Современная промышленность переходит к гибкому автоматизированному производству с широким внедрением робототехнических комплексов. Их эффективность критически зависит от баланса между тщательностью контроля качества и пропускной способностью системы. Традиционные подходы к проектированию не учитывают нелинейные эффекты, возникающие при взаимодействии потоков заявок и операций контроля в многофазных системах. Цель исследования – разработка имитационной модели и методики выбора параметров времени контроля, обеспечивающих минимизацию вероятности отказа в многофазных робототехнических системах с адаптивными фильтрами качества. Исследование базируется на дискретно-событийном моделировании многофазной системы с двумя последовательными фазами обслуживания и межфазными фильтрами контроля. Модель реализована в оригинальной программе для электронно-вычислительных машин, зарегистрированной в реестре программ. Она разработана на языке Python с использованием библиотек numpy, matplotlib и tkinter. В экспериментах варьировались интенсивность входного потока, время операции контроля и вероятность отбраковки изделий. Выявлен нелинейный пороговый характер влияния времени контроля на вероятность отказа системы. Для каждой интенсивности входного потока существует критическое значение времени отбраковки, превышение которого вызывает резкий «лавинообразный» рост отказов. Сравнение сценариев с разной вероятностью браковки показало, что рост строгости контроля смещает пороговые значения к более жестким ограничениям и снижает пропускную способность комплекса. Зависимости имеют S-образный характер с участками медленного роста, сменяющимися резким увеличением отказов после критических значений. Разработанная модель дает практические рекомендации по настройке роботизированных линий в зависимости от интенсивности потока и уровня качества. Пороговые эффекты важны для проектирования и управления комплексами в промышленности, а программный инструмент подходит для интеграции в системы управления процессами с целью параметрической оптимизации.

Modern industry is transitioning to flexible automated production with widespread adoption of robotic complexes. Their efficiency critically depends on balancing thorough quality control with system throughput. Traditional design approaches fail to account for nonlinear effects arising from interactions between request flows and control operations in multi-phase systems. The research aims to develop a simulation model and a methodology for selecting control time parameters that minimize the failure probability in multi-phase robotic systems with adaptive quality filters. The study is based on discrete-event modeling of a multi-phase system featuring two sequential service phases and inter-phase control filters. The model is implemented in an original computer program registered in the software registry, developed in Python using the numpy, matplotlib, and tkinter libraries. Experiments varied input flow intensity, control operation time, and product rejection probability. The research revealed a nonlinear threshold nature of control time’s impact on system failure probability. For each input flow intensity, there exists a critical rejection time value; exceeding it triggers a sharp, “avalanche-like” surge in failures. Comparison of scenarios with different rejection probabilities showed that increased control strictness shifts thresholds toward stricter limits and substantially reduces the robotic complex’s throughput. The dependencies exhibit an S-shaped pattern with initial slow-growth segments followed by abrupt failure probability increases after critical control time values. The developed model provides practical recommendations for configuring robotic production lines based on flow intensity and required quality level. The identified threshold effects hold direct practical value for designing and operating robotic complexes across industries, while the proposed software tool can integrate into production process management systems for parametric optimization.