CC BY
0
Dmitry Ivanovich Blagoveshchensky, doctor of technical sciences, docent, [email protected]. Russia, Tula, State Regional Center for Standardization, Metrology and Testing in the Tula, Orel, Ryazan, Kaluga, Smolensk and Bryansk Regions
УДК 004.413
DOI: 10.24412/2071-6168-2024-12-502-503
СТАНДАРТИЗИРОВАННЫЕ МЕТОДЫ ОПРЕДЕЛЕНИЯ ВМЕСТИМОСТИ РЕЗЕРВУАРОВ В ПРОЦЕССАХ УПРАВЛЕНИЯ КАЧЕСТВОМ ХРАНЕНИЯ НЕФТЕПРОДУКТОВ
И.Г. Муленко
В работе представлены результаты обзора и анализа стандартизированных методов определения вместимости резервуаров в процессах управления качеством хранения нефтепродуктов.
Ключевые слова: управление качеством, нефтепродукты.
С введением в действие значительного числа нормативно-технической документации в области технического регулирования и в области обеспечения единства измерений за последние 20 лет, неукоснительно изменились подходы к измерениям в топливо-энергетическом комплексе и в частности резервуаров для хранения нефтепродуктов [1, 2]. Огромную роль в точности воспроизведения содержимого резервуаров играет методика (метод) определения емкости (вместимости) резервуара из опыта аттестованных специалистов: чем больше объем резервуара, тем точнее должен быть выбран метод определения вместимости и произведен учет конструктивных особенностей, особенно актуальна точность метода, когда резервуар является средством измерения утвержденного типа [3, 4].
Проанализируем основные модели определения емкости резервуаров:
Определения вместимости резервуаров объемным методом.
Основной принцип работы данной модели заключается в проливе жидкости объёмом равным объему резервуара через проливную установку, включающую в себя основное средство измерения: эталонный расходомер или счетчик жидкости [5]. Регулируется работа данной модели для горизонтальных резервуаров ГОСТ 8.346-2000, для вертикальных резервуаров ГОСТ 8.570-2000 (рисунки 1, 2).
Данный способ определения вместимости резервуаров используется при выполнении поверки, если резервуар является средством измерения утвержденного типа, калибровке, градуировке. На первый взгляд данный способ считается самым простым и понятным, потому как что может быть проще подсчета залитой жидкости и столько же вылитой [6]. Однако, как дальше будет описано - это не совсем так.
Рис. 1. Схема наполнения резервуаров через счетчик жидкости (мерник)
Рис. 2. Составление градуировочной таблицы на основании разности между фактическим уровнем жидкости
и показанием счетчика жидкости (мерника)
Недостатком данного метода является то, что при определении вместимости резервуаров больших размеров (РВС- 400, 1000, 2000), фактически невозможно пролить 1 000 000 литров на высоту 20 метров (рисунок 3). Так же большой проблемой, с точки зрения экологии, является утилизация всей рабочей жидкости [7]. Объемный метод определения погрешности РВС (П) не способен отобразить объективную картину вместимости резервуаров, поскольку под давлением рабочей жидкости резервуар может значительно изменить свою форму за счет коэффициента расширения железа, плюс необходимо понимать, что данный коэффициент огромную роль играет в климатических и географических условиях использования РВС (П).
Определения вместимости резервуаров геометрическим методом с использованием тахеометра.
Основной принцип работы данной модели заключается в определении размеров геометрии резервуаров
при помощи каретки измерительной, рулетки и тахеометра [8]. Регулируется данная модель на вертикальные резервуары ГОСТ 8.570-2000. Погрешность модели рассчитывается путем суммирования погрешностей измерительных приборов и получается: ___
±0,20% - для резервуаров вместимостью от 100 до 3000 м3 ;
±0,15% - от 3000 до 5000 мз ;
±0,10% - от 5000 до 100000 мз и более;
Недостатком метода является то, что при практическом использовании, в качестве средства поверки каретки измерительной, референтной методики расчета погрешности резервуара, при использовании данного средства измерения, не существует [9]. Так же существенным недостатком является сама природа погрешности измерения при использовании данной модели: не учитывается погрешность каждой отдельной геометрической характеристики резервуара (высота, длина, окружность, мертвая полость (рисунок 4), погрешность дана, как указано выше, априорно. Не учитывается сезонность работ и климатический пояс, данные факторы основательно влияют на сталь, из которой сделан резервуар [10, 11].
