CC BY
2
ботана цифровая модель распределенной СМК, позволяющая масштабировать базы знаний управления качеством в цепи поставок предприятий автомобилестроения. Разработана классификация документированных элементов распределенной СМК, обеспечивающая соответствие требованиям стандартов по системам менеджмента, а также специфическим требованиям автосборочных предприятий.
Список литературы
1. Гришанов Г.М. Современные методы моделирования и анализа согласованного взаимодействия элементов СМК // Вестник Инженерной Академии, 2020. № 4. С. 45-52.
2. Анисимов А.А. Моделирование взаимодействия элементов системы менеджмента качества предприятия // Вестник университета, 2017. № 5. С. 22-28.
3. Бурова И.В. Методические основы моделирования процессов в системе менеджмента качества // Управление качеством, 2016. № 3. С. 45-50.
4. Гордеев С.В. Моделирование процессов управления качеством на основе интеграции различных методов // Проблемы управления качеством, 2020. № 2. С. 18-24.
5. Дроздов П.И. Применение системного подхода к моделированию взаимодействия элементов СМК // Вопросы управления, 2018. № 4. С. 12-19.
Антипова Ольга Игоревна, канд. техн. наук, доцент, OlechkaNE@bk. ru, Россия, Самара, Самарский национальный исследовательский университет имени академика С.П. Королева
SYSTEMATIC APPROACHES TO THE CREATION AND OPERATION OF DISTRIBUTED QUALITY MANAGEMENT
SYSTEMS FOR AUTOMOTIVE INDUSTRY ENTERPRISES
O.I. Antipova
The article discusses systematic approaches to the creation and operation of distributed QMS of automotive industry enterprises.
Key words: QMS, methodology for creating distributed QMS, mathematical model of consistency among participants in a distributed QMS, systematic approaches to creating a QMS.
Antipova Olga Igorevna, candidate of technical sciences, docent, [email protected], Russia, Samara, Samara National Research University named after S.P. Korolev
УДК 621.313
Б01: 10.24412/2071 -6168-2024-7-28-29
РАЗРАБОТКА КОМПЛЕКСА ЦИФРОВЫХ ИНСТРУМЕНТОВ СТАТИСТИЧЕСКОГО УПРАВЛЕНИЯ КАЧЕСТВОМ В АВТОМОБИЛЬНОМ ПРОИЗВОДСТВЕ
С.И. Клейменов, В.Н. Козловский, Л.А. Васин, Е.В. Пантюхина
В работе представлены результаты разработки и реализации комплекса цифровых инструментов статистического управления качеством в автомобильном производстве.
Ключевые слова: конкурентоспособность; качество; автомобильное производство.
Актуальность работы. Мировая автомобильная промышленность практически всегда находится в центре развития наиболее перспективных технико-технологических инициатив, на острие научно-технического прогресса (НТП).
Наблюдаемое в последнее время активное развитие цифровых инструментов создает предпосылки для дальнейшего улучшения продуктов, услуг и процессов в самых разных секторах реальной экономики [1, 2]. Развитие актуальных в настоящее время версий национального стандарта ГОСТ Р ИСО 9001-2015 «Системы менеджмента качества», а также соответствующего международного стандарта автомобильной промышленности 1ЛТЕ 16949:2016, по сути, предопределяет значительное усиление предупредительных аналитических процессов управления в системах менеджмента качества (СМК) организаций, которого можно добиться посредством улучшения информатизации, разработкой и внедрением методик и инструментария элементов цифрового производства [3 - 5].
Развитие цифровых технологий привязано к решению важных научно-прикладных задач определяющих методологию и инструментарий мониторинга сбора и обработки данных, характеризующих основные процессы организации, а также активную стандартизацию [6, 7]. Все это обеспечивает наиболее эффективное управление качеством. Качество продукции закладывается в процессе проектирования и обеспечивается в производстве [8, 9]. Именно в производстве, как показывает практика, формируется значительный объем дефектов продукции, основными причинами которых являются несоответствия при выполнении сборочных операций и операций в процессе механообработки [10 - 12].
Целью исследования является рост качества автомобилей за счет разработки научно-практического комплекса инструментов экспертного и встроенного статистического управления в автомобильном производстве.
28
Задачи исследования:
1. Провести комплексный научно-технический и практический анализ проблемы качества производства автомобильной техники, а также передовой теории и практики управления производством.
2. Разработать концепцию научно-практического комплекса инструментов управления качеством в автомобильном производстве, учитывающую достижения в области информатизации.
3. Разработать экспертную методику по вскрытию ключевых, с точки зрения качества, операций автосборки для решения задачи интеллектуализации производства.
4. Разработать научно-программный комплекс, вероятностно-статистическую математическую модель, статистический инструментарий для обеспечения встроенного управления качеством в автомобильном производстве.
5. Комплексная апробация предложенных научно-технических решений на автосборочном предприятии.
Проблема качества продукции в автомобильном производстве» может быть проанализирована на основе
данных мониторинга дефектов, выявленных на этапе выходного контроля качества, независимой экспертизы, а также по результатам ресурсных испытаний новых автомобилей (рисунок 1). Анализ позволяет обозначить преобладающие проблемы качества автомобилей российского производства, ведущие к рекламациям: сборочные дефекты кузова; дефекты двигателя внутреннего сгорания (ДВС) и коробки переключения передач (КПП).
