Фундаментальными направлениями развития современного машиностроения является создание компьютеризированных интегрированных производственных систем (Computer Integrated Manufacturing System - CIMS) и ориентированная на рынок поддержка полного жизненного цикла изделий на базе CALS-технологий (Continuous Acquisition Life-cycle Support).

Важнейшей составной частью CIMS является компьютеризированная система обеспечения и/или управления качеством (Computer Aided Quality - CAQ) производственных процессов на всех этапах жизненного цикла изделия. Содержанием системы CAQ являются разнообразные измерительные процессы, достоверность которых определяет качество как самой CIMS, так и создаваемого в ней изделия.

Рассматривается проблема построения CAQ на примере только одного этапа жизненного цикла изделия - технологического процесса изготовления машины[1]. Как известно, любая технология реализуется в результате сложного взаимодействия трех основных продуктообразующих потоков: 1) материального, 2) энергетического, 3) информационного. Оставляя в стороне содержание первых двух потоков в машиностроительных технологиях, рассмотрим более подробно структуру третьего - информационного потока. Анализ показывает [1,2], что информационный поток, связанный с управлением, то есть организацией целесообразных воздействий, необходимо дополнить еще одним потоком, который несет информацию о текущем состоянии самого технологического процесса и создаваемого изделия, а также, в общем случае, - о состоянии материального потока (например, входной контроль), энергетического потока, системы управления, в частности, о ходе исполнения технологической и манипуляционной программ и т.д.

Следовательно, с информационной точки зрения любой технологический процесс имеет не одну, а две стороны: управления и наблюдения. Под наблюдением (the observation) понимается процесс системной динамики объектов, дуальный в смысле Калмана процессу управления (the control) [3]. Управление и наблюдение есть две стороны общего информационного потока в технологическом процессе.

Система CAQ, интегрируемая в CIMS, есть обобщенный автоматизированный наблюдатель производственной системы. Структура CAQ определяется действующим в CIMS технологическим сценарием и показателями качества процессов и производства. В общем случае, CAQ представляет собой сложную многоуровневую измерительно-вычислительную сеть, в которой осуществляется разнообразное перемещение измерительной информации. В качестве примера приводится структура CAQ процесса механообработки изделий.

Интеграция технологических процессов в единой производственной системе приводит к необходимости интеграции разнообразных измерительных процессов и процедур в едином CAQ-наблюдателе. Получаемые на разных уровнях наблюдения, в различном сочетании, одновременно или с разнесением во времени и/или в пространстве, вне (off-line) или внутри (in-line) технологического оборудования, измерительные процессы в CAQ-наблюдателе могут иметь различное алгоритмическое содержание. В качестве таковых могут быть: измерение, контроль, диагностика, обнаружение событий, идентификация, распознавание образов. Рассматривается соотношение между уровнями управления и наблюдения в гибком производственном модуле и ЧПУ.

В более общем случае CAQ-наблюдатель должен включать подсистему метрологического обеспечения или поддержки. В этой подсистеме аккумулируются результаты аттестации и сертификации технологического оборудования, поверки, учета и выбора средств измерений (СИ), другие функциональные возможности.

Построение оптимального CAQ-наблюдателя CIMS требует разработки, как минимум, нескольких проблем моделирования: 1) создание достоверных моделей состояния конкретных технологических процессов и производств, полнота которых достаточна для обеспечения заданного качества; 2) разработка стратегии наблюдения за параметрами технологического процесса и участвующих в нем потоков, достаточной для требуемой полноты моделей состояния; 3) разработка стратегии оценивания наблюдаемых параметров; 4) разработка стратегии выработки решения на оптимальное управление.

Все перечисленные проблемы в той или иной степени сталкиваются с априорной неопределенностью информации о моделируемых объектах. Это обстоятельство существенно уже на этапе формализации моделей конкретных технологических процессов, видов оборудования, материальных потоков, средств измерения, контроля и т.п. Это касается объемных размерных цепей, нормирования точности деталей, узлов, сборок, процессов физико-механического взаимодействия режущего инструмента и деталей, неопределенности вероятностных характеристик, процессов и объектов, изменчивости характеристик в статике и динамике вследствие износа, старения, энергетических воздействий в процессе обработки, влияния окружающей среды и других факторов. Можно утверждать, что, чем выше требования к качеству процессов и производств (точности, надежности и др.) и чем сложнее структура объектов CIMS, охватываемых CAQ-наблюдателем, тем выше степень априорной неопределенности в оценке параметров моделируемых объектов. Кроме того, гибкость, заложенная в CIMS[1], приводит к изменчивости характеристик, параметров и структуры в процессе самого функционирования.

