Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Повышение действенности системы управления качеством трубного листового проката на базе статистического прогнозирования свойств

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

На основе указанного комплекса характеристик процесса производства (модернизированный комплекс), разработаны уравнения регрессии и нейросетевые модели обеспечивающие более высокую точность и достоверность прогноза как фактических значений, так и стандартных отклонений механических свойств готовой продукции. С применением в качестве инструментов статистического прогнозирования искусственных… Читать ещё >

Содержание

  • 1. ИНСТРУМЕНТЫ СТАТИСТИЧЕСКОГО УПРАВЛЕНИЯ КАЧЕСТВОМ, КАК ЭЛЕМЕНТ СИСТЕМЫ МЕНЕДЖМЕНТА КАЧЕСТВА
    • 1. 1. Развитие статистических методов как инструментов и объектов научной деятельности
    • 1. 2. Статистические методы в управлении качеством продукции
    • 1. 3. Применение контрольных карт
    • 1. 4. Статистический приёмочный контроль в управлении качеством
    • 1. 5. Уравнения регрессии как инструмент приёмочного контроля и статистического прогнозирования
    • 1. 6. Искусственные нейронные сети как инструмент приёмочного контроля и статистического прогнозирования
  • Выводы по главе
  • 2. РЕАЛИЗАЦИЯ ТРЕБОВАНИЙ СТО ГАЗПРОМ СЕРИИ 9000 В СИСТЕМЕ МЕНЕДЖМЕНТА КАЧЕСТВА ОАО «УРАЛЬСКАЯ СТАЛЬ»
    • 2. 1. Требования ОАО «Газпром» к поставщикам продукции для нефтегазового комплекса
    • 2. 2. Результаты оценки соответствия системы менеджмента качества ОАО «Уральская Сталь» требованиям СТО Газпром серии
    • 2. 3. Применение статистических методов при управления качеством в ОАО «Уральская Сталь»
    • 2. 4. Опыт анализа возможностей процесса производства толстолистового проката класса прочности К60 для электросварных труб
    • 2. 5. Опыт мониторинга процесса производства тол сто л истового проката класса прочности К60 для электросварных труб с применением контрольных карт
    • 2. 6. Сравнение типов контрольных карт как индикаторов состояния процесса
    • 2. 6. Статистический контроль механических свойств листового проката в ОАО «Уральская Сталь» с применением корреляционных зависимостей
  • Выводы по главе
  • 3. РАЗВИТИЕ ЭЛЕМЕНТОВ СТАТИСТИЧЕСКОГО КОНТРОЛЯ КАЧЕСТВА ПРОКАТА ДЛЯ СВАРНЫХ ТРУБ
    • 3. 1. Методика оценки действенности статистического прогнозирования характеристик продукции как составной процедуры менеджмента качества
    • 3. 2. Повышение точности статистического прогнозирования механических свойств толстолистового проката с помощью уравнений множественной регрессии
    • 3. 3. Повышение точности статистического прогнозирования механических свойств проката с помощью искусственных нейронных сетей
    • 3. 4. Нейросетевое прогнозирование стандартных отклонений механических свойств листового проката
  • Выводы по главе
  • 4. РАЗРАБОТКА МЕРОПРИЯТИЙ ДЛЯ УЛУЧШЕНИЯ КАЧЕСТВА ТОЛСТОЛИСТОВОГО ТРУБНОГО ПРОКАТА И ДЕЙСТВЕННОСТИ СМК В ОАО «УРАЛЬСКАЯ СТАЛЬ»
    • 4. 1. Разработка рекомендаций по улучшению качества толстолистового проката для труб за счет уменьшения изменчивости механических свойств
    • 4. 2. Мониторинг и статистический приёмочный контроль качества толстолистового трубного проката с применением ЭВМ
    • 4. 3. Проект стандарта организации по применению статистических методов в условиях стана 2800 ОАО «Уральская Сталь»
  • Выводы по главе

Повышение действенности системы управления качеством трубного листового проката на базе статистического прогнозирования свойств (реферат, курсовая, диплом, контрольная)

В 2006 году ОАО «Газпром» приняло и ввело в действие серию корпоративных стандартов, содержащих особые требования к системам менеджмента качества (СМК) поставщиков продукции для нефтегазового комплекса. Одной из целей принятия указанных стандартов является создание механизмов объективной оценки функционирования СМК организаций, поставляющих продукцию для нужд ОАО «Газпром». Общепринятыми оценками функционирования СМК являются эффективность и результативность, которые, в свою очередь формируются как обобщенный итог частных результатов реализации процессов и процедур, предусмотренных СМК. Именно тем, насколько полно каждый процесс, каждая процедура менеджмента качества позволяет осуществить возлагаемые на них функции, т. е. какова их действенность1 [1], и определяется, насколько успешно функционирует СМК в целом.

