Программные инструментальные средства для разработки мероприятий по снижению брака серийного производства

?

Программные инструментальные средства для разработки мероприятий по снижению брака серийного производства

Прикладная математика и вопросы управления. 2025. № 2. С. 99–116.

Ясницкий Л. Н., Голдобин М. А., Мезенцев А. С.

Представлен обзор современных методов и основанных на них программных
инструментах, применяемых для математического моделирования серийных произ-
водственных процессов с целью снижения брака и повышения качества производи-
мых изделий. Перечисляются группы работ, нацеленных на обнаружение и класси-
фикацию дефектов, работ, в которых решаются задачи прогнозирования образова-
ния дефектов и определения значимости параметров, работ направленных на поиск
оптимального сочетания технологических параметров изготовления изделий, работ,
нацеленных на выявление причин брака. Отмечается, что авторам обзора не уда-
лось найти работы, посвященные применению методов нейросетевого моделиро-
вания для решения важной производственной проблемы определения регламентов
на технологические параметры. Не были найдены работы, посвященные примене-
нию нейронных сетей для ликвидации последствий нештатных ситуаций, связанных
с резким возрастанием процента брака. Не встретились работы, направленные на
решение проблемы борьбы с выбросами, которыми обычно изобилуют статистиче-
ские данные, снятые во время работы серийных производственных предприятий, и
которые в значительной степени препятствуют созданию математических моделей
в области серийного производства. В связи с этим в статье приведено подробное
описание результатов публикаций авторов настоящей статьи, посвященных реше-
нию именно этих важных проблем построения и применения математических моде-
лей для снижения брака серийных производственных производств.

Научное направление: Компьютерные науки Технологии материалов

Язык: русский

Полный текст

DOI

Текст на другом сайте

Structural and broadband radio-frequency properties of InGaZnO4 nanoparticles synthesized by gel decomposition method

Zirnik G., Остовари М. А., Zhukov S. и др., Journal of Materials Science: Materials in Electronics 2026 Vol. 37 Article 738

Добавлено: 6 июня 2026 г.

Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)

Seul: PMLR, 2026.

Добавлено: 4 июня 2026 г.

Facile and Green Approach to Synthesize Biomass-Derived Zero-/Two-Dimensional Carbon Dots/g-C3N4 Heterojunction for Efficient Photocatalytic and Photoelectrocatalytic Applications

Дас А., Saikia J., Maji N. и др., ChemNanoMat 2026 Vol. 12 No. 5 Article e202500733

Добавлено: 2 июня 2026 г.

Optimal Design of Copper-Doped ZnO Heterostructures for Photocatalytic and Photoeletrochemical Performance: A Combined Experimental and DFT Study

Wary R. R., Mahato B., Sharma N. и др., The Journal of Physical Chemistry Letters 2026 Vol. 17 No. 17 P. 5099–5107

Добавлено: 2 июня 2026 г.

OpenAtom Foundation. Консорциум, развивающий Open Source в Китае.

Силаков Д. В., Системный администратор 2026 № 3 С. 28–33

В статье про платформы для разработки открытого ПО в Китае мы рассказали про GitCode – молодой проект, позиционируемый как площадка для разработчиков со всего мира. Сейчас на GitCode размещаются проекты, созданные в КНР, но некоторые из них уже известны и на международной арене. Помочь открытым проектам в становлении, развитии и расширению аудитории призван фонд OpenAtom ...

Добавлено: 2 июня 2026 г.

Bridging Superconductors With United Nations Development Goals: Perspectives and Applications

Duran E. ., Pulgar A., Izquierdo R. и др., Physica Status Solidi (A) Applications and Materials 2026 Vol. 223 No. 7 Article e202500942

Добавлено: 1 июня 2026 г.

The recognition-by-components method

Slivnitsin P., Мыльников Л. А., Engineering Applications of Artificial Intelligence 2026 Vol. 179 Article 115185

Добавлено: 29 мая 2026 г.

Brain-Computer Interfaces for Gait Rehabilitation After Stroke A Scoping Review

Мокиенко О. А., Zisman M. A., Бобров П. Д. и др., American Journal of Physical Medicine and Rehabilitation 2026 Vol. 105 No. 6 P. 555–563

Добавлено: 28 мая 2026 г.

