復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評估及預(yù)警方法

尹 超，甘德文，梁忠權(quán)，費(fèi)逸超

（重慶大學(xué) 機(jī)械傳動國家重點(diǎn)實(shí)驗(yàn)室，重慶 400044）

0 引言

復(fù)雜機(jī)電產(chǎn)品是由多種類型的機(jī)加零件、電子元器件、原輔材料組合成機(jī)械結(jié)構(gòu)、控制裝置、電器設(shè)備等若干部件，再由部件按照一定裝配序列組成復(fù)雜結(jié)構(gòu)的裝配體，具有制造成本高、裝配周期長、質(zhì)量要求高等特點(diǎn)［1－2］。復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序的物料質(zhì)量包含該工序所需物料的數(shù)量、型號、規(guī)格和配送時(shí)間。物料質(zhì)量損失是指企業(yè)在生產(chǎn)和經(jīng)營過程和活動中，由于物料質(zhì)量問題而導(dǎo)致的損失，主要表現(xiàn)在以下兩方面：①有形損失，由于物料質(zhì)量問題而直接發(fā)生的費(fèi)用，如直接經(jīng)濟(jì)損失、質(zhì)量問題處理成本等；②無形損失，是指由于顧客不滿意而發(fā)生的未來銷售的損失、因物料問題產(chǎn)生的供應(yīng)鏈斷裂及對其后續(xù)工序產(chǎn)生的影響等。在復(fù)雜機(jī)電產(chǎn)品裝配過程中，關(guān)鍵工序物料一旦出現(xiàn)質(zhì)量異常問題，不僅對產(chǎn)品穩(wěn)定性和可靠性造成重大影響，還將對企業(yè)在后續(xù)裝配工序生產(chǎn)、產(chǎn)品延期交付賠償、客戶滿意度等方面帶來重大的有形和無形質(zhì)量損失。因此，對復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失進(jìn)行有效的評估及預(yù)警，為其異常問題的事前預(yù)防控制提供決策支持，已成為復(fù)雜機(jī)電產(chǎn)品制造企業(yè)迫切需要解決的重要問題之一。

近年來，國內(nèi)外專家和學(xué)者對產(chǎn)品裝配工序物料質(zhì)量方面的研究主要集中在物料質(zhì)量的實(shí)時(shí)監(jiān)控和跟蹤追溯等方面。文獻(xiàn)［3］考慮到物料在采購、入口檢驗(yàn)、配送環(huán)節(jié)存在不完善質(zhì)檢的情況，建立了以產(chǎn)品缺陷損失值最小為目標(biāo)函數(shù)的裝配關(guān)鍵節(jié)點(diǎn)質(zhì)量控制模型，通過模型的分析實(shí)現(xiàn)了關(guān)鍵裝配工序物料質(zhì)量異常的有效控制；文獻(xiàn)［4］對高頻采集到的裝配質(zhì)量數(shù)據(jù)自相關(guān)性進(jìn)行探索和研究，應(yīng)用統(tǒng)計(jì)分析法實(shí)現(xiàn)了對裝配工序物料質(zhì)量狀態(tài)的有效監(jiān)控；文獻(xiàn)［5］提出一種動態(tài)可調(diào)的主元分析（DRPCA）方法，實(shí)現(xiàn)了產(chǎn)品裝配工序物料質(zhì)量的多元監(jiān)控；文獻(xiàn)［6］針對汽車安全氣囊裝配線物料種類繁多與質(zhì)量追蹤困難的問題，建立了基于條碼追蹤技術(shù)的裝配工序物料質(zhì)量追蹤系統(tǒng)；文獻(xiàn)［7］基于工作流技術(shù)，構(gòu)建了一個(gè)面向復(fù)雜產(chǎn)品裝配過程的控制與管理系統(tǒng)，對復(fù)雜產(chǎn)品裝配工序物料質(zhì)量數(shù)據(jù)進(jìn)行統(tǒng)一監(jiān)控管理；文獻(xiàn)［8］基于多物料清單（Bill of Material，BOM）的集成，實(shí)現(xiàn)了復(fù)雜產(chǎn)品裝配進(jìn)度控制和裝配工序物料質(zhì)量信息追溯等。

綜上所述，國內(nèi)外在裝配工序物料質(zhì)量的實(shí)時(shí)監(jiān)控和跟蹤追溯方面進(jìn)行了大量的研究，并取得了良好的應(yīng)用效果。但綜合考慮關(guān)鍵裝配工序物料質(zhì)量損失的各影響因素、對關(guān)鍵裝配工序物料質(zhì)量損失進(jìn)行有效評估及預(yù)警的研究還不多。本文借鑒以上研究成果，結(jié)合復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失的構(gòu)成及特點(diǎn)，對復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評估及預(yù)警方法進(jìn)行了探索和研究，為關(guān)鍵裝配工序物料質(zhì)量異常問題的事前預(yù)防控制提供決策支持。

