автореферат диссертации по машиностроению и машиноведению, 05.02.23, диссертация на тему:Повышение действенности системы управления качеством трубного листового проката на базе статистического прогнозирования свойств

Черкасов Кирилл Евгеньевич

ПОВЫШЕНИЕ ДЕЙСТВЕННОСТИ СИСТЕМЫ УПРАВЛЕНИЯ КАЧЕСТВОМ ТРУБНОГО ЛИСТОВОГО ПРОКАТА НА БАЗЕ СТАТИСТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ СВОЙСТВ

Специальность 05.02.23 - Стандартизация и управление

качеством продукции (металлургия)

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Магнитогорск - 2012

1 о ЯНВ 2013

005048134

005048134

Работа выполнена в ФГБОУ ВПО «Магнитогорский государственный технический университет им. Г.И. Носова».

Румянцев Михаил Игоревич кандидат технических наук, доцент

Федосеев Сергей Анатольевич доктор технических наук, доцент кафедры «Математическое моделирование систем и процессов», ФГБОУ «Пермский национальный исследовательский политехнический университет»

Логинов Андрей Владимирович кандидат техн ических наук ведущий инженер Бюро стандартизации и сертификации технического отдела технологического управления ОАО «MMR»

Ведущая организация НИТУ «Московский институт

стали и сплавов», г. Москва.

Защита состоится 22 января 2013 г. в 15:00 на заседании диссертационного совета Д 212.111.05 на базе ФГБОУ ВПО «Магнитогорский государственный технический университет им. Г.И. Носова», 4:55000, г. Магнитогорск, пр. Ленина, 38, МГТУ, малый актовый зал.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Магнитогорский государственный технический университет им. Г.И. Носова».

Автореферат разослан 18 декабря 2012 года. Ученый секретарь

диссертационно го совета Полякова Марина Андреевна

^Voo^StlcJ^

Научный руководитель

Официальные оппоненты:

ОБЩАЯ ХАРАКТЕРИСТИ КА РАБОТЫ

Актуальность работы. В 2006 году ОАО «ГАЗПРОМ» приняло и ввело в действие серию корпоративных стандартов, содержащих особые требования к системам менеджмента качества (СМК) поставщиков продукции для нефтегазового комплекса. Одной из целей принятия указанных стандартов является создание механизмов объективной оценки функционирования СМК организаций, поставляющих продукцию для нужд ОАО «Газпром».

В условиях неизбежной стохастичности промышленного производства объективность и достоверность оценок различных процессов, в том числе и результатов управления качеством продукции, возможна только с применением статистических методов. Поэтому среди особых требований ОАО «Газпром» содержится также требование об обязательном использовании статистических методов для оценки изменчивости, стабильности и воспроизводимости процессов; характеристик выпускаемой продукции; деятельности поставщиков; тенденций изменения и улучшения процессов и т.д. Таким образом, в качестве инструментов получения инс[юрмации для оценки и демонстрации пригодности и результативности системы менеджмента качества, а также выбора направлений постоянного повышения ее результативности статистические методы в значительной мере определяют действенность процедур реализации таких принципов СМК как «Постоянное улучшение» и «Основанный на фактах подход к принятию решений», а, следовательно, и действенность СМК в целом. При этом становится актуальной задача выбора тех статистических методов и вариантов их реализации, которые с учетом особенностей производства продукции и оценивания её качества, присущих конкретной организации, позволят получить наиболее достоверную информацию при реализации упомянутых принципов.

Цель п задачи исследования. Целью диссертационной работы является повышение действенности процедуры «Измерение, анализ и улучшение» системы менеджмента качества толстолистового проката для сварных труб за счет улучшения достоверности и объективности информации, получаемой с применением статистических методов прогнозирования механических свойств. Указанная цель реализуется решением следующих задач:

- анализ чувствительности и информативности контрольных карт различного типа, как инструмента мониторинга при статистическом управлении качеством продукции толстолистовых станов;

- разработка методики оценки действенности статистического прогнозирования;

- выявление комплекса характеристик процесса производства толстолистового проката (факторов процесса), степень взаимосвязи которых с показателями качества продукции (откликами) выше тех, которые

традиционно применяются при статистическом прогнозировании показателей качества проката;

-создание на основе указанного комплекса характеристик процесса производства инструментов статистического прогнозирования (уравнений регрессии и нейросетевых моделей), обеспечивающих повышение точности и достоверности прогноза как значений, так и стандартных отклонений механических свойств готовой продукции;

- выявление условий осуществления процесса производства толстолистового проката для сварных труб, обеспечивающих получение заданных механических свойств проката при их минимальном разбросе.

Научная новизна заключается в следующем:

- разработаны показатель и методика оценки действенности инструментов статистического прогнозирования характеристик качества продукции, позволяющие повысить обоснованность выбора инструментов статистического прогнозирования для управления качеством.

- найден комплекс характеристик процесса производства толстолистового проката (модернизированный комплекс факторов процесса), применение которого обеспечивает повышение точности статистического прогноза механических свойств продукции (предела текучести, временного сопротивления разрыву, относительного удлинения, ударной вязкости).

- разработаны и адаптированы к условиям толстолистового стана 2800 ОАО «Уральская Сталь» нейросетевые модели для прогнозирования фактических значений и стандартных отклонений механических свойств толстолистового проката класса прочности К60, отличающееся тем, что впервые подобные инструменты статистического прогнозирования разработаны с использованием модернизированного комплекса факторов процесса.

-разработан алгоритм поиска рациональных сочетаний химического состава и технологических параметров процесса производства толстолистового проката для сварных труб, обеспечивающих получение заданных механических свойств продукции при их минимальном разбросе в пределах партии, отличающийся применением нейронных сетей для прогнозирования как значений, так и стандартных отклонений показателей качества.

Практическая значимость и реализация результатов работы

состоит в следующем.

1.Разработаны и приняты к использованию в ОАО «Уральская Сталь»

- рекомендации относительно химического состава стали и значений ключевых контрольных параметров процесса производства на стане 2800 ОАО «Уральская Сталь» листового проката класса прочности К60 для электросварных труб, обеспечивающие достижение регламентируемых значений, повышение стабильности механических свойств продукции.

- компьютерная программа «Мониторинг и статистический приёмочный контроль толстолистового проката» для осуществления контроля качества на стане 2800 ОАО «Уральская Сталь» в режиме реального времени, которая защищена свидетельством о Государственной регистрации программы для ЭВМ.

- проект стандарта организации «Порядок применения статистических методов в условиях стана 2800 ОАО «Уральская Сталь».

2. Разработаны и приняты к использованию в учебном процессе кафедры ОМД ФГБОУ ВПО «МГТУ им. Г.И. Носова» при подготовке студентов специальности 200503 «Стандартизация и сертификация»

- методика построения уравнений регрессии для статистического приемочного контроля качества по связи между параметрами с выбором наиболее значимых независимых переменных.

- методика осуществления мониторинга и статистического приемочного контроля качества толстолистового проката.

Апробация работы. Основные положения диссертационной работы изложены и обсуждены на ряде научно-технических конференций, семинарах и симпозиумах различных уровней: ежегодные научно-технические конференции ФГБОУ ВПО «МГТУ им. Г.И. Носова» (Магнитогорск, 2009, 2010 и 2011 гг.); научно-техническая конференция молодых специалистов ОАО «Уральская Сталь» (Новотроицк, 2011 г.); VIII Всероссийская школа-конференция молодых учёных «Управление большими системами» (Магнитогорск, 2011 г.); межрегиональная научно-техническая конференция «Наука и производство Урала 2012» (Новотроицк, 2012 г.).

Публикации. По теме диссертации опубликовано 13 научных работ. Из них четыре в рецензируемых научных жзфналах, рекомендованных ВАК.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка использованных источников и 3 приложений. Текст диссертации изложен на 214 страницах машинописного текста, иллюстрирован 95 рисунками, содержит 27 таблиц. Библиографический список включает 135 наименования.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность рассматриваемой проблемы, изложены направление исследований и практическая значимость работы. Обоснована актуальность данной работы для большого числа металлургических предприятий. Для апробации результатов диссертационной работы выбран металлургический комбинат ОАО «Ур;шьская Сталь».

В первой главе выполнена оценка места и роли инструментов статистического управления качеством в системе менеджмента качества, а также рассмотрены особенности их применения. Сделан вывод, что в совершенствовании методики применения статистических методов с учетом современного развития их теории Орловым А.И., Адлером Ю.П., Гнеденко Б.В. и др.,

а также практических результатов, изложенных в работах Полухина В.П., Хлопонина В.Н., Коцаря C.JL, Белянского А.Д., Мухина Ю.А., Кузнецова Л.А., Гарбера Э.А, Трайно А.И., Салганика В.М., Денисова C.B., Песина A.M., Курбана В.В. и др., имеется значительный потенциал для совершенствования СМК листового проката.

