Использование методов системного анализа в организации производства оборудования АЭС

Мелкосерийное производство сложнотехнических изделий АЭС характеризуется длительным циклом изготовления, повышенной материалоемкостью, высокими квалификационными требованиями к персоналу. Успешное функционирование машиностроительного предприятия возможно только в рамках организованной структуры, состоящей из многих взаимодействующих подсистем, представляющих в совокупности сложную систему. Одной из наиболее важных технологических подсистем является сварочное производство, организационно – техническая структура которого также  относится к сложной системе открытого типа. Цель работы –  совершенствование технологической подготовки сварочного производства средствами и методами  системного анализа для решения задач организации и обеспечения статистической  управляемости технологическим процессом электродуговой сварки изделий АЭС. В работе проведена декомпозиция процесса электродуговой сварки на взаимосвязанные контуры, показаны возможные методы предобработки и анализа первичных (мониторинговых) данных временных рядов по току и напряжению. В результате их параметризации определяли набор признаков, по которым можно судить об устойчивости и стабильности процесса сварки, качестве сварного соединения и отклонениях режима. Предложено к ответственным сварным соединениям применить концепцию статистической управляемости процессом дуговой сварки. В развитие этого подхода синтезирована диагностическая модель процесса сварки как стохастической системы по разным типам неопределенности на основе векторной энтропии. В качестве расчетных оценок компонентов вектора состояния процесса дуговой сварки применяли энтропию хаотичности и энтропию самоорганизации. ​По результатам сделан вывод о возможности повышения эффективности сварочного производства корпусного оборудования АЭС за счет применения цифровых мониторинговых информационно-аналитических систем регистрации и системного подхода в обработке временных рядов.

1. Гудз Н.А., Кондратьев Э.В., Молодцов А.Н., Шпер В.Л. Трансформация организационной системы на основе статистического управления процессами (SPC) // Методы менеджмента качества, 2024. № 12. С. 15–26. URL: https:// www.elibrary.ru/item.asp?id=75185557 (дата обращения: 28.07.2026).

2. Вожаков А. В., Столбов В.Ю. Концепция интеллектуальной системы управления мелкосерийным производ¬ством // Прикладная математика и вопросы управления, 2023. № 2. С. 53–60. DOI: 10.15593/2499-9873/2023.2.05.

3. Матушкина И.Ю., Гузюк Е.Е., Гладких Н.А., Тимиргалиева А.В. Модель сварочного производства в условиях цифровой трансформации // Техническое регулирование в едином экономическом пространстве: сборник статей X Всероссийской научно-практической конференции с международным участием, 18 мая 2023 г., Екатеринбург / Екатеринбург: РГППУ, 2023. С. 230 – 235. URL: https://elar.uspu.ru/handle/ru-uspu/43059 (дата обращения: 28.07.2026).

4. Jiawei Н., Pei J., Tong H. Data Mining: Concepts and Techniques, 4th ed. Morgan Kaufmann, 2023. 752 p. ISBN 978 0 12 811760 6.

5. Тарасов А. А. , Коршак А. В. Технологическая подготовка производства сварных конструкций: современные подходы и их практическая реализация// Известия высших учебных заведений. Машиностроение, 2021. № 6. С. 15–21.

6. Кузьмина С. Н., Яковлев А. А. Обеспечение эффективности системы управления качеством посредством цифровых технологий // Инновации,2021. № 5 (271). С. 52–56.

7. Pan J. Arc Welding Control. Cambridge, England, Woodhead Pub., CRC Press, 2003. 603 p. ISBN 1-85573-687-X.

8. Господинов С. Г. Эмерджентность и эволюция систем // Образовательные ресурсы и технологии, 2022. № 1 (38). С. 91–97. DOI 10.21777/2500-2112-2022-1-91-97. URL: https://vestnik-muiv.ru/upload/uf/4f8/4f83d536c54dfa69efd467de0264df92.pdf (дата обращения: 28.07.2026)

9. Адельянов А.М., Генералов Е.А., Чжэнь Вэнь, Яковенко Л.В. Использование энтропии в анализе временных рядов (обзор) // Вестник Московского университета. Серия 3: Физика, астрономия, 2024. № 5. С. 45–58. DOI: 10.3103/S002713492405006X.