Одним из широко востребованных видов продукции в нефтегазовом комплексе является толстолистовой прокат для изготовления электросварных труб. В Российской Федерации трубный листовой прокат производят несколько металлургических предприятий, одним из которых является и ОАО «Уральская Сталь», входящее в состав холдинга «Метал лоинвест». Среди основных направлений деятельности ОАО «Уральская Сталь» — поддержание в актуальном состоянии и постоянное совершенствование СМК с целью обеспечения высокой степени гарантии качества выпускаемой продукции.

В условиях неизбежной стохастичности промышленного производства объективность и достоверность оценок различных процессов, в том числе и результатов управления качеством продукции, возможна только с.

1 Действенность — это способность системы эффективно выполнять возложенные на неё функции. применением статистических методов. Поэтому среди особых требований ОАО «Газпром» содержится также требование об обязательном использовании статистических методов для оценки изменчивости, стабильности и воспроизводимости процессовхарактеристик выпускаемой продукциидеятельности поставщиковтенденций изменения и улучшения процессов и т. д. Таким образом, в качестве инструментов получения информации для оценки и демонстрации пригодности и результативности системы менеджмента качества, а также выбора направлений постоянного повышения ее результативности, статистические методы в значительной мере определяют действенность процедур реализации таких принципов СМК как «Постоянное улучшение» и «Основанный на фактах подход к принятию решений», а, следовательно, и действенность СМК в целом. При этом становится актуальной задача выбора тех статистических методов и вариантов их реализации, которые с учетом особенностей производства продукции и оценивания её качества, присущих конкретной организации, позволят получить наиболее достоверную информацию при реализации упомянутых принципов.

Целью диссертационной работы является повышение действенности процедуры «Измерение, анализ и улучшение» системы менеджмента качества толстолистового проката для сварных труб за счет улучшения достоверности и объективности информации, получаемой с применением статистических методов прогнозирования механических свойств.

Для достижения указанной цели в диссертационной работе были поставлены и решаются следующие задачи:

— анализ чувствительности и информативности контрольных карт различного типа, как инструмента мониторинга при статистическом управлении качеством продукции толстолистовых становразработка методики оценки действенности статистического прогнозированиявыявление комплекса характеристик процесса производства толстолистового проката (факторов процесса), степень взаимосвязи которых с показателями качества продукции (откликами) выше, чем тех, которые традиционно применяются при статистическом прогнозировании показателей качества проката;

— создание на основе указанного комплекса характеристик процесса производства инструментов статистического прогнозирования (уравнений регрессии и нейросетевых моделей), обеспечивающих повышение точности и достоверности прогноза как значений, так и стандартных отклонений механических свойств готовой продукции;

— выявления условий осуществления процесса, обеспечивающих получение заданных механических свойств проката при их минимальном разбросе.

В итоге выполненного исследования получены следующие результаты:

— разработаны показатель и методика оценки действенности инструментов статистического прогнозирования характеристик качества продукции, позволяющие повысить обоснованность выбора инструментов статистического прогнозирования для управления качеством. найден комплекс характеристик процесса производства толстолистового проката (модернизированный комплекс факторов процесса), применение которого обеспечивает повышение точности статистического прогноза механических свойств продукции (предела текучести, временного сопротивления разрыву, относительного удлинения, ударной вязкости). разработаны и адаптированы к условиям толстолистового стана 2800 ОАО «Уральская Сталь» нейросетевые модели для прогнозирования фактических значений и стандартных отклонений механических свойств толстолистового проката класса прочности К60, отличающееся тем, что впервые подобные инструменты статистического прогнозирования разработаны с использованием модернизированного комплекса факторов процесса.

— разработан алгоритм поиска рациональных сочетаний химического состава и технологических параметров процесса производства толстолистового проката для сварных труб, обеспечивающих получение заданных механических свойств продукции при их минимальном разбросе в пределах партии, отличающийся применением нейронных сетей для прогнозирования как значений, так и стандартных отклонений показателей качества.

