CC BY
0
Чабаненко Александр Валерьевич, канд. техн. наук, доцент, [email protected], Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения
UAS QUALITY ENGINEERING BASED ON MATHEMATICAL MODELING OF INDIVIDUAL ELEMENTS BASED ON
ADDITIVE TECHNOLOGIES
M.D. Rassyhaeva, L.A. Klimochkina, D.F. Kazadio, A. V. Chabanenko
In recent years, additive technologies, better known as 3D printing, have begun to play a key role in the unmanned aerial vehicle (UAV) industry. These technologies have brought new possibilities for design and production, allowing the creation of complex geometric shapes that are difficult or impossible to perform with traditional production or processing methods. Thanks to additive technologies, it has become possible to significantly reduce the weight and cost of manufacturing components, which is especially important in the aviation industry, where every extra gram counts. With the development of the additive industry, it became possible to use this technology not only in the UAV itself, but also in UAS (unmanned aircraft systems) systems, which greatly expanded the capabilities of the modern unmanned mobile aviation complex. However, despite the significant advantages, the use of additive technologies in the production of UAVs and UAS also imposes new requirements on quality engineering. The development of unmanned aerial vehicles designed for complex tasks and extreme operating conditions requires not only an innovative approach to design, but also strict verification of every aspect ofproduction, both the aircraft itself and the control complex. From the right choice of materials to precision execution and thorough testing, each stage is crucial to ensure the reliability and safety of finished products. This article examines in detail how quality engineering integrates with additive technologies for development and production in the UAS industry, analyzing current methods, challenges and prospects in this rapidly developing field.
Key words: quality management, control, quality engineering, machine learning, additive technologies, modeling.
Rassykhaeva Maria Dmitrievna, postgraduate, assistant, mitschiru@yandex. ru, Russia, Saint Petersburg, Saint Petersburg State University of Aerospace Instrumentation,
Klimochkina Lidiya Antonovna, postgraduate, assistant, b1t2k3@yandex. ru, Russia, Saint Petersburg, Saint Petersburg State University of Aerospace Instrumentation,
Casadio Daniele Francescovich, master's, [email protected], Russia, Saint Petersburg, Saint Petersburg State University of Aerospace Instrumentation,
Chabanenko Alexander Valerievich, candidate of technical sciences, docent, a@chabanenko. ru, Russia, Saint Petersburg, Saint Petersburg State University of Aerospace Instrumentation
УДК 004.413
DOI: 10.24412/2071-6168-2024-12-489-490
ПРИМЕНЕНИЕ СТАТИСТИЧЕСКИХ ИНСТРУМЕНТОВ УПРАВЛЕНИЯ ПРИ МОНИТОРИНГЕ
КАЧЕСТВА НЕФТЕПРОДУКТОВ
И.Г. Муленко, Д.И. Благовещенский
В работе представлены результаты применения методов статистического управления качеством продукции на примере нефтепродуктов.
Ключевые слова: управление качеством; статистические методы; нефтепродукты.
Для оценки качества нефтепродуктов используем следующие инструменты: гистограммы, контрольные карты Шухарта, диаграмму Парето и диаграмму Исикавы [1 - 5].
Рассмотрим параметр массовой доли серы. Марка топлива К5 имеет показатель не более 10 мг/кг соответственно. Часть исходных данных, в качестве примера, представлены в таблице 1.
Таблица 1
Статистические данные для мониторинга качества нефтепродуктов по параметру массовой доли серы
Номер пробы Номер пробы Массовая доля серы, мг/кг
1 107,3 7,1
2 372,5 6,2
3 478,3 6,4
4 603,1 6,1
5 927,2 6,3
6 959,1 6,3
7 966,5 6,4
8 993,7 6,4
9 1058,1 6,5
10 1140,8 6,7
11 1151,7 6,1
12 1195,4 6,3
13 1327,4 6,0
14 1333,1 6,1
15 1405,5 6,6
После преобразований, получаем исходные данные для построения гистограммы (таблица 2) [6, 7].
Таблица 2
Исходные данные для построения гистограммы_
Номер интервала Границы интервала Частота,
1 5,5-5,77 2
2 5,77-6,04 11
3 6,04-6,31 15
4 6,31-6,58 6
5 6,58-6,85 7
6 6,85-7,12 10
7 7,12-7,4 3
Всего 54
Полученная на основе данных таблицы 2, гистограмма, представлена на рисунке 1.
