Забезпечення якості деталей поршневої групи методом оперативного прогнозування

Размещено на http://www.allbest.ru/

Київський національний університет технологій та дизайну

УДК 006.015.5:62-242.001.18

Спеціальність 05.01.02 - стандартизація та сертифікація

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

Забезпечення якості деталей поршневої групи методом оперативного прогнозування

Федін Сергій Сергійович

Київ - 2002

Дисертацією є рукопис

Роботу виконано на кафедрі метрології, стандартизації та сертифікації Київського національного університету технологій та дизайну Міністерства освіти і науки України, м. Київ.

Науковий керівник - доктор технічних наук, професор Зенкін Анатолій Семенович, Київський національний університет технологій та дизайну, професор кафедри метрології, стандартизації та сертифікації.

Офіційні опоненти:

- доктор технічних наук, професор, заслужений діяч науки і техніки України Орловський Броніслав Вікентійович, Київський національний університет технологій та дизайну, завідувач кафедри машин легкої промисловості;

- доктор технічних наук, професор Глоба Лариса Сергіївна, Національний технічний університет України "Київський політехнічний інститут", завідувач кафедри телекомунікаційних систем та мереж.

Провідна установа - Донецький національний технічний університет Міністерства освіти і науки України, м. Донецьк.

Захист відбудеться 11.10.2002 року о 12 годині на засіданні спеціалізованої вченої ради К 26.102.01 у Київському національному університеті технологій та дизайну за адресою: 01011, м. Київ, вул. Немировича - Данченка, 2, 3-й поверх, конференц-зал.

З дисертацією можна ознайомитись у бібліотеці Київського національного університету технологій та дизайну, журнальний зал, ауд. 1-0428.

Автореферат розісланий 10.09.2002 р.

Вчений секретар спеціалізованої вченої ради кандидат технічних наук, доцент Г.І. Хімічева

Анотації

Федін Сергій Сергійович "Забезпечення якості деталей поршневої групи методом оперативного прогнозування". - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за фахом 05.01.02 - стандартизація та сертифікація. Київський національний університет технологій та дизайну, Київ, 2002.

Дисертація присвячена актуальному питанню - забезпечення якості деталей поршневої групи при механічній обробці на основі принципів оперативного прогнозування точності й стабільності технологічних процесів. В результаті досліджень стабільності технологічних процесів встановлено, що прогнозування якості механічної обробки поршнів треба здійснювати з урахуванням нестаціонарності динаміки процесу. Для оперативного прогнозування якості виготовлення поршнів ДВЗ за умови нестаціонарності обґрунтована можливість використання сучасних систем штучного інтелекту - нейронних мереж, які здатні обробляти неповну, зашумлену й суперечливу інформацію.

Апробований у виробничих умовах і запропонований метод оперативного прогнозування точності і стабільності технологічного процесу токарської обробки високоточних виробів, який робить можливим без урахування ймовірних характеристик передбачення стану процесу в межах або за межами регулювання, визначених на контрольній карті, і проводити як суцільний, так і вибірковий контроль якості поршнів.

Для короткотермінового прогнозування комплексних показників якості продукції запропонована методика використання нейронних мереж, що включає: вибір техніко-економічних факторів керування виробничим процесом виготовлення продукції; проведення кореляційного аналізу тимчасових рядів вибраних факторів і прогнозованих показників; навчання, налагодження та експлуатація нейронної мережі.

З урахуванням проведених досліджинь та діючого законадавства розроблена нормативна документація щодо застосування нейронних мереж для інформаційної підтримки системи управління якістю продукції і прогнозування стабільності технологічних процесів виготовлення високоточних відповідальних деталей.

Ключові слова: забезпечення якості продукції, стабільність технологічного процесу, нейромережеві системи, оперативне прогнозування, нормативна документація.

Федин Сергей Сергеевич "Обеспечение качества деталей поршневой группы методом оперативного прогнозирования". - Рукопись.

Диссертация на соискание научной степени кандидата технических наук по специальности 05.01.02 - стандартизация и сертификация. Киевский национальный университет технологий и дизайна, Киев, 2002.

Диссертация посвящена вопросам обеспечения качества деталей поршневой группы методом оперативного прогнозирования точности и стабильности технологических процессов с использованием современных систем искусственного интеллекта. В результате исследований стабильности технологических процессов установлено, что прогнозирование качества механической обработки поршней необходимо осуществлять с учетом нестационарности динамики процесса. Для оперативного прогнозирования качества изготовления поршней ДВС, в условиях нестационарности обоснована возможность использования нейронных сетей, способных обрабатывать неполную, зашумленную и противоречивую информацию.

