ЦИФРОВОЙ КОНТУР УПРАВЛЕНИЯ КАЧЕСТВОМ НА ОСНОВЕ KPI, CAPA И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ПРЕДПРИЯТИИ АТОМНОГО ПРОФИЛЯ

В статье представлен методический подход к формированию цифрового контура управления качеством на предприятии атомного профиля на основе стандартизации KPI, управления корректирующими и предупреждающими действиями (CAPA) и применения аналитических инструментов искусственного интеллекта. Исследование основано на данных за 2020-2024 гг., включающих показатели охраны труда и производственной безопасности, LTIFR, дозовый контроль персонала группы А, экологические показатели, а также сценарную экономическую оценку внедрения цифрового контура качества. Показано, что показатели безопасности, радиационного и экологического контроля могут рассматриваться как практические метрики устойчивости системы управления качеством. За анализируемый период число несчастных случаев снизилось с 1-2 случаев в 2020-2021 гг. до нулевых значений в 2022-2024 гг., а показатель LTIFR уменьшился с 0,28 до 0,00. Радиационные показатели находились ниже контрольного уровня 10 мЗв/год, однако максимальные дозы до 5,2 мЗв подтверждают необходимость управления локальными эпизодами, а не только средними значениями. Экологические KPI демонстрируют межгодовую волатильность, что обосновывает необходимость порогового контроля и анализа причин отклонений.

Предложена логика цифрового контура «KPI – пороги – отклонение – CAPA – проверка эффективности – аудит», в которой ИИ используется как надстройка для выявления аномалий, приоритизации разборов и классификации причин. Экономическая оценка показывает, что при CAPEX 30 млн тг и OPEX 6 млн тг/год расчётный срок окупаемости составляет около 1,67 года, а в консервативном варианте – около 2,5 года. Полученные результаты подтверждают целесообразность поэтапного внедрения цифрового контура качества: от стандартизации данных и CAPA к аналитике и предиктивным моделям.

1. Gueorguiev T. An approach to integrate Artificial Intelligence in ISO 9001-based quality management systems / T. Gueorguiev // Measurement: Sensors. – 2025. – Article 101787. https://doi.org/10.1016/j.measen.2024.101787.

2. The Quality 4.0 Roadmap: Designing a capability roadmap toward quality management in Industry 4.0 / A.M. Carvalho et al // Quality Management Journal. – 2024. – Vol. 31(2). – P. 117-137. https://doi.org/10.1080/10686967.2024.2317478.

3. Sader S. A review of quality 4.0: definitions, features, technologies, applications, and challenges / S. Sader, I. Husti, M. Daroczi // Total Quality Management & Business Excellence. – 2022. – Vol. 33(9-10). – P. 1164-1182. https://doi.org/10.1080/14783363.2021.1944082.

4. Tercan H. Machine learning and deep learning based predictive quality in manufacturing: a systematic review / H. Tercan, T. Meisen // Journal of Intelligent Manufacturing. – 2022. – Vol. 33. – P. 1879-1905. https://doi.org/10.1007/s10845-022-01963-8.

5. Artificial Intelligence in manufacturing: State of the art, perspectives, and future directions / R.X. Gao et al // CIRP Annals. – 2024. – Vol. 73(2). – P. 723-749. https://doi.org/10.1016/j.cirp.2024.04.101.

6. A review of explainable artificial intelligence in smart manufacturing / A. Puthanveettil Madathil et al // International Journal of Production Research. – 2025. – Vol. 63(23). – P. 8654-8697. https://doi.org/10.1080/00207543.2025.2513574.

7. Human-in-the-loop machine learning: a state of the art / E. Mosqueira-Rey et al // Artificial Intelligence Review. – 2023. – Vol. 56. – P. 3005-3054. https://doi.org/10.1007/s10462-022-10246- w.

8. Data Quality Assessment in Smart Manufacturing: A Review / T. Peixoto et al // Systems. – 2025. – Vol. 13(4), Article 243. https://doi.org/10.3390/systems13040243.

9. Data governance & quality management-Innovation and breakthroughs across different fields / B.M.V. Bernardo et al // Journal of Innovation & Knowledge. – 2024. – Vol. 9(4), Article 100598. https://doi.org/10.1016/j.jik.2024.100598.

10. Arunagiri T. Enhancing Pharmaceutical Product Quality With a Comprehensive Corrective and Preventive Actions (CAPA) Framework: From Reactive to Proactive / T. Arunagiri, K.P. Kannaiah, M. Vasanthan // Cureus. – 2024. – Vol. 16(9). – P. e69762. https://doi.org/10.7759/cureus.69762.