人工智能技術(shù)在航天質(zhì)量管理領(lǐng)域的應(yīng)用初探

杜朋 王飛 張鎮(zhèn)琦 張丁磊 陳敏

（北京宇航系統(tǒng)工程研究所，北京，100076）

人工智能技術(shù)是讓機器像人類一樣具有思考和推理能力的智能技術(shù)。人工智能萌芽于20世紀50年代，經(jīng)過了低谷蕭條期、黃金發(fā)展期，現(xiàn)在已在多個領(lǐng)域開花結(jié)果，如人臉識別、自動駕駛、寫詩作畫、機器翻譯等諸多方面，其中AlphaGo更是依托人工智能技術(shù)戰(zhàn)勝了圍棋世界冠軍。

與此同時，中國航天事業(yè)快速發(fā)展，航天產(chǎn)品的高可靠性對質(zhì)量管理提出了很高的要求。雖然質(zhì)量制度與標準已很完善，但很多研制環(huán)節(jié)依然離不開人工管理，這種管理具有成本高、易出錯、一致性差、管理不到位等問題。隨著型號種類日益增多、發(fā)射密度不斷升高，以人監(jiān)督為主的質(zhì)量管理模式效率有限。項目質(zhì)量管理人員往往被事務(wù)性、重復(fù)性工作纏身，在型號質(zhì)量管理中很難發(fā)揮自身專業(yè)優(yōu)勢。航天型號研制過程中產(chǎn)生的知識類資料、工程數(shù)據(jù)規(guī)模越來越龐大，技術(shù)人員、質(zhì)量人員分析數(shù)據(jù)的難度較大。應(yīng)用人工智能技術(shù)是解決上述問題的最佳技術(shù)途徑。

1 人工智能的支撐技術(shù)

人工智能應(yīng)用的三要素包括算法、算力和數(shù)據(jù)。以數(shù)據(jù)為基礎(chǔ)，通過算法構(gòu)建模型，依托物理硬件進行計算和輸出，實現(xiàn)記憶、判斷和預(yù)測。

人工智能算法支撐技術(shù)主要包括二叉樹、支持向量機、隨機森林、神經(jīng)網(wǎng)絡(luò)模型等，其中神經(jīng)網(wǎng)絡(luò)模型應(yīng)用最為廣泛，適應(yīng)性最好、綜合效果最優(yōu)。神經(jīng)網(wǎng)絡(luò)算法又包括長短記憶神經(jīng)網(wǎng)絡(luò)LSTM、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、深度神經(jīng)網(wǎng)絡(luò)CNN、對抗神經(jīng)網(wǎng)絡(luò)GAN等。

人工智能算力支撐技術(shù)主要依據(jù)處理器芯片。目前谷歌、蘋果、英特爾、高通、英偉達、阿里巴巴、百度等科技企業(yè)均自主研發(fā)人工智能芯片，為人工智能發(fā)展提供算力支撐。

數(shù)據(jù)是人工智能的靈魂。當(dāng)算法和硬件固定時，輸入什么樣的數(shù)據(jù)進行學(xué)習(xí)就會產(chǎn)生相應(yīng)的輸出。航天質(zhì)量管理領(lǐng)域經(jīng)過較長時間的積累，質(zhì)量管理已擁有較為成熟完善的質(zhì)量管理體系、豐富的標準/規(guī)范、完善的規(guī)章制度等指導(dǎo)性文件資料。隨著質(zhì)量管理工作的開展，各個院所逐步積累了大量技術(shù)、產(chǎn)品的質(zhì)量過程數(shù)據(jù)。這些將是航天人工智能質(zhì)量管理系統(tǒng)的重要素材。

2 在航天領(lǐng)域里的應(yīng)用案例設(shè)想

2.1 質(zhì)量管理知識問答系統(tǒng)

以GJB 9001C質(zhì)量體系、航天行業(yè)標準、院所標準、規(guī)章制度及紅頭文件等質(zhì)量管理材料為主要學(xué)習(xí)庫，建立質(zhì)量管理智能問答系統(tǒng)。通過對質(zhì)量管理知識的學(xué)習(xí)和訓(xùn)練，實現(xiàn)對質(zhì)量管理文件的整理、記憶和掌握。當(dāng)質(zhì)量管理人員遇到專業(yè)領(lǐng)域的困惑時，可以向系統(tǒng)進行提問，智能問答系統(tǒng)進行相應(yīng)的解答。目前在醫(yī)學(xué)領(lǐng)域，智能機器人通過對醫(yī)學(xué)知識進行學(xué)習(xí)，以優(yōu)秀的成績順利通過了執(zhí)業(yè)醫(yī)師資格綜合筆試，筆者認為，將該醫(yī)學(xué)智能機器人背后的模型改進升級后即可用于質(zhì)量管理知識智能問答系統(tǒng)。