Установлено, что для эффективного управления процессами токарной обработки с учетом регулярной составляющей систематической погрешности изготовления высокоточных изделий целесообразно использовать самообучающиеся нейронные сети с сигмоидными функциями активации и алгоритмом обучения обратного распространения ошибки. Для разработки высокоточных оперативных прогнозов стабильности технологических процессов в условиях нестационарности в работе предложена усовершенствованная методика выбора оптимальной архитектуры нейронных сетей.

Разработан и апробирован в производственных условиях метод оперативного прогнозирования точности и стабильности технологического процесса, позволяющий без учета вероятностных характеристик предсказывать состояние процесса в пределах или за пределами границ регулирования, определенных на контрольной карте, и проводить как сплошной, так и выборочный контроль качества поршней.

Для краткосрочного прогнозирования комплексных показателей качества продукции предложена методика использования нейронных сетей, которая включает: во-первых, выбор технико-экономических факторов управления производственным процессом изготовления продукции; во-вторых, проведение корреляционного анализа временных рядов выбранных факторов и прогнозируемых показателей; в-третьих, обучение, настройку и эксплуатацию нейронной сети.

С учетом проведенных исследований и действующего законодательства разработана нормативная документация по применению нейронных сетей для информационной поддержки системы управления качеством продукции и прогнозирования стабильности технологических процессов изготовления высокоточных ответственных деталей.

Ключевые слова: обеспечение качества продукции, стабильность технологического процесса, самообучающиеся нейросетевые системы, оперативное прогнозирование, нормативная документация.

Fedin Sergey S. "Quality maintenance of piston group details by on-line forecasting method". - Manuscript.

The thesis for degree of the Candidate of Technical Science in the speciality 05.01.02 - standartization and certification. Kyiv national university of technologies and design, Kyiv, 2002.

The thesis is dedicated to the quality maintenance of piston group details under mechanical operation based on the principles of on-line forecasting of the accurasy and the stability of a technological processes. As it was determined during the research of a technological process stability the quality forecasting of a piston mechanical operation should be realized taking into account the unstationarity of a process dynamic.

The possibility of using of neural networks that are available to process the incomplete, noise and inconsistent information for on-line forecasting of quality of internal-combustion engine pistons production in terms of unstationarity is proved.

The method of on-line forecasting of the accurasy and the stability of technological processes of lathe processing that allows to forecast the state of process in the range or out the range of regulation limits, which are determined on the control chart, without taking into account probabilistic characteristics and to carry out both complete quality control and random quality control of pistons is proposed.

The using method of neural networks that includes the choose of technical and economical factors of production process control, carrying out the correlation analysis of temporal factors series that had been chosen and indexes that are forecasted, training, set-up and using of neural network is proposed for short-term forecasting of integral quality indexes.

The normative document on using of neural networks for information support of quality control system of production and forecasting of technological processes stability of high-accurasy responsible details production was been developed.

Key words: quality maintenance of production, stability of technological process, self-training neuronet systems, on-line forecasting, normative documentation.

Загальна характеристика роботи

Актуальність теми. Удосконалення нормативної документації в галузі статистичного регулювання технологічних процесів і розробка за її допомогою достовірних оперативних прогнозів точності виготовлення деталей є актуальним завданням для сучасного вітчизняного машинобудування. Оцінка точності й стабільності технологічних процесів відповідно до вимог ДСТУ 3514-97 здійснюється шляхом використання методів прогнозування на основі ймовірних характеристик процесів.

Сучасна концепція прогнозування якості промислової продукції базується на методах експертної оцінки, екстраполяції і моделювання. Подальший її розвиток як в Україні, так і за кордоном здійснюється в напрямку створення інтелектуальних адаптивних систем, спрямованих на одержання вірогідних оперативних прогнозів якості продукції за умови неповної, зашумленої та внутрішньо суперечливої вхідної інформації, яка є характеристикою динаміки показників технологічних процесів виготовлення відповідальних деталей двигунів внутрішнього згорання (ДВЗ), зокрема деталей поршневої групи. Забезпечити якість поршнів ДВЗ можна шляхом створення і застосування систем підтримки прийняття рішень, які базуються на інтегрованих статистичних методах забезпечення і прогнозування якості й інформаційно-аналітичних технологіях штучного інтелекту типу нейронних мереж. Однак відсутність відповідних нормативних документів і методик практичного застосування таких технологій знижує можливість забезпечення високої якості та конкурентоспроможності вітчизняної машинобудівної продукції.

Таким чином, проведення теоретичних і експериментальних досліджень у галузі прогнозування якості виготовлення продукції з використанням алгоритмів побудови нейронних мереж, а також розробка нормативної документації для статистичного регулювання технологічних процесів є вчасним та актуальним завданням і викликає практичний і науковий інтерес.