Во второй главе выполнено сравнение элементов СМК ОАО «Уральская Сталь» с требованиями стандартов СТО Газпром серии 9000. Анализ степени реализации основополагающих принципов («Ориентация на потребителя»; «Лидерство руководителей»; «Вовлечение сотрудников»; «Процессный подход»; «Системный подход к менеджменту»; «Постоянное улучшение»; «Основанный на фактах подход к принятию решений»; «Взаимовыгодные отношения с поставщиками») показал, что с учетом допустимости многообразия реализации указанных принципов в соответствии с особенностями организации и конкретными проблемами, с которыми она сталкивается, особые требования ОАО «Газпром» учтены в полной мере. В частности, особое внимание уделяется оценке уров ня удовлетворенности внешних и внутренних потребителей. Общая удовлетворённость потребителей составила 96,9%. Для улучшения системы менеджмента качества руководством были разработаны и постоянно обновляются цели структурных подразделений в области качества (в частности за 2011 год для 70 структурных подразделений установлено 206 целей). Выполнение плана по профессиональной подготовке и повышению квалификации персонала составило 101,6%. Все нормативные документы прошли подтверждение на актуальность. Работа созданных межфункциональных групп планирования качества позволила снизить количество несоответствующей продукции на 5%. Положительная динамика достижения целей в области качества для реализации принципа «Постоянное улучшение» составила 30%. Уверенность в том, что данные и информация являются достаточно точными и достоверными достигается за счёт управления устройствами для мониторинга и измерений. Выполнение пункта «согласование поставщиков сырья с потребителем» составляет 100%.

Вместе с тем установлено, что предусмотренный порядок применения статистических методов, как того требует пункт 7 СТО Газпром 9004-2007 часть П, ограничивает действенность СМК. В частности показано, что использование для мониторинга качества толстолистового проката контрольных карт средних значений и размахов, рекомендованных к применению в указанном пушгге, не всегда обеспечивает своевременное выявление действия особых причин изменчивости качества. На этом основании рекомендовано использовать карты средних значений и размахов только как вид отчетности о состоянии процесса при взаимоотношениях изготовителя продукции с заказчиком.

Для дальнейшего повышения действенности СМК ОАО «Уральская Сталь» было предложено улучшить обоснованность принятия решений в условиях объективно существующей изменчивости процесса производства,

за счёт повышения достоверности результатов оценивания качества продукции. Для этого было выполнено сравнение результатов мониторинга процесса производства толстолистового проката с помощью контрольных карт различного типа и выявлено преимущество карты кумулятивных сумм и скользящего размаха (Сиэтл-карты). По сравнению с картами средних значений контрольные карты кумулятивных сумм оперативнее фиксируют тенденции к нежелательным изменениям процесса. Поэтому был сделан вывод о целесообразности использования контрольных карт кумулятивных сумм и скользящего размаха как элемент системы менеджмента качества, улучшающий степень ее соответствия особым требованиям ОАО «Газпром».

В третьей главе разработана оценка действенности и методика выбора инструмента статистического прогнозирования характеристик продукции как составной процедуры менеджмента качества. Задача повышения действенности статистического прогнозирования рассматривается как выбор тех инструментов и вариантов их реализации, которые с учетом особенностей производства продукции и оценивания её качества, присущих конкретной организации, позволят получить наиболее достоверную информацию при осуществлении принципов «Постоянное улучшение» и «Основанный на фактах подход к принятию решений». Разработана оценка, которая характеризует действенность инструмента статистического прогнозирования количеством совпадений результатов оценивания качества с применением данных инструментов статистического прогнозирования с итогами оценки по данным прямых испытаний:

Д-Цп', ш

где Д - оценка действенности; ти-количество оцениваемых характеристик продукции (показателей качества); П1~ процент совпадения выводов

относительно годности продукции по ]-му показателю при статистическом прогнозировании его значения с выводами о годности по результатам прямых испытаний;

Я=^С-х100%, (2)

п

где Кг — количество совпадений выводов относительно годности продукции по ]-му показателю качества при статистическом прогнозировании его значения с выводами по результатами прямых испытаний; «—количество прямых испытаний показателя качества.

Блок-схема методики выбора инструмента статистического прогнозирования представлена на рис. 1. В качестве традиционных объясняющих переменных выбираются такие показатели, которые наиболее часто используются различными исследователями вследствие очевидности их влияния на прогнозируемую величину. Исходные статистические данные могут быть получены как непосредственно в результате наблюдений на анализируемых объектах, так и в виде результатов, полученных на других,

но однородных с анализируемыми. Так как среди объясняющих переменных могут оказаться незначимые или взаимосвязанные, т.е. условие огсутствия мультиколлинеарности не будет выполнено, уравнения регрессии

необходимо строить с применением процедур нелинейного анализа методами исключения или включения переменных. Дополнительные объясняющие

переменные, влияние которых на первый взгляд не очевидно, но не противоречит физической природе явлений, MOiyr быть как измеряемыми, так и расчетными параметрами. Уравнения регрессии, построенные на множестве, включающем как традиционные, так и дополнительные переменные, сравниваются с

уравнениями, содержащими только традиционные переменные с

применением показателя действенности (1). Если в организации существует возможность построения и применения искусственных нейронных сетей (ИНС), то должны быть построены ИНС на основе как традиционных переменных, так и на множестве всех объясняющих переменных, и рассчитаны оценки их действенности по выражению (1). Для дальнейшего применения выбираются те инструменты статистического

прогнозирования (уравнения регрессии или ИНС), которым соответствуют наиболее высокие значения Д. При этом критерием действенности принимается оценка «отлично» (табл. 1). Представленное здесь ранжирование действенности принято на основании таблицы оценок результативности СМК, разработанной И.Г. Шубиным и E.H. Степановой.

Рис. 1. Блок-схема построения действенного инструмента статистического прогнозирования

Таблица 1

Шкала оценок действенности процедуры статистического прогнозирования ____показателей качества

Действенность процедуры

от 95 до 100%

от 81 до 94 %

от 71 до 80 %

от 50 до 70 %

Менее 50

Оценка

Отлично

Хорошо

Удовлетворительно

Неудовлетворительно

Плохо

Разработанную методику применили для повышения действенности статистического прогнозирования механических свойств на примере толстолистового проката класса прочности К60, производимого на стане 2800 ОАО «Уральская Сталь». Множество параметров, традиционно используемых при решении подобных задач (массовые доли химических элементов, размеры проката, температуры начала и окончания выполнения^ различных операций), дополнили следующими показателями:

отклонением температуры конца прокатки от температуры начала у —> а превращения:

А ,=/„-у4г,

ускоренного

ускоренного

отклонением температуры начала температуры начала у—>а превращения:

Л, г>1п -• Лг, отклонением температуры начала температуры конца у -» а превращения:

Л|-'„,.,-А

отклонением температуры конца ускоренного температуры начала у —> а превращения:

Д, = -Ап

ускоренного

(3)

охлаждения от

(4)

охлаждения от

(5)

охлаждения от

(6)

охлаждения от

отклонением температуры конца температуры конца у а превращения:

(7)

Значения температур начала и конца у—>а превращения определяли по формулам Ю.А. Мухина и В.В. Шкатова:

Аг3 =879,2-94,24С-21,Ш/-25,56ЛГ« + 47,71Сг + 16,44№ (8)

Аг, =729,2-9,24С+12,13&'- 15,56Л/л+ 17,71Сг-46,44//г (9)

Для преодоления возможной корреляции между независимыми переменными, характеризующими химический состав стали, рассмотрели комплексные характеристики, разработанные по методике, предложенной И.Г. Шубиным, М.И. Румянцевым и У.А. Торопициной: Х0т =1,8Мп + Мо + 3,2Р + 15Си + 8, ЗС (10)

Ха = 0,15Сн + 0,7 +0,315+0,3 7.4/+0,18Мп+0,2Сг+0, \Мо+0,83С

= 0,18Л7

= 0,365/ + 0,315 + 0,83С + 0,18 Мп + 0 ,\Мо + 0,16 Си +

(И) (12)

(13)

(14)

+0,1 УМЬ + 0,19Сг + 0,2К

X „ = 0,365/ + 0,18А/я + 0,83С + 0,71Л^2 + 0,315 + О, ШЬ +

КС1'" '

+0,19Сг + 0,16Си + 0,11ИЬ + 0,18№

Таким образом, было получено множество характеристик процесса производства, включающее 32 параметра. Множественные аппроксимации получали с помощью программного комплекса БТАШТГСА, применяя модули множественной регрессии, обобщённых линейных и нелинейных моделей методом включения переменных. В табл. 2 приведены уравнения, построенные на модернизированном комплексе факторов, и показатели достоверности аппроксимации.

Таблица 2

Уравнения регрессии показателей механических свойств проката толщиной 9,0-16,8 мм из стали класса прочности КбО, построенные на модернизированном комплексе факторов, и показатели достоверности аппроксимации

Уравнение регрессии

= 766,17-148,72Ми+1293,37Мо

-970,97 +1,5441 -1,733Д, + 7802,592^

й5 = 22,26 + 1064,84Х5*5

КСи= -1825 + 51736С - 290505С1 --2175/-4Шпг -85405-350Сил-28026Шо2

КСУ'Ю = —1002 + 40680С - 227376С2 --416Сг-3604ЛГ2 -1880К-2087М-34С/,, + £/£

Я

0,58

0,8

0,34

0,67

0,76

л2

0,34

0,65

0,12

0,46

0,59

№

16.5 3.03

13.3 2.64

4.94 3,88

28.3 2.14

24.7 1,98

4.45

8,16

0.17

16,8

22.7

Оценивание их действенности для выборки из 838 наблюдений, включающих данные для 95 плавок, показало, что уравнения, включающие новые переменные, в целом обеспечивают заметно большее число совпадений с результатами прямых испытаний (табл. 3). Таким образом, применение уравнений, построенных с использованием модернизированного комплекса факторов, действительно повышает действенность статистического прогнозирования механических свойств толстолистового проката. В случае применения таких уравнений, например, при статистическом приемочном контроле по связи между параметрами создаются предпосылки для уменьшения вероятности ошибок выводов относительно годности не только оцениваемой партии продукции, но и каждого листа в отдельности, а также для значительного

повышения оперативности выполнения заказов за счет исключения потерь времени на проведение прямых испытаний.