10. Ланкин Ю. Н. Показатели стабильности процесса дуговой сварки плавящимся электродом // Сварочное производство, 2017. № 5. С. 15–20.

11. Милютин В. Б. Испытания сварочных свойств оборудования для дуговой сварки. Екатеринбург, 2019. 466 с.

12. Жидков М.Е., Виннийчук В.А., Подрезов Н.Н., Чернов А.В. Исследование технологических характеристик процесса сварки под флюсом с использованием методов параметризации временных рядов // Современные наукоемкие технологии, 2025. № 12. С. 59-68. DOI:10.17513/snt.40605

13. Клочков, А. Е. Статистическое управление процессами (SPC) в АИСМК. Часть 1 // Методы менеджмента качества, 2024. № 7. С. 44–49. URL: https://www.elibrary.ru/item.asp?id=68366361 (дата обращения: 28.07.2026)

14. Михайлов Д. Статистический анализ производственных процессов SPC. Просто о сложном // Мир измерений, 2021. № 12. С. 15-20. URL: https://www.elibrary.ru/item.asp?id=47327653&ysclid=mtb1mrl3a12204279 (дата обращения: 28.07.2026).

15. Романов А. В. , Клочков А. Е. Анализ контрольных карт Шухарта в АИСМК с применением методов машинного обучения // Методы менеджмента качества, 2025. № 9. С. 34–40. URL: https://www.elibrary.ru/item.as¬p?id=82829090&ysclid=mtb1oqzek6699651093 (дата обращения: 28.07.2026).

16. Tan Q. , Chen Y. , Li M., Gu R., Su Y., Zhang X. P. SynTSBench: Rethinking Temporal Pattern Learning in Deep Learning Models for Time Series // Advances in Neural Information Processing Systems 39 (NeurIPS 2025): Conference on Neural Information Processing Systems, Track on Datasets and Benchmarks, 2025. P.45. URL: https://arxiv.org/html/2510.20273v1. (дата обращения: 28.07.2026).

17. Martínez R.T., Alfaro S. C. A. Data Analysis and Modeling Techniques of Welding Processes: The State-of-the-Art / Welding - Modern Topics. IntechOpen, 2020. DOI: 10.5772/intechopen.91184

18. Тырсин А. Н. Векторное энтропийное моделирование многомерных стохастичес-ких систем: монография. М.: Наука, 2022. 231 с. ISBN 978-5-02-040905-7.

19. Тырсин А.Н. , Геворгян Г.Г. Векторный энтропийный мониторинг и управление гауссовскими стохастическими системами // Вестник БГУ. Математика, информатика, 2018. № 1. С. 19–33. DOI: 10.18101/2304-5728-2018-1-19-33

20. Gevorgyan G.G. The algorithms for Solving Vector Entropy Control Problem. Comparative Analysis // Journal of Computational and Engineering Mathematics, 2018. V. 5. № 3. P. 75-79. URL: https://jcem.susu.ru/jcem/article/view/168 (дата обращения: 28.07.2026).

21. Tyrsin, A.N. , Gevorgyan G.G. Entropy management of Gaussian stochastic systems // Journal of Computational and Engineering Mathematics, 2017. V. 4. № 4. P. 38-52. URL: https://jcem.susu.ru/jcem/article/view/132 (дата обращения: 28.07.2026).

22. Жидков М. Е. Разработка диагностической модели системы мониторинга сварочного производства корпусного оборудования АЭС // Инженерный вестник Дона, 2025. № 3. С. 12–25.