1 復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評估及預(yù)警方法的總體思路

本文針對復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評估及預(yù)警方法的總體研究思路為：通過部署在復(fù)雜機(jī)電產(chǎn)品裝配關(guān)鍵工序現(xiàn)場的多功能交互式終端，實(shí)時(shí)采集物料質(zhì)量損失影響因素信息；根據(jù)模糊數(shù)學(xué)理論，建立關(guān)鍵裝配工序物料質(zhì)量損失五維度評價(jià)指標(biāo)體系，并應(yīng)用層次分析法確定各評價(jià)指標(biāo)常權(quán)值；然后基于變權(quán)重模糊綜合評判法定期對關(guān)鍵裝配工序物料質(zhì)量損失進(jìn)行模糊綜合評價(jià)，得出關(guān)鍵裝配工序物料質(zhì)量損失評估的時(shí)間序列值；最后應(yīng)用遺傳反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)預(yù)測模型對關(guān)鍵裝配工序物料質(zhì)量損失評估的時(shí)間序列值進(jìn)行預(yù)測，并建立關(guān)鍵裝配工序物料質(zhì)量損失預(yù)警圖，為關(guān)鍵裝配工序物料質(zhì)量異常問題的事前預(yù)防控制提供決策支持?？傮w思路如圖1所示。

本文提出的復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料損失評估及預(yù)警管理方法具有以下特點(diǎn)：

（1）基于多功能信息交互終端的復(fù)雜機(jī)電產(chǎn)品裝配過程關(guān)鍵工序物料質(zhì)量異常信息實(shí)時(shí)采集方式，具有采集效率高、信息準(zhǔn)確性高等特點(diǎn)。在復(fù)雜機(jī)電產(chǎn)品制造企業(yè)生產(chǎn)過程中，各種質(zhì)量信息一直沿用傳統(tǒng)的手工紙質(zhì)采集方式，存在采集效率低、信息準(zhǔn)確性差等問題，筆者所在課題組前期發(fā)明的多功能交互式信息終端（專利號ZL02113585．1）通過USB接口與各種外接設(shè)備集成，如IC卡讀卡器、條碼掃描槍等，實(shí)現(xiàn)生產(chǎn)過程信息的實(shí)時(shí)動態(tài)采集和高效傳遞，彌補(bǔ)了裝配過程關(guān)鍵工序物料質(zhì)量異常信息手工紙質(zhì)采集方式存在的缺陷［9］。

（2）基于多功能信息交互終端采集到的復(fù)雜機(jī)電產(chǎn)品裝配過程關(guān)鍵工序物料質(zhì)量異常問題種類繁多，且不同的關(guān)鍵裝配工序物料質(zhì)量問題在不同的維度上對關(guān)鍵裝配工序物料質(zhì)量損失具有不同程度的影響，因此需要建立一套科學(xué)完善的關(guān)鍵裝配工序物料質(zhì)量損失評價(jià)指標(biāo)體系。本文綜合考慮復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失的各影響因素，從直接經(jīng)濟(jì)損失、物料質(zhì)量問題處理開支、后續(xù)裝配工序生產(chǎn)影響、供應(yīng)鏈損失、客戶滿意度損失等方面，建立了關(guān)鍵裝配工序物料質(zhì)量損失的五維度模糊綜合評價(jià)指標(biāo)體系。

（3）層次分析法確定的評價(jià)指標(biāo)權(quán)重向量，即常權(quán)向量，只是反映一種理想狀態(tài)下各評價(jià)指標(biāo)之間的相對重要程度，這決定了層次分析法在工程應(yīng)用中不能提供更具合理性的權(quán)重向量，而本文應(yīng)用的變權(quán)重模糊綜合評判法引入了變權(quán)處理思想，在質(zhì)量損失模糊綜合評判過程中對指標(biāo)權(quán)重值進(jìn)行變權(quán)處理，使復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失的評估結(jié)果更具合理性。

（4）應(yīng)用遺傳BP神經(jīng)網(wǎng)絡(luò)對關(guān)鍵裝配工序物料質(zhì)量損失時(shí)間序列值進(jìn)行預(yù)測，并建立損失預(yù)警圖，實(shí)現(xiàn)復(fù)雜機(jī)電產(chǎn)品裝配過程關(guān)鍵工序物料質(zhì)量異常問題的事前預(yù)警監(jiān)控。在利用訓(xùn)練樣本數(shù)據(jù)確定復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失預(yù)測模型的輸入權(quán)值和閾值時(shí)，BP算法的訓(xùn)練是基于誤差梯度下降的權(quán)重修改原則，不可避免地存在落入局部最小點(diǎn)問題，從而影響全局優(yōu)化，而遺傳算法善于全局搜索，通過遺傳算法和BP算法的結(jié)合實(shí)現(xiàn)了優(yōu)勢互補(bǔ)，提高了復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失時(shí)間序列值的預(yù)測準(zhǔn)確度。