Таблица 3

Свойства Оценки действенности

Уравнения с традиционным комплексом объясняющих переменных Уран нения о модернизированным комплексом объясняющих переменных

оу, Н/мм2 97 99,8

<Тв , Н/мм2 46 98,9

55,% 23 99,95

КСи 60, Дж/см2 99,9 99,93

КСУ~20 .Дж/см2 99,91 99,95

сти статистического прогнозировании качества толстолистового проката были построены нейронные сети для оценки как фактических значений механических свойств, так и их стандартных отклонений. При этом рассматривались варианты как с традиционными, так и с модернизированным комплексами факторов. Используя опыт построения уравнений регрессии, к традиционным переменным (химический состав С; Мп; 5; Р; Сг; N1; Си; ^;А1;Т1; Мо; V; ЫЬ), а так же параметры технологии (коэффициент деформации г|;температура конца прокатки в клети дуо 1кп1; начальная температура прокатки в клети кварто 1НП„; температура конца прокатки толщина подката Ь; температура начала ускоренного охлаждения 1ну0; температура конца ускоренного охлаждения ^ фактическая скорость охлаждения иЛ,) были так же добавлены показатели Д3,Д11Д*1Д2,Д| .Результаты сравнения действенности различных вариантов нейронных сетей, представлены в (табл. 4,5).

Таблица 4

Точность прогнозирования механических свойств с помощью различных вариантов ИНС для проката из стали класса прочности К60

Свойства Традиционные факторы Модернизированные факторы

Корреляция Ошибка обучения Корреляция Ошибка обучения

ат, Н/мм2 0,62 0,165 0,8 0,103

ав, Н/мм2 0,68 0,128 0,84 0,09

З3, % 0,7 0,130 0,8 0,09

КСи^° , Дж/см! 0,87 0,112 0,93 0,08

КСУ-20, Дж/см2 0,46 0,226 0,92 0,09

Таблица 5

Точность прогнозирования выборочных стандартных отклонений с помощью

Свойства Традиционные факторы Модернизированные факторы

Корреляция Ошибка обучения Корреляция Ошибка обучения

ат, Н/мм2 0,9 0,1 0,96 0,05

Од, Н/ммг 0,36 0,2 0,98 0,037

63>% 0,78 0,17 0,99 0,03

Ä-CiT60, Дж/см2 0,65 0,27 0,99 0,02

KCV 20, Дж/см2 0,72 0,19 0,98 0,04

Наилучшую оценку действенности (Д = 99,74%) обнаружил комплекс нейронных сетей, построенный на модернизированном множестве объясняющих переменных.

Таким образом., новый комплекс независимых переменных и построенные с его помощью как уравнения регрессии, так и искусственные нейронные сети в целом обеспечивают как более высокую точность прогноза единичных значений характеристик качества, так и увеличение случаев верной оценки годности продукции.

В четвертой главе представлены результаты, полученные с применением выполненных разработок. Для повышения объективности и достоверности оценок качества продукции стана 2800 ОАО «Уральская Сталь» было предложено применить дифференциальные оценки качества в виде показателей соответствия, разработанные A.C. Цепкиным и М.И. Румянцевым:

(15)

(16)

qpk=mm(iipr,qpu). (17)

В (15)-(17) Д usl=USL — x и Д isL = х - LSL представляют собой допустимые интервалы варьирования показателя качества относительно верхней ( USL ) и нижней ( LSL ) границы, х - среднее выборочное значение показателя, аз S - доля его фактической изменчивости, приходящаяся на допустимый интервал. Значения X н S для каждой из характеристик качества определяли как по результатам прямых испытаний, так и прогнозированием для тех же условий осуществления процесса с применением нейронных сетей, построенных на модернизированном комплексе факторов. В соответствии с принципами SPC приняты уровни результативности «отличная», «хорошая»

Я pu :

Qpl 35 >

и «удовлетворительная», которым соответствуют следующие значения оценок: более 1,67; 1,33-1,67 и 1,00-1,33.

В качестве примера выполнили оценку реальных показателей качества толстолистового проката для труб из стали класса прочности К60. Результаты оценивания приведены в табл. 6, где фактические значения получены по результатам прямых испытаний, а прогнозируемые - с использованием нейронных сетей.

_ Таблица 6

Оценки качества горячекатаного проката для труб из стали класса прочности К60

± В 8- ¥ £ 2 а « £

X н

Н/мм2

Н/мм2

Допустимая

480

5,,%

кси,

Дж/см2

КСУ Д

ж/см2

590

22

С/51

580

690

69

49

Вариация

Фактическая

519

644

23

190

14

18

1.4

177

20

25

Прогнозируемая

522

650

23,6

184

171

14

Дифференциальные оценки

Фактические

21

1,5

23

27

2,07

ЯРи

2,33

0,70

1,37

1,56

0,72

1,56

0,72

0,70

Прогнозируемые

Чрь

2.63

2.9

0,75

1,63

0,77

^рАг

1,63

0,77

1,37

3,39

1.6

0,75

3,39

1.6

Из табл. 6 видно, что, если результативность технологии оценивать сравнением нормативных (Ш,Ш.) и средних выборочных значений то вся продукция может быть признана годной. В тоже время анализ с применением показателей соответствия свидетельствуег, что отличная результативность наблюдается только по ударной вязкости КС и (Чп =3 и 3,39). Хорошая результативность имеет место по пределу текучести (?„ =1,56 и 1,63) и ударной вязкости КСУ(Чп =1,37 и 1,6). По временному сопротивлению и относительному удлинению качество оцениваемой партии проката неудовлетворительное. Прогнозируемые значения показателей соответствия для аг, стаи 5, отличаются от фактических не более, чем на 7%, а для показателей ударной вязкости различие достигает 16%.

Используя показатели соответствия и разработанные нейронные сети, построенные на модернизированном комплексе факторов, выполнили поиск рационального сочетания компонентов химического состава и параметров технологического процесса, обеспечивающее минимальный разброс свойств толстолистового проката в пределах партии.

В качестве целевой функцией приняли сумму отклонений показателей соответствия характеристик качества от заданного значения а критерием рациональности - ее максимум:

(18)

Показатель соответствия ой характеристики качества продукции зависит от границ допуска для данной характеристики и и8Ь}, установленных в

нормативной документации, а также от совокупности значений параметров технологического процесса, которые образуют вектор оптимизируемых параметров X/ и включают как характеристики режимов осуществления технологических операций, так и массовые дели химических элементов, содержащиеся в стали

Как и при решении дру гих задач поиска экстремума, значения оптимизируемых параметров ограничены множеством допустимых значений

х; е{[х,]},

каждое из которых [Х;"| определяется либо требованиями нормативных документов, либо техническими возможностями оборудования.

Блок-схема алгоритма поиска рациональных сочетаний химического состава и технологических параметров представлена на рис. 2. Сигнала задаются возможные на практике

с:

Начало

Входные данные: Хим. состав: С; ви Мп; Б; Р; С г, №; Си; Ы2;А!ГП; Мо; V; ЫЬ

Технологические параметры: тц ^^ 1(ш1!, Ь,

1«У„; Цд|________

Ввод ограничений:

ЬЗЬст; ШЬст; ЬБЬов; ШЬсв; Ь8Ь55; ШЬ55;

ЬБЬкси; иЭЬкси; Ь&Цосу; ивЬксу; Чрк>1

Выбор диапазона данных

Расчёт новых независимых переменных:

Дз;Д,;Д,*; Д2;Д2*

Применение нейронных сетей для расчёта прогнозируемых значений: От;Ов; 55; КСЦ"60; КСУ"20

Применение нейронных сете й для расчёта стандартных отклонений: Рт;дв; 55; КСЦ"60; КСУ 20

Расчёт показателей соответствия: Чр1; Чри; Чр1с

Рациональный диапазон параметров

Конец

Рис. 2 . Блок-схема алгоритма поиска условий процесса, обеспечивающих снижение изменчивости механических свойств

диапазоны изменения характеристик химического состава (С; Мп; Б; Р-Сг; N¡5 Си; Ы2;А1;Т1; Мо; V; №>) и параметров технологии (коэффициент деформации т|;температура конца прокатки в клети дуо начальная температура прокатки в клети кварто 1нп11; температура конца прокатки толщина подката И; температура начала ускоренного охлаждения! 1нуо; температура конца ускоренного охлаждения ^ фактическая скорость охлаждения иы). Затем задаются ограничения по механическим свойствам, указанные в соответствующем нормативном документе, и заданное значение показателя соответствия ярк*. Применительно к толстолистовому трубному проката класса прочности К60 в ОАО «Уральская Сталь» таким документом является ТУ 14-1-5477-2004. В соответствии с ним оу= 480-580 МПа; а„= 590-690 МПа; относительное удлинение 8Ъ должно быть не менее 22%:; ударная вязкость кси-*0 не менее 69 Дж/см2; ударная вязкость ксу7" не менее 49 Дж/см2.