В результате решения перечисленных задач разработаны и приняты к использованию в ОАО «Уральская Сталь»:

— рекомендации относительно химического состава стали и значений ключевых контрольных параметров процесса производства на стане 2800 ОАО «Уральская Сталь» листового проката класса прочности К60 для электросварных труб, обеспечивающие достижение регламентируемых значений, повышение стабильности механических свойств продукции.

— компьютерная программа «Мониторинг и статистический приёмочный контроль толстолистового проката» для осуществления контроля качества на стане 2800 ОАО «Уральская Сталь» в режиме реального времени, которая защищена свидетельством о Государственной регистрации.

— проект стандарта организации «Порядок применения статистических методов в условиях стана 2800 ОАО «Уральская Сталь».

Разработаны и приняты к использованию в учебном процессе кафедры ОМД ФГБОУ ВПО «МГТУ им. Г.И. Носова» при подготовке студентов специальности 200 503 «Стандартизация и сертификация».

— методика построения уравнений регрессии для статистического приемочного контроля качества по связи между параметрами с выбором наиболее значимых независимых переменных.

— методика осуществления мониторинга и статистического приемочного контроля качества толстолистового проката.

Основные положения диссертационной работы изложены и обсуждены на ежегодных научно-технических конференциях «МГТУ им. Г.И. Носова».

Магнитогорск 2009, 2010 и 2011 гг.) — научно-технической конференции молодых специалистов ОАО «Уральская Сталь» (Новотроицк 2011 г.) — VIII Всероссийской школе-конференции молодых учёных «Управление большими системами» (Магнитогорск, 2011 г.) — межрегиональной научно-технической конференции «Наука и производство Урала 2012» (Новотроицк 2012 г.). По теме диссертации опубликовано 13 научных работ, из них четыре в рецензируемом научном журнале, рекомендованном ВАК.

Выводы по главе:

1. С использованием разработанных в разделе 3 данной диссертационной работы искусственных нейронных сетей для статистического прогнозирования значений механических свойств и их стандартных отклонений, найдены рациональное сочетание содержания химических элементов в стали и ключевых контрольных характеристик процесса для производства в условиях ОАО «Уральская Сталь» толстолистового проката для сварных труб класса прочности К60, обеспечивающие получение свойств, отвечающих требованиям ТУ 14−15 477−2004 при более низкой изменчивости предела текучести, временного сопротивления и ударной вязкости. Рекомендации приняты к использованию в ОАО «Уральская Сталь».

2. Создана компьютерная программа «Мониторинг и статистический приёмочный контроль толстолистового проката», которая повышает действенность процедур, реализующих такие принципы СМК как.

Постоянное улучшение" и «Основанный на фактах подход к принятию решений», а, следовательно и действенность СМК в целом. Программа зарегистрирована в федеральной службе по интеллектуальной собственности и принята к использованию в ОАО «Уральская сталь».

3. Разработан проект стандарта организации «Порядок применения статистических методов в условиях стана 2800 ОАО «Уральская Сталь», предназначенный для расширения и совершенствования практики применения в ОАО «Уральская Сталь» статистических методов при контроле качества толстолистового трубного проката и управлении процессом его производства. Процедуры мониторинга с помощью контрольных карт, статистического прогнозирования свойств с помощью искусственных нейронных сетей и уравнений регрессии разработаны с учётом результатов полученных в данной диссертационной работе. Проект стандарта организации принят к использованию в ОАО «Уральская Сталь».

Заключение

.

1. Для повышения действенности СМК трубного листового проката необходимо повышать достоверность и обоснованность выводов относительно качества продукции, что может быть достигнуто использованием наиболее информативных типов контрольных карт как инструментов мониторинга стабильности показателей качества, а также уравнений множественной регрессии или нейронных сетей как инструментов статистического прогнозирования указанных показателей.

2. Анализ чувствительности и информативности контрольных карт различного типа, как инструмента мониторинга при статистическом управлении качеством, показал, что для более эффективного мониторинга процесса производства трубного проката целесообразно использовать контрольные карты кумулятивных сумм и скользящих размахов, которые оперативнее фиксируют тенденции к нежелательным изменениям процесса. Контрольные карты средних значений и размахов, рекомендованные в корпоративных стандартах СТО Газпром, целесообразней использовать как вид отчётности перед потребителем продукции.

