ДОКЛАДЫ АКАДЕМИИ НАУК
ВЫСШЕЙ ШКОЛЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

Print ISSN: 1727-2769    Online ISSN: 2658-3747
English | Русский

Последний выпуск
№3(40) июль-сентябрь 2018

Использование методов статистического контроля для оценки стабильности работы агрегатов

Выпуск № 3 (32) июль-сентябрь 2016
Авторы:

Клячкин Владимир Николаевич,
Карпунина Ирина Николаевна
DOI: http://dx.doi.org/10.17212/1727-2769-2016-3-65-72
Аннотация
Работоспособность многих технических агрегатов определяется стабильностью функционирования. Нарушение стабильности может привести к отказу агрегата или возникновению аварийной ситуации. Поэтому важным является решение задачи скорейшего обнаружения такого нарушения. Например, вибрации агрегата можно контролировать с помощью сети датчиков. По показаниям этих датчиков необходимо диагностировать нарушение стабильности работы контролируемого объекта. Нарушения проявляются в виде изменения статистических характеристик, поэтому для обнаружения нарушений могут быть использованы методы и алгоритмы статистического контроля технологических процессов. Предложена методика оценки стабильности работы агрегата, включающая изучение условий работы аналогичных агрегатов и выявление возможных нарушений; съем показаний датчиков в условиях отлаженной (стабильной) работы агрегата, и расчет основных статистических характеристик: вектора средних значений и ковариационной матрицы (характеристики обучающей выборки); выбор возможных статистических инструментов для последующего контроля; расчет средней длины серий для различных статистических инструментов с учетом возможных нарушений; проведение статистических испытаний; отбор инструментов с минимальной длиной серий; постоянный мониторинг работы агрегата с целью диагностики нарушений стабильности.
Ключевые слова: карта Шухарта, многомерная карта Хотеллинга, обобщенная дисперсия, средняя длина серий.

Список литературы
1.  Никифоров И.В. Последовательное обнаружение изменения свойств временных рядов. – М.: Наука, 1983. – 200 с.

2.  Клячкин В.Н., Кувайскова Ю.Е., Алешина А.А. Моделирование вибраций гидроагрегата на основе адаптивных динамических регрессий // Автоматизация и современные технологии. – 2014. – № 1. – С. 30–34.

3.  Уиллер Д., Чамберс Д. Статистическое управление процессами: оптимизация бизнеса с использованием контрольных карт Шухарта: пер. с англ. – М.: Альпина Бизнес Букс, 2009. – 409 с.

4.  Клячкин В.Н. Статистические методы в управлении качеством: компьютерные технологии. – М.: Финансы и статистика: ИНФРА-М, 2009. – 304 с.

5.  Montgomery D.C. Introduction to statistical quality control. – New York: John Wiley and Sons, 2009. – 754 р.

6.  Ryan T.P. Statistical methods for quality improvement. – New York: John Wiley and Sons, 2011. – 687 р.

7.  Клячкин В.Н. Модели и методы статистического контроля многопараметрического технологического процесса. – М.: Физматлит, 2011. – 196 с.

8.  Кравцов Ю.А. Анализ нарушений технологического процесса с помощью контрольной карты Хотеллинга // Вестник Ульяновского государственного технического университета. – 2014. – № 1. – С. 51–54.

9.  Клячкин В.Н., Кравцов Ю.А. Многомерный статистический контроль процесса очистки питьевой воды // Доклады Академии наук высшей школы Российской Федерации, 2015. – № 1 (26). – С. 31–40.

10.   Клячкин В.Н. Многомерный статистический контроль рассеивания показателей технологического процесса // Известия вузов. Машиностроение. – 2002. – № 6. – С. 45–51.

11.   Клячкин В.Н., Святова Т.И. Статистический контроль технологического рассеяния в многопараметрическом процессе // Автоматизация и современные технологии. – 2013. – № 12. – С. 22–25.

12.   Святова Т.И., Клячкин В.Н. Алгоритм экспоненциально взвешенных скользящих средних для многомерного статистического контроля рассеяния процесса // Радиотехника. – 2015. – № 6. – С. 42–44.

13.   Клячкин В.Н., Святова Т.И. Методы статистического контроля технологического процесса по критерию многомерного рассеяния // Радиопромышленность. – 2015. – № 4. – С. 147–153.

14.   Бубырь Д.С., Клячкин В.Н., Карпунина И.Н. Использование бинарных переменных при регрессионном моделировании состояния технического объекта // Известия Самарского научного центра Российской академии наук. – 2014. – Т. 16, № 6-2. – C. 371–373.

15.   Ермаков С.М., Михайлов Г.А. Статистическое моделирование. – М.: Наука, 1982. – 296 с.
Просмотров: 653