Зв'язок роботи з науковими темами. Дисертаційна робота відповідає науковому напрямку досліджень Київського національного університету технологій та дизайну на тему: "Наукові основи комплексних комп'ютерних систем проектування та виготовлення продукції в легкій промисловості" (№ держ. реєстр. 0199U003013) з проблеми "Устаткування, системи керування технологічними процесами і контроль якості виробів".

Мета і задачі дослідження. Метою дисертаційної роботи є удосконалення нормативної документації і розробка механізму оперативного прогнозування точності й стабільності технологічного процесу виготовлення деталей поршневої групи з використанням адаптивних систем штучного інтелекту.

Для досягнення поставленої мети автором було поставлено та вирішено такі завдання:

1. Проаналізовано динаміку процесу виготовлення поршнів ДВЗ на токарних верстатах й встановлено взаємозв'язок між параметрами точності механічної обробки відповідальних деталей і коливаннями технологічної системи щодо якісної і кількісної оцінки стабільності технологічних процесів.

2. На підставі отриманих експериментальних даних, за допомогою непараметричних критеріїв серій та інверсій проведено оцінку стаціонарності динаміки процесу виготовлення при чистовому точінні високоточних циліндричних деталей поршневої групи.

3. За допомогою принципів статистичного забезпечення якості і теорії адаптивних нейронних мереж розроблено метод, який дає можливість оперативно прогнозувати стабільність технологічного процесу механічної обробки високоточних деталей.

4. Розроблено методику ефективного використання неповної, зашумленої і внутрішньо суперечливої вхідної техніко-економічної інформації для короткотермінового прогнозування комплексних показників якості промислової продукції.

5. Апробовано у виробництві нормативну документацію щодо застосування нейронних мереж для інформаційної підтримки системи управління якістю продукції і прогнозування стабільності технологічних процесів виготовлення циліндричних деталей.

Об'єкт дослідження. Статистичне регулювання типових технологічних процесів виготовлення відповідальних високоточних деталей циліндричної форми.

Предмет дослідження. Прогнозування стабільності технологічних процесів виготовлення деталей поршневої групи.

Методи дослідження. Теоретичні дослідження проводилися на основі сучасних методів керування якістю продукції, що грунтуються на міжнародних стандартах ДСТУ ISО 9000-2001, із використанням системного підходу, регресивного і кореляційного аналізу, теорії ймовірностей і математичної статистики, теорій ризику та штучних нейронних мереж.

Експериментальні дослідження базувалися на стандартних методиках вимірювань з використанням сучасної контрольно-вимірювальної апаратури. Опрацювання результатів досліджень проводилося з використанням сучасного програмного забезпечення.

Наукова новизна одержаних результатів полягає в новому підході до розробки принципів і методів оперативного прогнозування якості промислової продукції та оцінки стабільності технологічних процесів її виготовлення з використанням сучасних технологій штучного інтелекту.

На основі отриманих закономірностей процесу розсіювання розмірів циліндричних деталей при точінні з урахуванням нестаціонарності розроблений метод оперативної оцінки і прогнозування стабільності процесу механічної обробки. Для реалізації запропонованого методу розроблена методика, яка дає можливість прогнозувати кількісні параметри кожної наступної виготовлюваної деталі та деталі, що виготовляється через певний термін попередження прогнозу. Вона заснована на вирішенні завдання розпізнавання образів із використанням принципів симуляційного прогнозування.

Проведені теоретичні й експериментальні дослідження та отримані на їх основі результати дали можливість розробити ефективну методику збирання, аналізу й опрацювання техніко-економічної інформації, а також запропонувати нейромережеві моделі оцінки і прогнозування ризику виготовлення дефектної продукції, які здійснюють короткотермінові прогнози тенденції розвитку виробничого процесу підприємства. Розроблені моделі достить гнучкі та адаптивні й можуть бути ефективно застосовані на підприємствах різних галузей народного господарства України.

Практичне значення одержаних результатів. На основі результатів проведених досліджень і промислової апробації розроблена методика прогнозування нестаціонарних технологічних процесів в умовах виробництва.

Для керування виробництвом і прогнозування якості продукції різних галузей промисловості в швидко змінюваних умовах виробництва запропоновано алгоритмічне й програмно-математичне забезпечення.

Результати роботи були апробовані і використовуються при виготовленні деталей поршневої групи на КП "КИЇВТРАКТОРОДЕТАЛЬ" (м. Київ) та ВАТ "АВТРАМАТ" (м. Харків) у вигляді рекомендацій щодо регулювання технологічних процесів обробки деталей з використанням нейронних мереж.

