В статье описана научная основа повышения эффективности управления сварочными работами путем интеллектуальной поддержки принятия решений. Задачами, стоящими перед сварочным производством, являются повышение качества готового изделия, обеспечение надежности, безопасности и безотказности. Для решения перечисленных задач, целесообразно рассматривать сварочное производство как сложную организационную систему, требующую эффективного управления. Критерием качества сварочных работ является минимизация количества и размеров дефектов сварных швов. Основной причиной возникновения дефектов часто является человеческий фактор, проявляющийся в недостаточной квалификации сварщиков или нерациональном распределении сварщиков на работы руководителем. Представленная в статье концепция позволяет повысить эффективность управления обучения сварщиков с использованием алгоритмов роевого интеллекта и рационального распределения заданий между на основе эволюционного моделирования. Основой концепции становится замкнутый контур управления обеспечивающий непрерывный цикл «обучение-контроль-распределение-обратная связь». Выводы: предложенный алгоритм распределения сварочных работ обеспечивает снижение количества дефектов сварных соединений на 20-30% за интеллектуальной поддержки принятия решений при организации обучения сварщиков и распределения сварочных работ между исполнителями.
This article presents a scientific basis for improving the efficiency of welding work management through intelligent decision support. The tasks facing welding production are to improve the quality of the finished product and ensure reliability, safety, and faultless operation. To solve these tasks, it is advisable to consider welding production as a complex organizational system that requires effective management. The quality criterion for welding work is the minimization of the number and size of weld seam defects. The main cause of defects is often the human factor, which may be reflected in insufficient qualification of welders or the manager’s irrational allocation of welders to tasks. The concept presented in the article makes it possible to improve the efficiency of welder training management using swarm intelligence algorithms and the rational allocation of tasks based on evolutionary modelling. The basis of the concept is a closed-loop control system that ensures a continuous “training-control-allocation-feedback” cycle. The findings state that the proposed algorithm for assigning welding tasks makes it possible to reduce the number of weld joint defects by 20-30% through intelligent decision support in organizing welder training and assigning welding tasks among the performers.