Схема, определяющая проблемы мониторинга и управления качеством автомобильным производством, исходя из достигнутого на предприятиях компетентностного уровня экспертно-аналитического и статистического управления с использованием данных процесса производства (рисунок 2).
Распределения дефектности по системам в цехе Распределения затрат по системам в цехе выходного
выходного контроля контроля
в г
Рис. 1. Диаграммы уровня дефектности новых автомобилей
Сбор , Управление Аналитика и
Инфраструктура Визуализация
данных данными автоматизация
Оперативная информация
1
Потери данных
Данные не фиксируются
Данные не передаются или не хранятся
Недоступные данные
Данные не анализируются
Данные не сообщаются
Данные не используются в процессе принятия решений
<1%
Рис. 2. Оценка уровня использования статистических данных накапливаемых в производственной среде
автосборочного предприятия
Система актуальных в настоящее время национальных стандартов определяющих вопросы управления качеством в производстве, представляет собой перечень документов: ГОСТ Р ИСО 22514-1-2012 «Статистические методы. Управление процессами. Часть 1. Основные принципы»; ГОСТР 50779.46 - 2012 «Статистические методы. Управление процессами. Часть 4. Оценка показателей воспроизводимости и пригодности процесса»; ГОСТ Р ИСО
22514-7 - 2014 «Статистические методы. Управление процессами. Часть 7. Воспроизводимость процессов измерения»; ГОСТР ИСО 7870-1-2011 «Статистические методы. Контрольные карты»; ГОСТ Р ИСО 11462-1-2007 и ГОСТ Р ИСО 11462-2-2012 «Статистические методы. Руководство по внедрению статистического управления процессами». Системы измерений должны соответствовать нормам ГОСТ Р ИСО 22514-7-2014.
Требования к средствам измерения: средства измерения должны соответствовать требованиям ГОСТ Р ИСО 22514-7-2014 в части разрешения системы измерений (разрешение должно составлять не более 5% от поля допуска); средства измерений должны передавать системе управления качеством результаты измерений в формате, совместимом с продуктами Q-DAS; ручные средства измерения должны обеспечивать беспроводную передачу данных на компьютер, установленный на месте SPC; средства измерения должны быть подобраны таким образом, чтобы обеспечить требования ГОСТ Р ИСО 22514-7 - 2014 по воспроизводимости средств и процессов измерения. Приемка средств измерений должна проводиться в соответствии с ГОСТ Р ИСО 22514-7 - 2014 по показателям QMS и QMP.
При всем при этом, актуализируется проблема, связанная с необходимостью формирования новых целевых индексов качества в цифровом автомобильном производстве. Используемые в настоящее время целевые показатели, в основном, отражают оценку уровня дефектности, который определяется по результатам приемки продукции в производстве - потребителе.
Требуется перейти от индексов дефектности к статистическим индексам исполнительского качества непосредственно на рабочих местах, измеряемых в реальном времени. Этим обеспечивается улучшение процесса оперативного мониторинга, корректировки и управления качеством производства продукции. Необходимо выделить интегральный параметр, отражающий всю совокупность исполнительского качества на рабочих местах, а также в производстве в целом и обеспечить его связь с системой традиционных индексов управления качеством. Необходимо разработать новые подходы к назначению целей, разработать комплекс инструментов экспертного и встроенного статистического управления качеством продукции, которые, должны пронизывать всю производственную структуру предприятия (рисунок 3).
Рис. 3. Концепция научно-практического комплекса инструментов экспертного и встроенного статистического управления качеством в автомобильном производстве
Управляющие сигналы & подсказки & Обратная связь: СТАРТ/СТОП, перепроверка, внимание, доработка, маркировка, действия по оборудованию/инструменту и т.д. 1-АМ№1А|
Планирование Сервис, Менеджмент Ремонт качества
Рис. 4. Модель комплекса управления качеством в автосборочном производстве
30
Для решения задачи, определяющей внедрение цифровых технологий в процесс управления качеством сборочных операций автомобильного производства, проводится разработка экспертной методики выбора ключевых сборочных операций для оснащения интеллектуальным инструментом. Методика многошаговая и реализуется в среде Microsoft Excel. При соответствующем развитии, с помощью инструментов машинного обучения, ее можно полностью автоматизировать. Сначала, проводится комплексный анализ действующего кодификатора дефектов автомобилей, который содержит более 3184 кодов дефектов, по всем позициям с точки зрения определения позиций, влияющих на функциональность и безопасность автотранспортного средства в эксплуатации, исходя из существующих требований законодательства, действующих технических регламентов и нормативной базы автопроизводителя. Всего получено 854 кода дефектов. Далее, экспертной группой проводится выбор кодов дефектов, соответствующих операциям автосборочного производства. В результате анализа выделено 275 кодов сборочных дефектов. Выбор перечня конкретных операций автосборки осуществляется перекрестным анализом статистики отказов и затрат на их устранение по всем выделенным системам с учетом возможностей автосборочного предприятия по приобретению и установке дорогостоящего интеллектуального инструмента. Решением данной задачи является предлагаемый нами примерный перечень ключевых сборочных операций, определяющих риски производства автомобилей, который включает в себя следующие позиции: крепления гаек задних амортизаторов; подсбор растяжек передней подвески; крепление рычагов передней подвески; монтаж колес; монтаж ступичных гаек и шаровых опор передней подвески; затяжка наконечников рулевых тяг на стендах регулировки; операции по развал/схождению колес.
