复杂产品的质量控制理论与方法

第1章 绪论
　　随着国际市场竞争的日趋激烈以及我国制造业的升级换代，制造业如何以高质量、低成本、短周期而获得竞争优势，进而实现可持续发展，已成为工业界和学术界极为关注的问题。特别是进入21世纪以来，质量得到了前所未有的重视，著名质量专家朱兰曾说过“21世纪将是质量的世纪”。从现代质量工程的观点来看，产生质量问题的根本原因是波动(variation)。波动就是差异、变化、偏差，尽管无法完全消除波动，但可以减小和控制它。新的质量损失原理表明，只要质量特性偏离其设计目标值，就会造成质量损失，偏离越远，损失越大。因此，为了改进和提高产品质量、降低成本，就必须*大限度地减小和控制围绕产品设计目标值的波动。
　　本章主要介绍复杂产品概述、质量控制理论的发展历程、复杂产品质量控制面临的挑战，以及本书的主要内容和逻辑关系。
　　1.1 复杂产品概述
　　关于复杂产品(complex product， CP)至今没有严格的定义，李伯虎等[1]在集成制造系统中指出：复杂产品是指“客户需求复杂，产品组成复杂，产品技术复杂，制造流程复杂，试验维护复杂，项目管理复杂，工作环境复杂的一类产品，如航天器、卫星、飞机、船舶、复杂机电产品、武器系统、海上石油钻井平台、大型专用装备等”。国外称为复杂产品系统(complex product system， CPS)。
　　Hansen和Rush[2]指出，复杂产品研发投入高、工程和信息技术含量大、客户化程度高。Tu[3]在研究船舶单件生产(one-of-a-kind production， OKP)制造模式时指出：此类产品研制是基于项目(project based)、多组织研制(multi-organization operation)和面向企业(business to business)的过程，产品设计、制造和试验具有并行化、协同化的特征，高度不确定性导致设计、制造和试验的全过程中任何时间都可能发生变化。英国复杂产品创新中心的Nightingale[4]较为全面地总结了复杂产品的特征，指出复杂产品研制过程具有客户介入或参与程度高，甚至带有政府(或第三方)管制和介入，不确定程度高等特点；同时复杂产品研制的组织管理通常是由一家系统集成商和多家核心企业共同承担，需要多组织协调和基于项目管理的环境，从实际效果上看，复杂产品研制在时间、成本、产品质量与可靠性等方面达不到要求，甚至失败的比例很高。Nightingale[4]还指出，英国国防部的25个重大研制项目中，高达90%的项目拖期，甚至失败。例如，波音787客机原计划2008年5月交付，其间8次延期，直到2011年9月才向全日空交付首架波音787客机。
　　在我们调研中国电子科技集团第十四研究所、中航商用航空发动机有限责任公司、中国船舶重工集团公司第七一六研究所等单位时，相关负责人指出：技术储备不足、不系统，新工艺、新技术成熟度不够，导致实际项目充满技术不确定性，因此难以按照包含成熟流程和技术的项目管理方法来预测和实现可控。如何包容这种不确定性、预测和管理风险成为项目管理的高技术。由于整个研制项目跨组织、多层次，组织沟通、协调难度大，从而导致复杂产品研制周期和质量无法保证。上述调研结果验证了复杂产品研制过程的典型特性和复杂性，也反映了复杂产品研制过程中的质量控制是理论和实践中亟待解决的问题。
　　根据国内外相关文献以及企业实际调研，我们认为：复杂产品是指研发投入大、技术含量高、单件或小批量定制生产的大型产品、系统或基础设施，如航天器、飞机、运载火箭、复杂机电产品、大型计算机等；同时，复杂产品也具有相对性，如汽车相对于自行车而言，它是复杂的，而相对于飞机而言，飞机是复杂的。
　　根据定义，复杂产品从制造的角度来看具有两个显著特征。第一个特征是复杂产品通常为小批量甚至同类单件定制化，即OKP模式[3]。OKP*初源自一些重工业领域，如造船业、飞机和电力设施制造业等，这种生产模式不是沿用传统的产品开发流程(从设计、样机、测试到制造)，而是具有以下特点：①一次性成功开发，在整个开发过程中无须生产样机；②产品设计、测试与制造同时进行；③由于产品开发过程中客户需求的不断变更以及复杂供应链存在不确定性因素，产品需求可能随时随地发生变化，因此 OKP生产系统的配置经常发生变化，如变更产品设计或者加工工艺、从系统中增加/移除设备以及变更商业伙伴等。