16 15 14 13 12 11
Б' 10 го 9 о 8 7
го '
=г 6
5 4 3 2 1 0
5,5-5,77 5,77-6,04 6,04-6,31 6,31-6,58 6,58-6,85 6,85-7,12 7,12-7,4
Массовая доля серы, мг/кг
Рис. 1. Гистограмма распределения значений показателей массовой доли серы
Из данного исследования по гистограмме видно, что наибольшее количество полученных значений массовой доли серы находится в интервале 5,71-7,16. Значения не выходят за нормативную границу. Эта симметричная диаграмма указывает на стабильность показателя [8, 9].
В качестве примера, часть обобщенных данных мониторинга показателя качества нефтепродуктов по индексу массовой доли серы представлены в таблице 3
Таблица 3
Результаты анализа нефтепродукта по показателю массовой доли серы _
№ Х1 Х2 X X Я Л
1 6,8 7,6 7,3 0,7
2 6,2 6,4 6,2 0,3
3 6,2 5,9 6 0,4
4 6,3 6,1 6,2 6,41 0,2 0,56
5 6 6,8 6,4 0,8
6 6,1 6,5 6,3 0,3
Для построения контрольных карт применяются контрольные границы (границы доверия) верхние и нижние и границы размаха [10 - 12]. Полученные контрольные карты по выделенному показателю массовой доли серы представлены на рисунках 2 и 3.
Из анализа контрольных карт X -типа и R-типа видим, что все точки находятся в пределах контрольных границ. Процесс находится в статистически управляемом состоянии [13 - 15].
Для получения диаграммы Парето используем данные листка по выявленным дефектам, обнаруженных при приемке нефтепродуктов. Данные для диаграммы Парето приведены в таблице 4
Для проведения анализа Парето (рисунок 4) на уровне 80 % проводим линию до пересечения с кумулятивной кривой и из точки пересечения опускаем перпендикуляр на горизонтальную ось.
Три первых дефекта составляет 83,35 %, поэтому их позволит избавиться от некачественного нефтепродукта. В связи с этим выбираем первые три показателя для первоочередного анализа и принятия решений по устранению.
По обычаям квалиметрии Диаграмму Парето применяют вместе с причинно-следственной связью, диаграммой Исикавы.
Диаграмма Исикавы - это инструмент, применяющийся при разработке и непрерывном реформировании продукции. Тем самым обеспечивается системный подход к определению фактических причин возникновения проблем. Главной задачей этого метода является отображение и обеспечение технологии поиска истинных причин рассматриваемой проблемы для эффективного их разрешения.
10 12 9,5
1 9 8,5
Л
а 8
<и
° 7,5 § 7 § 6,5
<§ 6 «
о 5,5
3 5
Ъ 4,5
4
»-х—зг-<
ТггТТ *****
»-
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53
№ партии
Рис. 2. Х-карта анализирующая нефтепродукт по показателю массовой доли серы
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53
№ партии
Рис. 3. Я-карта, анализирующая нефтепродукт по показателю массовой доли серы
Исходные данные для построения диаграммы Парето
Таблица 4
№ Тип дефекта Количество дефектов Процентная доля дефектов, % Суммарные доли дефектов, %
1 Массовая доля серы 10 33,32 33,32
2 Температура 9 30,1 63,32
3 Цетановое число 3 13,32 76,67
4 Зольность 4 10,1 85,67
5 Массовая доля воды 1 6,67 93,34
6 Плотность 2 3,32 96,66
7 Массовая доля полициклических ароматических углеводородов 1 3,32 100
Всего 30 100
100,00% 100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
345 Вид дефекта
Рис. 4. Диаграмма Парето
1
2
6
7
Для задачи по определению качественных характеристик составим причинно-следственную диаграмму, указав основные моменты, которые оказывают влияние на возможное возникновение дефектов в готовой к отгрузке продукции. Рассмотренные в «рыбьей кости» факторы включают технологические процессы производства, оборудование, персонал и сырье.
Диаграмма Исикавы (причинно-следственная диаграмма) представлена на рисунке 5.
