А.Н. Чесалин1

1 МИРЭА – Российский технологический университет (Москва, Россия)

Постановка проблемы. Современные автоматизированные системы управления технологическими процессами (АСУ ТП), а также изделия электронной техники и радиоэлектронная аппаратура характеризуются большим числом различных технологических параметров, контроль которых необходим для предупреждения выхода из строя подсистем или системы в целом. Кроме того, такой контроль позволяет предотвратить катастрофические последствия, например, в случае ГРЭС или АЭС. В связи с этим совершенствование методов статистического контроля технологических процессов для повышения их эффективности и достоверности контроля является актуальной проблемой. В связи с этим необходимо провести исследование эффективности обнаружения разладки технологических процессов, заключающейся в отклонении от нормы как выборочного среднего, так и выборочной дисперсии на основе контрольных карт.

Цель. Провести сравнительный анализ эффективности двойных контрольных карт и дать рекомендации по их практическому применению в статистическом контроле производственных процессов.

Результаты. Рассмотрены различные виды контрольных карт, позволяющих эффективно обнаруживать случаи одновременного изменения среднего значения параметра и дисперсии. Методом статистического моделирования получены оценки эффективности двойных контрольных карт. По результатам моделирования даны рекомендации по применению каждой из карт. Установлено, что в общем случае наиболее эффективной является двойная карта суммы квадратов. Приведены формульные зависимости статистик и контрольных границ двойных контрольных карт. Получены оценки сравнительной эффективности двойных контрольных карт, представленные в виде тепловых карт, удобных для визуального анализа.

Практическая значимость. Результаты проведенного исследования могут быть использованы при выборе инструментария для эффективного статистического контроля технологических процессов.

Чесалин А.Н. Исследование эффективности обнаружения разладки технологических процессов на основе статистического моделирования // Нелинейный мир. 2022. Т. 20. №3. С. 28-34. DOI: https://doi.org/10.18127/j20700970-202203-03

1. Уилер Д., Чамберг Д. Статистическое управление процессами: Оптимизация бизнеса с использованием контрольных карт Шухарта. М.: Альпина Паблишер. 2017. 409 с.
2. Адлер Ю.П., Шпер В.Л. Статистическое управление процессами. М.: Издательский Дом МИСиС. 2015. 236 с.
3. Клячкин В.Н. Многомерный статистический контроль технологического процесса. М.: Финансы и статистика. 2022. 192 с.
4. Фам Ван Ты., Чесалин А. Н., Гродзенский Я.С, Еманаков И.В. Повышение эффективности контрольной карты с помощью нечетких множеств // Качество и жизнь. 2021. № 2(30). С. 37-43.
5. Чесалин А. Н., Гродзенский С. Я., Нилов М. Ю., Фам. Ван Ты Интеллектуальные инструменты управления качеством цифрового производства // Стандарты и качество. 2020. № 3. С. 68-72.
6. Гродзенский С.Я., Чесалин А.Н. Использование аппарата нечеткой логики для оценки надежности автоматизиро-ванных систем // Нелинейный мир. 2017. Т. 15. № 4. С. 17-23.
7. Chao M.T., Cheng S.W. Semicircle control chart for variables data // Quality Engineering. 1996. № 8. P. 441-446.
8. Chen, G., Cheng S.W. Max chart: combining X-bar chart and S chart // Statistica Sinica. 1998. №. 8. P. 263-271.
9. Thaga K. SS-CUSUM chart. Economic Quality Control. 2009. № 24(1). P. 117–28.
10. Thaga K., Sivasamy R. Single Variables Control Charts: A Further Overview // Indian Journal of Science and Technology. 2015. № 8(6). P. 518–528.
11. Khusna H., et al Residual-based maximum MCUSUM control chart for joint monitoring the mean and variability of multivariate autocorrelated processes // Production & Manufacturing Research. 2019. № 7(1). P. 364-394.