如哈尔滨飞机工业集团有限责任公司的ERJ145新一代涡扇支线飞机和内蒙古第一机械集团有限公司的99式坦克，这两个产品都是复杂机电产品，企业的生产系统都具备OKP模式的上述3个特点。其质量由两个关键技术指标确定，即发动机的可靠性和机(车)身的总装精度。发动机的可靠性主要由设计和制造工艺决定，质量控制对机(车)身的总装精度影响重大。第二个特征是复杂产品的制造具有多工序、高精度、小波动的特点，如飞机和坦克的制造。根据我们对企业的调研，复杂产品也可以抽象为多部件组成的复杂系统，其质量与可靠性通常取决于两个方面：一方面是复杂产品的设计，它与产品的功能设计、制造技术和材料等相关；另一方面是制造过程中有效的质量控制。质量控制的目的在于发现和消除一切可能存在的非随机因素在生产过程中对产品质量特性的影响，旨在减小波动，以确保产品的*终质量。
　　1.2 质量控制理论的发展历程
　　《质量管理体系：基础和术语》(ISO 9000：2015)中明确指出：质量控制是质量管理的一部分，致力于满足质量要求。从狭义上讲，质量控制是一个设定标准(根据质量要求)、分析结果、发现偏差、采取纠正和预防措施的过程。质量控制通常与质量工程技术密切相关，组织通过利用这些技术对产品形成和体系实施的全过程进行控制，找出不满足质量要求的原因并予以消除，以减少损失。从广义上讲，质量控制是指在产品实现的过程中不同阶段所采用的质量工程技术，如图1-1所示。在产品设计与开发阶段所采用的质量工程技术称为质量设计(design for quality)，也称离线质量控制；在生产制造阶段所采用的质量工程技术称为过程控制(process control)，也称在线质量控制。按照时间顺序，质量控制技术在制造业中的应用大体上经历了三个阶段[5]。
　　图1-1 产品形成过程及相应的主要工程技术
　　第一阶段，产品质量检验。抽样检验，就是按照规定的抽样方案和程序，从一批产品或一个过程中抽取一部分样本进行检验，根据检验结果来判定产品批次或过程是否合格的活动。它兴盛于第二次世界大战期间，通过产品检验控制来保证产品质量，当时人们认为“产品质量是检验出来的”。严格地讲，抽样检验并不能提高产品质量。在产品检验过程中，检验所做的工作只是判定产品是否满足规格要求，换句话说，抽样检验只是把产品分类而已，其效果可以通过抽样的操作特性(operating characteristic， OC)曲线反映出来。这里需要说明的是，虽然一些企业已经取消了事后检验，而且美国质量学会(American Society for Quality， ASQ)主办的刊物Journal of Quality Technology已在1986年决定不再刊登关于抽样检验方面的论文，但对于要求高可靠性、高安全性的产品实施检验，甚至百分之百的检验，仍是必需的。此外，对于多数发展中国家的一些中、小企业，由于制造过程能力指数偏低，为保证产品质量，进行事后检验也是必不可少的。
　　第二阶段，过程控制。过程控制既包括统计过程控制(statistical process control， SPC)，也包括自动过程控制(automatic process control， APC)或工程过程控制(engineering process control， EPC)。SPC的基本理论和控制图技术是由休哈特(W. A. Shewhart)于1924年首次提出的，它主要应用于零件工业(part industry)，监控生产过程是否正常运行，若发现异常现象，及时采取纠正措施，保证过程的正常运行。SPC在美国曾经历曲折的发展，自20世纪80年代以来，SPC的研究和应用得到了长足的发展，一方面，由于美国的第二次质量革命重新唤起了人们对质量控制重要性的认识；另一方面，今天应用SPC的环境也极大不同了，如在线测量技术、数据获取，以及分布式计算机系统的广泛应用，这些都极大地改变了过程监测和控制所需数据的技术手段。而APC则通过控制方程，采用前馈或者反馈的方式进行补偿，以满足过程输出的设计要求。APC技术主要应用于过程工业(process industry)。