Исследованные диапазоны вариации характеристик химсостава и параметров процесса представлены в табл. 7 и 8 в виде фактических значений. Соответствующие им фактические значения механических свойств представлены в табл. 9. Химическая композиция и параметры процесса, соответствующие итоговому решению задачи, представлены в тех же таблицах как рекомендуемые значения. Прогнозируемые для этих условий осуществления процесса механические свойства приведены в табл. 9. Фактические и прогнозируемые значения выборочного стандартного отклонения представлены в табл.10.

Адапзсдд састгг стгдя да ззтегорля гротаос:^ КбО

С 1Й. А1 Сг № Си Ыо V И т 3 1 Р 1 № Н» бозгез

Факетчгспк зжменщ

0,090.12 0.150.50 1.551.75 0.02-СД5 5Д- оз 03 03 0,0040,014 0.0380,08 0,010.035 0.020,05 0.006 0.02 0,01

Рзаигндугшн значены

0,030,11 »3039 1,651.72 О.ЗЗй-С.04 0,060.07 0,130.1" 0,030.14 0,0050,007 0,0430.05 0.02503 0.0450.050 0,005 0,015 0,008

Таблица 8

Параметры технологии стали К60

1 •япП, °С ( °С Ь, мм ^нуо» С С иыХ/о

Фактические значения

1,2471,403 8921042 872-1033 728-841 50-60 700-83:2 498665 11-23

Рекомендуемые значения

1,381,403 10351045 10201030 810-825 50-55 785-79:5 595605 20-22

Таблица 9

Показатели механических свойств__

Предел текучести От. Н/мм2 Временное сопротивление разрыву сть Н/мм2 Относительное удлинение 55, % Ударная вязкость КСи^°, Дж/см2 Ударная вязкость КСУ20, Дж/см2

По нормативным документам

480-580 590-650 не менее 22 не менее 69 не менее 49

Фактические значения

460-580 570-720 19-29 108-306 105-284

Прогнозируемые значения

530-545 630-6416 28,1-30,2 151-156 164-202

Таблица 10

Стандартные выборочные отклонения механических свойств _

Предел текучести а„МПа Временное сопротивление разрыву сг„ МПа Относительное удлинение 85, % Ударная вязкость КСЧ"60, Дж/смг Ударная вязкость КСЛГ20, Дж/см2

Фактические значения

20,3 19,0 1,7 38,5 41,2

Прогнозируемые значения

9,74 9,18 2,6 20,1 27,5

Для применения процедур мониторинга и статистического прогнозирования свойств толстолистового проката в режиме реального времени сотрудниками ОКП на их рабочих местах создана компьютерная программа для персонального компьютера. Мониторинг осуществляется с помощью контрольных карт средних значений, размахов и кумулятивных сумм. Для статистического прогнозирования значений механических свойств по выбору пользователя могут быть использованы либо уравнения регрессии, либо нейронные сети. Результаты статистического прогнозирования свойств по согласованию с заказчиком могут быть использованы для статистического приемочного контроля по связи между параметрами. При этом годность продукции определяется с учетом приоритетности механических свойств, оговариваемой заказчиком.

С учетом результатов исследования и их апробации разработан проект стандарта организации «Порядок применения статистических методов в условиях стана 2800 ОАО «Уральская Сталь». В стандарте с учетом известного опыта установлены общие требования к выбору и применению статистических методов управления технологическими процессами, предусмотрены действия по статистическому управлению процессами с целью обеспечения

стабильности качества продукции, выявлению возможностей технологических процессов и необходимости их совершенствования с учётом результатов, полученных в ходе диссертационных исследований. В частности представлены примеры применения программы ЭТАТОПСА для решения' задач построения контрольной кар™ кумулятивных сумм, уравнений множественной регрессии по методу включения переменных, а также искусственных нейронных сетей. Также приведены примеры использования разработанной компьютерной программы для решения задач построения контрольных карт различных типов, прогнозирования механических свойств толстолистового проката с применением уравнений регрессии и нейронных сетей, а также статистического приемочного контроля по связи между параметрами.

ОСНОВНЫЕ ВЫВОДЫ ПО РАБОТЕ

1. Для повышения действенности СМК трубного листового проката необходимо повышать достоверность и обоснованность вьшодов относительно качества продукции, что может бьпъ достигнуто использованием наиболее информативных типов контрольных карт как инструментов мониторинга стабильности показателей качества а также уравнении множественной регрессии или нейронных сетей как инструментов статистического прогнозирования указанных показателей

2. Анализ чувствительности и информативности контрольных карт различного типа: как инструмента мониторинга при статистическом управлении качеством показал, что для более эффективного мониторинга процесса производства трубного проката целесообразно использовать контрольные карты кумулятивных сумм и скользящих размахов, которые оперативнее фиксируют тенденции к нежелательным изменениям процесса.

3. Разработаны показатель и методика оценки действенности инструментов статистического прогнозирования характеристик продукции позволяющие обосновать выбор регрессионных зависимостей или искусственных нейронных сетей по критерию максимального соответствия оценок годности по прогнозируемым значениям показателей качества оценкам годности по результатам натуральных испытаний.

Выявлен комплекс характеристик процесса производства толстолистового проката (факторов процесса), степень взаимосвязи которого с показателями качества продукции (откликами) выше, чем тех, которые традиционно применяются при статистическом прогнозировании показателей качества проката, что позволяет строить инструменты статистического прогнозирования, обеспечивающие более высокую точность прогноза .

На основе указанного комплекса характеристик процесса производства (модернизированный комплекс) разработаны нейросегевые модели обеспечивающие более высокую точность и достоверность прогноза как фактических значений, так и стандартных отклонений механических свойств

готовой продукции. Рекомендации приняты к использованию в ОАО «Уральская Сталь».

4. С применением в качестве инструментов статистического прогнозирования искусственных нейронных сетей, построенных на множестве традиционных и дополнительных объясняющих переменных, выявлено сочетание компонентов химического состава и параметров технологии, способствующее минимизации разброса свойств

толстолистового проката для труб класса прочности К60 в пределах партии. Рекомендации приняты к использованию в ОАО «Уральская Сталь».

Создана программа для ЭВМ, предназначенная для осуществления в режиме реального времени мониторинга, статистического прогнозирования и приёмочного контроля толсголистового проката с учетом специфических особенностей процесса толстолистовой прокатки. Программа позволяет рассчитать единичные показатели качества механически:« свойств (предел текучести, временное сопротивление, относительное удлинение, ударную вязкость КСи, КСУ) и определить годность продукции, основываясь на приоритетности механических свойств по заказу для каждого листа в отдельности, используя искусственные нейронные сети или уравнения регрессии. Программа принята к использованию в ОАО «Уральская Сталь»

Основное содержание диссертации опубликовано в работах:

1. Задачи совершенствования системы менеджмента, качества проката для сварных труб в соответствии с требованиями СТО ГАЗПРОМ 9001-2006. Сообщение 1. Особые требования ОАО «ГАЗПРОМ» к поставщикам продукции для нефте1-азового комплекса/ Румянцев М.И., Носенко О.Ю., Черкасов К.Е.. Г'ОУ ВПО «Магнитогорск.гос.техн.ун-т». - Магнитогорск, 2009. - 12 е., Деп. в ВИНИТИ. 30.09.09, № 614-В2009.

2. Задачи совершенствования системы менеджмента качества проката для сварных труб в соответствии с требованиями СТО ГАЗПРОМ 9001-2006. Сообщение 2. К вопросу о выборе типа контрольных карт / Румянцев М.И., Носенко О.Ю., Черкасов К.Е.. ГОУ ВПО «Магнитогорск.гос.техн.ун-т». -Магнитогорск, 2009. - 28 с. Деп. в ВИНИТИ. 30.09.09, № 615-В2009.

3. Задачи совершенствования системы менеджмента качества проката для сварных труб в соответствии с требованиями СТО ГАЗПРОМ 9001-2006. Сообщение 3. Особенности применения индексов воспроизводимости для оценивания возможностей процесса и выхода годной продукции/ Румянцев М.И., Носенко О.Ю., Черкасов К.Е. ГОУ ВПО «Магнитогорск.гос.техн.ун-т». - Магнитогорск, 2009. - 13 с. Деп. в ВИНИТИ. 30.09.09, № 616-В2009

4. Корнилов В.Л ., Сергеева О.Ю., Черкасов К.Е. Подход к анализу результативности и совершенствованию технологии производства толстолистового проката из низколегированных сталей в условиях ШСГП 2000. Моделирование и развитие процессов обработки металлов давлением: межрегиональный сборник научных трудов. Магнитогорск: ГОУ ВПО «МГТУ». 2009. С. 21-27.

5. Корнилов B.JL, Сергеева О.Ю., Черкасов К.Е. Об особенностях применения статистических методов в соответствии с особыми требованиями ОАО «Газпром» к системам менеджмента качества поставщиков. Моделирование и развитие процессов обработки металлов давлением: межрегиональный сборник научных трудов. Магнитогорск: ГОУ ВПО «МГТУ». 2009. С. 333-337.