Особистий внесок здобувача полягає в постановці і вирішенні теоретичних та експериментальних задач, пов'язаних з оцінкою та можливістю застосування нейронних мереж для оперативного прогнозування якості поршнів ДВЗ і удосконалення нормативної документації для інформаційної підтримки системи керування якістю продукції та прогнозування стабільності технологічних процесів виготовлення циліндричних деталей.

Апробація результатів дисертації. Результати дисертаційної роботи були апробовані на таких науково-технічних конференціях: "Сучасні інформаційні та енергозберігаючі технології життєзабезпечення людини" (м. Миколаїв, 1999 р.), "Технологии ремонта машин, механизмов и оборудования" (м. Алушта, 1999 р.), "Композиционные материалы в промышленности" (м. Киев, 1999 р.), "Машиностроение и техносфера на рубеже XXI века" (м. Севастополь, 1999 р.), "Прогрессивные технологии в машиностроении" (м. Одесса, 2000 р.), "Якість, стандартизація, контроль: теорія та практика" (м. Ялта, пмт. Гаспра, 2002 р.), наукових конференціях молодих вчених та студентів (м. Київ, 2001, 2002 р.), а також на науково-методичних семінарах кафедри метрології, стандартизації та сертифікації Київського національного університету технологій та дизайну.

Публікації. За результатами досліджень опубліковано 14 робіт, у тому числі 8 статей у наукових спеціалізованих виданнях ВАК України.

Структура та обсяг дисертації. Дисертація складається з вступу, 4 розділів, висновків, списку використаної літератури. Робота містить 157 сторінок: з них машинописного тексту на 121 сторінках, 38 рисунків на 18 сторінках, 9 таблиць на 3 сторінках та 4 додатки на 15 сторінках. Список використаних літературних джерел містить 109 назв.

Зміст роботи

У вступі обґрунтовано актуальність розробленої наукової проблеми, подано коротку характеристику загального стану і методів її вирішення. Відмічено наукову новизну та практичну цінність отриманих результатів.

У першому розділі проведено аналіз сучасних методів прогнозування якості машинобудівної продукції, наведених у працях Александрова В.О., Бобровникова Г.М., Доброва Г.М., Клебанова А.І., Ямпольського С.М., а також інших вчених, який дав можливість критично оцінити переваги і недоліки методів експертної оцінки, екстраполяції і моделювання.

Встановлено, що для забезпечення якості відповідальних деталей на етапі їх виготовлення здебільшого доцільно застосовувати фактографічні методи прогнозування, які дають можливість проводити достовірну оцінку динаміки показників якості виробів. Такі методи досить ефективні тоді, коли виготовлення виробів здійснюється за умови стаціонарності типових технологічних процесів. Однак у більшості випадків технологічні процеси механічної обробки високоточних відповідальних деталей, зокрема деталей поршневої групи, характеризуються умовами нестаціонарності.

Високу якість деталей поршневої групи в умовах нестаціонарності можна забезпечити за рахунок підвищення стабільності технологічних процесів, які ґрунтуються на методах оперативного прогнозування, шляхом використання сучасних адаптивних нейронних мереж. Дослідження, проведені Поспєловим Д.А., Івахненком А.Г., Горбанем А.І., Россієвим Д.А. та іншими вченими, показали, що нейронні мережі успішно застосовуються для вирішення динамічних задач контролю якості промислової продукції. Однак використання таких технологій ускладнено через брак нормативної документації, зокрема методик оцінки і прогнозування точності і стабільності процесів механічної обробки поршнів ДВЗ на токарних верстатах.

Стабільність технологічного процесу, згідно з ДСТУ 3514-97, зумовлюється сталістю розподілів контрольованих параметрів у часі без втручання ззовні. При цьому припускається, що процес стаціонарний. Встановлено, що більшість процесів механічної обробки нестаціонарні, тобто характеризуються тенденцією, яка визначає динаміку систематичної складової похибки виготовлення виробів, для встановлення й оцінки якої досить ефективним є використання непараметричних критеріїв серій та інверсій, що не вимагають знання вибіркових розподілів контрольованих параметрів.

Таким чином, проведений аналіз науково-технічної літератури дав можливість сформулювати мету і задачі досліджень, вирішення яких забезпечить стабільну якість промислової продукції.

У другому розділі на основі принципів сучасних методів керування якістю продукції та теорії штучних нейронних мереж розроблено метод оперативного прогнозування стабільності технологічних процесів виготовлення поршнів ДВЗ.

Для забезпечення стабільності технологічного процесу механічної обробки відповідальних високоточних деталей потрібен оперативний прогноз його подальшого стану, а саме - передбачення того, у якій із зон регулювання, визначених на контрольній карті, буде значення досліджуваних показників якості виробів, таких, як точність, шорсткість, биття і т. д., або відбудеться розлад процесу.