Далее, разработан научно-программный комплекс встроенного статистического управления качеством автосборочного производства. Решение задачи по организации сбора и обработки массива электронных данных, отражающих статистику качества производственного процесса сборки автомобилей по комплексу ключевых операций, реализуется через специализированный, разработанный в диссертации, научно-программный комплекс, в котором проводится расчет соответствующих статистических показателей исследуемого процесса в среде Microsoft Excel (рисунок 5).
Отчет по работе гайковертов аз период с 17.05.2019 00:00:01 по 17.05.201В 23:59:59
NS Гайковерт Пр. Мпред. Без особых точек
п.п. Р *ср I ст I Ср I Срк Р Р
1 Растяжка лев. 1:1 Программа^
1 1 Рас 1яжка леи 1.1 1 5671 15.371 173,21 166,871 12.4551 7%| 4.61| 0.221 0,18| 204.231 129.50| 160,21 168.3|176,4| -1%| 168.151 1,59б| 1,вЭ| 1.66I 7,8| 9.3 1 Растяжка лев. 2:1 Программам
2 1 Растяжка лев. 2:1 1 569| 101,б| 170,91 169.И 1 3,050| 2%| 1,13| О.ва 1 0,8/| 177,29| 158.99| 160,2| 168.3| 176,41 0%|168,31| 0,4Ъ«| Ь,93| S.92| t>,/| o.e
1 Растяжка прав. 1:1 Программа^
3 1 Рис: Тяжкп прип 1 1 1 573| 16.6ß| 170.5| 165.67| 17.697| 11%| 6.55] 0.15| О. Ю| ?10_7б| 11?.5«| 160.?| 16«.3| 176.4| =2%|16П.13| 1.йвЗ| 1,45| 1.4?| 9.5] 13.0
- 1 Растяжка прав 2:1 1 1 Растяжка прав. 2:1 Программам " 51й>| 16,09] 186,8] 1t>/,92| 7,052] 4%I 2r6lf 0,38] 0,3ö| 189.0/I146,761 160,21 168,3| 176,4| 0%| 168,31 I 0,0441 3,201 3.20| 8,41 9r8 2 Растяжка лев. 1:1 Программа:1
5 ? Растяжкиjнмi 1 1 •i 10? I 16ß| 17?.4| 1ftR.?0| 0.5241 0%| 0 19| 5.15| 5,14| 169 0б| 166.71 | 1flO,?| 160 3| 176.4| 0%|160.?1| 0.21ß| 1?.40| 1?.34| ?.4| ?4
2 Растяжка леи. 2:1 Программам 0%| 168.211 0,1841 14,671 14.611 1.9| 1,9*
6 2 Растяжка лев 2:1 1 1921 168| 1/0,S| 168,2/1 0,353| 0%| 0,13| 7,64| 7,61 | 169.33| 167.211 1вО,2| 168.31 178.4 2 Растяжка прав. 1:1 Программа:!
7 2 Растяжка мрпм 1 1 1 19?| 16ß| 171.31 1ftß.44| 0.460| OW| 0 17| 5.87| 5.7в| 169 Я?| 167.Об| 160.?| 160 3| 176.4| 0%|160.39| 0.311 | «,6«| « 591 1.5| 1.5
2 Растяжка прав. 2:1 Программам
а 2 Растяжка прав, 2:1 :1_ 182| 188| 166,61 168.211 0M6l| 0%| 0.061 16,791 16,611 168.691 167,73 Зад. амортиэ. лвв.М 160,2| 168.31 176.41 0% П ро гра ммаМ 33,51 35.31 37.1| 2% 168,211 0,1611 16.791 16.61 1.0| 1.0 1.51 1Л
9 Зад амортмо поп 1 1 /341 25.411 37.2« 1 3S.9/I 0.6891 2%| 1.15| 0.871 0.55| 38.031 33.90 35,991 0,4531 1,3? 1 0.81
Зад. амортиз. прав.М Программам
10 i 75? 1 4,4б| 36,3] 35 ?0| 3,190| 9^4, 5 3?| 0,191 01«| 44 77| 25,fifi] 33,5| 35 3| 37,1 | 0% | 35,5в| 0,397] 1,51 | 1.?9| «,0| 73
11 Монтаж двиг. лев.: 1 1 Монтаж двиг. лвв.М Программам ЗГГА\ 4,01 Г 52.,3]^46,90| 6,662[ 14%[ 2,0б] 0..49] 0,22] 66.94 [ 26,85| 31,9f 41.6&Г 51,4] 13%] 48,1б{ 1,070] 3,041 1,01 Г 62Í 4,5 Монтаж двиг. прав.М Программам
12 М[)1и;1Ж/]11П[ при iL 1 i ??341 4.231 51 ,б| 4? 501 9.0641 23% 3 041 0.33| 0.30| 7? 17| 1?.09| 31.9| 41 65| 51.4| 2% | 42.75| 9.593 | 0.34| 0 301 1.0| 10
13 Пер, подвеска левая: 1 1 П*р. подвеска левая:1 Программам 1&28Í 2,/б[ 97,42] 89,94 | 12,302[ 14%¡ 3.971 0.2&I 0,1 7| 126.661 53,04] 77,&| 86:б] 96,11 4%] 92,0з| 0,649 ] 4,/в] 2,09| 19,ОТ 12,5^ Пер. подвеска правая:1 Программам
14 Пи-р ПОДШНГКИ ПрШШЯ 1 i 4540| 07| 76.06| 73.00| 11 6ПЯ| 16%| 10 791 О.ОО | 0.09| 100 15| ЗО.О? | 63.5| 66 75| 70| 9% | 75.Ю| 1.6Ш| 0.67| 1 051 7.?| 119
Пер. стойка левая: 1 Программа:!