Generalizing the Brady-Yong Algorithm: Efficient Fast Hough Transform for Arbitrary Image Sizes

Kazimirov D., Rybakova E., Vitalii V. Gulevskii и др., IEEE Access 2025 Vol. 13 P. 20101–20132

Добавлено: 28 мая 2026 г.

Universal Comparison Methodology for Hough Transform Approaches

Kazimirov D., Vitalii Gulevskii, Kroshnin A. и др., Mathematics 2026 Article 1136

Добавлено: 28 мая 2026 г.

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕХНИЧЕСКИЕ СРЕДСТВА УПРАВЛЕНИЯ (ICCT-2024)

М.: Институт проблем управления им. В.А. Трапезникова РАН, 2024.

В сборник вошли материалы VIII Международной научной конференции «Информационные технологии и технические средства управления» (ICCT-2024). На конференции были рассмотрены вопросы, касающиеся перспектив развития научного приборостроения в телекоммуникационных и управляющих системах, биомедицинской информатики, аппаратного и программного обеспечения информационнокоммуникационных систем, надежности, диагностики и неразрушающего контроля, систем управления и автоматизации, цифровых экосистем, управления производством и логистикой, методов математического ...

Добавлено: 27 мая 2026 г.

Non-linear in-band interference cancellation on base of conjugate gradients method

Degtyarev A., Bakhurin S., Юдин Н. Е., DSPA 2026 P. 1–6

Добавлено: 26 мая 2026 г.

28th European Conference on Artificial Intelligence, 25-30 October 2025, Bologna, Italy – Including 14th Conference on Prestigious Applications of Intelligent Systems (PAIS 2025)

IOS Press, 2025.

Добавлено: 26 мая 2026 г.

Comparative Study of Training Methods and Architectures of Echo State Networks

Андросов И. А., Proceedings of the Institute for System Programming of the RAS 2026 Vol. 38 No. 3 P. 87–114

В работе рассматриваются сети эхо-состояний (Echo State Network, ESN), которые являются одними из самых распространенных способов реализации резервуарных вычислений. Они состоят из рекуррентной нейронной сети, веса которой выбираются один раз и не обучаются, и выходного, обычно линейного, обучаемого слоя. Такой подход позволяет создавать энергоэффективные и быстрые нейронные сети, способные обучаться в режиме реального времени. Но ...

Добавлено: 26 мая 2026 г.

Рефакторинг исходного кода на основе LLM и расширения UML

Караваева Е. А., Кулигин Л. А., Резуник Л. и др., Труды Института системного программирования РАН 2026 Т. 38 № 3 С. 67–94

В статье представлен метод рефакторинга исходного кода на основе интеграции большой языковой модели (LLM) и расширенной UML-модели программного кода. Предложенный подход позволяет выявлять проблемные участки кода с использованием функций тревожности и структурных метрик классов, а затем выполнять автоматизированный рефакторинг. Ключевой особенностью метода является использование LLM для генерации формальных спецификаций на языке OCL (Object Constraint Language), ...

Добавлено: 24 мая 2026 г.

Coping with AI errors with provable guarantees

Tyukin I., Тюкина Т. А., van Helden D. P. и др., Information Sciences 2024 Vol. 678 Article 120856

Добавлено: 23 мая 2026 г.

Программные инструментальные средства для разработки мероприятий по снижению брака серийного производства

Ясницкий Л. Н., Голдобин М. А., Мезенцев А. С., Прикладная математика и вопросы управления 2025 № 2 С. 99–116

Представлен обзор современных методов и основанных на них программных инструментах, применяемых для математического моделирования серийных производственных процессов с целью снижения брака и повышения качества производимых изделий. Перечисляются группы работ, нацеленных на обнаружение и классификацию дефектов, работ, в которых решаются задачи прогнозирования образования дефектов и определения значимости параметров, работ направленных на поиск оптимального сочетания технологических параметров изготовления изделий, ...

Добавлено: 15 февраля 2026 г.