Комбинирование геометрического и объемного метода (рисунок 5). Основной принцип работы данной модели заключается в определении вместимости при проведении «проливки» мертвой полости резервуара, т.е. определение ее объемным методом остальную часть вместимости резервуара определяют геометрическим методом [12]. Регулируется работа данной модели для горизонтальных резервуаров следующими нормативно-техническими документами: ГОСТ 8.346-2000, для вертикальных резервуаров ГОСТ 8.570-2000. Недостатки данной модели суммируются от 1 и 2 модели: экологическая безопасность (проблема с утилизацией рабочей жидкости); не учитывается сезонность работ и климатический пояс;
погрешность геометрического метода опять же указана априорно по сумме средств определения вместимости (каретки измерительной, рулетки, линейки, тахеометра), что не является погрешностью метода.
Рис. 4. РВС (П) - мертвая полость 503
Определение вместимости резервуаров электронно-оптическим методом с использованием 3D-сканера (рисунки 6 - 8). Основной принцип работы данной модели является работа 3D-сканера, который устанавливается на штатив, выбирается профиль работы и настройки, прибор запускается и в радиусе 360 градусов оцифровывает все окружающее пространство на расстоянии до 70-350 метров (в зависимости от модификации). Полученная 3D-модель подвергается дополнительной постобработке в специализированном программном обеспечении, где можно выполнять моделирование в части составления чертежей, схем, планов или решать задачи контроля геометрии [13].
Современные модели сканеров с полностью автономной системой питания. Устройство работает в диапазоне до 10 метров и не требует подключения каких-либо тяжеловесных обрабатывающих центров, ноутбуков и пр. Плюс такой съемки - это мобильность и возможность заглянуть в любую полость. Переносной сканер в среднем в 23 раза дешевле наземного лазерного сканера [14, 15].
Рис. 6. Геометрия резервуаров
^-пГППГпП. Пг
Н^дЬея Тапк! 5(19)1 СКхй:772 О 0,6726 Тапк! Скшй397 О -0,3789
Ве1оуу -1,0000 0 1п То). 0-00% 1543 100.00% АЬоуе 1,0000 0 Дуд 0,1152 Мах. 0.00% вМ. Оет. 0,2185 ЯМв 0,6726 0,2470
Рис. 8. Карты отклонений параметров резервуара
504
Регулируется работа данного метода следующими нормативно-техническими документами: ГОСТ Р 8.996-2020 ГСИ - для горизонтальных резервуаров. ГОСТ Р 8.994-2020 ГСИ - для вертикальных резервуаров. Важно отметить, что данные нормативно-технические документы регулируют, в отличии от ГОСТов в 1 - 2 й модели, калибровку резервуаров, не поверку, но могут быть использованы для определения вместимости.
Применение 3D-сканера, в несколько раз сокращает время измерений, количество привлекаемого персонала, но при проведении измерений по ГОСТ 8.570-2000 их применение недопустимо из-за большой погрешности от ± 1 мм до ± 5 мм. По опыту специалистов, которые применяют данное оборудование можно получить результат с меньшим разбросом, чем при использовании каретки.
При проведении измерений 3D-сканером актуальной задачей является разработка индивидуальной методики измерений (методики поверки) для конкретного резервуара. Справедливо отметить, что за последний 2023 год встречаются резервуары утвержденного типа, где в описании на утвержденный тип указывается индивидуальная методика поверки с применением 3D-сканера, но мнение авторов, что данный подход при указании именно методики поверки с применением данного оборудования, не способствует объективному отображению результата погрешности: во-первых не указаны формулы расчета погрешности в данных описаниях типа, во-вторых погрешность самого 3D-сканера, даже самого точного на сегодняшний день, в разы превышает допустимые значения, указанные в данном документе, опять же априорно: ±0,20% (для резервуароввместимостью от 100 до 3000 м 3). Более того, не один 3D-сканер на сегодняшний день не в состоянии сопоставлять градуровочные таблицы разных годов, огромное значение играет чистота внутренней поверхности резервуара: если после зачистки резервуара осталось хоть малейшее масляное пятно на стенке, то 3D-сканер будет не верно отражать лазерные лучи и соответственно будут не верно выстроены точки.