16 Пер. стойка левая: 1 2 22231 4] 27,Ol | 23,2&| 0,86О| 4% 1.1б| 0,8/] О.Зб| 2&.89f 20,6l] 19, б| 21,9| 24,2] 6% | 23,30 | 0,143] 5,3б| 2,1l| 6,2| 5,8
16 1 khp с;томка пряиии 1 Пер. стойка правая:1 Программа:2 2?1в| 6.331 23.ев] 23.281 0.4091 2%| 0.63 Г" 1.8/1 0.7&I 24.611 22.061 19,бГ 21.9| 24.21 6% | 23,?9| 0.120Г~6,38| 2.61 [ 3.4] 3.4
Подсбор пер. стоики 1:1 Программам
17 18 Падебор пар, стойки 1.1 Подсбор пер. стойки 3:1 1_ 1 1320I 5.211 78,651 51.451 2,6 I 55%I 10.971 0.Q&I 0,17| 136.161 33,2б| 65,751 73.4751 81,21 30%I 51.451 2Я23 I 0,09| 0.17| 1.0| 1.0 Подсбор пер. стойки 3:1 Программам 1б40| 6,1б| 79,641 45,621 32,963| ?2%| 12г80| 0,08| 0,20| 144,611 S3,27| 6S,75| 73,47S| 81,2| ^8%| 45,6213,296 | 0,081 0,20| 1,0| 1^5"
Стулима леваяM Программам
19 Ступице JHSUitH 1 1 7331 104 5| ?35.7| ?3?.40| 5.157| 2% 1 431 0.70| 0.441 ?47 95| ?17.01 | ??5.б| ?36 4| 247.21 2%|?32.73| 0.581 | 6.?0| 4 091 fi,9| 9.?
Ступица правая: 1 Программам
го Ступица правая: 1_ 1 7471 26.691 234.61 228.451 24.6671 11%| 6.651 0.151 0.041 302.451 154.451 226.61 236.41 247,2| -3%I 232.081 4.4661 0.811 0.481 5.5| 12.5 Шаровая правая: 1 Программам
31 Шпрсшии npannsi 1 1 0?5| 4 03| 79.43| 71 9?| ?0.?311 28% 7 731 0.13| 0.09| 13? 6?| 11.23| 66.6| 74 45| 0?.3| 3% | 71,90| 4.001 | 0.65| 0 441 5.11 5.0
Шаровая левая M 1 рограм ма : 1 66.61 74.45| 62.3
22 Шаровая левая: 1 8821 1,06| 79,391 68,92| 23,6Ю| 34%| 8.98| 0,1l] 0,03| 139.45| -1,61 68,92123,510| 0,111 0,03| 1,0| 1.0
Рис. 5. Скриншот рабочего окна научно-программного комплекса
Статистические индексы, а также их модели расчета представлены далее (таблица 1). В составе научно-программного комплекса предложены статистические параметры, обеспечивающие возможность для сравнения нормативных показателей и получаемой реальной статистики процесса. Научно-программный комплекс позволяет осуществлять фильтрацию данных и удалять из массива статистики реального процесса точки, отражающие особые причины изменчивости процесса производства. В программе проводится пересчет статистических индексов среднего значения, среднеквадратического отклонения, индексов воспроизводимости процессов без учета особых точек. Особые точки определяют, по большей части, существенное отклонение в выполнении операций от нормативов в процессе сборки. Соответственно, использование статистических индексов, определяющих отношение показателей воспроизводимости процесса без учета и с учетом особых точек, способно дать некий прогноз возможностей развития производственной системы, в которой особые точки (отклонения) будут исключены (п. 9-12, таблица 1).
Также, разрабатывается вероятностно-статистическая математическая модель сборочных операций (цифровой двойник). Рассматривается выделенная ключевая группа сборочных операций. Критерием, по которому улучшается процесс, является качество исполнения операций по ряду параметров, среди которых ключевым является момент затяжки.
