| 2026, 10 октябрь (October) |
|
DOI: 10.14489/hb.2026.10.pp.051-056 Вавилин Я. А., Исковская А. А. Аннотация. Представлен разработанный алгоритм расчета интегрального комплексного показателя (ИКП) качества продукции, сочетающий методы многокритериальной оптимизации и машинного обучения. Научная новизна работы заключается в разработке методики агрегации разнородных показателей качества (технических, экономических, потребительских) в единый адаптивный критерий. Методика сочетает экспертный метод анализа иерархий для формирования начальных весовых коэффициентов и механизм их последующей корректировки на основе ретроспективных данных о фактических результатах (брак, рекламации, удовлетворенность). Теоретически обоснована структура алгоритма, обеспечивающая переход от реактивного контроля к предиктивному управлению качеством. Показано теоретическое превосходство подхода над традиционными методами благодаря учету нелинейных зависимостей между параметрами и адаптации к изменяющимся условиям рынка и производства. Ключевые слова: интегральный показатель качества; управление качеством; многокритериальная оптимизация; машинное обучение; метод анализа иерархий; предиктивная аналитика; процесс принятия решений.
Abstract. The article presents the developed algorithm for calculating the integral complex indicator of product quality, combining the methods of multi-criteria optimization and machine learning. The scientific novelty of the work lies in the development of a methodology for aggregating heterogeneous quality indicators (technical, economic, consumer) into a single adaptive criterion. The methodology combines an expert method of hierarchy analysis to form initial weighting coefficients and a mechanism for their subsequent adjustment based on retrospective data on actual results (marriage, complaints, satisfaction). The structure of the algorithm, which ensures the transition from reactive control to predictive quality management, is theoretically substantiated. The theoretical superiority of the approach over traditional methods is shown due to the consideration of nonlinear dependencies between parameters and adaptation to changing market and production conditions. Keywords: Integral quality indicator; Quality management; Multi-criteria optimization; Machine learning; Hierarchy analysis method; Predictive analytics; Decision-making process.
РусЯ. А. Вавилин, А. А. Исковская (Брянский государственный технический университет, Брянск, Россия) E-mail: Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра. EngA. A. Iskovskaya, Ya. A. Vavilin (Bryansk State Technical University, Bryansk, Russia) E-mail: Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра.
Рус1. Podvezko V. Application of AHP Technique // Journal of Business Economics and Management. 2009. Vol. 10, Is. 2. P. 181 – 189. Eng1. Podvezko, V. (2009). Application of AHP technique. Journal of Business Economics and Management, 10(2), 181–189.
РусСтатью можно приобрести в электронном виде (PDF формат). DOI: 10.14489/hb.2026.10.pp.051-056 Скопируйте DOI статьи и перейдите по ссылке https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-spravochnik-inzhenernyy-zhurnal В комментарии к заказу обязательно укажите DOI статьи. .
EngThis article is available in electronic format (PDF). DOI: 10.14489/hb.2026.10.pp.051-056 Copy the article DOI and follow the link https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-spravochnik-inzhenernyy-zhurnal Please specify the article DOI in the order comments. .
|
Current Issue
Разработка концепции и создание сайта - ООО «Издательский дом «СПЕКТР»