На основі результатів теоретичних досліджень встановлено, що забезпечення стабільного рівня якості поршнів ДВЗ є важко формалізованим завданням, яке може бути зумовлене масивом неповної або суперечливої інформації щодо показників технологічного процесу. Вирішення такого завдання унеможливлює застосування класичних статистичних методів прогнозування та вимагає застосування адаптивних моделей на базі нейронних мереж. Для статистичного регулювання процесу механічної обробки, з урахуванням регулярної складової систематичної похибки виготовлення високоточних деталей, доцільно використовувати багатошарові нейронні мережі з алгоритмом навчання зворотного розповсюдження помилки. Використання апарату нейронних мереж дало можливість розробити метод оперативного прогнозування стабільності технологічного процесу виготовлення поршнів ДВЗ, який формалізовано безпосередньо через задачу розпізнавання образів. Як інструменти прогнозу на підставі теоретичних досліджень були застосовані нейронні мережі з прямими зв'язками між шарами нейронів і логістичними функціями активації нейронів. Дані для навчання і тестування мережі були подані у вигляді файлів, що містять числові значення контрольованого параметра, яким є точність виготовлення поршнів ДВЗ.

Таким чином, основні етапи прогнозування: визначення періоду попередження прогнозу; визначення вихідної змінної; побудова моделі, що відображає причинно-наслідкові зв'язки між відгуком і вхідними ознаками; інтерпретація і перевірка точності моделі.

Таблиця навчальних прикладів для розробки нейромережевої моделі прогнозування стабільності технологічного процесу за показником точності виготовлення виробів містить вибірки тимчасового ряду розсіювання діаметральних розмірів поршнів ДВЗ, що складаються з m рівнів. Ннаведена адаптована для налагодження нейронної мережі контрольна карта, яка базується на кількісній ознаці, що включає контрольні межі, позначені відповідно до правила шести сигм (s), середнє значення контрольованого параметра (точності зовнішнього діаметра поршня ДВЗ) - , поле допуску - Т і закодовані в числовому вигляді позначення зон регулювання технологічного процесу. При цьому відповідно до правила шести сигм (s) зони повинні бути позначені цифрами (3), (2), (1), (-1), (-2), (-3), де кожна цифра відповідає закодованому значенню, визначеному відповідно вище і нижче середньої лінії. Цифрою (0) позначається середина поля допуску зовнішнього діаметра поршня ДВЗ. Цифрами (4) і (-4) позначається вихід процесу за верхню і нижню межі регулювання відповідно.

Механізм прогнозування стабільності технологічного процесу з використанням нейронної мережі включає п'ять етапів. Розглянемо кожен з них.

На першому етапі проводиться збирання і попереднє опрацювання статистичних даних про прогнозований показник - точність виготовлення поршнів ДВЗ.

На другому етапі здійснюється підготовка навчальних прикладів для налагодження мережі, що складаються з масиву вхідних векторів Х₁, Х₂,…, Х_m - вибірок тимчасового ряду досліджуваного показника і відповідних їм значень Y - класів векторів у вигляді закодованого числового позначення зон регулювання технологічного процесу. При цьому для кожного вхідного вектора необхідно використовувати клас майбутньої зони регулювання процесу, зумовлений періодом попередження прогнозу.

Третій етап полягає в розробці архітектури нейронної мережі, тобто виборі кількості проміжних шарів і нейронів мережі. На цьому етапі для оцінки числа нейронів у схованих шарах однорідних нейронних мереж застосовувалась удосконалена аналітична залежність для розрахунку потрібного числа синаптичних ваг L_w у багатошаровій мережі:

(1)

де n - розмірність вхідного сигналу; m - розмірність вихідного сигналу; N - число елементів навчальної вибірки. Оцінивши число ваг L_w, необхідно розрахувати і скоригувати число нейронів L у схованих шарах. Для мережі з двома схованими шарами нейронів це число становитиме:

; (2)

Для налагодження і навчання на четвертому етапі заповнений масив навчальних прикладів подається нейронній мережі. При виконанні оперативного прогнозу стабільності технологічного процесу на заключному етапі нейронній мережі подаються тільки набори вхідних векторів, а значення класу, що визначає зону регулювання технологічного процесу, формуються мережею, тому що ці значення є прогнозованими розмірами.

Проведені з використанням принципів системного підходу теоретичні дослідження показали, що на якість технологічного процесу виготовлення відповідальних деталей, крім факторів технологічного середовища, значно впливають техніко-економічні фактори виробничого процесу. У зв'язку з цим були проведені теоретичні дослідження короткотермінового прогнозування ризику випуску дефектної продукції з використанням інформації щодо динаміки рівня браку і техніко-економічних факторів виробничого процесу виготовлення відповідальних деталей. Інформація для розробки прогнозу в цьому випадку подається у формі аналітичних таблиць, які містять ретроспективні значення вибраних факторів і прогнозованих одиничних або комплексних показників.

