Научный журнал

Современные наукоемкие технологии

ISSN 1812-7320

"Перечень" ВАК

ИФ РИНЦ = 0,940

• Авторы
• Резюме
• Файлы
• Ключевые слова
• Литература

Аксенов К.А. 1 Клебанов Б.И. 1 Белан С.Б. 2 Перескоков С.А. 2

---

1 ФГАОУ ВПО «Уральский федеральный университет им. первого Президента России Б.Н. Ельцина»

2 ЗАО «Ай-Теко»

В статье рассматриваются вопросы типизации совершенствования технологических, логистических и организационных процессов металлургического предприятия. В соответствии с ГОСТ Р ИСО 9001-2015 определены типы несоответствующей продукции, причин потерь качества продукции, корректирующих и предупреждающих операций. Определено место процессов совершенствования производства в общей иерархии процессов управления. Представлены модули автоматизированной системы управления выпуском металлургической продукции (АС ВМП), предназначенные для анализа «больших данных» металлургического производства, проведения имитационных экспериментов и оптимизации производственных процессов: конструктор запросов, модули создания моделей производства и оптимизации. Для представления решений по структурам процесса управления изменениями использована нотация BPMN. Показано, что типовой процесс изменений технологии производства регламентирует поведение лица принимающего решение, аналитика и исполнителя решения. Регламент включает основные типовые операции: создание отчета об отбраковке и переназначении продукции между заказами, анализ необходимости принятия мер и регистрация инцидента\\проблемы, назначение аналитиков и выдача заданий, построение модели производственного процесса, выработка мер совершенствования с помощью модели, выдача протокола совещания с перечнем мер и заданий исполнителям, фиксация выполнения решения по инциденту/проблеме.

Статья в формате PDF

2020 KB

управление качеством

имитационное моделирование

совершенствование процесса производства

BPMN

бизнес-процесс

1. Беренов Д.А., Белан С.Б., Аксенов К.А., Перескоков С.А. Полностью оцифрованное металлургическое производство: слежение, аналитика, моделирование // Фундаментальные исследования. 2017. № 9–2. С. 272–277.

2. Гайнанов Д.Н., Беренов Д.А. Технологии BIGDATA в системах контроля качества металлургического производства. URL: https://libeldoc.bsuir.by/bitstream/123456789/12869/2/Gaynanov_Tekhnologii.PDF (дата обращения: 17.09.2018).

3. Shorikov A.F. Algorithm for solving of two-level hierarchical minimax program control problem in discrete-time dynamical system with incomplete information // The 42nd Conference: Applications of Mathematics in Engineering and Economics (AMEE’16). American Institute of Physics. Conference Proceeding. 2016. Vol. 1789. Р. 060011-1-10. DOI: 10.1063/1.4968503.

4. Borodin A., Mirvoda S., Kulikov I., Porshnev S. Optimization of Memory Operations in Generalized Search Trees of PostgreSQL, in Proceedings of International Conference: Beyond Databases, Architectures and Structures. 2017. Р. 224–232. DOI: 10.1007/978-3-319-58274-0_19.

5. Borodin A., Mirvoda S., Porshnev S., Bakhterev M. Improving penalty function of R-tree over generalized index search tree possible way to advance performance of PostgreSQL cube extension, in Proceedings of IEEE 2nd International Conference on Big Data Analysis (ICBDA). 2017. Р. 130–133. DOI: 10.1109/ICBDA.2017.8078791.

6. ГОСТ Р ИСО 9001-2015. Системы менеджмента качества. Требования. URL: http://docs.cntd.ru/document/1200124394 (дата обращения: 17.09.2018).

7. ГОСТ Р ИСО 9004-2010. Mенеджмент для достижения устойчивого успеха организации Подход на основе менеджмента качества. URL:http://meganorm.ru/Data/502/50270.pdf (дата обращения: 17.09.2018).

8. Алиулова Л.Р. Причины и последствия 7 видов потерь на производстве. Практика применения. URL: http://www.leaninfo.ru/2012/11/02/prichinyi-i-posledstviya-7-vidov-poter/(дата обращения: 17.09.2018).

9. Клебанов Б.И., Аксенов К.А., Лобачев Е.В., Юсупов Р.И. Применение методологии сервис-менеджмента информационных технологий для создания системы управления качеством продукции // Современные проблемы науки и образования. 2014. № 3. URL: http://www.science-education.ru/ru/article/viewid=13605 (дата обращения: 30.09.2018).