Контрольные
ОСорудашииня исиииния
Из данной диаграммы мы видим, какие именно причины послужили возникновению дефектов в частности образованию серы в «мертвой полости» резервуаров», для дальнейшего анализа, который дает ответ качественные нефтепродукты в резервуаре на нефтебазе или нет нам необходимо знать количество их в мертвой полости и соответственно необходимо знать точно емкость (вместимость) резервуара.
Таким образом, применение инструментов управления, обеспечивает возможности для оперативного вскрытия проблем качества нефтепродуктов.
Список литературы
1. 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.
2. Немцев, А.Д. Моделирование - инструмент управления качеством продукции / А.Д. Немцев, В.Н. Козловский // Автомобильная промышленность. 2003. № 10. С. 1.
3. Panyukov, D.I. Highlights of russian experience in implementing ISO/TS 16949 / D.I. Panyukov, V.N. Ko-zlovskiy // Life Science Journal. 2014. Т. 11. № 8s. С. 439-444.
4. Козловский, В.Н. Методология анализа и прогнозирования качества автомобилей в эксплуатации / В.Н. Козловский, Д.В. Антипов, А.В. Заятров // Актуальные проблемы экономики. 2016. Т. 186. № 12. С. 387-398.
5. Козловский, В.Н. Проблема стратегического планирования улучшения качества и надежности системы электрооборудования автомобилей / В.Н. Козловский, А.В. Заятров // Электроника и электрооборудование транспорта. 2012. № 1. С. 44-47.
6. 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.
7. Инновационные механизмы управления потенциалом сферы сервиса в регионе / Ерохина Л.И., Наумова О.Н., Любохинец Л.С., Лещишена В.П., Любохинец О.В., Кулапина Г.М., Маркова О.В., Никитина Н.В., Калашникова И.А., Дудко В.Н., Мещерякова Е.В., Козловский В.Н., Цветкова С.Н., Кретинина Т.В., Бреусова Е.А., Фатеева С.В., Новоселов С.Н., Ульяницкая Н.М., Шаблыкин М.М., Буряков Г.А. и др. // Тольятти, 2013.
8. Козловский, В.Н. Концепция методологии комплексной программы улучшений / В.Н. Козловский, Д.И. Благовещенский, Д.В. Айдаров, Д.И. Панюков, Р.Д. Фарисов // Стандарты и качество. 2022. № 7. С. 36-42.
9. Панюков, Д.И. Новое руководство по FMEA: структурный анализ процессов / Д.И. Панюков, В.Н. Козловский, Д.В. Айдаров // Методы менеджмента качества. 2020. № 10. С. 36-42.
10. Козловский, В.Н. Стратегическое планирование конкурентоспособности с точки зрения качества / В.Н. Козловский, С.А. Шанин, Д.И. Панюков // Стандарты и качество. 2017. № 3. С. 76-80.
11. Kozlovskiy, V. System of customer satisfaction monitoring by new cars in view of perceived quality / V. Ko-zlovskiy, D. Aydarov // Quality - Access to Success. 2017. Т. 18. № 161. С. 54-58.
12. Панюков, Д.И. Формирование эффективной FMEA-команды / Д.И. Панюков, В.Н. Козловский, С.А. Шанин // Стандарты и качество. 2017. № 7. С. 68-72.
13. Kozlovsky, V.N. Calculation and statistical experiment on the monte carlo method when assessing the stability of the technical characteristics of the automobile generator set in mass production / V.N. Kozlovsky, V.E. Lysov, V.V. Ermakov, D.V. Antipov, D.F. Skripnuk // В сборнике: Proceedings of the 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, ElConRus 2019. 2019. С. 565-568.
14. Козловский, В.Н. Цифровизация и проблемы трудовых коллективов: роли и ответственность / В.Н. Козловский, Д.И. Благовещенский, Д.И. Панюков, Р.Р. Гафаров // Стандарты и качество. 2022. № 1. С. 94-98.
15. Панюков, Д.И. Моделирование процедуры FMEA: анализ рисков / Д.И. Панюков, В.Н. Козловский, Д.В. Айдаров // Методы менеджмента качества. 2019. № 9. С. 34-43.