В качестве исходных данных для формирования вероятностно-статистической математической модели цифрового двойника сборочной операции предлагается использовать часть данных, полученных в научно-программном комплексе, а именно данные, отражающие производственный процесс без особых точек (рисунок 5). Из этих данных исключены шумы. Именно эти данные характеризуют идеализированный сборочный процесс, поскольку не учитывают возмущения и выплески, связанные с некорректным выполнением сборочных операций. Сле-
дующим аспектом формирования модели цифрового двойника операций является выбор закона распределения исследуемого параметра качества (момента затяжки) в условиях массового производства. В данном случае необходимо исходить из теоретических рекомендаций и практики применения соответствующих законов распределения случайных величин. В условиях многофакторного влияния на формирование исследуемого параметра, с учетом массовости автомобильного производства, в качестве закона распределения исследуемого параметра следует рассматривать нормальный закон распределения случайных величин.
Таблица 1
Модели расчета статистических индексов качества_
№ Наименование Формула Примечание
1 2 3 4
1 Среднее значение в выборке 1 пВ ХСР =—Z Xi ПВ i=1 Пв - объем малой выборки (объем электронных данных для исследования); Xi - текущее значение показателя качества в i-ой выборке;
2 Размах R = X - X max min X~cV , Xmin - максимальное и минимальное значе- IlldX ' II11I1 ния в i-ой выборке (в объеме электронных данных)
3 Среднее квадратическое отклонение — 1 1 " a = J—rZ (Xi - X ) \n - 1 i=1 *
4 Коэффициент вариации К = -^x100 X СР
5 Индекс воспроизводимости, который определяет положение размаха относительно границ регулирования n USL - LSL Lp = 6a USL - верхняя граница допустимых значений параметра, LSL - нижняя граница допустимых значений параметра
6 Индекс воспроизводимости, который учитывает центровку процесса Cpk = min(CPU, CPL) CPU - верхний индекс воспроизводимости (отклонение среднего значения процесса от верхней границы поля допуска, деленное на действительный верхний разброс процесса); CPL - нижний индекс воспроизводимости -отклонение среднего значения процесса от нижней границы поля допуска, деленное на действительный нижний разброс процесса
7 Верхний индекс воспроизводимости USL - XСР CPU = _ СР 3a
8 Нижний индекс воспроизводимости CPL = XСР --LSL 3a
9 Среднее значение, исходя из предельно возможных по требованиям нормативной документации минимального значения и максимального значения контролируемого параметра X - X у у max пред. min пред пред. сред. min пред 2 Xmin пред. - минимальное предельное значение параметра по требованиям нормативной документации; Xmax пред. - максимальное значение парметра по требованиям нормативной документации
10 Отклонение среднего статистического значения оцениваемого параметра от среднего с учетом заложенных нормативных требований к процессу д = XСР - XпРед-Ре°. x 100 X пред.сред.
11 Отношение Ср реального процесса к Ср без учета особых точек ДСр = СРбезособточек Ср
12 Отношение Срк реального процесса к Срк без учета особых точек ДСрк = Срркбезособточек Срк
Таким образом, идеализированная вероятностно-статистическая математическая модель, которую предлагается рассматривать в качестве цифрового двойника сборочных операций по критерию качества выполнения момента затяжки, определяет вероятность правильного выполнения операции в нормальном законе распределения, без учета статистических выплесков и шумов реального технологического процесса при изменении допуска границ исследуемого параметра в соответствии с установленными в нормативной документации значениями.
Цифровой двойник предлагается рассматривать как целевой индекс качества выполнения сборочной операции, а совокупность цифровых двойников, соответственно, необходимо рассматривать как комплексный целевой индекс качества сборочного процесса. В этом случае, появляется возможность для улучшения процесса оперативного мониторинга и управления качеством автосборочных операций, поскольку в качестве индекса управления реализуется не просто конкретный единичный показатель, а группа показателей, наиболее полно отражающая воспроизводимость технологического процесса. Таким образом, получается, что управление технологическими операциями по критерию качества осуществляется путем периодического сравнения фактического показателя процесса Пфактф, который рассчитывается с использованием данных первой части таблица расчетной программы (рисунок 6 - с учетом особых точек), с целевым показателем Рщельф - который рассчитывается с использованием второй части таблицы рабочей программы (рисунок 6 - без учета особых точек), то есть с идеализированной моделью операции (операций) или другими словами с цифровым двойником. Также в качестве количественного критерия приемлемости фактического уровня протекания сборочного процесса можно использовать критерий Фишера, как отношение дисперсий фактического к дисперсии идеализированного процесса. В этом случае стремление критерия к единице можно рассматривать как улучшение воспроизводимости процесса.
Схема процесса формирования ключевой группы сборочных операций, цифрового двойника и организации системы управления качеством
Диаграмма мониторинга качества выполнения сборочных операций по критерию «момент затяжки»
Цигу>ри г
V 1иим лмч-иН I V.':
|[с:шим □ iin.ni к эсфопца с н
Лпрглглеине персов шмбал« Сйсричивд ЖфвЯЯ II
Общее
количество
10
Динамика изменения показателя ЫОК {моментзатяжки)
Среднее значение ЬЮК-
5 -
□ -
— 7 -
~ 6 -
8 5 -
= 4 -
3 -
2 -
1 -
□ -
Рд|[*||Ъпа цифр.»-, г и дицЛинта лрлцр«.а |'л|мКиы н (КШИишНЯ КроЯ 1 КОС 1 НОЙ
М0МПГП1 ыг /МП - -о ЯЖКЧ рМЬ&МЮГО оскминяш* . .. 0 *..}
-4— 1 «• -1 йх V2п 1
+
РлриСюткл единичных и рнт-тщиннми
|ф|ггс|мш л ш и< И1ГГ1.1Р11НГ» II г-приипппи кнкегвт
сник сйорвдНыя оасрацзш.