Аналіз виробничого досвіду ВАТ "АВТРАМАТ" показав, що випадкова величина - рівень браку () на операціях механічної обробки - може бути охарактеризована рівномірним законом розподілу на інтервалі [A, B].

У цьому випадку коефіцієнт ризику може бути обчислений у такий спосіб:

(3)

Співвідношення (3) показує, що ризик буде тим більшим, чим ближче поточне значення рівня браку до прогнозованого максимального значення, тобто чим більша ймовірність того, що майбутнє значення рівня браку буде більшим від поточного. Велике прогнозоване значення коефіцієнта ризику свідчить про низьку якість продукції.

У третьому розділі наведені результати експериментальних досліджень процесу розсіювання діаметральних розмірів поршнів ДВЗ. Обчислювальні експерименти проводилися з використанням спеціальних комп'ютерних програм статистичного опрацювання й аналізу даних.

Проведення експериментів передбачало перевірку результатів теоретичних досліджень про стаціонарність процесу одержання зовнішнього діаметра оброблюваної деталі при чистовому точінні на токарних верстатах й оцінку точності прогнозування стабільності процесу обробки поршнів за умови нестаціонарності з використанням симуляційного методу та апарату нейронних мереж.

Експериментальні дослідження проводилися у виробничих умовах на натурних зразках із використанням лабораторного і промислового устаткування. Усі виміри поршнів робилися безпосередньо на робочому місці в процесі обробки. Деталі вимірювали послідовно, по черзі їх виготовлення між двома підналагодженнями, при температурі 20°С. Результати вимірювань записувалися у вигляді відхилення від середнього розміру деталі. Зовнішній діаметр контролювався електронним ротаметром зі шкалою розподілу 0,001 мм. Чистове точіння поршнів Д 245-1004021 виконувалося на гідрокопіювальному верстаті типу 1Н 713 ельборовими різцями на основі типового технологічного процесу при такому режимі обробки: швидкість різання V=224 м/хв; подача S=0,1 мм /об.; глибина різання t=0,35 мм.

Оцінювання процесу на стаціонарність проводилось для середніх значень і квадратів середніх значень розмірів деталей із використанням критеріїв серій та інверсій. Отримані результати оцінювання підтвердили теоретичні припущення про нестаціонарність процесу механічної обробки зовнішньої поверхні поршнів.

Для розробки оперативного прогнозу стабільності нестаціонарного процесу з використанням нейронних мереж була підготовлена вибірка експериментальних даних, у якій вхідними розмірами є зміщені в часі значення розмірів діаметра поршня, а вихідними - закодовані значення зон регулювання технологічного процесу, визначені на контрольній карті відповідно до правила шести сигм. Вихідними даними для розробки нейромережевого прогнозу є значення 100 послідовних вимірювань зовнішнього діаметра поршня (Х₁, Х₂, …, Х₁₀₀).

Навчання проводили методом зворотного розповсюдження помилки - Back Propagation of Error. Результати експериментів опрацьовували на персональному комп'ютері на базі Pentium III -800. Вибірка для навчання і налагодження мережі була складена відповідно до нормованих вимог до достатності даних для середовища BrainMaker Pro:

,

де N - кількість фактів (прикладів - рядків навчальної таблиці) або кількість вимірів зовнішнього діаметра поршня; n - кількість факторів (ознак - стовпців навчальної таблиці) або кількість вхідних нейронів мережі; Tol - точність налагодження або похибка навчання мережі, що задається для налагодження алгоритму її навчання. Для задання точності налагодження мережі, рівної 5% тобто (Tol=0,05), при кількості фактів, рівній N=90, кількість факторів повинна дорівнювати: n=5.

На підставі отриманих даних, використовуючи методику, наведену в другому розділі, було зроблено розрахунок кількості нейронів проміжних шарів мережі, для випадку N=90, n=5, m=1 маємо:

У результаті проведеного розрахунку була запропонована архітектура нейромережевої моделі, що включає вхідний шар, який вміщує п'ять нейронів, два проміжні шари, які вміщують п'ять та чотири нейрона і вихідний шар, до якого входить один нейрон. Для створення штучних нейронних мереж використовували інструментальне середовище розробки нейромережевих додатків на основі штучного інтелекту для розпізнавання образів, прогнозування і нейромережевої пам'яті - BrainMaker Pro. Для перевірки адекватності отриманої моделі використовувався метод симуляційного прогнозування, суть якого полягає в порівнянні прогнозних значень із ситуацією, що фактично реалізувалася. Результати прогнозу для періоду попередження, рівного одній і п'ятьом деталям, подані в табл. 1, 2 відповідно.

