Чиж Дмитрий Вадимович, аспирант кафедры логистики и управления ФГБОУ ВО «Казанский национальный исследовательский технологический университет»
Казань, Россия
Chizh Dmitriy Vadimovich, graduate student at the Department of Logistics and Management Kazan National Research Technological University
Kazan, Russia
Лысенков Антон Ильич, аспирант кафедры логистики и управления ФГБОУ ВО «Казанский национальный исследовательский технологический университет»
Казань, Россия
Lysenkov Anton Ilyich, graduate student at the Department of Logistics and Management Kazan National Research Technological University
Kazan, Russia
В эпоху цифровизации производственных процессов ключевым условием выпуска конкурентоспособной продукции становится не просто контроль качества готовых изделий, а предупреждение возникновения дефектов, что напрямую зависит от возможности прогнозирования технического состояния оборудования. В этой связи развитие подходов к оценке влияния прогнозируемых отказов оборудования на ключевые показатели качества продукции видится как важная научная и практическая задача для современных промышленных предприятий. В статье исследуются методы регрессионного анализа, машинного обучения и байесовского оценивания для преобразования разнородных диагностических данных в прогноз остаточного ресурса и вероятности отказа оборудования для установления статистической зависимости с риском возникновения брака. Предложен порядок процедуры предупреждения брака на основе зависимости между износом оборудования и качеством изделия на примере производства блока цилиндров из алюминия для двигателей внутреннего сгорания, имеющий контур цикла «диагностика - прогноз - обслуживание - контроль». Практической реализацией предложенного подхода является установление зависимости овальности отверстия блока цилиндра от уровня вибрации подшипника по зонам развития дефекта на основе обучения модели регрессии предсказывать остаточный ресурс времени до критического порога изделия с браком.
In the era of digitalization of production processes, the key condition for manufacturing competitive products is not just the quality control of nished goods, but the prevention of defects, which directly depends on the ability to predict the technical condition of equipment. In this regard, the development of approaches to assessing the impact of predicted equipment failures on key product quality indicators is seen as an important scienti c and practical task for modern industrial enterprises. The article explores methods of regression analysis, machine learning, and Bayesian estimation to transform heterogeneous diagnostic data into a prediction of residual useful life and the probability of equipment failure in order to establish a statistical relationship with the risk of defects. A procedure for defect prevention based on the relationship between equipment wear and product quality is proposed, using the example of the production of aluminum cylinder blocks for internal combustion engines, which follows a closed loop of «diagnostics - prediction - maintenance - quality control». The practical implementation of the proposed approach involves establishing the dependence of the cylinder bore ovality on the bearing vibration level according to the stages of defect development, based on training a regression model to predict the residual time until the critical threshold for a defective product is reached.
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
The authors declare that there are no conflicts of interest present.