　　第三阶段，质量设计。要从根本上消除产品缺陷，达到产品的*佳性能，必须探索产品/过程输入与输出响应之间的关系。由于存在着大量的输入变量，以及真实产品/过程的复杂性，从理论上获得输入与输出之间的精确函数关系是相当困难的，有时甚至是不可能的。为解决这一问题，工程技术人员通过统计试验设计的方法，使了解和建模过程输入与输出之间的复杂关系成为可能。试验设计*早由费舍尔(R.A. Fisher)提出，用于农业生产，主要关心农作物的平均产量；直到第二次世界大战后，试验设计的潜力才被工业界所认知，随后以博克斯(G.E.P. Box)为代表的应用统计学家，为了实施质量改进的目的，不仅开始向工程技术人员传授SPC技术，而且进行了大量试验设计的教育和培训。由此，统计在工业界的应用进入质量控制的第三阶段。其目的不仅仅是发现产品缺陷，也是主动预防缺陷产品的出现。它是一种主动的管理方法，采用试验设计、响应曲面、广义线性模型等技术优化产品/过程的性能。直到20世纪80年代，在西方工业界，除一些大的化工公司外，并没有大规模采用试验设计。由于当时田口(Taguchi)方法在美国的传播，工业试验设计重新焕发了生机，现已成为产品和过程改进中研究和应用的焦点问题之一。表1-1给出了质量改进过程中质量控制技术在三个阶段的比较[5]。
　　表1-1 三个质量控制阶段的比较
　　阶段产品质量检验过程控制质量设计思想质量检验质量控制质量设计策略被动预防主动方法探测缺陷预防缺陷消除缺陷目标控制废品维护现状优化技术抽样检验过程控制稳健设计续表
　　阶段产品质量检验过程控制质量设计工具抽样计划控制图或控制方程试验设计基础以数据为基础以信息为基础以知识为基础位置检查点在线离线应用产品过程产品和过程传播期20世纪40年代20世纪60年代20世纪80年代方式一批批产品一条条生产线一个个项目
　　质量技术的应用逐渐趋于产品形成的上游，乃至源头阶段，这就使得*初由“产品质量是检验出来的”转换到“产品质量是制造出来的”，进而到“产品质量是设计和制造出来的”。在英国标准BS 7000《产品设计管理指南》中，曾指出“产品质量是设计质量与制造质量之和”。从以上内容我们也可以清楚地看到，质量控制发展的三个阶段中，质量检验技术已趋于完善，尽管不是当前研究和应用的热点，但这是保证产品质量的*后一道关口。过程控制技术既包括SPC，也包括APC或EPC，以及这两种过程控制技术的整合，用于在线质量监控，维持过程的正常运行。质量设计则主要减少产品/过程的波动，是提高产品质量的主要手段，主要内容包含两个方面：一方面是田口提出的三次设计，即系统设计、参数设计和容差设计，其中核心是参数设计，也称稳健设计(robust design)或稳健参数设计(robust parameter design)；另一方面是试验设计(design of experiment， DOE)，即试验的设计、分析、建模与优化。近年来，这两个方面逐渐融合，如双响应曲面的各种拓展。特别是随着信息技术的发展，出现了计算机试验(computer experiment)，这是试验设计发展的又一重要里程碑，也是该领域的热点问题之一。
　　1.3 复杂产品质量控制面临的挑战
　　针对复杂产品的特征和质量控制技术的发展，现行的质量

《复杂产品的质量控制理论与方法》简述了复杂产品实现过程中质量控制的特点和难点，在经典的质量控制理论框架下，从离线质量控制和在线质量控制的角度，较深入地研究了复杂产品质量控制理论与方法。第1章首先探讨了复杂产品的基本概念，然后介绍了质量控制理论的发展历程。第2章重点介绍波动理论及减小和控制波动的两种途径，为复杂产品质量控制提供理论和方法上的支持。第3、4章重点介绍了复杂产品质量设计的几个基本问题，即质量设计的控制变量筛选、质量设计的经验模型构建。第5～7章重点围绕复杂产品的质量优化和制造过程能力展开研究。复杂产品制造过程的质量监控是质量控制的关键环节之一，面临制造过程的许多自相关、信息繁杂的问题，第8、9章重点围绕自相关过程、多阶段过程的在线调整和质量监控展开研究。同时，维修理论的发展与应用为复杂产品在线质量控制提供了新的监控思路。第10章对批量生产方式和小批量生产方式下两阶段的监控与维修策略展开了详细的探讨，构建了不同维修策略与在线监控策略融合的机制。

目录
第1章 绪论 1
1.1 复杂产品概述 1
1.2 质量控制理论的发展历程 3
1.3 复杂产品质量控制面临的挑战 5
1.4 本书的主要内容和逻辑关系 7
参考文献 9
第2章 质量控制理论基础 10
2.1 产生质量问题的根本原因 10