Таблиця 1 - Результати прогнозування нейронною мережею стабільності технологічного процесу виготовлення кожної послідовно оброблюваної деталі

Таблиця 2 - Результати прогнозування нейронною мережею стабільності технологічного процесу виготовлення кожної п'ятої послідовно оброблюваної деталі

Аналіз результатів прогнозу показує, що нейронна мережа не мала жодної помилки в межах установленої 5-вої точності налагодження.

Таким чином, у результаті експериментальних досліджень було встановлено, що запропонована модель може бути рекомендована як для суцільного контролю якості виробів, зумовленого прогнозуванням точності кожної послідовно виготовленої деталі, так і для вибіркового контролю, зумовленого прогнозуванням точності виготовлення деталей через визначений інтервал попередження прогнозу.

У четвертому розділі для інформаційної підтримки системи керування якістю розроблена універсальна методика короткотермінового багатофакторного прогнозування динаміки техніко-економічних показників виробничого процесу виготовлення відповідальних деталей поршневої групи, що дає можливість в умовах виробництва проводити оцінку ризику випуску дефектної промислової продукції. Методика передбачає збирання, опрацювання й аналіз техніко-економічної інформації про виробничий і технологічний процеси виготовлення продукції. Склад інформаційного забезпечення для оперативного прогнозування комплексних (рівень браку) показників якості продукції включає документальну, фактографічну (кількісну або якісну) та аналітичну інформацію.

Для прогнозування коефіцієнта ризику використовувалася удосконалена архітектура розробленої чотиришарової нейронної мережі з двома вихідними нейронами, адаптована для прогнозування діапазону зміни досліджуваного показника.

Аналіз результатів прогнозу показав, що максимальні прогнозовані значення ризику здебільшого відповідали точкам найбільшого рівня браку продукції, тобто тим місяцям, коли продукція мала найгіршу якість. У колонці з назвою Ymin фіксувались мінімальні значення рівня браку на заданий період попередження прогнозу, а в колонці з назвою Ymax - максимальні значення (табл. 3).

Таблиця 3 - Результати прогнозування коефіцієнта ризику станом на 2001 рік

Для інформаційної підтримки прийняття технологічних рішень розроблено нормативну документацію з застосуванням нейронних мереж для оперативного прогнозування і автоматичного регулювання стабільності технологічного процесу виготовлення високоточних деталей.

Запропонований алгоритм є допоміжним інструментом у процесі прийняття рішень щодо необхідністі керування технологічним процесом. Типовий алгоритм регулювання стабільності технологічного процесу здебільшого не дає можливості оперативно прогнозувати зміну точності деталей за умови нестаціонарності в режимі реального часу. Розроблений алгоритм має прямий і зворотний зв'язок. Для чистової обробки прямий зв'язок полягає в проведенні вхідного й операційного контролю точності. Зворотний зв'язок - це контур випереджаючого відображення дійсності, основним призначенням якого є прогнозування динаміки показника точності виготовлення поршнів ДВЗ. Прогнозовані значення автоматично відображаються на моніторі комп'ютера у вигляді інтерактивної контрольної карти, що дає можливість технологу або майстру ділянки цеху використовувати інформацію щодо поводження процесу на період попередження від 1 до 10 деталей, для проведення як суцільного, так і вибіркового контролю якості деталей і здійснення процесу підналагодження. Розроблена нормативна документація і алгоритм прогнозування стабільності технологічного процесу апробовані на ВАТ "АВТРАМАТ" і дозволили значно (до 2 разів) підвищити стабільність технологічного процесу механічної обробки поршнів ДВЗ і зменшити при цьому кількість підналагоджень удвічі.

Висновки

токарський високоточний якість поршень

1. На підставі проведеного аналізу динаміки процесу виготовлення високоточних відповідальних циліндричних деталей встановлені закономірності процесу розсіювання діаметральних розмірів, і запропонована методика оцінки типового технологічного процесу на стаціонарність із використанням статистичних непараметричних критеріїв серій та інверсій.

2. Запропоновано на основі статистичного контролю якості продукції та теорії адаптивних нейронних мереж метод оперативного прогнозування стабільності нестаціонарного технологічного процесу механічної обробки, який може бути ефективно застосований для проведення як суцільного, так і вибіркового контролю якості промислової продукції.

3. Розроблена на основі принципів системного підходу універсальна методика короткотермінового прогнозування комплексних показників якості промислової продукції дає можливість ефективно використовувати неповну, зашумлену або внутрішньо суперечливу техніко-економічну інформацію, яка зумовлює процес виготовлення деталей.

