Дисертація присвячена розробленню та дослідженню методів та моделей оцінювання, прогнозування та мінімізації метрологічних ризиків, що впливають на якість продукції на етапі виготовлення.
Дисертація містить вступ, чотири розділи, висновки, список літературних джерел та додатки.
У вступі наведено обґрунтування актуальності теми дослідження, зокрема важливість управління метрологічними ризиками для забезпечення якості продукції на етапі виготовлення. Визначено об’єкт та предмет дослідження, сформульовано мету та завдання роботи, окреслено наукову новизну отриманих результатів та їхнє практичне значення. Також подано огляд сучасного стану проблеми та ключові напрями, які досліджувалися в рамках роботи.
В першому розділі представлено ґрунтовний аналіз сучасного стану теорії та практики управління метрологічними ризиками та їх впливу на якість продукції на етапі виготовлення. Визначено, що таке метрологічний ризик, а також джерела його виникнення в умовах виробничих процесів. Особливу увагу приділено процесу управління ризиками, що містить ідентифікацію, оцінювання та моніторинг можливих небезпек. Також проведено аналіз основних міжнародних стандартів, які регулюють управління ризиками, зокрема ISO 9000, ISO 31000, AS4360, COSO ERM, CoCo та IRM, що встановлюють принципи та методи ефективного управління ризиками у різних галузях. Детально описано процес управління ризиками відповідно до вищезгаданих стандартів, зокрема на етапах планування, реалізації, перевірки та коригування заходів щодо зниження ризиків.
У другому розділі досліджено фактори впливу на технологічний процес як джерела метрологічних ризиків, здійснено їх класифікацію на внутрішні та зовнішні. Досліджено специфіку системи оцінювання метрологічних ризиків якості продукції на етапі виготовлення, що відповідає вимогам міжнародних стандартів (ISO 9001, ISO 31000, ISO 31010). Розроблено концепцію управління метрологічними ризиками, що складається з трьох ключових етапів: планування, оцінювання та опрацювання ризиків. На етапі планування визначаються цілі, сфера застосування, учасники процесу та критерії ризику. Під час оцінювання проводиться аналіз, ідентифікація та оцінка ризиків. У роботі наводиться узагальнена блок-схема процесу ідентифікації та аналізу метрологічних ризиків. Додатково використовується граф-модель комплексного метрологічного ризику, що дає змогу візуалізувати рівні взаємодії й взаємозв’язки різних факторів та показників, які формують загальний рівень ризику. На завершальному етапі здійснюється мінімізація ризиків шляхом аналізу пропонованих заходів та їх впливу на виявлені ризики.
В третьому розділі розроблено математичну модель для визначення комплексного показника рівня метрологічного ризику. Запропоновано шкали оцінки значущості наслідків, ймовірності виникнення та виявлення ризиків, які слугують основою для визначення їхнього значення. Розроблено матрицю впливу для визначення вагових коефіцієнтів, що враховують взаємовплив ризиків під час визначення групового показника ризику. Також представлено адаптивну модель, яка об’єднує групові показники в єдиний комплексний, та підходи до встановлення допустимого значення цього показника, що дозволяє кількісно оцінити рівень метрологічного ризику та визначити критичні межі для виробничого процесу.
Запропоновано оцінювати ефективність заходів для мінімізації ризиків, орієнтуючись на два ключові критерії: відносне зменшення комплексного показника ризику та співвідношення витрат на реалізацію заходів до можливих втрат, яких вдалося уникнути. Це дає змогу обґрунтовано вибирати оптимальні стратегії управління метрологічними ризиками та підвищувати ефективність виробничих процесів.
У четвертому розділі представлено метод прогнозування метрологічних ризиків із використанням нейронних мереж для аналізу часових рядів. Досліджено шість моделей, зокрема: Facebook Prophet, Statsmodels SARIMAX, Forecaster Recursive, Forecaster Direct, LGBM Regressor, Linear Regression. Оцінка точності моделей здійснювалася за 4 показниками: середня абсолютна похибка (англ. Mean Absolute Error або MAE), середня відносна похибка (англ. Mean Absolute Percentage Error або MAPE), коренева середньоквадратична похибка (англ. Root Mean Square Error або RMSE) та коефіцієнт кореляції (англ. R square або R2).