Assessing the Effects of Chemical Composition and Short-Range Ordering on the Tensile Deformation Behavior of Nanocrystalline High-Entropy Alloys Nb–Ta–Hf–Zr: A Combined Study on Molecular Dynamics and Monte Carlo Simulation

Babicheva R., Kumar A., Kiran R. и др., Metallurgical and Materials Transactions A: Physical Metallurgy and Materials Science 2025 Vol. 56 P. 5646–5663

В работе проводятся моделирования методами Монте-Карло (МК) и молекулярной динамики (МД) для исследования тугоплавких высокоэнтропийных сплавов (ВЭС) на основе системы Nb–Ta–Hf–Zr. В частности, в рамках комбинированного МК/МД-моделирования релаксации, имитирующей диффузионные процессы, исследуется влияние химического состава и структуры границ зёрен (ГЗ) на короткодальний порядок (КДП) в монокристаллических и нанокристаллических (НК) ВЭС. Кроме того, с помощью МД-моделирования ...

Добавлено: 27 ноября 2025 г.

Complementary Molecular Passivation of Multiple Surface Defects for Efficient and Stable Inverted Perovskite Solar Cells

Zheng Y., Zheng T., Luo S. и др., Small 2025 Vol. 21 No. 39 Article e05659

Добавлено: 15 августа 2025 г.

Формирование требований к технологическим параметрам серийного производства на основе нейросетевого подхода

Ясницкий Л. Н., Голдобин М. А., Прикладная информатика 2025 Т. 20 № 3(117) С. 85–100

В настоящее время нейросетевые методы и технологии довольно широко используются на производственных предприятиях для обнаружения, классификации, устранения и выявления причин возникновения брака, прогнозирования качества и свойств получаемых изделий, подбора оптимальных параметров производственно-технологических процессов, выявления и исследования их закономерностей. Однако остается не решенной важная задача определения таких диапазонов значений технологических параметров, при которых вероятность возникновения брака ...

Добавлено: 10 июля 2025 г.

Искусственный интеллект для снижения брака отливок

Ясницкий Л. Н., Мартыненко С. В., Поленова М. С. и др., Литейное производство 2025 № 7 С. 35–41

Создана система искусственного интеллекта (СИИ) на основе нейронной сети, обученной на данных процесса производства стальных отливок весом до 500 кг, получаемых мартеновским способом. СИИ имеет 20 входных параметров, характеризующих химический состав металла, параметры плавки, режимы внепечной обработки стали, время года, метеорологические условия и пр. Выходным параметром СИИ является значение процента брака «Горячая трещина». Приведены примеры ...

Добавлено: 10 июля 2025 г.

Point Defects at Grain Boundaries Can Create Structural Instabilities and Persistent Deep Traps in Metal Halide Perovskites

Wu Y., Лю Д., Chu W. и др., Nanoscale 2025 Vol. 17 No. 4 P. 2224–2234

Metal halide perovskites (MHPs) have attracted strong interest for a variety of applications due to their low cost and excellent performance, attributed largely to favorable defect properties. MHPs exhibit complex dynamics of charges and ions that are coupled in unusual ways. Focusing on a combination of two common MHP defects, i.e., a grain boundary (GB) ...

Добавлено: 28 ноября 2024 г.

Нейросетевое прогнозирование дефектов производства металлургической продукции

Ясницкий Л. Н., Голдобин М. А., Прикладная информатика 2024 Т. 19 № 1(109) С. 113–124

Статья посвящена решению актуальной проблемы снижения брака изделий, выпускаемых на серийных сталеплавильных заводах. Для изучения закономерностей образования брака создана нейросетевая модель, прогнозирующая образование дефектов типа «трещина» для отливок, производимых мартеновским способом. Для обучения нейросетевой модели использовались статистические данные о химическом составе рудного сырья и соответствующих значениях процента брака. Данные были получены в условиях действующего непрерывного крупносерийного производственного процесса, что привело к высокой ...

Добавлено: 4 марта 2024 г.

Об управлении химическим составом сырьевого материала и режимом плавки для обеспечения требуемых механических свойств стальных изделий серийного производства

Ясницкий Л. Н., Мезенцев А. С., Прикладная математика и вопросы управления 2023 № 3 С. 109–126

Целью работы является создание математической модели, пригодной для оперативного управления прочностными характеристиками получаемого стального изделия в условиях серийного сталеплавильного производства. Существующие подходы, основанные на результатах испытаний опытных образцов, получаемых в лабораторных условиях, для этой цели не подходят, поскольку в условиях серийного сталеплавильного производства на прочностные характеристики изделий, помимо их химического состава, влияет структура металла и множество других условий ...

Добавлено: 7 февраля 2024 г.