно проявляющихся в течении шести месяцев эксплуатации дефектов. Именно для этой группы приходится 95% проявлений от общего количества, а на их устранение приходится 93,4% от общих затрат.
Детализация статистики дефектов по результатам 6-ти месячной эксплуатации автомобилей показывает ряд дополнительных аргументов в пользу выбора именно этого периода для анализа и ранжирования дефектов для формирования ТОП проблем качества (рис. 2): именно в этот период проявляется до 70% дефектов и около 70% затрат на их устранение.
Основной для формирования электронной базы дефектов, являющейся фундаментом математического программного комплекса является электронная база Microsoft Access, в которую выгружены данные по всем регистрациям дефектов автомобилей имеющих 6-ти месячный период эксплуатации за 2019 - 2020гг. Всего в базу попало порядка 4,5 тысяч автомобилей.
Далее в математическую среду первой подпрограммы Matlab в режиме электронных таблиц экспортированы данные из базы Microsoft Access, которые отражают код дефекта, наименование, период эксплуатации. В программной среде Matlab проводится расчет уровня дефектов (массовости) по всем позициям (за основу взяты 574 позиций кодификатора дефектов,
отражающих 95% всех отказов АТС). В МаЙаЬ коды дефектов внесены в символической форме, а также для возможности пересчета под каждым кодом сформирован массив отражающий данные по периоду эксплуатации.
Рис. 2. Уровень проявлений дефектов автомобилей в эксплуатации (а) и затраты на их устранение (б), приведенные к группе месяцев эксплуатации
В математическую среду второй подпрограммы в виде электронных таблиц экспортируются данные из базы Microsoft Access, которые отражают код дефекта, его наименование и затраты на устранение. Здесь также, как и в предыдущем случае коды дефектов заносились в виде символов, а также обеспечивалось создание массивов данных под каждым кодом, которые содержат информацию о периоде эксплуатации и затратах на устранение дефектов.
Далее, экспертно-аналитическим способом была сформирована электронная таблица по тем же кодам дефектов, в которую были внесены данные отражающие бальную оценку удовлетворенности потребителей качеством функционирования отдельных узлов и агрегатов от 0 до 10 баллов (0 - низкая оценка, 10 - высокая оценка удовлетворенности). Таблица формировалась по следующим правилам. Источником данных служили результаты исследования удовлетворенности потребителей по исследуемой марке автомобилей, после 6 месяцев эксплуатации. В выборке рассматривались только те автомобили, которые удовлетворяют условию полных 6 месяцев эксплуатации, с датой выпуска 2019г., и отсутствием коммерческой составляющей в использовании. По результатам анкетирования 200 владельцев автомобилей, была сформирована таблица бальной оценки удовлетворенности, а также представлена детальная качественная информация о причинах формирования той или иной количественной оценки по основным системам АТС. Далее экспертным путем детализированная информация о проблемах качества автомобилей транслировалась в соответствующие коды инженерного кодификатора дефектов. Таким образом, итоговая электронная таблица содержит код кодификатора дефектов, наименование дефекта и бальную оценку удовлетворенности потребителей по соответствующему коду.
Также, как и в предыдущих случаях, в математическую среду третьей подпрограммы были экспортированы данные, которые отражают коды дефектов, бальные оценки удовлетворенности. В подпрограмме осуществляется пересчет и усреднение бальных оценок по всему массиву данных, с формированием 3 групп по принципу Парето. Группы дефектов А - соответствует низким, В - средним и С - высоким баллам удовлетворенности потребителей качеством автомобилей.
Далее, по результатам экспертно-аналитической работы, была сформирована электронная таблица, в которой выделены позиции дефектов, обездвиживающие автомобиль или делающие невозможность его эксплуатации по требованиям безопасности и техническим регламентам.
В четвертой подпрограмме, осуществляется разделение массива данных по уровню (массовости) дефектов по методу Парето (ABC анализ) на три массива. В пятой подпрограмме проводится аналогичное разделение по критерию затраты на устранение дефектов с формированием групп X, Y, Z.
Далее, в шестой подпрограмме, путем последовательного сопоставления символических кодов вошедших в массивы ABC и XYZ, формируются группы AX, AY, AZ, BX, BY, BZ, CX, XY, CZ.
В седьмой подпрограмме выделяются коды дефектов, которые входят и в массив АХ и в группу А - выделенную на этапе бальной оценки удовлетворенности.