6. Анализ соответствия системы менеджмента качества ОАО «Уральская Сталь» требованиям корпоративных стандартов СТО ГАЗПРОМ серии 9000 / Черкасов К.Е., Бочков Д.Г., Румянцев М.И., Попкова A.A. ГОУ ВПО «Магнитогорск.гос.техн.ун-т». — Магнитогорск, 2010.-45 с. Деп. в ВИНИТИ. 30.09.10, № 562-В2009.

7. Повышение точности статистического контроля качества толстолистового проката по корреляционной связи между параметрами / Румянцева М.И., Черкасов К.Е., Попкова A.A. ГОУ ВПО «Магнитогорск.гос.техн.ун-т». - Магнитогорск. 2010. 11с. Деп. в ВИНИТИ. 30.09.10, № 563-В2010.

8. Румянцев М.И., Шубин Д.Г. Черкасов К.Е. Сравнение типов контрольных карт как индикаторов состояния процесса с целью выполнения особых требований ОАО «Газпром» в системах менеджмента качества предприятий-поставщиков продукции для его нужд. Производство проката. 2010. №3. С. 32-35 (рецензируемое издание, рекомендованное ВАК).

9. Черкасов К.Е., Румянцев М. И. Возможности совершенствования статистического приёмочного контроля качества толстолистового проката для ОАО «Газпром» и опыт их реализации. Управление большими системами: материалы VIII Всероссийской школы-конференции молодых учёных. Магнитогорск: Изд-во «МГТУ им. Г.И.Носова». 2011. С. 342-346.

10. Черкасов К.Е., Румянцев М. И., Черкасов M. Е. Оценка возможностей совершенствования статистического приемочного контроля качества толстолистового проката для ОАО «Газпром» за счет модернизации множественных аппроксимаций связи механических свойств с параметрами технологии. Производство проката. 2011. №9. С. 33-36. (рецензируемое издание, рекомендованное ВАК).

11. Черкасов M. Е., Черкасов К.Е., Румянцев М. И. Некоторые решения по повышению эффективности управления качеством продукции для ОАО «Газпром», в условиях ОАО «Уральская Сталь». Моделирование и развитие процессов обработки металлов давлением: межрегион, сб. науч. тр. -Магнитогорск: Изд-во «МГТУ им. Г.И.Носова». 2011. С. 165-171.

12. Черкасов К.Е. Румянцев М.И, Черкасов М.Е, Повышение результативности статистического приёмочного контроля по связи между параметрами за счёт модернизации комплекса независимых переменных на примере толстолистового проката для ОАО «Газпром». Магнитогорск: Вестник МГТУ им. Г.И. Носова. 2011. №4. С. 55-58. (рецензируемое издание, рекомендованное ВАК).

13. Черкасов К.Е., Румянцев М. И., Шубин И.Г. Возможности совершенствования статистического приемочного контроля толстолистового проката для ОАО «Газпром» с применением искусственных нейронных сетей. Производство проката. 2012. №8. С. 44-47 (рецензируемое издание, рекомендованное ВАК).

Подписано в печать 12.12.2012. Формат 60x84/16. Бумага тип. № 1

Плоская печать. Усл.печ.л. 1,00. Тираж 100 экз. Заказ 767

455000, Магнитогорск, пр. Ленина, 38 Полиграфический участок ФГБОУ ВПО «МГТУ»

ВВЕДЕНИЕ.

1 ИНСТРУМЕНТЫ СТАТИСТИЧЕСКОГО УПРАВЛЕНИЯ КАЧЕСТВОМ, КАК ЭЛЕМЕНТ СИСТЕМЫ МЕНЕДЖМЕНТА КАЧЕСТВА.

1.1 Развитие статистических методов как инструментов и объектов научной деятельности.

1.2 Статистические методы в управлении качеством продукции.

1.3 Применение контрольных карт.

1.4Статистический приёмочный контроль в управлении качеством.

1.5 Уравнения регрессии как инструмент приёмочного контроля и статистического прогнозирования.

1.6 Искусственные нейронные сети как инструмент приёмочного контроля и статистического прогнозирования.

Выводы по главе.

2 РЕАЛИЗАЦИЯ ТРЕБОВАНИЙ СТО ГАЗПРОМ СЕРИИ 9000 В СИСТЕМЕ МЕНЕДЖМЕНТА КАЧЕСТВА ОАО «УРАЛЬСКАЯ СТАЛЬ».

2.1 Требования ОАО «Газпром» к поставщикам продукции для нефтегазового комплекса.

2.2 Результаты оценки соответствия системы менеджмента качества ОАО «Уральская Сталь» требованиям СТО Газпром серии 9000.

2.3 Применение статистических методов при управления качеством в ОАО «Уральская Сталь».

2.4 Опыт анализа возможностей процесса производства толстолистового проката класса прочности К60 для электросварных труб.

2.5 Опыт мониторинга процесса производства тол сто л истового проката класса прочности К60 для электросварных труб с применением контрольных карт.

2.6 Сравнение типов контрольных карт как индикаторов состояния процесса.

2.6 Статистический контроль механических свойств листового проката в ОАО «Уральская Сталь» с применением корреляционных зависимостей.

Выводы по главе.

3 РАЗВИТИЕ ЭЛЕМЕНТОВ СТАТИСТИЧЕСКОГО КОНТРОЛЯ КАЧЕСТВА ПРОКАТА ДЛЯ СВАРНЫХ ТРУБ.

3.1 Методика оценки действенности статистического прогнозирования характеристик продукции как составной процедуры менеджмента качества.

3.2 Повышение точности статистического прогнозирования механических свойств толстолистового проката с помощью уравнений множественной регрессии.

3.3 Повышение точности статистического прогнозирования механических свойств проката с помощью искусственных нейронных сетей.

3.4 Нейросетевое прогнозирование стандартных отклонений механических свойств листового проката.

Выводы по главе.

4 РАЗРАБОТКА МЕРОПРИЯТИЙ ДЛЯ УЛУЧШЕНИЯ КАЧЕСТВА ТОЛСТОЛИСТОВОГО ТРУБНОГО ПРОКАТА И ДЕЙСТВЕННОСТИ СМК В ОАО «УРАЛЬСКАЯ СТАЛЬ».

4.1 Разработка рекомендаций по улучшению качества толстолистового проката для труб за счет уменьшения изменчивости механических свойств.

4.2 Мониторинг и статистический приёмочный контроль качества толстолистового трубного проката с применением ЭВМ.

4.3 Проект стандарта организации по применению статистических методов в условиях стана 2800 ОАО «Уральская Сталь».

Выводы по главе.

В 2006 году ОАО «Газпром» приняло и ввело в действие серию корпоративных стандартов, содержащих особые требования к системам менеджмента качества (СМК) поставщиков продукции для нефтегазового комплекса. Одной из целей принятия указанных стандартов является создание механизмов объективной оценки функционирования СМК организаций, поставляющих продукцию для нужд ОАО «Газпром». Общепринятыми оценками функционирования СМК являются эффективность и результативность, которые, в свою очередь формируются как обобщенный итог частных результатов реализации процессов и процедур, предусмотренных СМК. Именно тем, насколько полно каждый процесс, каждая процедура менеджмента качества позволяет осуществить возлагаемые на них функции, т. е. какова их действенность1 [1], и определяется, насколько успешно функционирует СМК в целом.

Одним из широко востребованных видов продукции в нефтегазовом комплексе является толстолистовой прокат для изготовления электросварных труб. В Российской Федерации трубный листовой прокат производят несколько металлургических предприятий, одним из которых является и ОАО «Уральская Сталь», входящее в состав холдинга «Метал лоинвест». Среди основных направлений деятельности ОАО «Уральская Сталь» - поддержание в актуальном состоянии и постоянное совершенствование СМК с целью обеспечения высокой степени гарантии качества выпускаемой продукции.

В условиях неизбежной стохастичности промышленного производства объективность и достоверность оценок различных процессов, в том числе и результатов управления качеством продукции, возможна только с

1 Действенность - это способность системы эффективно выполнять возложенные на неё функции. применением статистических методов. Поэтому среди особых требований ОАО «Газпром» содержится также требование об обязательном использовании статистических методов для оценки изменчивости, стабильности и воспроизводимости процессов; характеристик выпускаемой продукции; деятельности поставщиков; тенденций изменения и улучшения процессов и т.д. Таким образом, в качестве инструментов получения информации для оценки и демонстрации пригодности и результативности системы менеджмента качества, а также выбора направлений постоянного повышения ее результативности, статистические методы в значительной мере определяют действенность процедур реализации таких принципов СМК как «Постоянное улучшение» и «Основанный на фактах подход к принятию решений», а, следовательно, и действенность СМК в целом. При этом становится актуальной задача выбора тех статистических методов и вариантов их реализации, которые с учетом особенностей производства продукции и оценивания её качества, присущих конкретной организации, позволят получить наиболее достоверную информацию при реализации упомянутых принципов.

Целью диссертационной работы является повышение действенности процедуры «Измерение, анализ и улучшение» системы менеджмента качества толстолистового проката для сварных труб за счет улучшения достоверности и объективности информации, получаемой с применением статистических методов прогнозирования механических свойств.