2 復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評價(jià)指標(biāo)體系建立

復(fù)雜機(jī)電產(chǎn)品裝配過程關(guān)鍵工序物料質(zhì)量損失的影響因素是多方面的，筆者通過分析總結(jié)了對復(fù)雜機(jī)電產(chǎn)品裝配過程關(guān)鍵工序物料質(zhì)量損失影響較大的幾個(gè)因素，如表1所示。在表1影響程度欄中給出了物料質(zhì)量損失與各影響因素的關(guān)系，如原材料欄中，將其分為無缺陷和有缺陷，有缺陷又可分為輕微缺陷和嚴(yán)重缺陷，通過分析原材料信息，就可以得到其對物料質(zhì)量損失的影響大小。

表1 關(guān)鍵裝配工序物料質(zhì)量損失影響因素

復(fù)雜機(jī)電產(chǎn)品裝配過程關(guān)鍵工序物料質(zhì)量異常問題一旦發(fā)生，則不僅需要消耗與占用企業(yè)的相應(yīng)資源，對關(guān)鍵裝配工序物料質(zhì)量問題進(jìn)行處理，而且在后工序生產(chǎn)、供應(yīng)鏈、客戶滿意度等方面給企業(yè)造成較為嚴(yán)重的有形和無形的損失。因此，對復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失進(jìn)行評估，要綜合考慮關(guān)鍵裝配工序物料質(zhì)量損失的各影響因素，才能提高評估的科學(xué)性和準(zhǔn)確性。根據(jù)復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失的構(gòu)成和特點(diǎn)，筆者發(fā)現(xiàn)復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失主要包括直接經(jīng)濟(jì)損失、質(zhì)量問題處理成本、后續(xù)工序影響、供應(yīng)鏈損失和客戶滿意度損失五個(gè)方面，具體分析如下：

（1）直接經(jīng)濟(jì)損失L 關(guān)鍵工序物料質(zhì)量異常問題直接導(dǎo)致企業(yè)產(chǎn)品無法按時(shí)交付，從而產(chǎn)生經(jīng)濟(jì)賠償，同時(shí)可能導(dǎo)致因故停機(jī)等情況，進(jìn)而給企業(yè)帶來直接經(jīng)濟(jì)損失。

（2）質(zhì)量問題處理成本D 關(guān)鍵裝配工序物料質(zhì)量異常問題處理過程需要占用并消耗企業(yè)有限的資源，如在問題處理過程中需要額外的質(zhì)量檢測設(shè)備、質(zhì)量問題管理及處理人員和該過程中關(guān)鍵工序額外配送所需的物料，上述問題都會產(chǎn)生一定的質(zhì)量問題處理成本。

（3）后續(xù)工序影響I 關(guān)鍵工序物料質(zhì)量異常問題一旦發(fā)生，一方面嚴(yán)重影響后續(xù)工序的進(jìn)度，另一方面后續(xù)工序的裝配人員及所需設(shè)備都要做出相應(yīng)的調(diào)整，并且會增加因物料延期產(chǎn)生的管理成本。

（4）供應(yīng)鏈損失S 關(guān)鍵裝配工序物料質(zhì)量異常問題對供應(yīng)商及整個(gè)供應(yīng)鏈關(guān)系都會造成嚴(yán)重影響，例如企業(yè)信用度降低、采購部門審核任務(wù)所需的任務(wù)管理及操作人員增加、企業(yè)失去合作機(jī)會等。

（5）客戶滿意度損失C 關(guān)鍵工序物料質(zhì)量異常問題的發(fā)生會直接導(dǎo)致產(chǎn)品無法按時(shí)交付給相應(yīng)客戶，從而使客戶對該企業(yè)多方面的能力都會提出質(zhì)疑，根據(jù)ACSIM（American customer satisfaction index model）模型［10］，筆者總結(jié)了如下幾方面的影響：客戶質(zhì)疑企業(yè)無法按時(shí)履行合同并影響客戶自身工作進(jìn)度；客戶質(zhì)疑供應(yīng)商所提供產(chǎn)品的質(zhì)量；客戶質(zhì)疑是否繼續(xù)選擇該企業(yè)等，上述問題都會對客戶滿意度造成嚴(yán)重?fù)p失。

通過對復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失的影響因素及物料質(zhì)量損失的主要組成部分進(jìn)行分析，建立了如圖2所示的質(zhì)量損失五維度評價(jià)指標(biāo)體系。在圖2中，各一級評價(jià)指標(biāo)Ui（i＝1，…，5）受多個(gè)二級評價(jià)指標(biāo)uij（j∈Ni，Ni為二級指標(biāo)數(shù)）影響。

應(yīng)用上述評價(jià)指標(biāo)體系對關(guān)鍵裝配工序物料質(zhì)量損失進(jìn)行評估，需定義質(zhì)量損失評語集。評語集是對關(guān)鍵裝配工序物料質(zhì)量損失描述的模糊集合，結(jié)合復(fù)雜機(jī)電產(chǎn)品制造企業(yè)對關(guān)鍵裝配工序物料質(zhì)量損失的分類，將評語集定義為Q＝｛q1～很大，q2～比較大，q3～一般，q4～輕微，q5～無損失｝；對各個(gè)評語集賦予相應(yīng)的量化值，以實(shí)現(xiàn)關(guān)鍵裝配工序物料質(zhì)量損失從定性描述到定量描述的轉(zhuǎn)變：λ＝（λ1，λ2，λ3，λ4，λ5）＝（9，7，5，3，1）。