И, наконец, восьмая подпрограмма осуществляет сопоставление полученных кодов дефектов с массивом кодов блокирующих (обездвиживающих) дефектов.
Таким образом, формируется первый перечень ключевых дефектов ТОП списка проблем качества автомобилей в эксплуатации.
Представляем полученный нами массив позиций дефектов для рассматриваемой марки автомобилей (1):
АХ1 = (2902840,1164042,1005034, 6104009, 8118020, 2904192,1703055, 3400010,
1041020, 3104020, 3450008,1148300, 3721010, 3843010, 3709820, 8212735, 3701010) (1) 2902840 - стук (щелчки) в передней подвеске, при вращении рулевого колеса; 1164042 - дефект клапана продувки адсорбера; 1005034 - течь в сальник распредвала; 6104009 - не работает электростеклоподъемник; 8118020 - дефект электровентилятора отопителя; 2904192 - скрип шарового пальца; 1703055 - разрушение рычага выбора передач; 3400010 - не выдержан зазор в паре упор - рейка; 1041020 - расслоение ремня привода; 3104020 - шум подшипника ступицы заднего колеса; 3450008 - не работает электроусилитель рулевого управления; 1148300 - не работает регулятор холостого хода; 3721010 - не работает звуковой сигнал; 3843010 - не работает датчик скорости; 3709820 - не работает модуль управления светотехникой; 8212735 - дефект накладки рамы ветрового окна, 3701010 - шум при работе генератора.
Таким образом, использование модернизированного под технические задачи метода Парето анализа при выборе ключевых проблем качества автомобилей в эксплуатации, обеспечивает наиболее полную и достоверную выверку всех позиций кодификатора дефектов автопроизводителя по наиболее актуальным критериям учитывающим массовость, затраты, потребительскую оценку качества и блокирование АТС.
В последнее десятилетие, для многих аналитических служб качества автомобильных корпораций, одним из приоритетных направлений работы становится решение задач по повышению скорости обнаружения проблем продукции в эксплуатации, связанных с качеством проектирования и производства. Именно поэтому, в процессе мониторинга качества автомобилей в эксплуатации, в качестве дополнительного инструмента предлагается использовать тренд частоты возникновения или тенденции изменения вероятности проявления дефектов (рис. 3).
Также необходимо учитывать возможное влияние сезонности при проявлении некоторых проблем качества автомобилей (рис. 4). Иными словами, вероятность проявления отдельных дефектов изменяется периодически и даже может описываться гармонической функцией, а оценка такого изменения будет существенным образом зависеть от периода года в котором проводится мониторинг качества. Получается, что для исключения влияния сезонности на результаты мониторинга качества продукции в эксплуатации необходимо проводить соответствующий анализ составляющих сезонности во временном ряду, который описывает поведение частоты проявления дефектов. И такое же исследование требуется проводить при мониторинге затрат на устранение соответствующих дефектов.
25000
^ 12000 &
« 10000
•е
и
ч
8000
я 6000
0
1 4000
0 я
(3
| 2000
1
0
\ у=-448 R2=0,9 07х+1С 102 033
/V V
V ч \___
к
и
О
Месяц выпуска
к
и
О
Месяц выпуска
а б)
Рис. 3. Динамика частоты возникновения «растущего» 8127200-025-000 (а) и «снижающегося» 1700010-096-000 (б) проблемы качества
3500 3000 2500
1500 1000 500 0
• • 1
• / 4 \ V
* • ) / • » •V
А — N к, У А
/ ч • • »
8 й
о
Месяц выпуска
а
2 N
сС
Ю Ю л «3 ^ н о я ^
£ к *
О
Месяц выпуска б
2 К
ю ю яя н о
£ к
Рис. 4. Иллюстрация влияния сезонности (дефект 6105013-056-001)
Для обеспечения объективности учета указанных выше факторов мониторинга качества автомобилей в эксплуатации необходимо использовать следующий статистический инструментарий.
Для каждой позиции дефектов, рассчитывается частота проявления в каждом месяце анализа по формуле:
— ■ П' ё'п = П •106, V
(2)
где п - порядковый номер месяца анализа влияния сезонности (п = 1, N); Vn - количество автомобилей, выпущенных в каждом месяце.