Для достижения указанной цели в диссертационной работе были поставлены и решаются следующие задачи:

- анализ чувствительности и информативности контрольных карт различного типа, как инструмента мониторинга при статистическом управлении качеством продукции толстолистовых станов; разработка методики оценки действенности статистического прогнозирования; выявление комплекса характеристик процесса производства толстолистового проката (факторов процесса), степень взаимосвязи которых с показателями качества продукции (откликами) выше, чем тех, которые традиционно применяются при статистическом прогнозировании показателей качества проката;

- создание на основе указанного комплекса характеристик процесса производства инструментов статистического прогнозирования (уравнений регрессии и нейросетевых моделей), обеспечивающих повышение точности и достоверности прогноза как значений, так и стандартных отклонений механических свойств готовой продукции;

- выявления условий осуществления процесса, обеспечивающих получение заданных механических свойств проката при их минимальном разбросе.

В итоге выполненного исследования получены следующие результаты:

- разработаны показатель и методика оценки действенности инструментов статистического прогнозирования характеристик качества продукции, позволяющие повысить обоснованность выбора инструментов статистического прогнозирования для управления качеством. найден комплекс характеристик процесса производства толстолистового проката (модернизированный комплекс факторов процесса), применение которого обеспечивает повышение точности статистического прогноза механических свойств продукции (предела текучести, временного сопротивления разрыву, относительного удлинения, ударной вязкости). разработаны и адаптированы к условиям толстолистового стана 2800 ОАО «Уральская Сталь» нейросетевые модели для прогнозирования фактических значений и стандартных отклонений механических свойств толстолистового проката класса прочности К60, отличающееся тем, что впервые подобные инструменты статистического прогнозирования разработаны с использованием модернизированного комплекса факторов процесса.

- разработан алгоритм поиска рациональных сочетаний химического состава и технологических параметров процесса производства толстолистового проката для сварных труб, обеспечивающих получение заданных механических свойств продукции при их минимальном разбросе в пределах партии, отличающийся применением нейронных сетей для прогнозирования как значений, так и стандартных отклонений показателей качества.

В результате решения перечисленных задач разработаны и приняты к использованию в ОАО «Уральская Сталь»:

-рекомендации относительно химического состава стали и значений ключевых контрольных параметров процесса производства на стане 2800 ОАО «Уральская Сталь» листового проката класса прочности К60 для электросварных труб, обеспечивающие достижение регламентируемых значений, повышение стабильности механических свойств продукции.

- компьютерная программа «Мониторинг и статистический приёмочный контроль толстолистового проката» для осуществления контроля качества на стане 2800 ОАО «Уральская Сталь» в режиме реального времени, которая защищена свидетельством о Государственной регистрации.

-проект стандарта организации «Порядок применения статистических методов в условиях стана 2800 ОАО «Уральская Сталь».

Разработаны и приняты к использованию в учебном процессе кафедры ОМД ФГБОУ ВПО «МГТУ им. Г.И. Носова» при подготовке студентов специальности 200503 «Стандартизация и сертификация»

- методика построения уравнений регрессии для статистического приемочного контроля качества по связи между параметрами с выбором наиболее значимых независимых переменных.

- методика осуществления мониторинга и статистического приемочного контроля качества толстолистового проката.

Основные положения диссертационной работы изложены и обсуждены на ежегодных научно-технических конференциях «МГТУ им. Г.И. Носова»

Магнитогорск 2009, 2010 и 2011 гг.); научно-технической конференции молодых специалистов ОАО «Уральская Сталь» (Новотроицк 2011 г.); VIII Всероссийской школе-конференции молодых учёных «Управление большими системами» (Магнитогорск, 2011 г.); межрегиональной научно-технической конференции «Наука и производство Урала 2012» (Новотроицк 2012 г.). По теме диссертации опубликовано 13 научных работ, из них четыре в рецензируемом научном журнале, рекомендованном ВАК.

Выводы по главе:

1. С использованием разработанных в разделе 3 данной диссертационной работы искусственных нейронных сетей для статистического прогнозирования значений механических свойств и их стандартных отклонений, найдены рациональное сочетание содержания химических элементов в стали и ключевых контрольных характеристик процесса для производства в условиях ОАО «Уральская Сталь» толстолистового проката для сварных труб класса прочности К60, обеспечивающие получение свойств, отвечающих требованиям ТУ 14-15477-2004 при более низкой изменчивости предела текучести, временного сопротивления и ударной вязкости. Рекомендации приняты к использованию в ОАО «Уральская Сталь».

2. Создана компьютерная программа «Мониторинг и статистический приёмочный контроль толстолистового проката», которая повышает действенность процедур, реализующих такие принципы СМК как

Постоянное улучшение» и «Основанный на фактах подход к принятию решений», а, следовательно и действенность СМК в целом. Программа зарегистрирована в федеральной службе по интеллектуальной собственности и принята к использованию в ОАО «Уральская сталь».

3. Разработан проект стандарта организации «Порядок применения статистических методов в условиях стана 2800 ОАО «Уральская Сталь», предназначенный для расширения и совершенствования практики применения в ОАО «Уральская Сталь» статистических методов при контроле качества толстолистового трубного проката и управлении процессом его производства. Процедуры мониторинга с помощью контрольных карт, статистического прогнозирования свойств с помощью искусственных нейронных сетей и уравнений регрессии разработаны с учётом результатов полученных в данной диссертационной работе. Проект стандарта организации принят к использованию в ОАО «Уральская Сталь».

Заключение

1. Для повышения действенности СМК трубного листового проката необходимо повышать достоверность и обоснованность выводов относительно качества продукции, что может быть достигнуто использованием наиболее информативных типов контрольных карт как инструментов мониторинга стабильности показателей качества, а также уравнений множественной регрессии или нейронных сетей как инструментов статистического прогнозирования указанных показателей.

2. Анализ чувствительности и информативности контрольных карт различного типа, как инструмента мониторинга при статистическом управлении качеством, показал, что для более эффективного мониторинга процесса производства трубного проката целесообразно использовать контрольные карты кумулятивных сумм и скользящих размахов, которые оперативнее фиксируют тенденции к нежелательным изменениям процесса. Контрольные карты средних значений и размахов, рекомендованные в корпоративных стандартах СТО Газпром, целесообразней использовать как вид отчётности перед потребителем продукции.

3. Разработана методика оценки действенности инструментов статистического прогнозирования характеристик продукции, позволяющая обосновать выбор регрессионных зависимостей или искусственных нейронных сетей по критерию максимального соответствия оценок годности по прогнозируемым значениям показателей качества оценкам годности по результатам натуральных испытаний.

Выявлен комплекса характеристик процесса производства толстолистового проката (факторов процесса), степень взаимосвязи которых с показателями качества продукции (откликами) выше, чем тех, которые традиционно применяются при статистическом прогнозировании показателей качества проката, что позволяет строить инструменты статистического прогнозирования, обеспечивающие более высокую точность прогноза.

4. На основе указанного комплекса характеристик процесса производства (модернизированный комплекс), разработаны уравнения регрессии и нейросетевые модели обеспечивающие более высокую точность и достоверность прогноза как фактических значений, так и стандартных отклонений механических свойств готовой продукции. С применением в качестве инструментов статистического прогнозирования искусственных нейронных сетей, построенных на множестве традиционных и дополнительных объясняющих переменных, выявлено сочетание компонентов химического состава и параметров технологии, способствующее минимизации разброса свойств толстолистового проката для труб класса прочности К60 в пределах партии. Рекомендации приняты к использованию в ОАО «Уральская Сталь».

Создана программа для ЭВМ, предназначенная для осуществления в режиме реального времени мониторинга, статистического прогнозирования и приёмочного контроля толстолистового проката с учетом специфических особенностей процесса толстолистовой прокатки. Программа позволяет рассчитать единичные показатели качества механических свойств (предел текучести, временное сопротивление, относительное удлинение, ударную вязкость КСи, КСУ) и определить годность продукции, основываясь на приоритетности механических свойств по заказу, для каждого листа в отдельности, используя искусственные нейронные сети или уравнения регрессии. Программа принята к использованию в ОАО «Уральская Сталь».

1. Райзберг Б. А., Лозовский Л. Ш., Стародубцева Е. Б. Современный экономический словарь. 5-е изд. перераб. и доп. М.: ИНФРА-М, 2007. 495 с.

2. ГОСТ Р ИСО 9001 2008. Система менеджмента качества. Требования. М.: Стандартинформ. 2008. 65 с.

3. Купряков Е.М. Стандартизация и качество промышленной продукции: Учеб. для эконом, спец. вузов. 2-е изд., перераб. и доп. - М.: Высш. шк. 1991. 304 с.

4. Степанов С.А, Щербаков А.Ю., Ященко В.В. Системы менеджмента качества. СПбГЭТУ : "ЛЭТИ". 2003. 64 с.

5. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. 3-е изд. M.: Наука. 1983. 416с.

6. Лапидус В.А. Всеобщее качество (TQM) в российских компаниях / Гос. ун-т управления. Нац. фонд подготовки кадров. М.: ОАО «Типография «Новости». 2000. 432 с.

7. Статистические методы повышения качества / Под ред. X. Кумэ. М.: Финансы и статистика. 1990. 243 с.

8. Neuman J., Pearson Б. S., "Philos. Trans. Roy. Soc. London. Ser. A", 1933. v. 231

9. Леман Э. Л., Проверка статистических гипотез: пер. с англ. 2 изд. М.: Наука. 1979. 408 с.

