Investigation of Defect Compensation in the Manufacture of a Batch of Units in Flexible Production

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The problem of manufacturing a certain number of high-quality products in flexible discrete industries is considered. Since a certain number of products always goes to waste, it is necessary to provide for the manufacture of an excess number of products, which will require an additional number of blanks, resources, etc. The problem is studied using a modeling methodology that allows analyzing the efficiency of automation of a given set of technological operations at the initial stage of technological preparation of flexible production.

About the authors

N. I. Aristova

Institute of Control Sciences of the Russian Academy of Sciences

Author for correspondence.
Email: avtprom@ipu.ru

PhD

Russian Federation, Moscow

References

  1. Botín-Sanabria, D.M. 2022. Digital Twin Technology Challenges and Applications: A Comprehensive Review. Remote Sens. 14:1335-1359.
  2. Kuehner, K.J and et al. 2021. Digital Twin: Finding Common Ground – A Meta-Review. Procedia CIRP. 104(11):1227-1232.
  3. Rossmann, A., D. Hertweck. 2022. Digital Twins: A Meta-Review on Their Conceptualization, Application, and Reference Architecture. Hawaii International Conference on System Sciences. Proceedings. 4518-4527.
  4. Grieves, M. 2022. Intelligent Digital Twins and the Development and Management of Complex Systems. Digital Dwin Electronic Journal. Available at: https://digitaltwin1.org/articles/2-8/v1. (Accessed January 25, 2023).
  5. Dozortsev V., et al. 2021.Digital twins in industrial process engineering // In: Proc. SCIFI-IT'21 Conference, Ghent, Belgium. 37-42.
  6. Wilking, F., et al. 2021.Digital Twins – Definitions, Classes and Business Scenarios for Different Industry Sectors. In: Proc. International Conference on Engineering Design (ICED21). 1293-1302.
  7. Newrzella, S.R., et al. 2021. 5-dimension cross-industry Digital Twin applications model and analysis of Digital Twin classification terms and models. IEEE Access. 9:131306-131321.
  8. Shen, M., et al. 2021. Digital Twin: What It Is, Why Do It, Related Challenges, and Research Opportunities for Operations Research. SSRN Electronic Journal. Available at: https://ssrn.com/abstract=3777695. (Accessed January 25, 2023).
  9. Aristova, N.I. 2014. Upravlenie urovnem avtomatizatii pri proizvodstve avtomatov. Veroytnostnay chema. [Management of the level of automation in the production of automatic machines. Probabilistic scheme]. Informationnye tehnologii i vychislitelnye sistemy [Information technology and computing systems]. 2:17–22.
  10. Aristova, N.I. 2015. Upravlenie urovnem avtomatizatii pri proizvodstve avtomatov. Ierarhicheskay chema. [Management of the level of automation in the production of automatic machines. Hierarchical scheme]. Informationnye tehnologii i vychislitelnye sistemy [Information technology and computing systems]. 1:77–82.
  11. Aristova, N.I., V.M. Chadeev. 2020. Povyshenie effectivnosti tehnologicheskoi podgotovki proizvodstva za schet ucheta veroyatnostei kachestvennogo izgotovleniy izdelia na etape otrabotki konstrukchii izdelia na tehnologichnost [Increasing the efficiency of technological preparation of production by taking into account the probabilities of high-quality manufacturing of the product at the stage of testing the design of the product for manufacturability]. Datchiki i sistemy. [Sensors and systems]. 12:40–46.
  12. Aristova, N.I., V.M. Chadeev. 2021. Metod bystrogo ochenivaniy tehnologichnosti konstrukchii izdelia s uchetom veroyatnostei kachestvennoi raboty avtomatizirovannyh sredstv proizvodstva. [A method for quickly assessing the manufacturability of a product design, taking into account the probabilities of high-quality work of automated production tools]. Datchiki i sistemy. [Sensors and systems]. 1:65–71.
  13. Feller, W. 1984. Vvedenie v teoriyu veroyatnostey i ee prilozheniya. Vvedenie v teoriyu veroyatnostei i ee prilojeniya. [An Introduction to Probability Theory and its Applications]. Vol. 2. Moscow: Mir Publ., 1984. 751 p.

Supplementary files

Supplementary Files
Action
1. JATS XML


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».