建立關(guān)鍵裝配工序物料質(zhì)量損失評價(jià)指標(biāo)體系，定義關(guān)鍵裝配工序物料質(zhì)量損失評語集后，各一級評價(jià)指標(biāo)的評價(jià)矩陣

表2 定量型二級評價(jià)指標(biāo)和轉(zhuǎn)換等級的關(guān)系

評價(jià)矩陣Ri是由二級指標(biāo)uij對評語集中各評語的隸屬度向量構(gòu)成的，定性型二級評價(jià)指標(biāo)可采用專家打分法確定其隸屬度向量，而定量型二級評價(jià)指標(biāo)的隸屬度向量可通過轉(zhuǎn)換等級進(jìn)行確定，即根據(jù)定量型二級評價(jià)指標(biāo)的不同取值區(qū)間將其劃分為不同的轉(zhuǎn)化等級，如表2所示，企業(yè)管理者根據(jù)關(guān)鍵裝配工序物料質(zhì)量異常問題處理歷史數(shù)據(jù)與管理經(jīng)驗(yàn)，給出各轉(zhuǎn)化等級對評語集中各評語的隸屬度向量，如表3所示，則定量型二級評價(jià)指標(biāo)的隸屬度向量即可通過查表確定。評價(jià)矩陣Ri中的元素rijk滿足

表3 轉(zhuǎn)換等級對評語集中各評語的隸屬度取值表

3 基于變權(quán)重模糊綜合評判法的復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評估

（1）復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量評價(jià)指標(biāo)變權(quán)向量確定

層次分析法確定的一級指標(biāo)權(quán)重向量V＝（v1，v2，v3，v4，v5）和二級指標(biāo)權(quán)重向量＝（，…，，…），即常權(quán)向量，只是反映一種理想狀態(tài)下各級評價(jià)指標(biāo)之間的相對重要程度，即各個(gè)一級評價(jià)指標(biāo)或二級評價(jià)指標(biāo)在同等重要的情況下兩兩相互比較而確定的權(quán)重向量，這決定了層次分析法在工程應(yīng)用中不能提供更具合理性的權(quán)重向量。針對該問題，文獻(xiàn)［11］在層次分析法確定評價(jià)指標(biāo)的常權(quán)向量的基礎(chǔ)上，根據(jù)工程實(shí)際情況提出了變權(quán)思想，并通過實(shí)際工程應(yīng)用驗(yàn)證了變權(quán)處理后的模糊綜合評價(jià)結(jié)果更具合理性。本文借鑒文獻(xiàn)［11］的研究成果并結(jié)合復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評價(jià)指標(biāo)體系的特點(diǎn)，對復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評價(jià)指標(biāo)權(quán)重值進(jìn)行變權(quán)處理，即在常權(quán)向量的基礎(chǔ)上適當(dāng)加大處于最差影響程度的一級評價(jià)指標(biāo)或二級評價(jià)指標(biāo)權(quán)重值，使復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失模糊綜合評價(jià)結(jié)果更趨合理。以一級指標(biāo)U1中包含的二級指標(biāo)（u11，u12，u13）的常權(quán)向量）為例，對變權(quán)處理過程進(jìn)行說明，具體如下：

假設(shè)二級指標(biāo)（u11，u12，u13）的常權(quán)向量（v11，v12，v13）經(jīng)過變權(quán)處理后的權(quán)重向量為（w11，w12，w13），則

式中：φj為評價(jià)指標(biāo)u1j對評語集Q的模糊綜合評價(jià)值，即為函數(shù)，,其中：

（2）對各一級評價(jià)指標(biāo)進(jìn)行模糊綜合評價(jià)

對各一級評價(jià)指標(biāo)的模糊綜合評價(jià)，就是求出各一級評價(jià)指標(biāo)對評語集中各評語的隸屬度向量，計(jì)算公式為：式中：Ai（i＝1，…，5）為二級指標(biāo)uij相對于一級指標(biāo)Di的權(quán)重向量，其中Ai＝ （ai1，ai2，…，aij）；aij＝，wij（j∈Ni）為vij由式（1）變權(quán)處理后的權(quán)重值。

（3）對復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失進(jìn)行模糊綜合評價(jià)

以一級指標(biāo)評價(jià)結(jié)果 R＝［N1，N2，N3，N4，N5］T作為評價(jià)矩陣，由模糊綜合評價(jià)計(jì)算公式（式（3））計(jì)算出復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失對評語集Q中各個(gè)評語的隸屬度向量M＝（m1，m2，m3，m4，m5），

式中W＝（w1，w2，w3，w4，w5）為一級評價(jià)指標(biāo)常權(quán)向量V通過式（1）變權(quán)處理后的權(quán)重向量，采用式（1）對二級評價(jià)指標(biāo)權(quán)重向量進(jìn)行變權(quán)處理時(shí)，式（1）中的 為一級評價(jià)指標(biāo)對評語集Q的模糊綜合φj評價(jià)值，即φj＝Nj·λT（j＝1，…，5）。