ЬьПл'р 11 С. ИЛ »(.КА ||Н||;'>1ЧЫН|НЧ|
Гж/шьт/ » ЩЬш, - V- -V- .Агт^шш.)
Р.фЧГ-М "Н (Тцс:ы. ■ ¿№п Л>.%УИ№1Ь>
ВыроОотк* СМСТСММ Ч^А ко для ч1Ч1И11.1р«то
11 ПЯЧ^ЧЧИ!)«
Рсалншим* сис емы праннл.
II УЩИШ^ИИ
У У и .1уЧШСГ» НОНШКНС1К1ГО р<иу.11.Г1ГП1. учикиис имеет »а продукции
Диаграмма мониторинга достижения целей в области каче-_ства по ключевым операциям сборки_
Иял 34,ИЧ
ННЙНММЙ а Р, $ Й § Й Й М Н 66 ! ааааавааааааааааааааааааа* 5 » - ГГ 1 1 -1 11
Рис. 6. Структура процесса формирования цифрового двойника и организации системы управления качеством
автосборочного производства
Графическое изображение процесса реализации методики выбора сборочных операций, актуализации цифрового двойника, а также управления качеством производства представлено на рисунке 6. Также на рисунке 6 представлены диаграммы, отражающие результаты внедрения разработанных методик и инструментария в практику реального автосборочного производства.
Далее проводится разработка статистического инструментария мониторинга и управления качеством на механообрабатывающих операциях автомобильного производства.
Для обработки высокоточных деталей автомобилестроительной отрасли (шейки распределительных валов, внутренние поверхности втулки или гильзы цилиндра двигателя и др.) применяются операции доводки поверхности в допуск по размеру и шероховатости. Для этой цели используются шлифовальные и хонинговальные станки. Многие станки оборудуют системой контроля геометрических размеров. Если устройство контроля оснащено обратной связью и имеет возможность изменять управляющий параметр (или параметры), от которого зависит качество выполняемой операции, то реализуется адаптивное управление операцией и такое устройство называется прибором активного контроля (ПАК). Для операций шлифования и хонингования ключевым управляющим параметром, влияющим на точность выполнения размера Ь, является конечная скорость съема припуска в момент окончания обработки и отвода шлифовального круга Умк .
Связь между скоростью Умк и размером Ь является динамически изменчивой, т.е. зависимой от внешних условий (износ круга и прочее), поэтому на производстве реализуют двухконтурную систему адаптивного управления. Задачей второго контура является корректировка настроечных параметров (коэффициентов) этой связи. Однако ни характер, ни время наступления изменчивости не определены.
В работе предлагается интегрировать в существующую двухконтурную адаптивную систему активного контроля (рисунок 7) статистический инструмент обработки информации.
В результате можно сформировать карту динамических размеров деталей, что позволяет отображать информацию по всей совокупности деталей. В этом случае момент возникновения особой причины изменчивости, выводящий технологический процесс из стабильного состояния, будет выявлен своевременно, тем самым предотвращается выпуск несоответствующей продукции. Все это выполняется в приборе активного контроля (ПАК), который образует первый или основной контур системы. Прибор послеоперационного контроля (ППК) в этом случае образует второй или дополнительный контур системы.
ПАК
тЕЭ
Рис. 7. Структурная схема двухконтурной адаптивной системы активного контроля со статистической
обработкой информации
Полученные во втором контуре объективные данные используются для уточнения корректирующих коэффициентов основного контура. Корректировка с использованием дополнительного контура может осуществляться через более длительные временные интервалы, чем при традиционном подходе, особенно при стабильном технологическом процессе, что позволяет снизить трудоемкость контроля. Результаты лучше визуализировать с помощью контрольных карт средних и размахов, гистограмм распределения.
В результате статистические характеристики в принятых обозначениях в основном контуре системы активного контроля будут иметь вид:
- среднее значение погрешности размера:
AL = c1avmk - 1 2 (ума VMKном) - С, (vMK VMKномj;
П i-1
(1)
- размах значении погрешности размера:
RAL - ^Lmax - ^Lmin - С2 (vmkmax - vmkmin ) , (2)
где n - количество деталей в выборке, С1, С2 - постоянные для конкретного оборудования коэффициенты, характеризующие условия обработки; VMK - конечная скорость съема припуска, AL - погрешность размера.
Дополнительный контур системы в этом случае используется для периодической идентификации коэффициентов С г и С2 в используемой в основном контуре системы:
С -
AL2
AVM
vu
(3)
(4)
где АЬ 2 - погрешность размера, полученная в дополнительном контуре.