10. Налимов В.В., Чернова H.A. Статистические методы планирования экстремальных экспериментов. М.:Физматгиз.1965. 340с.

11. Карлинская Ф.М., Макаров Ю.Д., Поляков Б.Н. Алгоритмы статистической обработки данных наблюдений с помощью ЭВМ. Реф. Информация № 15-70-5. НИИинформтяжмаш. М. 1970. 46с.

12. Статистический анализ и математическое моделирование блюминга / С.Л.Коцарь, Б.Н.Поляков, Ю.Д.Макаров, В.А. Чичигин. М.: Металлургия. 1974.280 с.

13. Железнов Ю.Д., Коцарь С.Л., Абиев А.Г. Статистические исследования точности тонколистовой прокатки. М.: Металлургия. 1974. 240с.

14. Горячая прокатка широких полос / В.Н. Хлопонин, П.И. Полухин,

15. B.И. Погоржельский, В.П. Полухин. М.: Металлургия. 1991. 198 с.

16. Коцарь С.Л., Белянский А.Д., Мухин Ю.А. Технология листопрокатного производства. М.: Металлургия. 1997. 272 с.

17. Кузнецов Л.А., Корнеев A.M., Погодаев А.К. Статистические модели в задачах оптимизации сквозной технологии производства автолистовой стали. Известия вузов. Черная металлургия. 1990. №3.1. C. 34-36.

18. Трайно А.И., Гарбер Э.А., Юсупов B.C. Использование нейронной сети для прогнозирования механических свойств листового проката Производство проката. 2002. №9. С. 17-20.

19. Менеджмент качества и сертификация: учебное пособие (В 2-х т.). Т.1. / Ю.П. Адлер, В.М. Григорьев, Т.М. Полховская и др. М.: Изд-во МИСиС и С-Центр сертификации. 2001. 152 с.

20. Ефимов В.В. Спираль качества. Ульяновск: УлГТУ. 2002. 232 с.

21. Строителев В.Н. Статистические методы основной инструмент специалиста в области качества // Качество, инновации, образование. 2002.т.е. п-17.

22. Гнеденко Б.В. Методологические проблемы математики. М.: Знание. 1970. 64 с.

23. Гнеденко Б.В. О математике. М.: Эдиториал УРСС. 2000. 208 с.

24. Гнеденко Б.В., Орлов А.И. Роль математических методов исследования в кардинальном ускорении научно-технического прогресса // Заводская лаборатория. 1988. Т.54. № 1. С. 1-4.

25. Гнеденко Б.В., Орлов А.И. О применении современных статистических методов в управлении качеством продукции // Надежность и контроль качества. 1990. № 3. С.62-62.

26. Орлов А.И. Прикладная статистика. Учебник. М.: Изд.: "Экзамен". 2004. 656 с.

27. Орлов А.И. Математика случая: Вероятность и статистика -основные факты: учебное пособие. М.: МЗ-Пресс. 2004. 110 с.

28. Орлов А.И. Теория принятия решений, учебное пособие.- М.: Изд.: "Март". 2004. 656 с.

29. Статистическое управление процессами. SPC. Перевод с англ. Н.Новгород: ООО СМЦ «Приоритет». 2004г. 181с.

30. Робертсон А. Управление качеством. М.: «Прогресс». 1974. 254 с.

31. Фомин В.Н. Квалиметрия. Управление качеством. Сертификация: курс лекций. М.: Ассоциация авторов и издателей «ТАНДЕМ». Изд-во «ЭКМОС». 2000. 320 с.

32. Статистические методы обеспечения качества / Х.-Й. Миттаг, Х.Ринне. М.: Машиностроение. 1995. 615 с.

33. Технология машиностроения: В 2-х т. Т.1. Основы технологии машиностроения: Учебник для вузов / Под ред. A.M. Дальского. М.: Изд-во МГТУ им. Баумана. 2001. 564 с.

34. Богатырев A.A., Филиппов Ю.Д. Стандартизация статистических методов управления качеством. М.: Изд-во стандартов. 1989. 121 с.

35. Румянцев М.И., Ручинская H.A. Статистические методы для обработки и анализа числовой информации, контроля и управления качеством: учебное пособие. Магнитогорск: ГОУ ВПО «МГТУ им. Г.И. Носова». 2008. 208 с.

36. Мхитарян B.C. Статистические методы в управлении качеством, продукции. М.: Финансы и статистика. 1982. 119с.

37. Фомин В.Н. Квалиметрия. Управление качеством. Сертификация. Курс лекций. М.: ЭКМОС. 2000. 320 с.

38. Жулинский С.Ф., Новиков Е.С., Поспелов В.Я. Статистические методы в современном менеджменте качества. М.: Фонд «Новое тысячелетие». 2001. 208 с.

39. Аристов О.В. Управление качеством. М.: ИНФРА-М. 2006. 204 с.

40. Гличев A.B., Круглов М.И. "Управление качеством продукции" М: "Экономика". 1979.

41. Гличев А. В. Современные методы управления качеством. М.: Стандарты и качество. №4.1996. 9 с.

42. Управление качеством продукции. Инструменты и методы менеджмента качества: учебное пособие / С. В. Пономарев, С. В. Мищенко, В. Я. Белобрагин, и др. М.: РИА «Стандарты и качество». 2005. 248 с.

43. Каплен Г. Практическое введение в управление качеством. М.: Издательство стандартов. 1976. 228 с.

44. Сакато Сиро. Практическое руководство по управлению качеством / Пер. с 4-го японского издания. М., Машиностроение. 1980. 215с.

45. Shewhart W.A. Economic Control of Quality of Manufactured Product. ASQ (republished). 1931/1980. 501 p.

46. Уилер Д., Чамберс Д. Статистическое управление процессами. Оптимизация бизнеса с использованием контрольных карт Шухарта / Пер. с англ. М.: Альпина Бизнес Букс. 2009. 409 с.

47. Статистические методы повышения качества / Под ред. X. Куме; Пер. с англ. Адлера Ю.П., Конаревой JI.A. — М.: Финансы и статистика, 1990. 304 с. (Н. Kume. Statistical methods for quality improvement. — AOTS, 1985.)

48. Адлер Ю.П., Жулинский С.Ф., Шпер B.JI. Проблемы применения методов статистического управления процессами на отечественных предприятиях // Методы менеджмента качества. 2009. № 8. С. 36—40; № 9. С. 24—29.

49. Статистическое управление процессами. SPC. Ссылочное руководство. Н.Новгород: СМЦ «Приоритет». 2006. 224 с.

50. Turner R. The Red Bead Experiment for Educators // Quality Progress.1998. — June. P. 69—74.

51. Gitlow H.S. Viewing statistics from a quality control perspective // International Journal of Quality & Reliability Management. — 2001. — Vol. 18.2. p. 169—179.

52. Balestracci D. Data Sanity: A Quantum Leap to Unprecedented Results.

53. Medical Group Management Association. 2009. 304 p.

54. Carey R.G. Improving Healthcare with Control Charts: Basic and Advanced SPC Methods and Case Studies. — ASQ Quality Press. Milwaukee. WI. 2003.

55. Carey R.G. Lloyd R.C. Quality with Confidence in Healthcare: A Practical Guide to Quality Improvement in Healthcare. — N.Y. SPSS Inc. 1997.218 p.

56. Седдон Дж. Свобода от приказов и контроля. Путь к эффективному сервису. М.: РИА «Стандарты и качество». 2009. 232 с.

57. Hahn G., Doganaksoy N. The role of statistics in business and industry.

58. John Wiley & Sons. Inc. 2008. 344 p.

59. Эффективность государственного управления : Пер. с англ./ Под общ. ред. С.А. Батчикова и С.Ю. Глазьева. — М.: Фонд «За экономическую грамотность». Российский экономический журнал. Изд: АО «Консалтбанкир». 1998. 848 с.

60. Индовский Э. Статистические методы управления качеством. Контрольные карты и планы контроля: пер. с нем. В.М. Ивановой, И.О. Решетниковой. М.: Мир. 1976. 597 с.

61. ГОСТ Р 50 779.42-99. Статистические методы. Контрольные карты Шухарта. М.: Изд-во стандартов. 1999. 32с.

62. ГОСТ Р 50 779.40-96. Статистические методы. Контрольные карты. Общее руководство и введение. М.: Изд-во стандартов. 1996. 20с.

63. Ефимов В.В., Барт Т.В. Статистические методы в управлении качеством продукции, учебное пособие. М.: Кнорус. 2006. 172 с.

64. Колмогоров А. Н., Несмещенные оценки. / «Изв. АН СССР. Сер. математическая». 1950. т. 14. № 4

65. Коуден Д. Статистические методы контроля качества, пер. с англ. М.: Гос. издательство физико-математической литературы 1961. 623 с.

66. Беляев Ю. К. Приемочный контроль по альтернативному признаку, в. 1—2. М.: Наука. 1973. 128 с.

67. Новаковский Е.Я. Статистические методы регулирования технологических процессов и контроля качества. В кн.: Методы и системы улучшения качества продукции. ЛДНТП. 1971. С. 5-14.

68. Хан Г. и Шапиро С. Статистические модели в инженерных задачах, пер. с англ. М. «Мир». 1969. 395 с.

69. Хэнсен Б. Контроль качества, пер. с англ. М. «Прогресс». 1968. 519 с.