最后，根據(jù)式（4）可得到復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失值

按照上述變權(quán)重模糊綜合評判法，對復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失進(jìn)行定期評估，即可得到關(guān)鍵裝配工序物料質(zhì)量損失的時(shí)間序列值，。從而有效支持關(guān)鍵裝配工序物料質(zhì)量損失的預(yù)測

4 基于遺傳BP神經(jīng)網(wǎng)絡(luò)的復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失預(yù)警技術(shù)

對基于變權(quán)重模糊綜合評判法求出的復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失時(shí)間序列值進(jìn)行預(yù)測，并建立預(yù)警圖，可為復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量異常問題的事前預(yù)防控制提供決策支持。由Hornik定理可知，只有一個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)足夠以理想精度逼近一個(gè)連續(xù)函數(shù)，可采用三層BP神經(jīng)網(wǎng)絡(luò)作為復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失預(yù)測模型。在利用訓(xùn)練樣本數(shù)據(jù)確定神經(jīng)網(wǎng)絡(luò)各神經(jīng)元的輸入權(quán)值和閾值時(shí)，由于BP算法的訓(xùn)練是基于誤差梯度下降的權(quán)重修改原則，不可避免地存在落入局部最小點(diǎn)問題，影響全局優(yōu)化，而遺傳算法善于全局搜索，遺傳算法和BP算法的結(jié)合實(shí)現(xiàn)了優(yōu)勢互補(bǔ)［12］。因此，采用遺傳算法優(yōu)化后的三層BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對關(guān)鍵裝配工序物料質(zhì)量損失時(shí)間序列值進(jìn)行預(yù)測，可以提高預(yù)測值的準(zhǔn)確度。

（1）復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失預(yù)測模型的建立

由經(jīng)驗(yàn)公式a1＝＋d（a1為隱含層神經(jīng)元個(gè)數(shù)，b為輸入層神經(jīng)元個(gè)數(shù)；a為輸出層神經(jīng)元個(gè)數(shù)；d為1～10的常數(shù)）建立5－12－1三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)預(yù)測模型，如圖3所示。由于預(yù)測模型的輸入和輸出值在［0，1］之間，傳遞函數(shù)采用連續(xù)可微的Log－Sigmoid函數(shù)

為方便起見，在預(yù)測模型中，把隱含層與輸出層各神經(jīng)元的閾值寫入連接權(quán)中，模型各層參數(shù)算式說明如下：

（1）輸 入 層 輸 入 矢 量 X＝ （x1，x2，x3，x4，x5）T；設(shè)輸入學(xué)習(xí)樣本為x1，x2，…，xm 。

（2）隱含層 將隱含層各神經(jīng)元閾值設(shè)為θj＝w0j（j＝0，1，…，12），x0＝－1。輸入層到隱含層的連接權(quán)重為wkj（k＝0，1，2，…，5）；則隱含層神經(jīng)元輸出值可表示為uj＝，輸入學(xué)習(xí)樣本對應(yīng)的期望輸出為

（3）輸出層 輸出層只有一個(gè)神經(jīng)元，令其閾值θt＝＝－1；則隱含層到輸出層的連接權(quán)重可表示為（j＝0，1，2，3，…，12），因此輸出值為y1，y2，…，ym 。

（2）預(yù)測模型中各神經(jīng)元輸入權(quán)值和閾值的確定

根據(jù)建立的預(yù)測模型和確定的傳遞函數(shù)，利用訓(xùn)練樣本數(shù)據(jù)確定各神經(jīng)元的輸入權(quán)值和閾值。在此利用遺傳算法優(yōu)化三層BP網(wǎng)絡(luò)的各神經(jīng)元的權(quán)值和閾值，再利用BP算法對各神經(jīng)元的權(quán)值和閾值進(jìn)行計(jì)算確認(rèn)。簡要操作步驟如下：

步驟1 隨機(jī)產(chǎn)生初始解群體；采用實(shí)數(shù)編碼直接將神經(jīng)網(wǎng)絡(luò)中的權(quán)值和閾值即wtj與wkj，轉(zhuǎn)換成遺傳空間中的染色體 X（t）＝｛x1（t），x2（t），x3（t），…，x85（t）｝，即種群規(guī)模為85。

步驟3 計(jì)算X′（t）中所有個(gè)體的適應(yīng)度值，采取最優(yōu)保留策略得到下一代種群X（t＋1）。因?yàn)楸舅阕拥慕徊孀儺愂腔谡娲M(jìn)行的，為避免丟掉最佳染色體，適應(yīng)值最大的染色體直接進(jìn)入下一代。

步驟4 用訓(xùn)練樣本對群體X（t＋1）中的個(gè)體所代表的神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行訓(xùn)練；計(jì)算輸出層的期望輸出值和實(shí)際值的誤差MSE。若滿足MSE＜ε（ε為大于0的給定的一個(gè)小數(shù)），則停止學(xué)習(xí)，否則轉(zhuǎn)步驟2，繼續(xù)進(jìn)化。

