基于數據驅動的航天產品質量管理初探

袁雙喜 /中國運載火箭技術研究院

李文釗、連彥澤、王曉鵬 /北京宇航系統工程研究所

經過60 多年的接續奮斗，我國航天事業得到了飛速發展，航天產品質量得到有效提升，2018 年首次實現運載火箭發射次數全球第一，有效支撐了“北斗”三號全球導航系統順利建成、“嫦娥”四號探測器首次實現月背面著陸和開展科學試驗等國家重大工程建設。然而，航天事業具有高風險的特點始終沒有改變，傳統上依靠人員加班加點保質量、保成功的質量管理模式已經難以支撐航天事業快速、高效發展的需要。隨著信息化和智能化時代的到來，推行基于“數據驅動”的質量管理具備了一定條件。

一、基于“數據驅動”的質量管理模式和方法

基于“數據驅動”的質量管理就是通過對產品質量數據的采集，對數據進行組織形成信息，對信息進行整合、提煉，通過訓練和擬合形成自動化的決策模型，最后通過人工智能的方式做出最終的質量決策。在新情況下，當新的質量數據輸入的時候，系統可以用以往建立的模型以人工智能的方式直接進行決策，如圖1所示。

采用基于“數據驅動”的質量管理方法，通過對產品質量數據的采集、加工、處理，自動進行質量判斷和決策，可以顯著提高質量管理的效率和效益。然而，當前航天產品還存在大量質量數據不檢測、記錄不量化、未電子化、傳遞渠道不暢通等問題，推行基于“數據驅動”的質量管理工作既具有必要性，又具有艱巨性和長期性，需要扎扎實實從各相關環節采取措施。

筆者針對“長征”三號乙運載火箭典型產品，按照基于“數據驅動”的質量管理模式開展了初步探索和研究工作，工作目標如下：

（1）實現質量關鍵數據的電子化檢測、存貯、傳遞和利用，支撐產品的質量評價和故障排查定位等工作，有效解決產品保質量、型號保成功的重大問題，驅動產品制造過程規范化、數字化，驅動工藝改進和產品設計優化。

（2）探索形成基于“數據驅動”的質量數據管理流程與方法，建設型號產品質量信息化系統，支撐產品驗收、質量評審、質量檢查確認等工作，提高質量工作的效率與效益。

根據“數據驅動”模式，梳理了產品質量數據流向，如圖2所示。重點論述產品關鍵參數辨識、數據采集和數據利用等工作中采用的方法。

二、產品質量關鍵參數的辨識

“數據驅動”的核心是數據和算法。由于產品質量數據眾多，數據的檢測對生產進度、生產成本都有很大影響。因此，需要由設計師牽頭、工藝師及檢驗人員配合，共同辨識和確定關鍵質量參數，作為后續數據采集、傳遞和利用工作的前提和基礎。

采用FMEA 與FTA 相結合的方法辨識產品關鍵參數，其流程如圖3 所示。

圖1 基于數據驅動的質量管理模式示意圖

圖2 產品質量數據流向示意圖

圖3 產品質量關鍵數據辨識流程

第1 步： 從 產 品 功 能 出發，開展故障模式及影響分析（FMEA），全面辨識潛在故障模式；

第2 步：從故障模式出發，開展故障樹分析（FTA），全面辨識故障原因（底事件）；

第3 步：從故障原因出發，開展故障機理分析，全面辨識產品質量關鍵參數。

關鍵參數一般應符合以下要求：

1.其超差將導致運載火箭飛行失敗；

2.有量化的合格判據；

3.可量化檢測或可轉化為生產過程中的工藝參數或量化旁證。

三、產品質量數據的采集

在確定產品關鍵參數后，需要生產單位將設計指標逐一分解為生產控制指標。設計指標和生產控制指標可以一一對應，也可一對多或多對一。所有的生產控制指標都應落實在生產使用文件和質量控制卡上，在生產過程中隨時產生、隨時檢測、隨時記錄。同時，為了支撐數據的查詢、統計、使用，還需要采集和錄入產品的基礎信息、設計信息、型號信息、狀態信息、發次信息、總裝信息等。很顯然，生產過程的自動化檢測工具以及采集的電子化數據能夠實時存貯到方便各相關部門和崗位訪問的數據服務器，是提高數據采集工作效率和效益的關鍵，也是需要進行設備升級改造的重點和難點。數據的采集流程見圖4，具體流程說明見表1。