По опыту специалистов, которые эксплуатируют 3D-сканер отмечается, что они комбинируют данный метод с геометрическим, а именно: картинки оставляют из данной модели, а точностные характеристики из геометрической модели, используя все те же «ортодоксальные» средства определения вместимости: каретку измерительную, рулетку, линейку.
Использование 3D-сканера повсеместно распространено на международном уровне, но в Российской Федерации не каждое аккредитованное юридическое лицо на право выполнения работ по определению вместимости резервуаров может себе позволить приобретение данного технического устройства (в некоторых случаях средства измерения утвержденного типа) поскольку цена его на Российском рынке может доходить до 30 млн. рублей на момент 2024 г. Отдельного повествования стоит программное обеспечение и финансовые расходы на поддержку и обновление ПО.
Список литературы
1. Панюков, Д.И. Фундаментальные основы FMEA для автомобилестроения / Панюков Д.И., Козловский
B.Н. // Монография / Самара, 2014.
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. Kozlovskiy // Life Science Journal. 2014. Т. 11. № 8s. С. 439-444.
4. 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.
5. 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
C.В., Новоселов С.Н., Ульяницкая Н.М., Шаблыкин М.М., Буряков Г.А. и др. // Тольятти, 2013.
5. 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.
6. 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.
7. 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.
8. Kozlovskiy, V. System of customer satisfaction monitoring by new cars in view of perceived quality / V. Kozlovskiy, D. Aydarov // Quality - Access to Success. 2017. Т. 18. № 161. С. 54-58.
9. Панюков, Д.И. Формирование эффективной FMEA-команды / Д.И. Панюков, В.Н. Козловский, С.А. Шанин // Стандарты и качество. 2017. № 7. С. 68-72.
10. 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.
11. Козловский, В.Н. Мониторинг удовлетворенности потребителей качеством автомобилей / В.Н. Козловский, Д.В. Антипов, Д.И. Панюков // Стандарты и качество. 2016. № 6. С. 100-105.
12. 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.
13. Панюков, Д.И. Моделирование процедуры FMEA: анализ рисков / Панюков Д.И., Козловский В.Н., Айдаров Д.В. // Методы менеджмента качества. 2019. № 9. С. 34-43.
14. Панюков, Д.И. Программное обеспечение для поддержки метода FMEA / Д.И. Панюков, В.Н. Козловский, Д.В. Айдаров // Методы менеджмента качества. 2019. № 6. С. 42-49.
15. Панюков, Д.И. Моделирование процедуры FMEA: методология и стратегия / Д.И. Панюков, В.Н. Козловский, Д.В. Айдаров // Методы менеджмента качества. 2019. № 7. С. 30-38.
Муленко Илья Геннадьевич, соискатель, [email protected], Россия, Тула, Тульский государственный университет
STANDARDIZED METHODS FOR DETERMINING THE CAPACITY OF TANKS IN THE PROCESSES OF QUALITY
MANAGEMENT OF OIL PRODUCT STORAGE
I.G. Mulenko
The paper presents the results of a review and analysis of standardized methods for determining the capacity of tanks in the processes of quality management of oil product storage. Keywords: quality management; oil products.