Непрерывное отслеживание показателей качества обрабатываемых деталей предотвращает не только запаздывание, но и потерю информации об изменении состояния технологического процесса во времени. Данное обстоятельство дает возможность распознать ранние признаки появления особой причины изменчивости до момента появления несоответствующей продукции. Величины погрешности обработки АЬ , даже при постоянстве времени отвода шлифовального круга в момент окончания обработки, близки к результатам, полученным во втором контуре системы контроля только в случае больших значений конечной скорости снятия припуска Умк . Если значения Умк находятся в диапазоне от 5 мкм/с и выше, то совпадение динамической погрешности размера, полученное в основном контуре с результатами статических измерений в дополнительном контуре велико. В случае, когда значения Умк находятся в диапазоне до 5 мкм/с, что часто имеет место в производственной практике, увеличивается доля влияния прочих возмущающих факторов - температурный режим обработки, состояние шлифовального круга и периодичность его правки, качество смазочно-охлаждающей жидкости (СОЖ) и ее количество, поступающее в зону обработки. В подобных ситуациях требуется контроль дополнительных факторов для более точных вычислений.
Оценка адекватности разработанного статистического инструмента проводилась на оборудовании одного из ведущих российских предприятий по выпуску автомобилей, в частности, круглошлифовальном станке производства завода Livnica ЮкшЗа для наружной шлифовки. На указанном оборудовании выполняется обработка детали с допуском: 027"0,015 - 27-0,036 мм. Проведена серия из 10 экспериментов (выборкам) по контрольным замерам 3 деталей в каждой выборке по выделенному параметру. Коэффициент корреляции, рассчитанный для значений отклонения конечной скорости снятия припуска и отклонения размера детали, определялся по выражению:
2 (
ALu - AL 2 )• (aVmkí - AVmk )
2 (AL2i - AL2 j2 • 2 (AVmkí - AVmk j
V i-1 i-1
(5)
Коэффициент корреляции получился ,К=-0,8987, что подтверждает высокую степень связи между анализируемыми параметрами. В этой связи можно рассчитать коэффициенты аппроксимирующего выражения для отклонения размера через показатели отклонения конечной скорости съема припуска, которое будет иметь вид:
АЬ = А 'Аумк + А2, (6)
где А1 и А2 - постоянные коэффициенты для конкретного оборудования и параметров обработки.
В рассматриваемом случае выражение (6) примет вид:
R
С
R
ДЬ = -0,769 • Д ^ - 0,01. (7)
Сравнительный анализ полученных результатов внедрения статистического инструмента управления в практику механосборочного производства представлен в таблице 2 и на рисунке 8.
Таблица 2
Статистические показатели процесса механообработки _
Наименование показателя До внедрения После внедрения
Максимальное значение в выборке 11,0 5,0
Среднее арифметическое выборки 5,17 2,77
Стандартное отклонение 2,45 1,33
Гистограмма распределения замеров (до внедрения)
Гистограмма распределения замеров (после внедрения)
п в ■
/
i ■
1
Рис. 8. Диаграммы сравнительного анализа распределения замеров контролируемого размерного параметра до и после внедрения статистического инструмента управления
Таким образом, в работе предложено решение важной научно-технической задачи направленной на повышение качества производства автомобилей.
Список литературы
1. Козловский В. Комплексная оценка удовлетворенности потребителей качеством автомобилей / В. Козловский, В. Строганов, С. Клейменов // Стандарты и качество. 2013. № 5. С. 94-98.
2. Строганов В.И. Итоги и перспективы развития электромобилей и автомобилей с гибридными силовыми установками / В.И. Строганов, В.Н. Козловский // Электроника и электрооборудование транспорта. 2012. № 2-3. С. 2-8.
3. Заятров А.В. Анализ и оценка взаимосвязей между традиционными показателями надежности и показателями, используемыми ведущими производителями легковых автомобилей / А.В. Заятров, В.Н. Козловский // Электроника и электрооборудование транспорта. 2012. № 1. С. 41-43.
4. Панюков Д.И. фундаментальные основы FMEA для автомобилестроения / Д.И. Панюков, В.Н. Козловский // Монография, Самара, 2014.
5. Козловский В.Н. Потребительская ценность качества автомобилей / В.Н. Козловский, Г.Л. Юнак, Д.В. Айдаров, С.А. Шанин // Стандарты и качество. 2017. № 12. С. 76-80.
6. Kozlovskiy V. Analytical models of mass media as a method of quality management in the automotive industry / V. Kozlovskiy, D. Aydarov // Quality - Access to Success. 2017. Т. 18. № 160. С. 83-87.
7. Дебелов В.В. Моделирование электронной системы регулирования скорости движения легкового автомобиля в режимах поддержания и ограничения скорости / В.В. Дебелов, В.В. Иванов, В.Н. Козловский, В.И. Строганов // Электроника и электрооборудование транспорта. 2013. № 6. С. 2-7.
8. Panyukov D. Development and research fmea expert team model / D. Panyukov, V. Kozlovsky, Y. Klochkov // International Journal of Reliability, Quality and Safety Engineering. 2020. Т. 27. № 5. С. 2040015.
9. Строганов В.И. Математическое моделирование основных процессов электромобилей и автомобилей с комбинированной силовой установкой / В.И. Строганов, В.Н. Козловский, А.Г. Сорокин, Л.Х. Мифтахова // Вестник Казанского технологического университета. 2014. Т. 17. № 7. С. 129-132.