Муленко Илья Геннадьевич, соискатель, [email protected], Россия, Тула, Тульский государственный университет,
Благовещенский Дмитрий Иванович, д-р техн. наук, доцент, генеральный директор, dblagov1@yandex. ru, Россия, Тула, Государственный региональный центр стандартизации, метрологии и испытаний в Тульской, Орловской, Рязанской, Калужской, Смоленской и Брянской областях
APPLICATION OF STATISTICAL MANAGEMENT TOOLS IN MONITORING THE QUALITY OF OIL PRODUCTS
I.G. Mulenko, D.I. Blagoveshchensky
The paper presents the results of applying statistical quality management methods to petroleum products as an
example.
Key words: quality management; statistical methods; petroleum products.
Mulenko Ilya Gennadievich, applicant, info@csm-belgorod. ru, Russia, Tula, Tula State University,
Blagoveshchensky Dmitry Ivanovich, doctor of technical sciences, docent, general director, dbla-gov1@yandex. ru, Russia, Tula, State Regional Center for Standardization, Metrology and Testing in the Tula, Orel, Ryazan, Kaluga, Smolensk and Bryansk Regions
УДК 005.63; 629.083
DOI: 10.24412/2071-6168-2024-12-493-494
СОВЕРШЕНСТВОВАНИЕ ПРОЦЕССОВ РЕМОНТА И ОБСЛУЖИВАНИЯ АВТОМОБИЛЯ
НА ОСНОВЕ МЕТОДА FMEA
Д.И. Панюков, В.Н. Козловский, О.В. Никишов, О.В. Пантюхин
Рассмотрены проблемы управления качеством в сфере сервисного обслуживания автомобилей. Представлена многоуровневая модель управления предприятием сервисного обслуживания автомобилей. В нотации BPMN выполнено моделирование бизнес-процессов, на платформе ARIS Express разработана процессная модель автосервисного предприятия. Для проведения FMEA процесса сервисного обслуживания и ремонта автомобиля выполнены структурный и функциональный анализ процесса, проведена идентификация отказов процесса, сформулирован перечень возможных последствий отказов, оценена их значимость. Построено дерево анализа отказов. Выполнена оценка рисков процесса сервисного обслуживания и ремонта автомобиля по методике FMEA.
Ключевые слова: обслуживание автомобилей, управление качеством, модель управления, бизнес-процессы, процессная модель, структурный и функциональный анализ, идентификация отказов, анализ рисков, оценка риска, FMEA.
Рынок сервисного обслуживания и ремонта автомобилей является высококонкурентным, особенно в крупных городах. Помимо фирменных дилерских, в том числе сетевых, компаний в крупных городах существует большое количество компаний, занимающихся различного вида ремонтом автомобилей и их техническим обслуживанием. Организация работ на предприятиях фирменного автосервиса обычно достаточно четко отлажена и ориентируется на набор собственных нормативных требований, как в области обслуживания клиентов, так и в области технических процессов, связанных с диагностикой, обслуживанием и ремонтом автомобилей. На таких предприятиях организован процесс управления качеством на всех этапах сервисного обслуживания автомобилей в соответствии с требованиями ИСО 9001 [1]. Но на ряде средних и особенно небольших предприятиях автосервиса таких систем управления качеством, основанных на современных стандартах в области качества, просто нет, в лучшем случае есть отдельные элементы, скопированные с аналогичных процессов фирменных организаций.
Потребители услуг автосервиса, в связи со сложной экономической обстановкой, связанной с уходом с российского большого количества западных производителей автомобилей, все больше обращаются именно на небольшие предприятия, при этом привычно ожидая достаточно высокий уровень сервиса, что часто не оправдывается. Именно поэтому необходимо предложить таким предприятиям достаточно простой, но при этом эффективный подход в управлении автосервисом, который имеет четкую и понятную структуру и сфокусирован на удовлетворении потребностей клиентов с высоким уровнем качества всех работ. При этом важным аспектом является контроль над всем процессом обслуживания, начиная с приема автомобиля и заканчивая его возвратом клиенту [2].
Построение эффективного процесса всегда начинается с его структурного моделирования, заключающегося в разработке и визуализации всех его этапов, описания функций каждого этапа и требований к их выполнению
[3].
