Статистический анализ производственных процессов

Для анализа синхронизации процессов машиностроительного производства используется статистический подход о правильности выбора параметров. Точность величин достигается путем моделирования. Данный способ позволяет проверить, насколько правильно выбраны параметры и обеспечивают ли они бесперебойную работу производства. Статистический анализ величин дает информацию о сбоях в том или ином узле производства, о нарушениях синхронизации процессов производства, технологических процессов. С помощью статистических характеристик можно оценить производство в целом. Статистический многомерный анализ сложных данных о производстве позволяет анализировать работу отдельных узлов и блоков производства. Проведен кластерный анализ методом K-средних процессов производства с минимизацией полной вероятности ошибки. Дана геометрическая интерпретация результатов кластерного анализа процессов производства. Определено влияние факторов на работу производства. Применен индексный факторный метод с различной базой сравнения и разными весами. Проведена проверка гипотезы об адекватности модели процессов производства. Выполнен статистический анализ сложных данных процесса производства при поиске оптимальных решений в случае неопределенности и в условиях риска методами Байеса, Лапласа и Гермейера с помощью симплекс-метода. Использованы сетевые методы принятия решений. Статистическими  

методами посредством математического моделирования провели обоснование оптимальных размеров как отдельных деталей, так и объемов местных складов, чтобы не было опозданий в работе передачи процессов производства, срывов в работе, простоев оборудования. В этом случае критерием оптимальности объемов производства может служить минимум суммарных потерь от простоя отдельных узлов и блоков производства до возможности нарушения режимов синхронного процесса из-за нехватки оборудования (возникших карманов производства) или из-за давно используемых устаревших агрегатов.

1. Dashchinskaya N. P. (2008) Statistics of the Enterprise. Minsk, Belarusian State University. 301 (in Russian).

2. Rao S. R. (1968) Linear Statistical Methods and their Application. Moscow, Nauka Publ., 548 (in Russian).

3. Borovikov V. P. (2003) Statistica. The art of Analyzing Data on a Computer. St. Petersburg, Piter Publ., 688 (in Russian).

4. Miller B. N. (2002) Theory of Random Processes. Moscow, Fizmatlit Publ., 320 (in Russian).

5. Chepeleva T. I. (2011) Stability of the Production Process of Transport Machines. Vestnik BNTU [Bulletin of the Belarusian National Technical University], (1), 64–67 (in Russian).

6. Dombrovsky V. V., Bunny V. M. (1998) Asynchronous Machines: Theory, Calculation, Design Elements. Leningrad, Energoatomizdat Publ., Leningrad Department. 368 (in Russian).

7. Diestel R. (2017) Graph Theory. Springer. 410. https://doi.org/10.1007/978-3-662-53622-3.

8. Swamy M. N. S., Thulasiraman K. (1992) Graphs: Theory and Algorithms. John Wiley & Sons, Inc. https://doi.org/10.1002/9781118033104.

9. Day M. V. (2006) Boundary-Influenced Robust Controls: Two Network Examples. ESAIM: Control, Optimization and Calculus of Variations, 12 (3), 662–698. https://doi.org/10.1051/cocv:2006016.

10. Chen S. P., Tsai M. J. (2011) Time-Cost Trade-Off Analysis of Project Networks in Fuzzy Environments. European Journal Operational Research, 212, 386–397. https://doi.org/10.1016/j.ejor.2011.02.002.

11. Khadzaragova Ye. A. (2015) On Methods of Scalarization of Vector Estimates in Multicriteria Optimization Problems. Fundamental'nyye i Prikladnyye Issledovaniya = Fundamental and Applied Research, (18), 123–127 (in Russian).

12. Himmelblau D. (1972) Applied Nonlinear Programming. New York, McGraw-Hill. 498.

13. Khoroshev A. N. (1999) Introduction to the Design Management of Mechanical Systems. Study Guide. Belgorod. 372 (in Russian).

14. Andrews G. R. (2000) Foundations of Multithreaded, Parallel, and Distributed Programming. Reading, Mass: Addison-Wesley. 664