10. Козловский В.Н. Моделирование электронной системы vvt управления двигателем легкового автомобиля / В.Н. Козловский, В.В. Дебелов, М.А. Пьянов // Электроника и электрооборудование транспорта. 2014. № 4. С. 5-12.
11. Дебелов В.В. Электронная система управления автомобиля "start-stop" / В.В. Дебелов, В.Н. Козловский, В.Е. Ютт // Электроника и электрооборудование транспорта. 2014. № 2. С. 6-9.
12. Николаев П.А. Многофакторная оценка влияния дорожной обстановки на помехоустойчивость бортового электротехнического комплекса автомобилей / П.А. Николаев, В.Н. Козловский, А.С. Подгорний, А.С. Саксо-нов // Электроника и электрооборудование транспорта. 2022. № 1. С. 36-41.
Клейменов Сергей Иванович, канд. техн. наук, инженер, [email protected], Россия, Самара, Самарский государственный технический университет,
Козловский Владимир Николаевич, д-р техн. наук, профессор, заведующий кафедрой, [email protected], Россия, Самара, Самарский государственный технический университет,
Васин Леонид Александрович, д-р техн. наук, профессор, [email protected], Россия, Тула, Тульский государственный университет,
Пантюхина Елена Викторовна, д-р техн. наук, доцент, [email protected], Россия, Тула, Тульский государственный университет
DE VELOPMENT OF A COMPLEX OF DIGITAL TOOLS FOR STATISTICAL QUALITY MANAGEMENT
IN AUTOMOBILE PRODUCTION
S.I. Kleimenov, V.N. Kozlovsky, L.A. Vasin, E.V. Pantyukhina
The paper presents the results of the development and implementation of a set of digital tools for statistical quality management in automotive production.
Key words: competitiveness, quality, automobile production.
Kleymenov Sergey Ivanovich, candidate of technical sciences, docent, anocsms@gmail. com, Russia, Samara, Samara State Technical University,
Kozlovsky Vladimir Nikolaevich, doctor of technical sciences, professor, head of the department, [email protected], Russia, Samara, Samara State Technical University,
Vasin Leonid Alexandrovich, doctor of technical sciences, docent, vasin_sa53@mail. ru, Russia, Tula, Tula State
University,
Pantyukhina Elena Viktorovna, doctor of technical sciences, docent, e. [email protected], Russia, Tula, Tula State
University
УДК 005.6
DOI: 10.24412/2071-6168-2024-7-36-37
РАЗВИТИЕ СИСТЕМ КОНТРОЛЯ КАЧЕСТВА ЭЛЕКТРОТЕХНИЧЕСКИХ КОМПОНЕНТОВ В СОСТАВЕ НОВЫХ КОНСТРУКЦИЙ АВТОТРАНСПОРТНЫХ СРЕДСТВ
Н.С. Тондель, И.А. Беляева, В.Н. Козловский, А.С. Подгорний
В работе представлены результаты анализа развития систем контроля качества электротехнического и электронного комплекса автомобилей с определением наиболее важных аспектов при организации соответствующих работ для новых электромобилей.
Ключевые слова: конкурентоспособность; качество; автомобиль; электротехнический и электронный
комплекс.
Развитие конструкций современных автомобилей в последние десятилетия напрямую связано с количественно-качественным ростом компонентов электротехнического и электронного комплекса, который постепенно превращается в наиболее важный комплекс конструкции автотранспортных средств [1, 2].
С учетом того, что электротехнические и электронные компоненты являются наиболее дефектоносными в процессе эксплуатации автомобилей, становится понятно, что проблема обеспечения качества электрооборудования на современных автотранспортных средствах является важной [3, 4].
В связи с этим, актуальным является вопрос реализации систем обеспечивающих возможности оценки качества компонентов электрооборудования и электроники на производственном этапе жизненного цикла. Как мы понимаем, сказанное выше, еще больше подчеркивает значимость задачи, связанной с обеспечением качества электромобилей и автомобилей с комбинированной энергоустановкой [5, 6].
В настоящее время обеспечение качества автомобильного электрооборудования и электроники на производственном этапе жизненного цикла реализуется за счет организации производственной системы в рамках которой интегрируются инструменты обеспечения качества, а также инструменты контроля и управления качеством [7, 8].
В последние годы, появляются научно-технические работы определяющие развитие инструментов обеспечения качества электрооборудования и электроники в автомобильном производстве посредством создания диагностических контрольных комплексов, которые реализуют функции измерения качества электротехнических и электронных компонентов в составе автомобиля посредством оценки соответствующих электротехнических параметров, таких как токи нагрузки и падения напряжения на оцениваемых компонентах [9, 10].
Рассмотрим перспективный комплекс контроля качества электрооборудования и электроники в составе автомобиля.
Компоненты системы можно разделить на 2 части - исполнительную и накопительную. Исполнительной частью системы является набор диагностических и программирующих устройств, предназначенных для проведения работ с электронными блоками управления. В задачи оборудования входит: проверка функционала компонента; конфигурирование блоков; калибровка блоков; заполнение данных о серийных номерах блоков; запись VIN номера; обучение ключей; активация системы ЭРА-Глонасс; активация системы SRS Airbag.
36