2.2 智能評審系統(tǒng)

航天質(zhì)量管理的評審?fù)ǔＶ敢徊糠謱＜覍夹g(shù)報告進行評議和審查，進而對技術(shù)或產(chǎn)品進行質(zhì)量把關(guān)的過程，一般采取會議的形式。依托人工智能技術(shù)，以標準/規(guī)范、專業(yè)領(lǐng)域知識和已有的評審記錄（評審記錄一般包括會議記錄、專家意見、意見答復(fù)情況、評審報告、參會人員信息等）為學(xué)習(xí)資料構(gòu)建評審系統(tǒng)。智能評審系統(tǒng)分為初級階段和高級階段。初級階段，智能評審系統(tǒng)實現(xiàn)對報告的文章結(jié)構(gòu)、標準符合性等常見或低級錯誤初步篩查，經(jīng)過修改完善后再提交會議評審。通過系統(tǒng)初檢可以避免部分錯誤帶入評審會場，提高報告質(zhì)量，也能提升會議效率和效果。高級階段，智能評審系統(tǒng)完全取代專家書面評審，通過對報告的讀取、審查，準確的給出專家意見，從管理和技術(shù)兩個角度提出問題和改進方案。

2.3 質(zhì)量問題智能管理系統(tǒng)

通過對航天歷史上有關(guān)質(zhì)量問題的學(xué)習(xí)，構(gòu)建質(zhì)量問題智能管理系統(tǒng)，實現(xiàn)對質(zhì)量問題發(fā)生情況進行預(yù)測并給出相應(yīng)、有效的質(zhì)量管理預(yù)防措施。學(xué)習(xí)材料一般包括專業(yè)領(lǐng)域知識、雙歸零標準要求、近20年來質(zhì)量問題技術(shù)歸零報告和管理歸零報告等。質(zhì)量問題智能管理系統(tǒng)可以預(yù)測近半年、1年的質(zhì)量形勢，指出近期質(zhì)量管理的薄弱環(huán)節(jié)、需要加強質(zhì)量管控的型號或項目、即將頻繁暴露問題的產(chǎn)品名稱、近期或未來質(zhì)量管控不到位的外協(xié)配套單位。質(zhì)量問題智能管理系統(tǒng)能夠準確地對當(dāng)期質(zhì)量形勢進行評價、對未來質(zhì)量形勢進行預(yù)測。

2.4 智慧質(zhì)量體系審核平臺

質(zhì)量體系審核過程是企業(yè)為了確認質(zhì)量體系各要素是否按照計劃有效開展質(zhì)量活動，是否達到了規(guī)定的質(zhì)量目標而進行的檢查和評價活動。該過程是一個固定的工作過程，且流程較為清楚，一般先審核企業(yè)（組織）的質(zhì)量體系完整和正確性，然后對標質(zhì)量體系條款，被審核單位提供相應(yīng)的見證材料，最后審核員審查見證材料是否有效落實了質(zhì)量體系要求。審核材料作為歷史數(shù)據(jù)供給智慧質(zhì)量體系審核平臺，審核材料包括GJB 9001C質(zhì)量體系標準、航天集團院所質(zhì)量體系文體、標準規(guī)范、檢查條款、見證材料等內(nèi)容。從航天總體技術(shù)單位、設(shè)計單位、生產(chǎn)單位方面，按照分工進行分類；從電氣類、結(jié)構(gòu)類、動力類等方面，從主營產(chǎn)品進行分類。通過分類，智慧質(zhì)量體系審核平臺可以更加準確的制定審核計劃并實施有效的審核檢查，發(fā)現(xiàn)質(zhì)量管理體系的薄弱環(huán)節(jié)。

2.5 智能檢驗機器人

智能檢驗機器人可以識別鑄件、焊縫等生產(chǎn)加工缺陷，通過對電氣產(chǎn)品測試數(shù)據(jù)或試驗曲線的分析自動評價產(chǎn)品性能，通過與航天型號 （項目）的設(shè)計文件比對，對設(shè)計正確性進行確認把關(guān)。生產(chǎn)加工缺陷識別檢驗機器人主要對歷史缺陷進行學(xué)習(xí)，例如貯箱焊接裂紋X光圖片、接頭鑄造孔洞熒光照片。電氣產(chǎn)品試驗過程中采集數(shù)據(jù)量較大的時候，人很難識別出產(chǎn)品的性能不穩(wěn)定或性能下降，但依托智能檢驗機器人可以有效發(fā)現(xiàn)產(chǎn)品性能優(yōu)劣的蛛絲馬跡。同專業(yè)不同型號或不同產(chǎn)品的設(shè)計文件部分內(nèi)容上會有所差異，但很多方面有著相通的特性，通過智能檢驗機器人進行學(xué)習(xí)比對，對設(shè)計文體的正確性給出評價和意見，供設(shè)計人員參考和改進。