Также по каждой позиции дефектов рассчитываются параметры линии тренда частоты
возникновения Ъ1 и к1:
> Г N >Г N ^ Г N >
Ъ' =
^ 2 Хп X !гп - Хп Хп^ ¿п
\п=1 ) \п=1 ) \п=1 ) \п=1 )
Г N
N •
Г N >2
(3)
^ 2 Хп - Хп
и=1 ) \п=1
к' = ■
Г N ^
N • Хп ¿п - Хп Х ¿п
\п=1 ) \п=1 ) \п=1 )
Г N Л
Г N Л Г N >
2 Хп - Хп
\п=1 ) \п=1 )
(4)
Далее определяется «остаток» после линейного приближения:
оП = IП - Ъ' - к'п, п = . (5)
Получение «остатков» по дефектам проводится с помощью индексов гармонического тренда - амплитуды а' и начальной фазы т0 в следующем порядке:
Сначала для шести возможных значений начальной фазы т = 0,5 рассчитываются амплитуды ад, ...,а5 гармонического тренда:
N
Х
Л — п=1
- (п + т)
N
X
=1
(п + т))
(6)
2
2
Далее, в качестве амплитуды гармонического тренда ai из а0, ..., a5 выбирается максимальная по модулю амплитуда, а в качестве начальной фазы т0 из т = 0,5 рассматривается
фаза, при которой зафиксирована максимальная амплитуда из а0, ..., a5 .
После этого получаем гармоническое уравнение, описывающее тенденции изменения «остатков»:
6 (п + т0 )
где Т(0 - начальная фаза, полученная с учетом поправки.
Уравнение, которое описывает тенденции изменения частоты возникновения дефекта. в виде комбинации линейного и гармонического трендов:
V 6
Далее проводится оценка качества приближения фактических значений линейным
трендом:
~n = a • sinl-(n+Г0 II, n=1,N. (7)
l v xx x W|J14V11I1 iv vxvvx v A VA 1 , * 'i_l .
= bi + kin + ai • sin^-(n + )j, n = 1,N. (8)
FЛИН = Е О I2. (9)
п=1
Оценка качества приближения фактических значений комбинацией линейного и гармонического трендов:
N
FЛИН+ГАРМ = Е П=1
Оценка влияния гармонической составляющей тренда признается значимой, если:
РлИН+ГАРМ > 15.
РЛИН
Для каждого i-го из отобранных дефектов рассчитываются: количество проявлений на АТС, изготовленных в каждом месяце периода анализа Г, D2, Г^, D4, D5, Г6; затраты на
устранение дефектов 21 за весь период анализа.
Если влияние сезонности на возникновение дефектов признается значимым, то проводится коррекция частоты возникновения в каждом месяце анализа:
dn - ~n f. (10)
d'n = di -ai • sin^-6(n + ?'0 + g -2)j, (11)
где a' и r0 - амплитуда и начальная фаза гармонического тренда; g - порядковый номер первого месяца анализа в календарном году (g = 1,12).
Расчет частоты возникновения проблемы за весь период анализа (в PPM) проводится по формуле:
d' = D 106,
dn~ 6 (12)
1Уп
n=1
где Vn - число автомобилей, изготовленных в каждом месяце периода анализа.
Определение значимости дефекта автомобилей в период эксплуатации может быть проведена как средние затраты на устранение одного проявления за период анализа по формуле:
z' = —. (13)
D'
Тренд частоты возникновения (с учетом его значимости) определяется по формуле:
tr' =—--(я' I2 100%. (14)
b' + k' х '
где b' и k' - коэффициенты линии тренда частоты возникновения дефекта, определение которых проводится по методу наименьших квадратов:
91 £dln - 21 £n • dn
b' =-
n=1
V n=1
105
6 £n• dln -21 £dln
k' =
n=1
n=1
(15)
(16)
(я' f
105
я' - коэффициент корреляции:
( N _. ( N _. II 6 £n • dln - 21 £dln _ V n=1 Vn=1
//
105 •
6
N (_. \2 ( N _ £()- £d
n=1
( N л
n Vn=1
21
(17)
Ранг частоты возникновения проблемы (яВозн ) - это балльная, количественная
оценка, отражающая вероятность проявления дефекта на изготовленном автомобиле:
яВ ОЗН =<
10-9
1 - d*
d •
s
10,
d' < d
—' —* d > d
(18)
— 4s
где d - граничное значение частоты возникновения дефекта; s - параметр функции перевода (при s=1 функция перевода линейная, при s=2 функция перевода квадратичная и т.д.).