2.1.1 波动的概念 10
2.1.2 波动引起产品缺陷 10
2.1.3 波动产生的原因 11
2.2 随机波动的统计规律性 12
2.2.1 过程的概念 12
2.2.2 随机波动输出结果的统计规律性 13
2.3 新的质量损失原理 14
2.4 离线质量控制 17
2.4.1 稳健设计的基本原理 17
2.4.2 试验设计的实施过程 18
2.4.3 计算机试验 21
2.5 在线质量控制 22
2.5.1 统计过程控制技术的基本原理 22
2.5.2 控制图失控的判定准则 24
2.5.3 工程过程控制的基本原理 25
参考文献 26
第3章 复杂产品设计阶段的控制变量筛选 28
3.1 基于线性模型的序贯变量筛选 29
3.1.1 序贯分支方法的基本原理及步骤 30
3.1.2 位置效应和散度效应下的因子分类筛选 31
3.1.3 仿真试验 35
3.2 基于广义线性模型的贝叶斯变量筛选 40
3.2.1 广义线性模型的基本理论与方法 41
3.2.2 基于广义线性模型的贝叶斯估计与筛选试验分析 42
3.2.3 Jeffreys先验 43
3.2.4 回归参数的贝叶斯估计 44
3.2.5 MCMC模拟方法 46
3.2.6 实例分析 47
3.2.7 仿真试验分析 52
3.3 基于广义线性模型的两阶段贝叶斯变量筛选 57
3.3.1 贝叶斯模型的选择与评价方法 57
3.3.2 基于广义线性模型的两阶段贝叶斯变量与模型选择方法 59
3.3.3 先验分布的选择 59
3.3.4 两阶段贝叶斯变量与模型选择方法 61
3.3.5 实例分析 63
3.4 基于元模型的贝叶斯变量筛选 67
3.4.1 基于稀疏先验模型的快速贝叶斯回归元建模 67
3.4.2 基于正则化和罚似然框架的讨论 74
3.4.3 试验结果与分析 75
参考文献 86
第4章 复杂产品设计阶段的质量建模 91
4.1 相关多响应情形下的似不相关质量建模 92
4.1.1 SUR模型的贝叶斯推论 92
4.1.2 基于贝叶斯后验区间的稳健优化方法 95
4.1.3 性能评价指标 98
4.1.4 Nd: YLF激光制孔过程研究 99
4.2 结构不确定下的贝叶斯组合质量建模 107
4.2.1 贝叶斯模型平均的基本原理 107
4.2.2 考虑因子效应原则的先验分布选择 108
4.2.3 改进BMA的构建步骤 109
4.2.4 实例分析 110
4.2.5 仿真试验分析 113
4.3 基于包容性检验的质量建模 119
4.3.1 包容性检验的基本原理 119
4.3.2 基于包容性检验的响应曲面建模方法 120
4.3.3 实例分析 122
4.3.4 仿真试验分析 126
4.4 高度非线性的多源组合质量建模 129
4.4.1 常见的单个建模技术 131
4.4.2 所提方法 134
4.4.3 案例研究：激光微钻孔工艺 140
4.4.4 数值例子：再论微钻孔过程 145
4.4.5 结论与讨论 149
参考文献 149
第5章 复杂产品设计阶段的质量优化 154
5.1 考虑位置效应和散度效应的优化策略 155
5.1.1 多元损失函数法 156
5.1.2 稳健损失函数法 158
5.1.3 实例分析 161
5.1.4 方法讨论 167
5.2 稳健性与可靠性并行的优化策略 168
5.2.1 多元质量损失函数 169
5.2.2 结合多元质量损失与贝叶斯后验概率的多响应稳健参数设计 170
5.2.3 实例分析 173
5.2.4 讨论 176
5.3 稳健性与经济性并行的优化策略 178
5.3.1 模型构建 180
5.3.2 参数优化 185
5.3.3 试验分析 185
参考文献 192
第6章 复杂产品制造阶段的选配优化 196
6.1 非正态尺寸零件的选配优化 196
6.1.1 问题背景和数学模型 196
6.1.2 分组优化选配方案求解算法实现 201
6.1.3 数值仿真 208
6.2 多尺寸特性零件的选配优化 210
6.2.1 基于改进田口质量损失模型的多尺寸装配目标函数构建 210
6.2.2 基于NSGA-II的多尺寸链精确选择装配流程 219
6.2.3 实例分析与数值仿真 225
6.3 多目标复杂零件的选配优化 231
6.3.1 CPSAP质量控制模型的框架和实施步骤 231