Таким образом, при построении оптимального CAQ-наблюдателя CIMS или отдельных ее подсистем имеют место все три типа информационных ситуаций, классифицированных в [4] по признаку полноты априорной информации. Это подтверждается самим ходом развития информационного потока "управление-наблюдение" в машиностроении [1]. От управления по результатам классических измерений в 60-70-е годы осуществляется переход к разнообразным методам управления точностью обработки: активному контролю, автоматической коррекции, адаптивному управлению со сложным планом измерительного эксперимента и адаптивными алгоритмами организации процессов получения и обработки данных. В проблеме синтеза CAQ-наблюдателя CIMS актуальными становятся интеллектуальные измерения, базирующиеся на методологической платформе "искусственного интеллекта". На наш взгляд, проблема построения многоуровневого наблюдателя, "одеваемого" на технологию и оборудование сложной производственной системы и интегрирующего в себе разноплановые измерительные процессы, является широким полем интеллектуализации измерений. На этой же основе могут разрабатываться методики построения систем качества, систем гарантии качества и сертификации технологических процессов и производств по стандартам серии ISO 9000.

В качестве примера рассматривается применение адаптивного робастного оценивания, разработанного в МГТУ "Станкин" для задач поверки и диагностики СИ применительно к подсистеме метрологического обеспечения CAQ.

В системе автоматизированной поверки СИ для линейных измерений - измерительных головок и преобразователей с диапазоном измерения до 25мм - используется новый трехуровневый план измерений. При вводе в действие алгоритма 1-го уровня обеспечивается поверка СИ в соответствии с требованиями нормативно-технической документации, но с адаптацией по количеству К наблюдений, выполненных в каждой поверяемой точке. При осуществлении алгоритма 2-го уровня обеспечивается определение параметров математической модели погрешности СИ на основании статистической обработки данных измерений, полученных при поверке предыдущих R экземпляров СИ. Определяется количество J поверяемых точек поверки следующего (R+1)-го экземпляра СИ такое, чтобы с вероятностью Р=0.5 поверка ограничилась однократным прохождением диапазона измерений, после чего управление передается алгоритму 1-го уровня. После получения оценок погрешностей в заданных точках алгоритм 2-го уровня проверяет выполнение условия недопущения ошибки контроля 2-го рода. Если последнее условие не выполняется, назначаются дополнительные точки поверки и управление процессом передается алгоритму 1-го уровня. Цикл повторяется до тех пор, пока не будет выполнено указанное условие или СИ не будет забраковано. В пределе количество выполненных наблюдений может достигать J*K, что соответствует традиционной методике поверки. Алгоритм 3-го уровня обеспечивает выбор более полной модели погрешности по критерию минимизации доверительных интервалов и, если необходимо, модифицирует алгоритм 2-го уровня и сам себя. Кроме того, он обеспечивает вычисление оценок дополнительной погрешности (при различных положениях СИ в пространстве). Оценки погрешностей в поверяемых точках вычисляются робастными методами на основе сниженных М-оценок. При сохранении значения ошибки контроля 2-го рода предложенный метод поверки уменьшает количество наблюдений в 7-8 раз и повышает производительность в 10-16 раз по сравнению с традиционными методами.

Предложенный адаптивный робастный подход к накоплению и оцениванию поверочной измерительной информации был применен к процедуре диагностики СИ, позволяющей определить отклонения параметров различных звеньев, входящих в СИ, в процессе его производства [6]. Предложен двухэтапный алгоритм диагностирования. Первый этап заключается в оценке параметров модели погрешности СИ на основе результатов поверки с применением робастных регрессионных процедур. Второй этап сводится к вычислению вектора отклонений параметров СИ. Экспериментально для рычажно-зубчатой головки МИГ-1 посредством оценивания результатов ее поверки определялись отклонения 4-5 параметров составляющих ее звеньев (длин рычагов синусного и кулисного механизмов, их начальные углы, эксцентриситет и его начальный угол, радиальное биение зубчатого сектора и др.). Это открывает возможности для управления качеством технологических процессов производства диагностируемых СИ.

Используемые в [5, 6] известные робастные оценки (типа М-оценок) требует определенной вычислительной мощности. Для повышения производительности и приближения робастного оценивания к реальному масштабу времени были предложены рекуррентные алгоритмы оценивания, которые могут применяться без существенного проигрыша по сравнению с традиционными нерекуррентными итеративными методами получения М-оценок, Н-оценок и другими в пределах 10-15%-ной вероятности больших ошибок наблюдений [7]. Создание быстрых алгоритмов робастного оценивания открывает возможность их эффективного использования в CAQ-наблюдателях CIMS.

4. Прокопчина С.В. Организация измерительных процессов в условиях неопределенности. Регуляризирующий байесовский подход // Труды Международной конференции по мягким вычислениям и измерениям. SCM98, С.-Пб., 1998, с.30-44.