Вид зависимости ранга возникновения от частоты возникновения дефекта (при s=4 и
—*
d =10 000 РРМ) представлен на рис. 5.
Ранг значимости (яЗ)н ) - балльная, количественная оценка затрат на устранение дефектов автомобилей в период эксплуатации:
10 - 9 •
1 - z*
10,
z < z
z > z
(19)
где г - граничное значение средних затрат на устранение одного проявления дефекта; s - параметр функции перевода.
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 Частота возникновения дефекта, РРМ
Рис. 5. Вид шкалы для ранга возникновения 613
2
s
—; —*
z
Вид зависимости ранга значимости от средних затрат на устранение проблемы (при
—*
s=4 и Я =6 000 руб.) представлен на рис. 6.
Ранг тренда (вТр ) - балльная, количественная оценка тенденций изменения дефектности во времени:
1, гт* < гт1
, гт* < гт1 < гт*, (20)
1 *
10, гт1 > гт
*
где гт* и гт - нижнее и верхнее граничные значения трендов, s - параметр функции перевода.
Вид зависимости ранга тренда от процента изменения частоты возникновения в месяц
*
(при s=1, гт* =-20% и гт =20%.) приведен на рис. 7.
ВЗН -
10 - 9 •
* гт - гт1
* гт - гт*
Средние затраты на устранение дефекта, руб.
Рис. 6. Вид шкалы для ранга значимости
Рис. 7. Вид шкалы для ранга тренда 614
Приоритетное число риска проблемы (ПЧР) определяется по формуле:
ПЧР = Явозн . язн . Игр . (21)
Реализация предложенного статистического инструментария по ранжированию дефектов с учетом необходимости повышения скорости обнаружения проблем качества автомобилей в эксплуатации, подразумевает последовательный пересчет статистических индексов для перечня дефектов проявляемых в течении первых 6-ти месяцев эксплуатации автомобилей и охватывающего 574 позиции (таблица). Ранжирование дефектов производится по мере убывания значения ПЧР. Соответствующая математическая программа ранжирования дефектов реализована в интегрированном математическом пакете МаЙаЬ. Результаты ранжирования представлены в табл. 2.
Таким образом можно сказать, что в табл. 2 проводится уточнение перечня ТОП проблем полученного с помощью модернизированного метода Парето - ABC-XYZ анализа, для той же рассматриваемой группы автомобилей по тем же условиям и ограничениям.
Таблица 2
Результаты ранжирования проблем качества ___
№ п/п Код и наименование проблемы качества Частота возникновения Затраты Тренд Ранг возникновения Ранг значимости Ранг тренда ПЧР
1 1005034 Течь в сальник распредвала 8 935 4 021 -0,25 9,2 8,2 5,4 407
2 3701010 Шум при работе генератора 5 234 2 043 -0,27 9,7 7,1 5,3 365
3 8118020 Дефект электровентилятора отопи-теля 3576 3 254 -6,41 10,0 8,2 4,1 331
4 1703055 Разрушение рычага выбора передач 5 021 3 235 -3,98 9,1 8,4 4,2 321
5 8101078 Дефект электродвигателя с вентилятором 3476 3 547 -6,87 8,5 9,6 4,0 320
6 2904192 Скрип шарового пальца 6 075 1 125 -3,69 10,0 6,8 4,7 318
7 3400010 Не выдержан зазор в паре упор -рейка 5 321 4 567 10,99 10,0 3,8 8,0 305
8 6104009 Не работает электростеклоподъемник 6 789 3 472 -4,25 9,9 7,7 4,0 304
9 3450008 Не работает электроусилитель рулевого управления 2 664 3 078 0,00 7,4 7,4 5,5 301
10 1041020 Расслоение ремня привода 3 542 1 078 0,00 7,2 7,5 5,5 294
11 3721010 Не работает звуковой сигнал 548 2 322 80,34 3,1 9,3 10,0 286
12 1148300 Не работает регулятор холостого хода 3 025 2 574 -2,37 5,7 10,0 5,0 285
13 8101100-000-000 Дефект заслонки канала отопителя 2 575 1 895 -7,08 7,9 9,2 3,9 285
14 3843010 Не работает датчик скорости 4 777 1 204 -3,91 9,3 6,6 4,6 284
15 3709820 Не работает модуль управления светотехникой 8 453 980 -0,01 10,0 5,1 5,5 280
16 3705010 Не работает катушка зажигания 5 995 1 050 43,92 9,8 2,7 10,0 268