6.3.2 CPSAP质量控制模型的功能 236
6.3.3 实例分析 239
6.4 多元质量特性零件的选配优化 243
6.4.1 多元质量特性的多目标质量损失函数构建 243
6.4.2 基于SPEA2的多元质量特性的多目标质量损失算法的实现 247
6.4.3 案例分析与数值仿真 258
参考文献 265
第7章 复杂产品制造阶段的过程能力测算 267
7.1 单值数据下的过程能力测算 267
7.1.1 单值数据情况下均值和方差的响应曲面模型 267
7.1.2 基于熵权法的多元过程能力指数 269
7.1.3 基于过程能力指数的多元质量特性稳健参数设计 271
7.1.4 案例分析 273
7.2 区间估计下的过程能力测算 277
7.2.1 单点过程能力指数估计的不足 277
7.2.2 Bootstrap方法 278
7.2.3 过程能力指数Cpk的三种Bootstrap置信区间 279
7.2.4 过程能力指数Cpk的三种改进置信区间 281
7.2.5 仿真研究 283
7.2.6 案例分析 292
7.3 多阶段复杂过程的过程能力测算 294
7.3.1 基于线性状态空间的CPMP模型 297
7.3.2 基于预先指定控制及调整策略的过程变异性 299
7.3.3 CPMPCI的计算 300
7.3.4 案例分析 303
参考文献 306
第8章 复杂产品制造阶段的在线调整 309
8.1 自相关过程的调整策略 309
8.1.1 自相关过程 309
8.1.2 过程的模型描述及参数估计 310
8.1.3 基于序贯蒙特卡罗法的过程调整策略 312
8.1.4 算例 314
8.1.5 仿真分析 317
8.2 随机误差下的调整策略 321
8.2.1 设置调整问题 322
8.2.2 考虑调整随机误差的过程模型及参数估计 323
8.2.3 *优调整策略 325
8.2.4 *优调整策略的实现 327
8.2.5 算例 328
8.2.6 仿真分析 330
8.3 参数已知多变量过程的调整策略 332
8.3.1 过程模型及参数估计 332
8.3.2 *优调整策略 334
8.3.3 *优调整策略的实现 337
8.3.4 算例 338
8.3.5 参数对调整策略效果的影响分析 340
8.3.6 调整效果比较 344
8.4 参数未知多变量过程的调整策略 349
8.4.1 过程模型及参数估计 349
8.4.2 *优调整策略 351
8.4.3 算例 352
8.4.4 调整效果的仿真分析 353
参考文献 356
第9章 复杂产品制造阶段的质量监控 358
9.1 自相关过程的质量监控 358
9.1.1 均值向量的残差控制图理论介绍 359
9.1.2 均值向量的残差控制图理论ARL仿真分析一 362
9.1.3 均值向量的残差控制图理论ARL仿真分析二 367
9.2 两阶段相关过程的质量监控 384
9.2.1 过程模型 384
9.2.2 触发CUSUM-CUSCORE控制图的设计 386
9.2.3 仿真分析 388
9.3 考虑测量误差的质量监控 390
9.3.1 变采样间隔控制图 391
9.3.2 考虑测量误差的变采样间隔控制图设计 393
9.3.3 算例说明 404
9.4 基于机器学习的质量监控 406
9.4.1 诊断制造过程的神经网络方法 407
9.4.2 概率神经网络原理 408
9.4.3 基于概率神经网络控制图模式识别的过程异常诊断 412
参考文献 420
第10章 复杂产品制造阶段的监控与维修策略 422
10.1 批量生产方式下两阶段监控与维修策略 422
10.1.1 一般情形下的成本分析 423
10.1.2 考虑人力成本、生产率以及停时损失情形下的成本分析 438
10.1.3 机会维修策略情形下的成本分析 446
10.2 小批量生产方式下两阶段监控与维修策略 462
10.2.1 问题描述与假设 463
10.2.2 模型构建与求解 463
10.2.3 案例分析与敏感性分析 466
10.3 经济和经济统计视角下两阶段监控与维修策略 474
10.3.1 模型假设 475
10.3.2 模型构建与分析 476
10.3.3 优化策略构建 478
10.3.4 案例分析与敏感性分析 488
参考文献 490