10. Aksyonov K., Antonova A., Goncharova N. Analysis of the Electric Arc Furnace Workshop Logistic Processes Using Multiagent Simulation. In: Thampi S.M., Krishnan S., Corchado Rodriguez J.M., Das S., Wozniak M., Al-Jumeily D. (eds) Advances in Signal Processing and Intelligent Recognition Systems. SIRS 2017. Advances in Intelligent Systems and Computing, Springer, Cham. 2018. vol 678. P. 390–397. DOI: https://doi.org/10.1007/978-3-319-67934-1_35.

11. Автоматизированная система выпуска металлургической продукции. URL: https://www.i-teco.ru/solutionscontrol_systems_and_automation/asvmp/ (дата обращения: 09.11.2018).

Выявление причин производственного брака в условиях длинных производственных цепочек с большим количеством операций и параметров продукции, что характерно для металлургического производства, при использовании традиционных методов анализа часто оказывается очень трудоемким, а иногда и невозможным. Переход к фазе «Индустриия 4.0» предусматривает внедрение новых информационных технологий, включающих повсеместную, в рамках всего жизненного цикла, в реальном масштабе времени датификацию продуктов и работы технологического оборудования, использование методов больших данных, прогнозирования процессов в реальном масштабе времени и т.п. Комплексное применение указанных технологий должно позволить трансформировать процессы управления качеством, снизить их трудоемкость, повысить качество анализа и определения мер, направленных на снижение брака.

Цель исследования: определение новых типовых бизнес-процессов управления качеством продукции металлургического предприятия и соответствующих регламентов работы персонала, основанных на сборе в реальном масштабе времени информации об изменении состояния продуктов и технологического оборудования в рамках всего производственного цикла, использовании методов больших данных, для анализа причин брака, прогнозирования брака единицы продукта в реальном масштабе времени. В качестве средств поддержки указанных процессов предполагается использовать модули не имеющей аналогов автоматизированной системы выпуска металлургической продукции (АС ВМП), предназначенные для слежения [1–2], контроля [3], имитационного моделирования, анализа [4–5] и выдачи рекомендаций по оптимизации полного цикла выпуска металлургической продукции в условиях «больших данных».

Существующими стандартами (ГОСТ Р ИСО 9001-2015) [6–7] введено понятие «Типы несоответствующей продукции» (брака). К несоответствующей продукции относятся: сырье и материалы, свойства и характеристики которых не соответствуют установленным требованиям; продукция на выходе из участков производственных цехов, не соответствующая требованиям технической документации; готовая продукция, испорченная в процессе хранения на складе; бракованная продукция, поступившая от клиентов. События, связанные с появлением брака, рассматриваются как инциденты, требующие реакции – выявления причин и возможного принятия мер по их дальнейшему недопущению или снижению процента в общем объеме выпущенной продукции. Несоответствующая продукция определяется на основе следующих данных [8]: результатов входного контроля качества сырья и материалов, используемых для производства продукции; промежуточного контроля; результатов контроля качества готовой продукции; данных о порче продукции на складе; результатов рассмотрения рекламаций клиентов к качеству продукции.

Мониторинг качества процессов производства обычно осуществляется в ходе регулярных совещаний по вопросам: контроля своевременности, полноты, результатов и качества выполнения работ процесса доставки продукции клиентам; устранения причин существующих и потенциальных несоответствий продукции и процессов деятельности и предупреждения их возникновения в дальнейшем.

По выявленным несоответствиям (инцидентам) проводятся корректирующие и предупреждающие действия (мероприятия). Указанные действия выполняются в следующих случаях: при поступлении рекламаций от заказчиков, относящихся к качеству продукции; по результатам анализа удовлетворенности потребителей; по результатам контроля и анализа качества работы поставщиков; при выпуске продукции несоответствующего качества; по результатам анализа выполнения планов производства продукции; по результатам анализа отказов и простоев в работе производственно-технологического оборудования; по результатам контроля выполнения требований регламентирующей документации.

Исходными данными для процесса совершенствования производства являются: статистические характеристики (параметры) качества единиц продукции (ЕП); диагностируемые инциденты и предложения по изменению и совершенствованию процессов; структура и параметры ЕП, производственных агрегатов, транспорта и персонала, задействованных в производственном процессе. Выходы процесса совершенствования – мероприятия и рекомендации по изменению (совершенствованию и улучшению) производственного процесса. Место процесса совершенствования в общем процессе производства показано на рис. 1.

