Details

Данная работа посвящена усовершенствованию системы технологических тренировок разработкой алгоритма поддержки принятия решений о планировании и проведении технологических тренировок при производстве радиоэлектронной промышленности. Задачи, которые решались в ходе исследования: 1. Обзор методов, средств и математических моделей, используемых для технологического прогона и приработочных испытаний в целом и на производстве предприятий радиоэлектронной промышленности; 2. Рассмотреть возможные пути совершенствования системы технологического прогона и приработочных испытаний. В результате анализа установлено, что в стандартах не представлен алгоритм принятия решений, что усложняет пользование приведенными в стандартах моделями. Поэтому в процессе выполнения работы были по-строены алгоритмы поддержки принятия решения о проведении ТТ и/или корректировки существующей методики ТТ.  Усовершенствована модель оценки статистических данных, позволяющая в отличие от имеющихся выполнять оценку статистических данных изделий аналогов.  Приведен пример планирования проведения технологической тренировки с использованием разработанного алгоритма.

This work is devoted to the improvement of mathematical models used in decision support algorithms for conducting technological training and their volume in the production of the radioelectronic industry. Tasks that were solved during the research: 1. Review of methods, tools and mathematical models used for technological run-through and pre-production tests in general and in the production of enterprises of the radio-electronic industry; 2. To consider possible ways to improve the system of technological run-through and pre-production tests. As a result of the analysis, it was found that the decision-making algorithm is not presented in the standards, which complicates the use of the models given in the standards. Therefore, in the course of the work, algorithms were built to support de-cision-making on conducting TT and/or correcting the existing TT methodology. The statistical data evaluation model has been improved, which, unlike the existing ones, allows evaluating statistical data from analogs. An example of planning technological training using the developed algo-rithm is given.