2.6 飛行試驗數(shù)據(jù)智慧利用軟件

運載火箭點火、起飛、將衛(wèi)星送入預(yù)定軌道的過程中，火箭的測量系統(tǒng)會獲取大量的飛行試驗數(shù)據(jù)，包括錄像、圖片、曲線、單獨的數(shù)據(jù)等。當(dāng)火箭發(fā)射失利時，測量系統(tǒng)返回的飛行試驗數(shù)據(jù)更加珍貴。飛行試驗數(shù)據(jù)智慧利用包括2個方面：①對當(dāng)期飛行過程的評價，確認發(fā)動機、慣性組件、機構(gòu)、火工品是否按照設(shè)計值進行了工作，并檢查是否存在薄弱環(huán)節(jié)；②對當(dāng)期飛行數(shù)據(jù)進行挖掘，發(fā)現(xiàn)火箭改進的思路和方向。通過對多發(fā)次、多型號歷史飛行數(shù)據(jù)的智慧分析，進一步探尋數(shù)據(jù)底層的物理邏輯，輸出結(jié)果將成為提高火箭可靠性和運載能力以及技術(shù)改進升級的寶貴依據(jù)。

3 機遇與挑戰(zhàn)

3.1 機遇方面

人工智能技術(shù)傳統(tǒng)難點在于底層的復(fù)雜數(shù)學(xué)算法，包括高階偏微分方程求解、非線性函數(shù)的尋求最優(yōu)解等，這些傳統(tǒng)難點導(dǎo)致質(zhì)量管理人員對人工智能的應(yīng)用望而卻步。近幾年隨著人工智能技術(shù)的進步和發(fā)展，把數(shù)學(xué)問題交給數(shù)學(xué)專業(yè)人員解決，將高級復(fù)雜的數(shù)據(jù)算法集成、打包為工具箱、工具包，只需要調(diào)用即可。應(yīng)用人員更多精力放在流程實現(xiàn)、業(yè)務(wù)端的開發(fā)，不必過多在意復(fù)雜數(shù)學(xué)公式的求解工作。谷歌人工智能團隊開源的TensorFlow平臺、Facebook人工智能研究院開源的PyTorch計算包等算法平臺都給人工智能的實現(xiàn)提供了極大的便利。

復(fù)雜的算法、海量的數(shù)據(jù)對計算器的要求越來越高。優(yōu)化圖形應(yīng)用程序和游戲的專用數(shù)字芯片，即圖形處理器 （Graphics Processing Units，GPUs），正在成為深度學(xué)習(xí)和計算應(yīng)用的高效芯片； 張 量 處 理 單 元 （Tensor Processing Unit，TPU）的出現(xiàn)進一步提高了計算效率，為人工智能的部署提供便利。計算器的快速發(fā)展將推動人工智能在質(zhì)量管理領(lǐng)域應(yīng)用。

3.2 挑戰(zhàn)方面

在數(shù)據(jù)訓(xùn)練之前，人工智能算法猶如大腦一片空白的小孩。訓(xùn)練和學(xué)習(xí)的數(shù)據(jù)是孩子的教材，數(shù)據(jù)的數(shù)量和質(zhì)量決定了學(xué)習(xí)效果。我國航天領(lǐng)域已有60多年的發(fā)展歷史，大量的歷史質(zhì)量數(shù)據(jù)將成為人工智能應(yīng)用的基礎(chǔ)。但搜集、整理數(shù)據(jù)的工作量較為龐大；同時，人工智能中監(jiān)督學(xué)習(xí)模式，需要對數(shù)據(jù)進行標注，數(shù)據(jù)分類和標注工作量也較為龐大。因此，人工智能在航天質(zhì)量管理領(lǐng)域的應(yīng)用過程中仍需要投入一定的人力、物力。

人工智能技術(shù)是21世紀關(guān)鍵技術(shù)之一，已廣泛應(yīng)用到醫(yī)藥、先制造、金融、家居、零售等很多領(lǐng)域。人工智能憑借低成本高效率、加速創(chuàng)新、深度分析等優(yōu)勢也將在航天質(zhì)量管理領(lǐng)域有著越來越多的應(yīng)用。