3. Разработана методика оценки действенности инструментов статистического прогнозирования характеристик продукции, позволяющая обосновать выбор регрессионных зависимостей или искусственных нейронных сетей по критерию максимального соответствия оценок годности по прогнозируемым значениям показателей качества оценкам годности по результатам натуральных испытаний.

Выявлен комплекса характеристик процесса производства толстолистового проката (факторов процесса), степень взаимосвязи которых с показателями качества продукции (откликами) выше, чем тех, которые традиционно применяются при статистическом прогнозировании показателей качества проката, что позволяет строить инструменты статистического прогнозирования, обеспечивающие более высокую точность прогноза.

4. На основе указанного комплекса характеристик процесса производства (модернизированный комплекс), разработаны уравнения регрессии и нейросетевые модели обеспечивающие более высокую точность и достоверность прогноза как фактических значений, так и стандартных отклонений механических свойств готовой продукции. С применением в качестве инструментов статистического прогнозирования искусственных нейронных сетей, построенных на множестве традиционных и дополнительных объясняющих переменных, выявлено сочетание компонентов химического состава и параметров технологии, способствующее минимизации разброса свойств толстолистового проката для труб класса прочности К60 в пределах партии. Рекомендации приняты к использованию в ОАО «Уральская Сталь».

Создана программа для ЭВМ, предназначенная для осуществления в режиме реального времени мониторинга, статистического прогнозирования и приёмочного контроля толстолистового проката с учетом специфических особенностей процесса толстолистовой прокатки. Программа позволяет рассчитать единичные показатели качества механических свойств (предел текучести, временное сопротивление, относительное удлинение, ударную вязкость КСи, КСУ) и определить годность продукции, основываясь на приоритетности механических свойств по заказу, для каждого листа в отдельности, используя искусственные нейронные сети или уравнения регрессии. Программа принята к использованию в ОАО «Уральская Сталь».