Ilya Gennadievich Mulenko, applicant, [email protected], Russia, Tula, Tula State University
УДК 004.413
DOI: 10.24412/2071-6168-2024-12-506-507
ПРЕДИКТИВНАЯ ДЕТЕКЦИЯ АНОМАЛИЙ В ПРОЦЕССЕ ГАРАНТИЙНОГО ОБСЛУЖИВАНИЯ
АВТОМОБИЛЕЙ
В.Г. Мосин
В статье предлагается новый метод детекции аномалий в управлении качеством продукта. Метод строится на построении прогнозирующей модели средствами машинного обучения на основе анализа массивов больших данных. Новый метод приложен к анализу постпродажного сопровождения продукции одного из ведущих отечественных автопроизводителей. Рассмотрены технологические особенности применения метода.
Ключевые слова: Управление качеством, автомобилестроение, гарантийное обслуживание, детекция аномалий, анализ данных, машинное обучение, регрессия, pandas, numpy, skylearn.
1. Введение. В рамках работ по управлению качеством продукта важно отслеживать аномальные состояния в ключевых процессах, таких как контроль качества, тестирование, управление изменениями и т. д. Это связано с тем, что аномалии являются индикаторами проблемных участков, которые могут привести к снижению общего качества продукта, увеличению затрат на исправление дефектов, снижению удовлетворенности клиентов и репута-ционным рискам [1, 7]. Эффективный мониторинг и управление аномальными состояниями помогают улучшить качество, оптимизировать процессы и повысить надежность продукции [2, 8].
Современный подход к потребительскому поведению в маркетинге подчеркивает важность полного клиентского пути от момента осознания потребности до постпокупочной поддержки [3, 9]. Это создает понимание того, что ценный продукт — это не просто физический товар, а весь комплекс взаимодействий, сопровождающих его использование [4, 10]. Такое, сильно изменившееся за последние десятилетия, понятие продукта отражает сдвиг в понимании ценности, где важна не только функциональность самого объекта, но и широкий спектр услуг, обеспечивающих удовлетворение потребностей и решение проблем клиента [5, 11].
В рамках настоящей статьи мы рассмотрим методологию детекции аномалий в процессе гарантийного обслуживания автомобилей, как одного из ключевых процессов комплексного формирования продукта [5, 6, 12], опираясь данные одного из ведущих отечественных автопроизводителей.
1. 1. Теоретическая часть
Процесс гарантийного обслуживания, как и любой процесс взаимодействия с потребителем, не является стационарным [13]. В нем нет раз и навсегда установленных норм и калибровочных границ, отклонение от которых свидетельствует об аномальном наблюдении, которое требует реагирования и устранения аномалии [14, 15]. Наша концепция состоит в том, что, применяя методы машинного обучения, мы строим стохастическую модель процесса, и если 1) модель обладает высокой прогнозирующей способностью, но при этом 2) очередное наблюдение за процессом (или серия наблюдения) не вписываются в эту модель, то 3) это означает, чтобы мы наблюдаем аномалию.
Моделирование нестационарных процессов играет ключевую роль в дифференциации нормальных и аномальных состояний процесса по нескольким причинам, прежде всего, потому, что такие процессы характеризуются изменениями их статистических свойств (среднее значение, дисперсия, корреляция и т. д.) во времени, и адекватные модели, учитывающие эту изменчивость, позволяют лучше понимать нормальное поведение процесса в различных временных точках. Кроме того, в зависимости от контекста, одна и та же величина может быть нормальной в один период времени и аномальной в другой, поэтому модели, учитывающие нестационарность, позволяют проводить более точный и обоснованный анализ в текущих условиях.
Все это говорит о том, что умение моделировать и анализировать нестационарные процессы позволяет не только точнее идентифицировать и прогнозировать нормальные и аномальные состояния, но и улучшать общую качество принятия решений на основе данных.
1. 2. Постановки задачи
1.2.1. Предмет исследования. Предметом исследования является метод детекции аномалий, основанный на прогнозирующих моделях. Мы строим регрессионную модель (см. п. 3), оцениваем её прогнозирующую способность, и, убедившись в высоком качестве прогнозов, сравниваем прогнозируемые и реальные значения измеряемого показателя.
1.2.2. Методика исследования. Для проведения исследования мы используем данные об обращениях автовладельцев в пункты гарантийного обслуживания одного из ведущих отечественных автопроизводителей. Мы ис-