四、產品質量數據的利用

基于海量產品質量數據，通過機器學習構建支撐自動質量決策的模型，從而實現以人工智能的方式進行質量決策，是基于“數據驅動”的質量管理中長期目標。在本階段，仍主要采用基于判據的合格判讀分析和基于歷史成功數據的包絡分析等方法，自動給出分析結果，由人工做出驗收或拒收、通過或不通過、放行或不放行等質量決策。

1.產品質量合格判讀分析

由于產品關鍵質量數據有量化的合格判據，在采集到量化的實測結果后，即可由信息化系統自動進行判讀比對，自動生成“合格”或“超差”的結論。

2.產品成功數據包絡分析

在信息化系統中錄入或導入以往成功飛行的產品質量數據后，即可自動生成“成功包絡上限”和“成功包絡下限”，當采集到當前產品的量化實測結果后，即可由信息化系統自動進行判讀比對，自動生成“包絡”或“不包絡”的結論。另外，還可以結合合格判讀分析，自動生成“合格/包絡” “合格/不包絡” “超差/包絡”或“超差/不包絡”等結論。

圖4 數據采集流程示意圖

表1 數據采集流程說明表

3.產品數據穩定性分析

單個產品在功能測試、產品驗收、綜合試驗、出廠測試等環節對同一參數進行多次檢測，在采集到量化的實測結果后，即可由信息化系統自動進行穩定性分析，繪制出數據變化趨勢，給出預警信息。

4.自動生成報告

傳統上，在產品驗收、質量檢查確認等環節要編制生產質量報告、設計質量分析報告、質量檢查確認報告等，工作量大。在產品質量數據采集、存貯到相關各方可以訪問的數據服務器后，通過信息化工具，可以按照型號總體、分系統和單機單位的報告或報表模板，自動生成質量報告或報表，大幅減少人員的質量文檔編制工作，提高工作效率和效益。

通過在運載火箭典型產品上的初步探索與實踐表明，基于“數據驅動”的質量管理方法能夠提高質量管理工作的效率和效益，順應時代發展的需求，是航天產品質量管理工作改進和優化的重要發展方向之一。為推動基于“數據驅動”的質量管理，實現基于質量數據和算法的人工智能質量決策，必須充分利用網絡技術、大數據技術和人工智能技術，從產品質量數據的自動化與電子化檢測、存貯、傳遞等基礎工作入手，加大建設和投入；必須加強機器學習、人工智能等技術的應用研究，將技術與工程緊密結合，突出重點、分步推進，逐步實現航天質量管理模式的轉變，支撐和促進航天事業的發展。

五、初步實踐及應用情況

在充分論證了基于“數據驅動”的質量管理工作方案基礎上，按照上文所述流程與方法，針對“長征”三號乙遙三十火箭典型產品，設計單位與生產單位聯合開展了試點工作，主要情況如下：

共針對336 種典型產品，辨識了9536 個關鍵參數，實現了產品數據的完整集中存儲。改變現有的產品數據記錄不完整、存儲分散的問題，實現型號試點產品各類數據的全部存儲，為數據的有效利用奠定基礎。建設了信息化工具——型號產品數據管理系統，有效提升了型號科研生產工作的效率。通過信息化的產品數據管理與綜合查詢分析、產品數據自動包絡分析等手段，徹底改變現有的手工式的數據查詢與分析模式，極大提升型號在設計、生產、試驗、測試等方面的工作效率。

采集了3538 個實測數據，實現了型號試點產品數據的全面分析與深度應用。通過信息技術實現海量數據的自動高效準確分析，通過數據挖掘、大數據分析等技術實現產品數據的深度應用，充分發揮產品數據的價值。利用信息化工具自動完成了合格、包絡分析，“合格/包絡”比例達到95.57%，實現了科研生產模式的改變與升級，從以人為中心的研制模式逐步轉變為以數據模型為中心的研制模式，做到關鍵產品質量“用數據說話”。

支撐了“嫦娥”四號任務運載火箭系統質量管理工作，參加了型號出廠評審，作為產品質量放行的依據之一。為其他型號、項目、流程優化、轉型升級提供了借鑒和解決方案。

通過在運載火箭典型產品上的初步探索與實踐表明，基于“數據驅動”的質量管理方法能夠提高質量管理工作的效率和效益，順應時代發展的需求，是航天產品質量管理工作改進和優化的重要發展方向之一。為推動基于“數據驅動”的質量管理，實現基于質量數據和算法的人工智能質量決策，必須充分利用網絡技術、大數據技術和人工智能技術，從產品質量數據的自動化與電子化檢測、存貯、傳遞等基礎工作入手，加大建設和投入；必須加強機器學習、人工智能等技術的應用研究，將技術與工程緊密結合，突出重點、分步推進，逐步實現航天質量管理模式的轉變，支撐和促進航天事業的發展。