4. Знайдено закономірності спільного впливу техніко-економічних чинників на рівень браку промислової продукції, розроблені багатофакторні нейромережеві моделі для одержання з високим ступенем достовірності (до 95%) оперативних прогнозів тенденції розвитку виробництва.

5. Розроблено нормативну документацію щодо застосування нейронних мереж для оперативного прогнозування стабільності технологічних процесів виготовлення високоточних деталей і комплексних показників якості продукції.

6. Проведена дослідно-промислова апробація запропонованого методу оцінки і прогнозування стабільності процесу механічної обробки високоточних деталей циліндричної форми, зокрема поршнів ДВЗ, і методика прогнозування динаміки техніко-економічних чинників виробничого процесу підтвердила ефективність виконаних розробок.Список опублікованих праць за темою дисертації

1. Федин С.С., Тамими Хайдар Мусбах. Сокращение потерь - проблема управления качеством и производством // Тезіси докладів 4-ої міжнародної науково-практичної конференції "Сучасні інформаційні та енергозберігаючі технології життєзабезпечення людини (СИЭТ 4-98)". - К.: Фада ЛТД. - 1998. - Вып. 4. - С.38 - 40.

2. Федін С.С., Зенкін А.С. Помилки контролю, ризик споживача і ризик виробника // Збірник наукових праць "Сучасні інформаційні та енергозберігаючі технології життєзабезпечення людини (СИЭТ 5-99)". - К.: Фада ЛТД, 1999. - Вип. 5. - С.415 - 417.

3. Федин С.С., Зубрецкая Н.А., Бычкова К.Н. и др. Использование современных компьютерных технологий в прогнозировании качества, надежности и долговечности восстановленных деталей // Материалы 7-й международной конференции "Технологии ремонта машин, механизмов и оборудования (Ремонт - 99) ". - К.: АТМ Украины, 1999. - С.151 - 152.

4. Федин С.С., Войченко Г.И., Кобец Ю.М. Компьютерные методы прогнозирования свойств композиционных материалов // Тезисы докладов международной конференции "Композиционные материалы в промышленности (СЛАВПОЛИКОМ - 99)". - К.: АТМ України, - 1999. - С.185 - 186.

5. Зенкин Н.А., Федин С.С., Тамими Хайдар Мусбах. Математические методы определения оптимального уровня качества изделий на стадиях научно-исследовательских и опытно-конструкторских разработок // Международный сборник научных трудов "Прогрессивные технологии и системы машиностроения":.- Донецк: ДонГТУ, 1999. - Вып. 7. - .С. 68 - 75.

6. Федин С.С., Зубрецкая Н.А., Зенкин А.С. Применение современных компьютерных технологий для оценки конкурентоспособности продукции // Проблемы легкой и текстильной промышленности Украины. - 1999. - № 2. - С.188 - 190.

7. Федин С.С., Зенкин А.С. Использование интегральных показателей качества при допусковом контроле // Вестник Харьковского государственного политехнического университета. - 1999. - Вып. 60. - С.93.

8. Федин С.С., Кобец Ю.М., Зенкин А.С. Прогнозирование риска обеспечения качества поршней двигателей внутреннего сгорания с использованием новейших информационных технологий // Збірник наукових праць "Системні методи керування, технологія та організація виробництва, ремонту і експлуатації автомобілів" - Київ, 2000. - Вип. 10. - С.113 - 117.

9. Федин С.С., Зенкин А.С. Системы диагностики и контроля прецизионных процессов // Тезисы докладов международной конференции "Оценка и обоснование продления ресурса элементов конструкций". - К.: Институт проблем прочности НАН Украины, 2000. - С.474 - 475.

10. Федин С.С., Зенкин А.С., Ахмед Гаванмех. Перспективы применения композиционных материалов на основе алюминидов титана в конструкциях авиационных двигателей // Материалы 15 международной научно-технической конференции "Прогрессивные технологии в машиностроении (Технология - 2000)". - К. - 2000. - С.258 - 259.

11. Федін С.С., Зенкін А.С. Використання віртуальних інструментів у операційному контролі // Вісник технологічного університету Поділля. - 2001. - №3. - Ч. 1. - С.221 - 225.

12. Федін С.С., Секерін А.Б., Зенкін А.С. Роль ентропії у системах управління // Вісник Київського державного університету технологій та дизайну. -2001. - №1. - С.85 - 88.

13. Федін С.С., Секерін А.Б., Зенкін Н.А. Оцінка та прогнозування конкурентоспроможності продукції методом зворотного розповсюдження // Легка промисловість. - 2001. - №1. - С.62 - 63.

14. Трищ Р.М., Федин С.С. Управление качеством с использованием методов непараметрических статистик // "Механіка та машинобудування". - Харків, 2002. - № 1.- С. 179 - 184.

Размещено на Allbest.ru