17 8212735 Дефект накладки рамы ветрового окна 2 346 2 657 -0,67 6,8 7,4 5,4 267
18 3104020 Шум подшипника ступицы заднего колеса 3 354 2 305 -8,89 8,5 8,6 3,5 255
19 5206016-030000 Разрушено ветровое стекло 1 190 5 042 -5,38 6,7 8,9 4,3 255
20 2215011-096-000 Шум левого привода передних колес 2 450 2 587 -5,96 7,2 8,0 4,2 242
Таким образом, в работе предложен метод анализа и ранжирования дефектов автомобилей в период эксплуатации. В рамках работы проведена последовательная модернизация методики ABC-XYZ анализа, и интеграция ее совместно с методикой ранжирования дефектов с учетом растущего тренда частоты проявления реализация в единый метод поиска и прогнози-
рования ТОП дефектов новых автомобилей в эксплуатации. Выявлен высокий уровень сходимости данных по результатам реализации предложенных решений (из 20 позиций, 17 - общие и содержаться в обоих перечнях).
Работа подготовлена при поддержке гранта Президента РФ НШ-2515.2020.8
Список литературы
1. Козловский В.Н. Моделирование электрооборудования автомобилей в процессах проектирования и производства: монография // Федеральное агентство по образованию. Толь-яттинский гос. ун-т. Тольятти, 2009.
2. Козловский В.Н. Обеспечение качества и надежности системы электрооборудования автомобилей // Автореферат диссертации на соискание ученой степени доктора технических наук / Моск. гос. автомобил.-дорож. ин-т (техн. ун-т). Тольятти, 2010.
3. Благовещенский Д.И., Гафаров Р.Р., Козловский В.Н. Разработка статистического инструментария Парето анализа для цифровизации процесса определения ключевых проблем качества автомобилей // Вторая Всероссийская научно-техническая конференция «Отечественный и зарубежный опыт обеспечения качества в машиностроении». Тула: Изд-во ТулГУ. С. 200-204.
4. Панюков Д.И., Козловский В.Н., Слистина Г.Г. Проектирование новых производственных процессов // Стандарты и качество. 2014. № 11. С. 92-95.
5. Заятров А.В., Козловский В.Н. Анализ и оценка взаимосвязей между традиционными показателями надежности и показателями, используемыми ведущими производителями легковых автомобилей // Электроника и электрооборудование транспорта. 2012. № 1. С. 41-43.
6. Козловский В.Н., Антипов Д.В., Заятров А.В. Методология анализа и прогнозирования качества автомобилей в эксплуатации // Актуальные проблемы экономики. 2016. Т. 186. № 12. С. 387-398.
7. Панюков Д.И., Козловский В.Н. Эффективное применение метода анализа видов, последствий и причин потенциальных дефектов (FMEA) в автомобилестроении: монография // Самара, 2016. 202 с.
Благовещенский Дмитрий Иванович, канд. техн. наук, доцент, директор, dbla-gov1@yandex.ru, Россия, Тула, ФБУ «Тульский ЦСМ»,
Козловский Владимир Николаевич, д-р техн. наук, профессор, заведующий кафедрой, Kozlovskiv-76@mail.ru, Россия, Самара, Самарский государственный технический университет,
Васин Сергей Александрович, д-р. техн. наук, профессор, vasin_sa53@mail.ru, Россия, Тула, Тульский государственный университет
METHOD OF MULTI-FACTOR SEARCH AND FORECASTING KEY TOP-QUALITY PROBLEMS
OF CARS DURING OPERATION
D.I. Blagoveshchenskiy, V.N. Kozlovsky, S.A. Vasin
The article presents the results of the development and implementation of a statistical method for multifactorial search and forecasting of key TOP quality problems for new cars during the period of operation.
Key words: comprehensive improvement programs, automotive industry, competitiveness, quality, operation, automobile.
Blagoveshchenskiy Dmitry Ivanovich, candidate of technical sciences, docent, director, dblagov1@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