Показать весь текст

Список литературы

  1. . А., Лозовский Л. Ш., Стародубцева Е. Б. Современный экономический словарь. 5-е изд. перераб. и доп. М.: ИНФРА-М, 2007. 495 с.
  2. ГОСТ Р ИСО 9001 2008. Система менеджмента качества. Требования. М.: Стандартинформ. 2008. 65 с.
  3. Е.М. Стандартизация и качество промышленной продукции: Учеб. для эконом, спец. вузов. 2-е изд., перераб. и доп. — М.: Высш. шк. 1991. 304 с.
  4. Степанов С. А, Щербаков А. Ю., Ященко В. В. Системы менеджмента качества. СПбГЭТУ: «ЛЭТИ». 2003. 64 с.
  5. Л.Н., Смирнов Н. В. Таблицы математической статистики. 3-е изд. M.: Наука. 1983. 416с.
  6. В.А. Всеобщее качество (TQM) в российских компаниях / Гос. ун-т управления. Нац. фонд подготовки кадров. М.: ОАО «Типография «Новости». 2000. 432 с.
  7. Статистические методы повышения качества / Под ред. X. Кумэ. М.: Финансы и статистика. 1990. 243 с.
  8. J., Pearson Б. S., «Philos. Trans. Roy. Soc. London. Ser. A», 1933. v. 231
  9. Э. Л., Проверка статистических гипотез: пер. с англ. 2 изд. М.: Наука. 1979. 408 с.
  10. В.В., Чернова H.A. Статистические методы планирования экстремальных экспериментов. М.:Физматгиз.1965. 340с.
  11. Ф.М., Макаров Ю. Д., Поляков Б. Н. Алгоритмы статистической обработки данных наблюдений с помощью ЭВМ. Реф. Информация № 15−70−5. НИИинформтяжмаш. М. 1970. 46с.
  12. Статистический анализ и математическое моделирование блюминга / С. Л. Коцарь, Б. Н. Поляков, Ю. Д. Макаров, В. А. Чичигин. М.: Металлургия. 1974.280 с.
  13. Ю.Д., Коцарь С. Л., Абиев А. Г. Статистические исследования точности тонколистовой прокатки. М.: Металлургия. 1974. 240с.
  14. Горячая прокатка широких полос / В. Н. Хлопонин, П. И. Полухин,
  15. B.И. Погоржельский, В. П. Полухин. М.: Металлургия. 1991. 198 с.
  16. С.Л., Белянский А. Д., Мухин Ю. А. Технология листопрокатного производства. М.: Металлургия. 1997. 272 с.
  17. Л.А., Корнеев A.M., Погодаев А. К. Статистические модели в задачах оптимизации сквозной технологии производства автолистовой стали. Известия вузов. Черная металлургия. 1990. № 3.1. C. 34−36.
  18. А.И., Гарбер Э. А., Юсупов B.C. Использование нейронной сети для прогнозирования механических свойств листового проката Производство проката. 2002. № 9. С. 17−20.
  19. Менеджмент качества и сертификация: учебное пособие (В 2-х т.). Т.1. / Ю. П. Адлер, В. М. Григорьев, Т. М. Полховская и др. М.: Изд-во МИСиС и С-Центр сертификации. 2001. 152 с.
  20. В.В. Спираль качества. Ульяновск: УлГТУ. 2002. 232 с.
  21. В.Н. Статистические методы основной инструмент специалиста в области качества // Качество, инновации, образование. 2002.т.е. п-17.
  22. .В. Методологические проблемы математики. М.: Знание. 1970. 64 с.
  23. .В. О математике. М.: Эдиториал УРСС. 2000. 208 с.
  24. .В., Орлов А. И. Роль математических методов исследования в кардинальном ускорении научно-технического прогресса // Заводская лаборатория. 1988. Т.54. № 1. С. 1−4.
  25. .В., Орлов А. И. О применении современных статистических методов в управлении качеством продукции // Надежность и контроль качества. 1990. № 3. С.62−62.
  26. А.И. Прикладная статистика. Учебник. М.: Изд.: «Экзамен». 2004. 656 с.
  27. А.И. Математика случая: Вероятность и статистика -основные факты: учебное пособие. М.: МЗ-Пресс. 2004. 110 с.
  28. А.И. Теория принятия решений, учебное пособие.- М.: Изд.: «Март». 2004. 656 с.
  29. Статистическое управление процессами. SPC. Перевод с англ. Н. Новгород: ООО СМЦ «Приоритет». 2004 г. 181с.
  30. А. Управление качеством. М.: «Прогресс». 1974. 254 с.
  31. В.Н. Квалиметрия. Управление качеством. Сертификация: курс лекций. М.: Ассоциация авторов и издателей «ТАНДЕМ». Изд-во «ЭКМОС». 2000. 320 с.
  32. Статистические методы обеспечения качества / Х.-Й. Миттаг, Х.Ринне. М.: Машиностроение. 1995. 615 с.
  33. Технология машиностроения: В 2-х т. Т.1. Основы технологии машиностроения: Учебник для вузов / Под ред. A.M. Дальского. М.: Изд-во МГТУ им. Баумана. 2001. 564 с.
  34. A.A., Филиппов Ю. Д. Стандартизация статистических методов управления качеством. М.: Изд-во стандартов. 1989. 121 с.