В связи с различием структур и показателей эффективности выделено три наиболее сложных процесса управления качеством, для которых предлагаются типовые решения по изменению (совершенствованию): технологического процесса; логистического процесса; организационного (бизнес) процесса.

Частные цели каждого процесса могут быть определены следующим образом:

1) процесс совершенствования технологического процесса – повышение качества выпускаемой продукции;

2) процесс совершенствования логистического процесса – обеспечение своевременности, скорости, повышения гибкости и снижения затрат;

3) процесс совершенствования организационного (бизнес) процесса – ускорение реализации и повышение качества решений по совершенствованию и изменениям производства.

Предложены следующие режимы запуска изменений указанных процессов на предприятии: технологического процесса – не реже одного раза в неделю; логистического процесса – не реже двух раз в год; организационного (бизнес) процесса – не реже одного раза в квартал. Как следует из указанных сроков, рассматриваемые процессы направлены не только на управление текущими инцидентами, возникающими на производстве, но и на решение проблем, накопленных за время периода между запусками процесса.

Для поддержки типовых процессов совершенствования производства могут быть использованы следующие программные модули АС ВМП [9], реализующие технологию Big Data [1–2]:

1) конструктор запросов (КЗ) – для создания и выполнения запросов к хранилищу данных обо всех процессах и единицах продукции металлургического предприятия и визуализации полученных ответов;

2) модуль создания моделей производства (СМП) – для построения мультиагентных имитационных моделей технологических, логистических и бизнес-процессов предприятия на стороне веб-сервера, а также визуализации его функционирования;

3) модуль оптимизации процессов (ОПП) – для оптимизации процессов предприятия на стороне веб-сервера.

Регламентация типовых бизнес-процессов управления изменениями позволяет получить четкие, управляемые процессы, для которых указаны: цели, показатели и результаты бизнес-процесса; владелец бизнес-процесса, все исполнители процесса и их функции; входы-выходы и границы процесса, его взаимодействие с другими бизнес-процессами; условия запуска процесса; графическая диаграмма бизнес-процесса; подробное описание процесса: содержание каждой операции, исполнитель, требования к срокам, входящая и исходящая информация; документооборот по бизнес-процессу: все документы, используемые в бизнес-процессе, и совершаемые над ними действия.

Для представления решений по структурам процесса управления изменениями использована нотация BPMN [9]. На рис. 2 представлен типовой процесс управления изменениями технологического процесса (ТП). Типовые процессы управления изменениями логистики и организационных процессов построены аналогично.

Результатом проведенных исследований является автоматизация типовых регламентов изменений, использующих в качестве средств поддержки модули АС ВМП, адаптируемые к конкретным условиям производства. Учет инцидентов и мер программно реализован в АРМ Персонала АС ВМП, формы отчета о переназначениях продукции, инерфейса описания инцидента и назначения исполнителей и сроков приведены соответственно на рис. 3–5.

На рис. 6 показан вид трехмерной сцены мультиагентной модели конвертерного производства в подсистеме моделирования АС ВМП [10].

Опытная эксплуатация и приёмочные испытания АС ВМП проводились на основе данных и реальных задач металлургического производства, предоставленных партнерами проекта (АО «Ай-Теко» и ООО «ДатаЦентрАвтоматика»). Так, в течение месяца опытной эксплуатации в хранилище данных АС ВМП поступила информация о 1428405 единицах продукции. Модули АС ВМП [11] проходят апробацию в ПАО «Северсталь». Ближайшими аналогами на мировом рынке являются следующие системы моделирования (таблица): Plant Simulation; Simio; AnyLogic.

Применение модулей АС ВМП повышает эффективность процессов управления изменениями сложных производственных процессов за счет предоставления оперативного доступа модели к реальным данным производства, когда количество состояний и параметров единиц продукции в жизненном цикле измеряется десятками и сотнями тысяч.

Заключение

В рамках проведенного исследования разработаны новые типовые регламенты управления качеством, основанные на применении модулей АС ВМП, обеспечивающие анализ больших объемов производственной информации и на его основе совершенствование сложных процессов металлургического предприятия: технологии, логистики и бизнес-процессов.

Работа выполнена в рамках договора № 02.G25.31.0055 (проект 2012-218-03-167) при финансовой поддержке работ Министерством образования и науки Российской Федерации.

Библиографическая ссылка