УПРАВЛЕНИЕ НЕОПРЕДЕЛЕННОСТЬЮ ТЕХНОЛОГИЧЕСКОЙ ИНФОРМАЦИЕЙ В ЦИФРОВОМ ПРОИЗВОДСТВЕ

Обложка

Цитировать

Полный текст

Аннотация

На основе содержательного анализа понятия «неопределенность» и базовых понятий, и задач технологического проектирования и обеспечения машиностроительного производства построена классификация видов технологической информации в соответствии с видами и родами неопределенности. Определены виды технологической информации, наиболее значимо влияющие на формирование неопределенности различного рода. Обоснованы возможности и описаны информационные каналы, обеспечивающие эффективное управление неопределенностью технологической информации. Показано, что управляемое снижение неопределенности I, II и IV рода, применительно к процессу и результатам металлообрабатывающего производства, позволяет существенно снизить уровень неопределенности III рода – последствия принятых решений, что равнозначно повышению стабильности результатов производства. Эффективное управление неопределенностью II, IV и, частично, I рода, в цифровом производстве может быть реализовано за счет применения интеллектуальных технологических систем с адаптивным управлением, в том числе, самообучающихся.

Об авторах

Юлий Львович Чигиринский

Волгоградский государственный технический университет

Email: Julio-Tchigirinsky@yandex.ru
кафедра "Технология машиностроения", профессор, доктор технических наук

Дмитрий Вадимович Крайнев

Волгоградский государственный технический университет

Email: krainevdv@mail.ru
кафедра «Технология машиностроения», доцент, кандидат технических наук

Список литературы

  1. Дорожкин А.М., Соколова О.И. Понятие "неопределённость" в современной науке и философии // Вестник Вятского гуманитарного университета, 2015. № 12. С. 5−12. EDN: VKAXZZ.
  2. Терминологический словарь автоматизации строительства и производственных процессов [Электронный ресурс]. URL: http://slovar-avt.ru (дата обращения: 14.03.2025). doi: 10.34660/c0727-6092-6372-a
  3. Ингеманссон А.Р. Технологические составляющие цифровизации производственного процесса на машиностроительном предприятии // Наукоемкие технологии в машиностроении. 2024. № 8 (158). С. 41−48. doi: 10.30987/2223-4608-2024-41-48. EDN PDJLDO.
  4. Чигиринский Ю.Л. Трансформация информационной структуры как инструмент повышения эффективности многономенклатурного производства / Ю.Л. Чигиринский, Д.В. Крайнев, Ж.С. Тихонова // Наукоемкие технологии в машиностроении. 2024. № 4(154). С. 29−40. doi: 10.30987/2223-4608-2024-4-29-40. EDN EIXHSQ.
  5. Леон К.С., Калачев О.Н. Применение дополненной реальности в сборочных процессах машиностроения // Сборка в машиностроении, приборостроении. 2022. Т. 23, № 8. С. 346−349. doi: 10.36652/0202-3350-2022-23-8-346-349.
  6. Чигиринский Ю.Л. Современное состояние и тенденции развития технологической подготовки машиностроительного производства / Ю.Л. Чигиринский // Наукоёмкие технологии в машиностроении. 2020. № 8 (110). C. 29−35
  7. Снегирева К.К. Улучшение обрабатываемости инструментальных сталей резанием посредством управления свойствами обрабатываемого материала / К.К. Снегирева, С.А. Тараканов // Ресурсосберегающие технологии производства и обработки давлением материалов в машиностроении. 2021. № 4 (37). С. 52−58.
  8. Кузнецова Е.М. Разработка экспертной системы технологического обеспечения требуемой шероховатости при обработке закаленных сталей на станках с ЧПУ / Е.М. Кузнецова, В.Е. Овсянников, Р.Ю. Некрасов, У.С. Путилова // iPolytech Journal. 2024. Т. 28. № 3. С. 418−426.
  9. Остапчук А.К. Адаптивное управление чистовой токарной обработкой деталей транспортных машин на станках с ЧПУ / А.К. Остапчук, Е.М. Кузнецова / Модернизация и научные исследования в транспортном комплексе. 2019. Т.1. С. 98−103.
  10. Бржозовский Б.М., Мартынов В.В., Бровкова М.Б. Создание и развитие высоконадежных информационно-управляющих систем с элементами искусственного интеллекта для перспективных технологических комплексов // Наукоёмкие технологии в машиностроении. 2024. № 7 (157). С. 32−42.
  11. Унянин А.Н. Коррекция режима точения в условиях неопределенности технологической информации с учетом изменения параметров процесса обработки / А.Н. Унянин, П.Р. Финагеев // Известия Самарского научного центра Российской академии наук. 2022. Т. 24. № 3 (107). С. 63−68.
  12. Крайнев Д.В., Тихонова Ж.С., Рогачев А.В., Нилидин Д.А., Чигиринская Н.В. Возможность оценки режущих свойств твердосплавного инструмента с покрытием по теплофизическим свойствам // Современные наукоемкие технологии. 2024. № 5. С. 64−70; DOI: https://doi.org/10.17513/snt.40006.
  13. Маслов Д.А. Модель для оценки износа режущего инструмента на основе искусственного интеллекта / Д.А. Маслов, В.Е. Овсянников, Г.Н. Шпитко // Известия ВолгГТУ. Сер. Прогрессивные технологии в машиностроении. 2023, № 3 (274). С. 27−30. doi: 10.35211/1990-5297-2023-3-274-27-30
  14. Суслов А.Г., Медведев Д.А., Петрешин Д.И., Федонин О.Н. Система автоматизированного технологического управления износостойкостью деталей машин при обработке резанием // Наукоемкие технологии в машиностроении. 2018. № 5. С. 40−44.
  15. Решетникова Е.П. Формализация выбора контрольно-измерительных средств для оценки размерных характеристик деталей со сложнопрофильными поверхностями при разработке технологических процессов / Е.П. Решетникова, П.Ю. Бочкарев // Известия Волгоградского государственного технического университета. 2017, № 9 (204). С. 135−137.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».