  35. М.И., Ручинская H.A. Статистические методы для обработки и анализа числовой информации, контроля и управления качеством: учебное пособие. Магнитогорск: ГОУ ВПО «МГТУ им. Г.И. Носова». 2008. 208 с.
  36. B.C. Статистические методы в управлении качеством, продукции. М.: Финансы и статистика. 1982. 119с.
  37. В.Н. Квалиметрия. Управление качеством. Сертификация. Курс лекций. М.: ЭКМОС. 2000. 320 с.
  38. С.Ф., Новиков Е. С., Поспелов В. Я. Статистические методы в современном менеджменте качества. М.: Фонд «Новое тысячелетие». 2001. 208 с.
  39. О.В. Управление качеством. М.: ИНФРА-М. 2006. 204 с.
  40. A.B., Круглов М. И. «Управление качеством продукции» М: «Экономика». 1979.
  41. А. В. Современные методы управления качеством. М.: Стандарты и качество. № 4.1996. 9 с.
  42. Управление качеством продукции. Инструменты и методы менеджмента качества: учебное пособие / С. В. Пономарев, С. В. Мищенко, В. Я. Белобрагин, и др. М.: РИА «Стандарты и качество». 2005. 248 с.
  43. Г. Практическое введение в управление качеством. М.: Издательство стандартов. 1976. 228 с.
  44. Сакато Сиро. Практическое руководство по управлению качеством / Пер. с 4-го японского издания. М., Машиностроение. 1980. 215с.
  45. Shewhart W.A. Economic Control of Quality of Manufactured Product. ASQ (republished). 1931/1980. 501 p.
  46. Д., Чамберс Д. Статистическое управление процессами. Оптимизация бизнеса с использованием контрольных карт Шухарта / Пер. с англ. М.: Альпина Бизнес Букс. 2009. 409 с.
  47. Статистические методы повышения качества / Под ред. X. Куме- Пер. с англ. Адлера Ю. П., Конаревой JI.A. — М.: Финансы и статистика, 1990. 304 с. (Н. Kume. Statistical methods for quality improvement. — AOTS, 1985.)
  48. Ю.П., Жулинский С. Ф., Шпер B.JI. Проблемы применения методов статистического управления процессами на отечественных предприятиях // Методы менеджмента качества. 2009. № 8. С. 36—40- № 9. С. 24—29.
  49. Статистическое управление процессами. SPC. Ссылочное руководство. Н. Новгород: СМЦ «Приоритет». 2006. 224 с.
  50. Turner R. The Red Bead Experiment for Educators // Quality Progress.1998. — June. P. 69—74.
  51. Gitlow H.S. Viewing statistics from a quality control perspective // International Journal of Quality & Reliability Management. — 2001. — Vol. 18.2. p. 169—179.
  52. Balestracci D. Data Sanity: A Quantum Leap to Unprecedented Results.
  53. Medical Group Management Association. 2009. 304 p.
  54. Carey R.G. Improving Healthcare with Control Charts: Basic and Advanced SPC Methods and Case Studies. — ASQ Quality Press. Milwaukee. WI. 2003.
  55. Carey R.G. Lloyd R.C. Quality with Confidence in Healthcare: A Practical Guide to Quality Improvement in Healthcare. — N.Y. SPSS Inc. 1997.218 p.
  56. Дж. Свобода от приказов и контроля. Путь к эффективному сервису. М.: РИА «Стандарты и качество». 2009. 232 с.
  57. Hahn G., Doganaksoy N. The role of statistics in business and industry.
  58. John Wiley & Sons. Inc. 2008. 344 p.
  59. Эффективность государственного управления: Пер. с англ./ Под общ. ред. С. А. Батчикова и С. Ю. Глазьева. — М.: Фонд «За экономическую грамотность». Российский экономический журнал. Изд: АО «Консалтбанкир». 1998. 848 с.
  60. Э. Статистические методы управления качеством. Контрольные карты и планы контроля: пер. с нем. В. М. Ивановой, И. О. Решетниковой. М.: Мир. 1976. 597 с.
  61. ГОСТ Р 50 779.42−99. Статистические методы. Контрольные карты Шухарта. М.: Изд-во стандартов. 1999. 32с.
  62. ГОСТ Р 50 779.40−96. Статистические методы. Контрольные карты. Общее руководство и введение. М.: Изд-во стандартов. 1996. 20с.
  63. В.В., Барт Т. В. Статистические методы в управлении качеством продукции, учебное пособие. М.: Кнорус. 2006. 172 с.
  64. А. Н., Несмещенные оценки. / «Изв. АН СССР. Сер. математическая». 1950. т. 14. № 4
  65. Ю. К. Приемочный контроль по альтернативному признаку, в. 1—2. М.: Наука. 1973. 128 с.
  66. Е.Я. Статистические методы регулирования технологических процессов и контроля качества. В кн.: Методы и системы улучшения качества продукции. ЛДНТП. 1971. С. 5−14.
