УДК 658.56

Контроль качества продукции

Кузнецова Анастасия Дмитриевна – магистрант Машиностроительного факультета Калужского филиала Московского государственного университета им. Н.Э. Баумана (национальный исследовательский университет).

Аннотация: В статье рассматривается контроль качества продукции. На сегодняшний день изучение и совершенствование инструментов контроля качеста продукции является актуально проблемой для всех предприятияй, поскольку улучшение качества продукции является неотъемлемой частью любого производства. Рассматриваются классические методы контроля качества продукции, а также предложен современный инструмент управления качеством - искусственный интелект. В данной статье новым является то, что для контроля качества продукции используются современные технологии искуственного интелекта, которые на сегодняшний день еще не вошли в постоянное использование на предприятиях.

Ключевые слова: качество продукции, искуственный интелект, контроль качества, оценка, инструменты, методы контроля.

Неотъемлемой частью производства предприятия является выпуск продукции. Для эффективного и грамотного распределения ресурсов необходимо определять качество продукции. Качество продукции – совокупность свойств и характеристик, которые объективно присущи продукции и обуславливают степень удовлетворенности потребителей [1]. Контроль качества влияет на все производство, поскольку без управления качеством на предприятиях возрастает количество браков и возможных кризисных ситуаций. Анураг Гуммади утвеждает: «Quality control is implemented in order to ensure that products are safe, reliable, and meet customer expectations», что свидетельствует о том, что контроль качества осуществляется для того, чтобы гарантировать, что продукция безопасна, надежна и соответствует ожиданиям потребителей [11].

Несмотря на множество различных методов управления качеством, одними из основных методов контроля качества являются измерительные и статистические методы [2]. По мнению Салахова Ф. Н. «Статистические методы могут решить 90% всех проблем, возникающих на производстве» [10]. Данное высказывание правдиво, поэтому необходимо рассмотреть статистические методы. К статистическим методам относятся: карта технологического процесса, контрольный листок, причинно - следственная диаграмма (диаграмма Исикавы), диаграмма Парето, гистограмма, контрольная карта, диаграммы рассеяния [2].

Рассмотрим, сколько предприятий пользуются статистическими методами. В таблице 2 представлена статистика использования статистических методов на предприятиях (в скобках указано общее количество предприятий) [12].

Таблица 1. Предприятия использующие статистические методы.

Анализируя таблицу 1 видно, что только 39 предприятий из рассмотренных 86 используют статистические методы, это говорит, что данные методы являются не идеальными и требуют доработок.

Измерительные методы – позволяют определять показатели качества с использованием технических средств измерений. По мнению Дмитрия Зуева: «Главное преимущество измерительного метода определения показателей качества продукции: точность и объективность оценки» [11]. Данное высказывание весьма справедливо, потому что измерительные методы используются, когда необходимо узнать достоверную информацию, используя методы расчета, а не аналитические и экспертные оценки Тем не менее данные методы хоть и являются эффективными при контроле качества продукции, но также имеют недостатки, а именно: достаточно продолжительный процесс, использование дорогостоящего оборудования и т.д.

В современных условия, когда происходит научно-техническкое развитие, есть возможность устранить слабые места измерительных и статистических методов. Например, для оптимизации работы контроля качества допустимо использовать искуственный интелект.

Искусственный интеллект (ИИ) - это способность компьютера обучаться, принимать решения и выполнять действия, свойственные человеческому интеллекту. С внедрением ИИ в открытый доступ многие люди разделили свое мнение о его пользе или вреде. Так Владимир Неонов говорит: «Знания эти можно использовать как для пользы людей, так и с целью причинения проблем» [8]. Автор неоспоримо прав, так как ИИ приносит много пользы во всех областях, облегчая выполнение задач, ускорение процесса и т.д. Но несмотря на множество плюсов, как и в любом проекте, ИИ имеет ряд проблем. Одним из главных недостатков ИИ является вероятность утраты или повреждения информации. Кроме того, несмотря на помощь при реализации поставленных задач, человек может потерять стимул к саморазвитию и самосовершенствованию. Представители IT-технологий утверждают: «Технологии должны разрабатываться только тогда, когда мы будем уверены, что их эффекты будут положительными, а риски – управляемыми», таким образом для безопасного использования ИИ необходимо его совершенствовать и предотвращать возможные опасности [7].

Но, несмотря на негативные отзывы об использовании искуственного интелекта, многие люди отмечают только положительные эффекты от его применения. Так генеральный директор коммуникационного агентства iTrend Павел Житнюк утверждает: «качество контента, который производят GPT-боты, стало очень высоким и зачастую созданные ими тексты превосходят возможности живых копирайтеров и уже сейчас применяются»[7]. Из его слов видно, что ИИ усовершенствует возможности работкиков.

