ФГБОУ ВО «Магнитогорский государственный технический университет им. Г. И. Носова», Магнитогорск, Россия:
К. Г. Пивоварова, канд. техн. наук, доцент кафедры технологий обработки материалов, эл. почта: k.pivovarova@magtu.ru
А. Г. Корчунов, докт. техн. наук, зав. кафедрой проектирования и эксплуатации металлургических машин и оборудования, профессор, эл. почта: international@magtu.ru

Производство метизов характеризуется большой номенклатурой типоразмеров, индивидуальными характеристиками каждого изделия, а также многостадийностью производства. Многообразие физических методов обработки метизных изделий (холодная и горячая обработка металлов давлением, обработка резанием, термическая обработка и др.) существенно затрудняет решение задачи управления качеством продукции. Современные методологии управления качеством продукции предусматривают широкое использование экономических, организационных, технических, технологических и других методов. Предложен технологический метод управления с использованием элементов робастного проектирования. Методология включает определение шумовых факторов и параметров управления, а также проведение шумового и основного экспериментов. Шумовой эксперимент позволяет оценить воздействие дестабилизирующих факторов (внешней среды или производственных) на показатели качества продукции, основной эксперимент — оптимальный технологический режим, дающий наилучшее значение показателя качества с одновременной минимизацией потерь производителя. Методы робастного проектирования могут быть эффективно использованы применительно к управлению показателями качества металлических изделий при разработке новых и совершенствовании действующих процессов обработки. Приведен пример управления показателями качества калиброванного проката из стали марки С10С, для которого определены оптимальные технологические режимы, позволяющие минимизировать затраты на качество.

1. Корчунов А. Г., Чукин М. В., Гун Г. С., Полякова М. А. Управление качеством продукции в технологиях метизного производства. — М. : Издательский дом «Руда и Металлы», 2012. — 164 с.
2. Харитонов В. А., Галлямов Д. Э. Новый модульно-комбинированный способ производства стальной проволоки // Черные металлы. 2019. № 2. С. 42–48.
3. Gun G. S., Pivovarova K. G., Sokolov A. A., Tokareva N. V. Improvement of production of billet rods of metallic shell of automatic spark plug for rising usability of finished products // CIS Iron and Steel Review. 2019. Vol. 18. P. 35–37.
4. Плотникова И. В., Редько Л. А. Статистические методы и анализ проблем управления качеством // Стандарты и качество. 2017. № 3. С. 50–53.
5. Клячкин В. Н. Статистические методы в управлении качеством. Компьютерные технологии. — М. : Финансы и статистика, 2009. — 304 с.
6. Чукин М. В., Рашников С. Ф., Щербо Ю. А., Ситников И. В. Оптимизация процессов деформирования слоистых материалов в условиях математической неопределенности // Вестник Магнитогорского государственного технического университета им. Г. И. Носова. 2005. № 3. С. 62–65.
7. Чукин М. В., Корчунов А. Г., Полякова М. А., Лысенин А. В., Гулин А. Е. Разработка критериальной оценки эффективности процессов интенсивной пластической деформации конструкционных углеродистых сталей // Известия высших учебных заведений. Черная Металлургия. 2015. Т. 56. № 2. С. 46–51.
8. Корчунов А. Г. Управление качеством метизной продукции на основе нечетких моделей описания технологической наследственности // Металлург. 2009. № 5. С. 50–53.
9. Кирин Ю. П., Кирьянов В. В. Робастное управление технологическими процессами производства губчатого титана // Научно-технический вестник Поволжья. 2016. № 2. С. 120–123.
10. Масенков Е. В., Белов Д. Б. Анализ функции потерь водоснабжения с использованием методологии Тагути // Качество в производственных и социально-экономических системах : сб. науч. тр. IV Междунар. науч.-техн. конф. — Курск : ЗАО «Университетская книга», 2016. С. 242–246.
11. Степанов С. Л., Степанова А. С. Технологии INDUSTRY 4.0, ОБЩЕСТВО 5.0, SMART MANUFACTURING с робастными системами управления // XIII Всерос. совещание по проблемам управления ВСПУ-2019 : труды. — М. : ИПУ РАН. 2019. С. 1819–1824.
12. Feng S., Tesi P. Resilient control under denial-of-service: Robust design // 2016 American Control Conference (ACC). Boston Marriott Copley Place July 6–8. 2016. Boston. MA. USA. P. 4737–4742.
13. Bertsimas D., Gupta V., Kallus N. Data-driven robust optimization // Math. Program. Ser. A. 2018. Vol. 167. P. 235–292. DOI: 10.1007/s10107-017-1125-8
14. Zhu J. G., Lei G., Guo Y. G., Wang T. S. et al. A robust design optimization method for manufacturing SMC-PMSMs and drive systems of six sigma quality // 2017 7th International Conference on Power Electronics Systems and Applications-Smart Mobility, Power Transfer & Security (PESA). 2018. DOI: 10.1109/PESA.2017.8277748
15. Gazijahani F. S., Salehi J. Robust design of microgrids with reconfigurable topology under severe uncertainty // IEEE Transactions on Sustainable Energy. 2018. Vol. 9, Iss. 2. P. 559–569. DOI: 10.1109/TSTE.2017.2748882
16. Чернова Ю. К., Щипанов В. В. Первые шаги робастного проектирования в отечественном автомобилестроении // Известия Томского политех. ун-та. 2006. Т. 309. № 5. С. 193–197.
17. Леон Р., Шумейкер А., Какар Р. и др. Управление качеством. Робастное проектирование. Метод Тагути. — М. : Сейфи, 2002. — 384 с.
18. Варжапетян А. Г. Современные инструменты менеджмента качества. Робастное проектирование : учебное пособие. — СПб. : ГУАП, 2008. С. 172.