doi: 10.52899/24141437_2025_04_565
UDK: 681.3.088.8

Impact Analysis of Measurement Error on Selective Measurement Reliability

Самаров Е. К., Ионченкова Я. Ю. Article language:
Citation Link: Samarov EK, Ionchenkova YaYu. Impact Analysis of Measurement Error on Selective Measurement Reliability. Transactions of the Saint Petersburg State Marine Technical University. 2025;4(4):565–570. DOI: 10.52899/24141437_2025_04_565 EDN: XTIFNH

Annotation

Актуальность. В условиях серийного или массового производства контроль качества готовой продукции чаще всего осуществляется выборочным методом измерений. Такой подход применяется в основном для сокращения затрат или в ситуациях, когда проведение сплошного контроля невозможно. В рамках этого метода из производственной партии случайным образом отбирается определенное количество изделий, у которых затем измеряются параметры, отражающие качество. Полученные значения сравниваются с допустимыми нормами, определенными нормативной документацией. Если количество изделий с несоответствующими показателями в выборке не превышает установленного порога, вся партия считается соответствующей требованиям. В противном случае партия признается браком, что может повлечь за собой значительные экономические издержки. Следовательно, анализ влияния погрешности измерений на достоверность выборочных результатов, безусловно, является актуальным. Цель ― исследовать влияние погрешности измерений на достоверность результатов выборочного контроля. Методы. Предлагается использовать метод имитационного моделирования, с применением стохастической модели погрешности измерений. Результаты. Моделирование процедуры контроля на компьютере позволило не только исследовать зависимость искомых рисков от среднеквадратических отклонений нормального распределения погрешности измерений, но и объем контролируемой выборки, которые обеспечат требуемое допустимое значение риска заказчика. Заключение. Полученные в работе результаты показывают, что рассмотренные имитационные модели измерительного многопараметрического контроля позволяют не только исследовать влияние погрешности измерений на достоверность результатов выборочного контроля, но и разрабатывать эффективные планы контроля, основанные на экономико-математических моделях Keywords: measurement error; simulation modeling; test sample size.

Bibliography

1. Lapidus VA, Rozno MI, Glazunov AV, et al. Statistical Product Quality Control Based on the Priority Distribution Principle. Moscow: Finansy i Statistika; 1991.
2. GOST R ISO 3951-1—2015. Statistical Methods. Quantitative Acceptance Quality Control. General Requirements. Part 1. Requirements for single-step plans based on the allowable level of nonconformity (AQL) when controlling consecutive batches based on a single characteristic and a single AQL. Moscow: Standartinform; 2015.
3. GOST R 50779.53-98 Statistical methods. Acceptance quality control by quantitative characteristics. General requirements. Part 1. Standard deviation is known. Moscow: Standartinform; 1998.
4. Rozno MI. Ensuring quality assurance at the stages of product creation. Methods of “built-in quality”. Methods of quality management. 2019;special issue:19-25. EDN: YSBHZZ
5. Lapidus VA, Kastorskaya LV, Serov ME, Voinova EG. Quality Assurance of Products, Processes, and Quality Management Systems in Vertically Integrated Structures. Quality Management Methods. 2018;5:36-43. EDN: XMGXYD
6. Lapidus VA, Kastorskaya LV, Serov ME, Voinova EG. Principles and Approaches of Quality Assurance Management. Quality Management Methods. 2018;7:36-42. EDN: XRUESL
7. Forward Planning of Product Quality and Management Plan. APQP. Reference Guide. Nizhny Novgorod: LLC SMC “Priority”; 2012.