  67. Хан Г. и Шапиро С. Статистические модели в инженерных задачах, пер. с англ. М. «Мир». 1969. 395 с.
  68. . Контроль качества, пер. с англ. М. «Прогресс». 1968. 519 с.
  69. ГОСТ Р 50 779.30−95. Статистические методы. Приемочный контроль качества. Общие требования. М.: Госстандарт России. Издательство стандартов. 1995. 28 с.
  70. А.И. Эконометрика. Учебник. М.: Издательство «Экзамен». 2002. 576с.
  71. ГОСТ 15 467–79 (СТ СЭВ 3519−81) Управление качеством продукции. Основные понятия. М.: Изд-во стандартов. 1987. 20с.
  72. ГОСТ Р 50 779.51−95. Статистические методы. Непрерывный приемочный контроль качества по альтернативному признаку. М.: Госстандарт России. Издательство стандартов. 1996.
  73. ГОСТ Р 50 779.52−95. Статистические методы. Приемочный контроль качества по альтернативному признаку. М.: Госстандарт России. Издательство стандартов. 1996. 230 с.
  74. ГОСТ Р 50 779.50−95. Статистические методы. Приёмочный контроль качества по количественному признаку. М.: Госстандарт России. Издательство стандартов. 1995. 25 с.
  75. Н., Смит Г. Прикладной регрессионный анализ. Множественная регрессия. 3 изд. М.: Изд.: Диалектика. 2007. 917 с.
  76. Э., Рёнц Б. Методы корреляционного и регрессионного Анализа Перевод с немецкого и предисловие В. М. Ивановой. М.: «Финансы и статистика». 1983. 302 с.
  77. Ч., Хенсон Р. Численное решение задач метода наименьших квадратов/Пер. с англ. М.: Наука. Гл. ред. фиэ.-мат. лит. 1986. 232 с.
  78. И., Бояджиева Л., Солаков Е. Прикладной линейный регрессионный анализ. Перевод с болгарского Ю. П. Адлера. Москва «финансы и статистика». 1987. 239 с.
  79. А. Эйзен С. Статистический анализ: Подход с использованием ЭВМ. пер. с англ.. М.: Мир. 1982. 488 с.
  80. Н., Смит Г. Прикладной регрессионный анализ. Книга первая. М.: Изд.: Финансы и статистика. 1986. 369 с.
  81. Р. Основные концепции нейронных сетей. М.: Изд.: Вильяме. 2002. 287 с.
  82. Ф. Нейрокомпьютерная техника: Теория и практика. Перевод на русский язык. Ю. А. Зуев, В. А. Точенов, 1992. 102 с.
  83. У сков A.A., Кузьмин A.B. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая линия Телеком. 2004. 144с.
  84. Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия Телеком. 2004. 452с.
  85. Д.А. Нейронные сети. Модели и алгоритмы. М.: Радиотехника. 2005. 256 с.
  86. Нейроинформатика / А. Н. Горбань, В.Л.Дунин-Барковский, А. Н. Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН. 1998. 296с.
  87. С. Нейронные сети для обработки информации. М.: Финансы и статистика. 2002. 344 с.
  88. Ю.Н., Филимонова О. Ю., Бенамеур Л. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. М.: Горячая линия-Телеком. 2003. 205 с.
  89. К.В. Введение в кибернетику. М.: Горячая линия-Телеком. 2010. 183 с.
  90. Л.М. Методы и технологии искусственного интеллекта. М.: Горячая линия-Телеком. 2010. 256 с.
  91. Нейронные сети. Методология и технологии современного анализа данных/под редакцией В. П. Боровикова. 2-е изд., перераб. в доп. М.: Горячая линия — Телеком. 2008. 392 с.
  92. В. П. Искусство анализа данных на компьютере. Изд-во Питер. 2003 г. 688 стр.
  93. A.M., Салганик В. М., Курбан В. В. Нейросетевое моделирование процесса прокатки для повышения механических свойств горячекатанной трубной листовой стали. Магнитогорск: ГОУ ВПО «МГТУ». 2010. 129с.
  94. СТО Газпром 9011−2006 Системы менеджмента качества. Руководящие указания по оценке систем менеджмента качества. М.: ОАО «ГАЗПРОМ». 2006. 15 с.
  95. СТО Газпром 9001−2006 Системы менеджмента качества. Требования. М.: ОАО «ГАЗПРОМ». 2006. 71 с.
  96. СТО Газпром 9004−2007 Системы менеджмента качества. Рекомендации по улучшению. Часть III. Руководство по планам качества. М.: ОАО «ГАЗПРОМ». 2008. 12 с.
  97. СТО Газпром 9004−2007 Системы менеджмента качества. Рекомендации по улучшению. Часть IV. Проектирование продукции с использованием методов структурирования функции качества. М.: ОАО «ГАЗПРОМ». 2008. 51 с.