（3）復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失預(yù)警

應(yīng)用訓(xùn)練好的遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測模型，對基于變權(quán)重模糊綜合評判法得出的復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失的時(shí)間序列值進(jìn)行滾動預(yù)測，并建立預(yù)警圖，決策者就能夠直觀地了解各關(guān)鍵裝配工序物料質(zhì)量損失值的大小以及未來走勢，為作出物料質(zhì)量異常問題事前預(yù)防控制的決策提供參考依據(jù)，及時(shí)采取相應(yīng)的措施，避免和減少關(guān)鍵裝配工序物料質(zhì)量異常情況的發(fā)生，如圖4所示。

5 應(yīng)用案例

本文研究成果已在貴陽某復(fù)雜機(jī)電產(chǎn)品制造企業(yè)得到了應(yīng)用。該企業(yè)主要生產(chǎn)航天器、醫(yī)療器械、電冰箱等復(fù)雜機(jī)電產(chǎn)品，其產(chǎn)品裝配過程具有裝配物料種類多、裝配周期長、管理任務(wù)繁重等特點(diǎn)。由于企業(yè)對關(guān)鍵裝配工序物料質(zhì)量損失缺乏有效的評估及預(yù)警方法，不能對關(guān)鍵裝配工序物料質(zhì)量異常問題進(jìn)行事前預(yù)防控制，導(dǎo)致關(guān)鍵裝配工序物料質(zhì)量損失達(dá)到了較高級別，大大增加了企業(yè)的制造成本，降低了產(chǎn)品市場競爭力。為此，該企業(yè)應(yīng)用本文的研究成果取得了良好的應(yīng)用效果。下面以某型號航天器產(chǎn)品電纜組裝這一關(guān)鍵裝配工序的物料質(zhì)量損失評估及預(yù)警過程為例，對所提方法在企業(yè)中的應(yīng)用過程進(jìn)行闡述，主要實(shí)現(xiàn)步驟如下：

（1）復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評價(jià)數(shù)據(jù)表的確定

為有效評估電纜組裝關(guān)鍵裝配工序物料質(zhì)量損失，該企業(yè)建立了如圖2所示的質(zhì)量損失評價(jià)指標(biāo)體系。專家充分考慮基于多功能信息交互終端實(shí)時(shí)采集的物料質(zhì)量損失的影響因素信息，通過定性和定量相結(jié)合的方式，確定質(zhì)量損失評價(jià)指標(biāo)體系中各二級評價(jià)指標(biāo)的隸屬度向量，構(gòu)成質(zhì)量損失評價(jià)數(shù)據(jù)表。表4為2012年1月2日～6日這一生產(chǎn)周期內(nèi)，電纜組裝關(guān)鍵裝配工序物料質(zhì)量損失評價(jià)數(shù)據(jù)表。

在表4中，對于定性型的二級評價(jià)指標(biāo)，組織多名熟悉企業(yè)產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失構(gòu)成與特點(diǎn)的專家，通過專家打分法確定其隸屬度向量。對于定量型二級評價(jià)指標(biāo)的隸屬度向量，通過轉(zhuǎn)換等級實(shí)現(xiàn)：①根據(jù)二級評價(jià)指標(biāo)取值區(qū)間的不同劃分為七個(gè)不同的轉(zhuǎn)化等級（Ⅰ級～Ⅶ級），如表2所示；②由企業(yè)管理人員結(jié)合關(guān)鍵裝配工序物料質(zhì)量異常問題處理過程中積累的歷史數(shù)據(jù)，給出各轉(zhuǎn)化等級對評語集中各評語的隸屬度向量，如表3所示；③結(jié)合表2與表3，即可得到定量型二級評價(jià)指標(biāo)對評語集中各評語的隸屬度向量。

表4 電纜組裝關(guān)鍵裝配工序物料質(zhì)量損失評價(jià)數(shù)據(jù)表

（2）復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失模糊綜合評判

首先，采用層次分析法確定各評價(jià)指標(biāo)常權(quán)向量，并應(yīng)用式（1）對常權(quán)向量進(jìn)行變權(quán)處理，得到二級評價(jià)指標(biāo)權(quán)重值（0．145，0．116，0．029，0．054，0．108，0．041，0．067，0．076，0．047，0．029，0．038，0．026，0．052，0．033，0．019，0．024，0．030，0．018，0．048）和一級評價(jià)指標(biāo)權(quán)重值（0．29，0．27，0．19，0．13，0．12）。

其次，由式（2）計(jì)算出各二級評價(jià)指標(biāo)對評語集中各評語的隸屬度向量Ni（i＝1，2，3，4，5），從而得出該生產(chǎn)周期內(nèi)電纜組裝關(guān)鍵裝配工序物料質(zhì)量損失的評價(jià)矩陣