70. ГОСТ Р 50779.30-95. Статистические методы. Приемочный контроль качества. Общие требования. М.: Госстандарт России. Издательство стандартов. 1995. 28 с.

71. Орлов А.И. Эконометрика. Учебник. М.: Издательство "Экзамен". 2002. 576с.

72. ГОСТ 15467-79 (СТ СЭВ 3519-81) Управление качеством продукции. Основные понятия. М.: Изд-во стандартов. 1987. 20с.

73. ГОСТ Р 50779.51-95. Статистические методы. Непрерывный приемочный контроль качества по альтернативному признаку. М.: Госстандарт России. Издательство стандартов. 1996.

74. ГОСТ Р 50779.52-95. Статистические методы. Приемочный контроль качества по альтернативному признаку. М.: Госстандарт России. Издательство стандартов. 1996. 230 с.

75. ГОСТ Р 50779.50-95. Статистические методы. Приёмочный контроль качества по количественному признаку. М.: Госстандарт России. Издательство стандартов. 1995. 25 с.

76. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Множественная регрессия. 3 изд. М.: Изд.: Диалектика. 2007. 917 с.

77. Фёрстер Э., Рёнц Б. Методы корреляционного и регрессионного Анализа Перевод с немецкого и предисловие В. М. Ивановой. М.: «Финансы и статистика». 1983. 302 с.

78. Лоусон Ч., Хенсон Р. Численное решение задач метода наименьших квадратов/Пер. с англ. М.: Наука. Гл. ред. фиэ.-мат. лит. 1986. 232 с.

79. Вучков И., Бояджиева Л., Солаков Е. Прикладной линейный регрессионный анализ. Перевод с болгарского Ю. П. Адлера. Москва "финансы и статистика". 1987. 239 с.

80. Афифи А. Эйзен С. Статистический анализ: Подход с использованием ЭВМ. пер. с англ. . М.: Мир. 1982. 488 с.

81. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Книга первая. М.: Изд.: Финансы и статистика. 1986. 369 с.

82. Каплан Р. Основные концепции нейронных сетей. М.: Изд.: Вильяме. 2002. 287 с.

83. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. Перевод на русский язык. Ю. А. Зуев, В. А. Точенов, 1992. 102 с.

84. У сков A.A., Кузьмин A.B. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая линия Телеком. 2004. 144с.

85. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия Телеком. 2004. 452с.

86. Тархов Д.А. Нейронные сети. Модели и алгоритмы. М.: Радиотехника. 2005. 256 с.

87. Нейроинформатика / А.Н.Горбань, В.Л.Дунин-Барковский, А.Н.Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН. 1998. 296с.

88. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика. 2002. 344 с.

89. Минаев Ю.Н., Филимонова О.Ю., Бенамеур Л. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. М.: Горячая линия-Телеком. 2003. 205 с.

90. Авдокушин К.В. Введение в кибернетику. М.: Горячая линия-Телеком. 2010. 183 с.

91. Рутковский Л.М. Методы и технологии искусственного интеллекта. М.: Горячая линия-Телеком. 2010. 256 с.

92. Нейронные сети. Методология и технологии современного анализа данных/под редакцией В.П. Боровикова. 2-е изд., перераб. в доп. М.: Горячая линия - Телеком. 2008. 392 с.

93. Боровиков В. П. Искусство анализа данных на компьютере. Изд-во Питер. 2003 г. 688 стр.

94. Песин A.M., Салганик В.М., Курбан В.В. Нейросетевое моделирование процесса прокатки для повышения механических свойств горячекатанной трубной листовой стали. Магнитогорск: ГОУ ВПО «МГТУ». 2010. 129с.

95. СТО Газпром 9011-2006 Системы менеджмента качества. Руководящие указания по оценке систем менеджмента качества. М.: ОАО «ГАЗПРОМ». 2006. 15 с.

96. СТО Газпром 9001-2006 Системы менеджмента качества. Требования. М.: ОАО «ГАЗПРОМ». 2006. 71 с.

97. СТО Газпром 9004-2007 Системы менеджмента качества. Рекомендации по улучшению. Часть III. Руководство по планам качества. М.: ОАО «ГАЗПРОМ». 2008. 12 с.

98. СТО Газпром 9004-2007 Системы менеджмента качества. Рекомендации по улучшению. Часть IV. Проектирование продукции с использованием методов структурирования функции качества. М.: ОАО «ГАЗПРОМ». 2008. 51 с.

99. СТО Газпром 9004-2007 Системы менеджмента качества. Рекомендации по улучшению. Часть V. Рекомендации по самооценке соответствия СМК требованиям стандарта СТО Газпром 9001. М.: ОАО «ГАЗПРОМ». 2008. 38 с.

100. СТО Газпром 9004-2007 Системы менеджмента качества. Рекомендации по улучшению. Часть VI. Рекомендации по применению методов экономического анализа эффективности процессов менеджмента качества. М.: ОАО «ГАЗПРОМ». 2008. 28 с.

101. СТО Газпром 9000-2007 Системы менеджмента качества. Основные положения и словарь. М.: ОАО «ГАЗПРОМ». 2008. 17 с.

102. СТО Газпром 9004-2007 Системы менеджмента качества. Рекомендации по улучшению. Часть I. Руководство по анализу видов и последствий несоответствий при проектировании продукции и производственных процессов. М.: ОАО «ГАЗПРОМ». 2008. 27 с.

103. СТО Газпром 9004-2007 Системы менеджмента качества. Рекомендации по улучшению. Часть II. Руководство по применению методов обработки и анализа данных. М.: ОАО «ГАЗПРОМ». 2008. 30 с.

104. ГОСТ Р 51814.1-2004 (ИСО/ТУ 16949:2002) Системы качества и автомобилестроении. Системы качества для предприятий поставщиков автомобильной промышленности. Общие требования. - М: Издательство стандартов. 2004. 35 с.

105. Кузнецов Л.А., Вишняков Д. Ю. Контрольные карты: определение границ регулирования при переменном объеме выборки. М.: Методы менеджмента качества. 2008. - № 8. - С. 26-30

106. Девятченко Л. Д. Контрольные карты. Введение в анализ качества: учеб. пособие. Магнитогорск: ГОУ ВПО «МГТУ им. Г.И. Носова». 2006, 127 с.

107. А. Старцев. Обратная связь и оценка действенности рекламы. Сайт: Про рекламу, www.pro-reklamu.ru.

108. Оценке действенности информационно-коммуникационных технологий. Доклад комиссии по науке и технике в целях развития ООН, 14 сессия. Женева. 2011 г. 27 с.

109. Десслер Г. Управление персоналом / Пер. с англ. М.: "Издательство БИНОМ", 1997. 432 с.

110. Гиссин В.И. Управление качеством продукции: Учеб. Пособие. -Ростов на Дону: Феникс. 2000. 256 с.

111. Жуков А.И., Ратнер Б.Р., Волошин В.А. Статистический приёмочный контроль механических свойств стали. М.: Черметинформация. 1972. 14 с.

112. Степанов М.Н. Статистические методы обработки результатов механических испытаний: Справочник. М.: Машиностроение. 1985. 232 с.

113. ОСТ 14-1-34-90 Статистический приемочный контроль качества металлопродукции по корреляционной связи между параметрами. М.:МЧМ СССР. 1990. 22 с.

114. Конструирование характеристик влияния химсостава стали на показатели качества высокоуглеродистой канатной катанки / Шубин И.Г., Румянцев М.И., Торопицына У. А. и др./ Производство проката. 2009. №3. С. 33-39.

115. Черкасов К.Е., Румянцев М. И., Шубин И.Г. Возможности совершенствования статистического приемочного контроля толстолистового проката для ОАО «Газпром» с применением искусственных нейронных сетей . Производство проката. 2012. №8. С. 44-47.

116. Asahi Н., Нага Т., Tsuru Е. Development of XI20 ultra high strength UOE linepipe // Международный семинар «Современные стали для газонефтепроводных труб, проблемы и перспективы»: Сб. докладов. М.: Металлургиздат. 2006. С. 237-250.

117. Румянцев М.И., Корнилов В.Л., Носенко О.Ю.Подход к анализу результативности технологии производства проката // Материалы 66-й научно технической конференции: Сб. докл. Магнитогорск: ГОУ ВПО «МГТУ им. Г.И. Носова». 2008. Т. 1. С. 53-55

118. В.Л. Корнилов, О.Ю.Сергеева, К.Е.Черкасов и др. Подход к анализу результативности и совершенствованию технологии производства толстолистового проката из низколегированных сталей в условиях

119. ШСГП 2000. Моделирование и развитие процессов обработки металлов давлением: межрегиональный сборник научных трудов. Магнитогорск: ГОУ ВПО «МГТУ». 2009. С. 21-27.

120. Румянцев М.И., Шубин И.Г., Пантелеева H.A. Оценивание качества тонких горячекатаных полос для определения возможности замещения холоднокатаной. Магнитогорск: Вестник МГТУ им. Г.И. Носова. 2007. №4. С. 69-72.

121. Румянцев М.И., Цепкин A.C., Оплачко Т.В. Унифицированный подход к расчету дифференциальных показателей при квалиметрическом оценивании качества проката. Магнитогорск: Вестник МГТУ им. Г.И. Носова. 2007. №3. С. 61-64.