  98. СТО Газпром 9004−2007 Системы менеджмента качества. Рекомендации по улучшению. Часть V. Рекомендации по самооценке соответствия СМК требованиям стандарта СТО Газпром 9001. М.: ОАО «ГАЗПРОМ». 2008. 38 с.
  99. СТО Газпром 9004−2007 Системы менеджмента качества. Рекомендации по улучшению. Часть VI. Рекомендации по применению методов экономического анализа эффективности процессов менеджмента качества. М.: ОАО «ГАЗПРОМ». 2008. 28 с.
  100. СТО Газпром 9000−2007 Системы менеджмента качества. Основные положения и словарь. М.: ОАО «ГАЗПРОМ». 2008. 17 с.
  101. СТО Газпром 9004−2007 Системы менеджмента качества. Рекомендации по улучшению. Часть I. Руководство по анализу видов и последствий несоответствий при проектировании продукции и производственных процессов. М.: ОАО «ГАЗПРОМ». 2008. 27 с.
  102. СТО Газпром 9004−2007 Системы менеджмента качества. Рекомендации по улучшению. Часть II. Руководство по применению методов обработки и анализа данных. М.: ОАО «ГАЗПРОМ». 2008. 30 с.
  103. ГОСТ Р 51 814.1−2004 (ИСО/ТУ 16 949:2002) Системы качества и автомобилестроении. Системы качества для предприятий поставщиков автомобильной промышленности. Общие требования. — М: Издательство стандартов. 2004. 35 с.
  104. Л.А., Вишняков Д. Ю. Контрольные карты: определение границ регулирования при переменном объеме выборки. М.: Методы менеджмента качества. 2008. — № 8. — С. 26−30
  105. Л. Д. Контрольные карты. Введение в анализ качества: учеб. пособие. Магнитогорск: ГОУ ВПО «МГТУ им. Г.И. Носова». 2006, 127 с.
  106. А. Старцев. Обратная связь и оценка действенности рекламы. Сайт: Про рекламу, www.pro-reklamu.ru.
  107. Оценке действенности информационно-коммуникационных технологий. Доклад комиссии по науке и технике в целях развития ООН, 14 сессия. Женева. 2011 г. 27 с.
  108. Г. Управление персоналом / Пер. с англ. М.: «Издательство БИНОМ», 1997. 432 с.
  109. В.И. Управление качеством продукции: Учеб. Пособие. -Ростов на Дону: Феникс. 2000. 256 с.
  110. А.И., Ратнер Б. Р., Волошин В. А. Статистический приёмочный контроль механических свойств стали. М.: Черметинформация. 1972. 14 с.
  111. М.Н. Статистические методы обработки результатов механических испытаний: Справочник. М.: Машиностроение. 1985. 232 с.
  112. ОСТ 14−1-34−90 Статистический приемочный контроль качества металлопродукции по корреляционной связи между параметрами. М.:МЧМ СССР. 1990. 22 с.
  113. Конструирование характеристик влияния химсостава стали на показатели качества высокоуглеродистой канатной катанки / Шубин И. Г., Румянцев М. И., Торопицына У. А. и др./ Производство проката. 2009. № 3. С. 33−39.
  114. К.Е., Румянцев М. И., Шубин И. Г. Возможности совершенствования статистического приемочного контроля толстолистового проката для ОАО «Газпром» с применением искусственных нейронных сетей . Производство проката. 2012. № 8. С. 44−47.
  115. Н., Нага Т., Tsuru Е. Development of XI20 ultra high strength UOE linepipe // Международный семинар «Современные стали для газонефтепроводных труб, проблемы и перспективы»: Сб. докладов. М.: Металлургиздат. 2006. С. 237−250.
  116. М.И., Корнилов В. Л., Носенко О.Ю.Подход к анализу результативности технологии производства проката // Материалы 66-й научно технической конференции: Сб. докл. Магнитогорск: ГОУ ВПО «МГТУ им. Г.И. Носова». 2008. Т. 1. С. 53−55
  117. В.Л. Корнилов, О. Ю. Сергеева, К. Е. Черкасов и др. Подход к анализу результативности и совершенствованию технологии производства толстолистового проката из низколегированных сталей в условиях
  118. ШСГП 2000. Моделирование и развитие процессов обработки металлов давлением: межрегиональный сборник научных трудов. Магнитогорск: ГОУ ВПО «МГТУ». 2009. С. 21−27.
  119. М.И., Шубин И. Г., Пантелеева H.A. Оценивание качества тонких горячекатаных полос для определения возможности замещения холоднокатаной. Магнитогорск: Вестник МГТУ им. Г. И. Носова. 2007. № 4. С. 69−72.
  120. М.И., Цепкин A.C., Оплачко Т. В. Унифицированный подход к расчету дифференциальных показателей при квалиметрическом оценивании качества проката. Магнитогорск: Вестник МГТУ им. Г. И. Носова. 2007. № 3. С. 61−64.
Заполнить форму текущей работой