По данным ВЦИМО - "Почти половина россиян (48%) заявили о своем доверии технологиям искусственного интеллекта (69% среди молодых людей 18-24 лет), не доверяют им 42% наших соотечественников, 10% затруднились с ответом" [3]. Из данной статистики на мой взгляд, видно, что технологии ИИ в большей степени принимают молодые люди, поскольку они готовы к изменениям и постоянно самосовешенствуются. В таблице 2 представлены преимущества использования ИИ [3].

Таблица 2. Преимущества использования искуственного интелекта

Одной из главных программ ИИ по управлению качеством является визуальное ИИ для обнаружения дефектов. Использование данного проекта не только дешевле, чем найм сотрудников, но и его применение позволяет более точно для обнаруживать дефекты и сообщать о них.

Как работает обнаружение дефектов визуального ИИ [4]? Системы обнаружения дефектов визуального ИИ могут выявлять большое количество недостатков, например: трещины, плохо окрашенные поверхности, недостающие детали, сломанные предметы, предметы неправильной формы, треснувшее стекло, треснувший металлический корпус и другие типы ошибок.

Технологии ИИ по контролю качества на сегодняшний день внедряют на предприятия. Так завод группы компании BMW в Дингольфинге уже с 2018 года использует технологии искусственного интеллекта для контроля изображений компонентов на технологической линии [5]. Система позволяет своевременно отслеживать любые отклонения от стандарта. Данная технология быстра, надежна, а также проста в использовании. Описываемая инновация может самостоятельно определять, соответствует ли компонент спецификациям [6].

Другим примером является компания Foxconn, производящая электронные продукты для таких гигантов, как Apple, Nintendo, Nokia, Sony и т.д., успешно внедрила ИИ для контроля качества [6]. Эта программа машинного обучения, запущенная Google в 2021 году, помогает производителям выявлять дефекты продукции за счет компьютерного анализа дефектов при производстве, а значит, и снижать затраты на контроль качества.

Но на территории России технологии ИИ для контроля качества продукции еще не используются, поэтому данное изобретение позволит снизить объем брака, и снизить затраты на контроль качества.

В современном мире контроль качества является неотъемлемой частью любого проекта по изготовлению продукции, а изучение способов управления производством влияет как на характеристики продукции, так и на ее конкурентоспособность. Рассмотрев классические методы оценки и мониторинга управления качеством, можно сделать вывод о том, что, несмотря на эффективность их использования, нужно учитывать научно-технический прогресс и подстраиваться под него. Использование искусственного интеллекта позволит сократить уровень брака и улучшит возможности определения дефектов до предоставления товаров потребителю. Таким образом, внедрение современных инструментов оценки и мониторинга качества продукции позволит повысить эффективность контроля качества и улучшить производительность предприятия.

Список литературы

1. Совершенствование системы качества продукции [Электронный ресурс]. URL: https://spravochnick.ru/menedzhment/sovershenstvovanie_sistemy_kachestva_produkcii/ (дата обращения 08.11.2023)
2. Контроль управления качеством продукции на предприятии [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/kontrol-upravleniya-kachestvom-produktsii-na-predpriyatii/viewer (дата обращения 07.12.2023)
3. Концепция модели мониторинга показателей качества в многокритериальной среде [Электронный ресурс]. URL: https://ria-stk.ru/stq/adetail.php?ID=176364 (дата обращения 25.11.2023)
4. Использование ИИ в мониторинге и контроле качества продукции [Электронный ресурс]. URL: https://textlog.ru/ispolzovanie-ii-v-monitoringe-i-kontrole-kachestva-produkczii/ (дата обращения 08.11.2023)
5. Технологии искусственного интеллекта в системе управления качеством [Электронный ресурс]. URL: http://intjournal.ru/wp-content/uploads/2021/09/Borgardt.pdf (дата обращения 13.11.2023)
6. Пять примеров успешного использования ИИ на производстве [Электронный ресурс]. URL: https://habr.com/ru/articles/727358/ (дата обращения 11.11.2023)
7. Люди стали больше верить искусственному интеллекту, чем другим людям [Электронный ресурс]. URL: https://rg.ru/2023/07/02/liudi-stali-bolshe-verit-iskusstvennomu-intellektu-chem-drugim-liudiam.html (дата обращения 08.12.2023)
8. ВЦИОМ: почти половина россиян доверяет технологиям искусственного интеллекта [Электронный ресурс]. URL: https://tass.ru/obschestvo/11842579
9. Конкурент из будущего: стоит ли бояться искусственного интеллекта https://tass.ru/obschestvo/12047187 (дата обращения 08.11.2023)
10. Основные показатели и инструменты контроля качества продукции [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/osnovnye-pokazateli-i-instrumenty-kontrolya-kachestva-produktsii/viewer (дата обращения 28.11.2023)
11. Методы оценки качества продукции [Электронный ресурс]. URL: https://www.kom-dir.ru/article/3797-metody-otsenki-kachestva-produktsii (дата обращения 12.11.2023)
12. Statistical Methods – Does Anyone Really Use Them? [Электронный ресурс]. URL: https://sci-hub.et-fine.com/10.1080/14783360600747762 (дата обращения 08.11.2023)