表5 電纜組裝關(guān)鍵裝配工序物料質(zhì)量損失值的時(shí)間序列表

最后，應(yīng)用復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失的模糊綜合評價(jià)式（3），得出電纜組裝關(guān)鍵裝配工序物料質(zhì)量損失對評語集中各個(gè)評語的隸屬度向量 M＝（0．058，0．091，0．168，0．271，0．412）。然后，根據(jù)式（4）計(jì)算出2012年1月2日～6日這一生產(chǎn)周期內(nèi)，電纜組裝關(guān)鍵裝配工序物料的質(zhì)量損失的值為φ＝0．265。

（3）復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失值的時(shí)間序列表的建立

按照上述變權(quán)重模糊綜合評判法的評估步驟，評估出每個(gè)生產(chǎn)周期內(nèi)該型號航天產(chǎn)品的電纜組裝關(guān)鍵裝配工序物料質(zhì)量損失值，構(gòu)成電纜組裝裝配工序物料質(zhì)量損失值的時(shí)間序列表。表5為2012年50個(gè)連續(xù)的生產(chǎn)周期內(nèi)電纜組裝裝配工序物料質(zhì)量損失值時(shí)間序列表。

（4）復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失預(yù)警

采用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱對時(shí)間序列進(jìn)行預(yù)測，其中BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的迭代次數(shù)設(shè)為10 000，誤差精度設(shè)為0．05，將表6中的50個(gè)電纜組裝裝配工序物料質(zhì)量損失值作為學(xué)習(xí)樣本數(shù)據(jù)。圖5為神經(jīng)網(wǎng)絡(luò)輸出誤差達(dá)到設(shè)定誤差的變化過程曲線圖。

圖6為50個(gè)學(xué)習(xí)樣本值與經(jīng)過訓(xùn)練后的預(yù)測模型輸出值的比較曲線圖，觀察圖6中的兩條擬合曲線可知，該預(yù)測模型對電纜組裝裝配工序物料質(zhì)量損失值的預(yù)測具有較高的預(yù)測精度。

應(yīng)用訓(xùn)練好的預(yù)測模型對第51～第55個(gè)生產(chǎn)周期電纜組裝關(guān)鍵裝配工序物料質(zhì)量損失進(jìn)行預(yù)測，預(yù)測結(jié)果如圖7所示，對應(yīng)的預(yù)測值如表6所示。

表6 電纜組裝裝配工序物料質(zhì)量損失預(yù)測值

從表6可知，在預(yù)測的5個(gè)生產(chǎn)周期內(nèi)，電纜組裝關(guān)鍵裝配工序物料質(zhì)量損失值都達(dá)到了警戒級。企業(yè)經(jīng)分析發(fā)現(xiàn)，造成這一現(xiàn)象的主要原因是由于電纜組裝關(guān)鍵裝配工序的某電子元器件質(zhì)量存在缺陷，該型號的電子元器件質(zhì)量在第50個(gè)生產(chǎn)周期之前的時(shí)間內(nèi)達(dá)到企業(yè)要求，企業(yè)管理人員放松了對該電子元器件的管理。在今后的生產(chǎn)周期，企業(yè)將對該電子元器件在采購、出入庫檢驗(yàn)、物料配送等環(huán)節(jié)加強(qiáng)質(zhì)量檢驗(yàn)，并與供應(yīng)商進(jìn)行協(xié)調(diào)溝通，對存在問題的電子元器件進(jìn)行返修或更換，有效避免不合格電子元器件進(jìn)入產(chǎn)品裝配線，從而降低關(guān)鍵裝配工序物料質(zhì)量異常問題給企業(yè)造成的綜合質(zhì)量損失。

6 結(jié)束語

本文針對復(fù)雜機(jī)電產(chǎn)品裝配過程中關(guān)鍵裝配工序物料質(zhì)量異常問題給企業(yè)在產(chǎn)品裝配進(jìn)度、物料質(zhì)量問題處理開支、供應(yīng)鏈管理、客戶滿意度等方面帶來重大的有形和無形質(zhì)量損失，導(dǎo)致企業(yè)制造成本增加和產(chǎn)品市場競爭力降低的問題，提出了一種集裝配過程物料質(zhì)量異常信息實(shí)時(shí)采集、質(zhì)量損失綜合評估、質(zhì)量損失預(yù)警為一體的復(fù)雜機(jī)電產(chǎn)品關(guān)鍵裝配工序物料質(zhì)量損失評估及預(yù)警方法，建立了關(guān)鍵裝配工序物料質(zhì)量損失的評價(jià)指標(biāo)體系，研究了基于變權(quán)重模糊綜合評判方法的關(guān)鍵裝配工序物料質(zhì)量損失評估、基于遺傳BP神經(jīng)網(wǎng)絡(luò)的關(guān)鍵裝配工序物料質(zhì)量損失預(yù)警等關(guān)鍵技術(shù)。通過在貴陽某復(fù)雜機(jī)電產(chǎn)品制造企業(yè)的實(shí)際應(yīng)用，驗(yàn)證了本文研究成果的可行性和實(shí)用性。

隨著網(wǎng)絡(luò)化制造模式的發(fā)展，其理論及技術(shù)日漸完善，本文所提出的方法也將得到不斷充實(shí)。課題組后續(xù)研究將圍繞面向網(wǎng)絡(luò)化外協(xié)質(zhì)量損失和預(yù)警平臺及相關(guān)關(guān)鍵技術(shù)等方面持續(xù)展開。

［1］ ZHONG Jue．Design theory and method of complex electromechanical coupling system［M］．Beijing：China Machine Press，2007（in Chinese）．［鐘 掘．復(fù)雜機(jī)電系統(tǒng)耦合設(shè)計(jì)理論與方法［M］．北京：機(jī)械工業(yè)出版社，2007．］

［2］ ZHANG Genbao，ZENG Haifeng，WANG Guoqiang，et al．Decoupling model of quality characteristics for complicated electromechanical products［J］．Journal of Chongqing University，2010，33（5）：7－15（in Chinese）．［張根保，曾海峰，王國強(qiáng)，等．復(fù)雜機(jī)電產(chǎn)品質(zhì)量特性解耦模型［J］．重慶大學(xué)學(xué)報(bào)，2010，33（5）：7－15．］

［3］ KO J，NAZARIAN E，WANG H，et al．An assembly decomposition model for subassembly planning considering imperfect inspection to reduce assembly defect rates［J］．Journal of Manufacturing Systems，2013，32（3）：412－416．

［4］ LIU Mingzhou，ZHAO Zhibiao，GE Maogen，et al．Research of correlation－model between qualities attributes and quality control points in assembly process of the complex product based on network flow［J］．Advanced Materials Research，2012，403－408：3015－3021．

［5］ DIAO Guangzhou，ZHAO Liping，YAO Yiyong．The dynamic regulated PCA for multivariate autocorrelation process quality control method［J］．Journal of Xi’an Jiaotong University，2013，47（3）：1－7（in Chinese）．［刁廣州，趙麗萍，要義勇．動態(tài)可調(diào)主元分析的多元自相關(guān)質(zhì)量控制方法［J］．西安交通大學(xué)學(xué)報(bào)，2013，47（3）：1－7．］

［6］ SHI X J，LI F T，ZHANG Y，et al．Quality control and tracing system of automotive airbag flexible assembly line［J］．Key Engineering Materials，2011，455：66－71，DOI：10．4028/www．scientific．net/KEM．455．66．

［7］ LIU Jianhua，DING Xiangfeng，YUAN Ding，et al．Computer aided assembly process control ＆management system for complex product［J］．Computer Integrated Manufacturing Systems，2010，16（8）：1622－1633（in Chinese）．［劉檢華，丁向峰，袁 丁，等．復(fù)雜產(chǎn)品計(jì)算機(jī)輔助裝配過程控制與管理系統(tǒng)［J］．計(jì)算機(jī)集成制造系統(tǒng)，2010，16（8）：1622－1633．］

［8］ CHANG Zhiyong，ZHAO Jie，MO Rong．Digital technology of assembly executing for complicated product［J］．Journal of Nanjing University of Aeronautics ＆Astronautics，2009，41（5）：564－569（in Chinese）．［常智勇，趙 杰，莫 容．復(fù)雜產(chǎn)品裝配執(zhí)行數(shù)字化技術(shù)［J］．南京航空大學(xué)學(xué)報(bào)，2009，41（5）：564－569．］

［9］ LIU Fei，YAN Ping，HE Deqiang．Multi－function interactive information terminal in networked mfg system：China，ZL02113585．1［P］．ZL02113585．2003－10－22（in Chinese）．［劉

飛，鄢 萍，賀德強(qiáng)．網(wǎng)絡(luò)化制造系統(tǒng)中的多功能交互式信息終端：中國，發(fā)明專利公開號ZL02113585．1［P］．2003－10－22．］

［10］ GAO Jinsong，XU Jinhui，ZHOU Zibo，et al．Customer sat－isfaction evaluation for mobile commerce based on fuzzy comprehensive evaluation［C］//Proceedings of the 2008International Symposium on Electronic Commerce and Security．Washington，D．C．，USA：IEEE，2008：679－682．

［11］ HE Zhongming，F(xiàn)U Hongyuan，QIN Yanqi．Classification of water environment around highway in karst area with twostage fuzzy synthetic judgment method with changing weight value［J］．Journal of Central South University：Science and Technology，2012，43（2）：702－708（in Chinese）．［何忠明，付宏淵，秦艷琪．基于變權(quán)重二級模糊綜合評判的巖溶區(qū)路域水環(huán)境分類［J］．中南大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，43（2）：702－708．］

［12］ WANG Deming，WANG Li，ZHANG Guangming．Shortterm wind speed forecast model for wind farms based on genetic BP neural network［J］．Journal of Zhejiang University：Engineering Science，2012，46（5）：837－904（in Chinese）．［王德明，王 莉，張廣明．基于遺傳BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測模型［J］．浙江大學(xué)學(xué)報(bào)：工學(xué)版，2012，46（5）：837－904．］

［13］ PENDHARKAR P．Misclassification cost minimizing fitness functions for genetic algorithm－based artificial neural network classifiers［J］．Journal of the Operational Research Society，2009，60（8）：1123－1134．