基于MBD的武器系统质量管理决策分析方法研究

胡伟杰，殷 楠，江 阳

(北京机电工程总体设计部,北京 100085)



综 述

基于MBD的武器系统质量管理决策分析方法研究

胡伟杰，殷 楠，江 阳

(北京机电工程总体设计部,北京 100085)

针对MBD技术的推广应用，对武器系统产品研制过程质量管理决策分析带来的问题和挑战，本文提出了一种基于MBD的武器系统质量管理决策分析方法，该方法通过建立一套覆盖武器系统产品研制全过程关键质量指标的指标体系，基于指标体系获取产品研制过程质量数据，构建质量数据分析模型，并进行产品质量分析及趋势预测，将有效缩短产品研制周期，降低产品研制成本，为企业领导提供及时有效的决策建议，为战略决策提供有效的辅助支持。

武器系统；数据模型；质量管理；决策分析

0 引 言

随着国防科技工业体制改革的不断深入，国家对军工科研单位政策的不断调整，国家宏观环境、用户行为、军工科研单位的经营机制和运作模式均发生了重大改变。如何以信息化支撑，降低成本，提升产品质量，提高产业核心竞争力已成为当前军工科研单位面临的严峻挑战。

MBD技术的应用，使得制造体系发生了变革，给实施数字化制造和检验带来了极大的方便，工艺人员和检验技术人员可以利用信息化手段直接从设计数模上提取制造、检验依据，可以很方便地进行工艺仿真、数控加工和数控检测，大大减少了工艺、工人、检验的工作量和出错的概率，有利于提高产品质量和生产效率。MBD技术的应用，推动了信息化支撑的可持续发展模式[1]，深度推动工业化产品质量越来越需要依靠贯穿产品研制过程的质量管理决策分析，以期通过对产品研制全过程质量管理的及时有效决策来驱动跨部门协同，缩短产品研制周期，降低产品研制成本。

1 国内外现状和发展趋势

(1)国外现状和发展趋势

近年来，国外航空航天制造业在数字化技术应用领域取得了巨大的成功，全面采用了MBD技术，将三维产品制造信息与三维设计信息共同定义到产品的三维数模型中，直接使用三维标注模型作为制造依据，实现了产品设计、工装设计、零件加工、部件装配、零部件检测检验的高度集成、协同和融合，建立了三维数字化设计制造一体化集成应用体系，开创了数字化设计制造的崭新模式。

在质量管理决策分析方面，波音、空客等公司发布了基于MBD的产品质量管理与保证要求；西门子公司提出了基于MBD的全生命周期质量管理决策分析解决方案，即：在产品设计阶段，直接从MBD模型中提取数模进行尺寸建模，通过仿真产品的制造和装配过程来预测产品的尺寸质量和偏差源贡献因子，实现MBD模型中公差分配的优化，提高产品设计质量；在工艺规划阶段，基于实体模型标注驱动的智能化离线编程与虚拟仿真，借助基于模型的信息重用，可有效准确地传递尺寸设计信息，从而确保数字化测量路径规划与虚拟仿真验证结果的可靠性与唯一性，为输出高质量零缺陷的执行程序提供有力支持；在产品生产阶段，通过对实时生产质量信息跟踪、分析和发布，帮助用户及时发现生产过程中的质量问题，通过对制造数据的深度关联分析，寻求问题的根本解决方案，从而提高产品的最终质量，同时提升生产效率并降低生产成本，并通过将产品开发过程中制造质量和设计质量挂钩，形成产品全生命周期质量管理的闭环。

(2)国内现状和发展趋势

我国航空航天工业也遇到了前所未有的发展机遇，尤其是近几年国家的重视为航空航天工业的快速发展提供了一个良好的平台。近年来，航空航天各所纷纷采用先进的数字化技术，以提升行业的快速设计、精益制造及设计制造协同研制的整体能力和水平。

国内中航工业的数字化技术应用发展迅速，MBD技术的引入和工程实践也已开展多年，并且三维数字化设计和MBD技术在产品设计中已得到了成功深入的应用，其中航空领域应用的最早，并在以“枭龙”战机为代表的多个型号研制中广泛应用，实现了协同设汁、虚拟样机试验和数字化制造一体化，大大缩短了研制周期、节约了研制经费，得了较好的社会和经济成效[2]。基于三维模型的质量管理也已经在某些设计环节开展了应用，但尚未系统性的形成质量管理体系

2 存在的问题

在长期的航天型号研制生产过程中，质量管理决策分析一直是确保研制过程受控的重要活动，是改进和提高产品质量的有效手段[3]。随着MBD技术的应用，越来越多的数字化技术如三维数字化定义、数字化虚拟装配、设计制造并行、单一产品数据源和数据共享，全三维数字化环境与协同设计，全面的产品数据管理等应用到产品的研制过程中[4]，国防科技工业从传统的基于图文和产品实物的设计、制造、装配、检验和服务的研制生产模式向基于模型的设计、制造、装配、检验和服务研制生产模式转变，对质量管理决策分析提出了新的需求和变革。主要表现在：

(1)传统的质量指标体系不能满足新的基于模型的设计、制造、装配和检验模式的质量管理决策需求

随着MBD技术的推广应用，产品设计、制造、装配和检验过程中的质量评价越来越成为关系到提高产品研制水平，缩短产品研制周期的重要问题。而且对武器系统产品研制过程质量管理能力进行测度和评价，有关变量众多，且一些变量间存在较强的相关性，增加了分析的难度，因此，通过众多变量以及它们之间的复杂关系，去找到能够综合反映产品设计、制造、装配和检验过程质量管理能力的关键指标，显得十分重要。而以往的质量指标体系由于受历史条件和信息化水平限制，所反映的质量信息在全面性、准确性和及时性等方面已不能满足新的基于模型的设计、制造、装配和检验模式的质量管理决策需求。

(2)随着数字化研发模式变革的不断深化，产品研制过程中的质量信息在数量和复杂度上不断加大，对质量数据的处理方式提出了更高的要求。

质量数据作为质量信息的源头反映了产品的质量状况，是现代企业质量管理的前提和基础，其及时有效获取、合理有序组织管理是成功实施数字化质量管理的前提和基础。目前，产品研制过程中的质量数据被孤立分隔，分别被各业务系统管理，造成产品研制各过程的质量数据无法互通和利用，形成信息孤岛，很难实现对产品研制过程的质量进行全程、全方位、实时和多层次的管理、分析、处理。

(3)已有的质量数据分析模式不能适应新的基于模型的设计、制造、装配和检验模式

产品质量信息在跨部门之间的传递，如设计与制造、制造与装配、装配与检验之间的质量数据信息经常发生断裂与脱节，缺少有效地整合产品研制各过程间的质量管理信息并挖掘质量数据间隐藏的关联关系的手段，不能合理、全面地确定影响产品研制生产的关键质量因素，不能科学地优化产品研制过程的质量管理。

3 基于MBD的武器系统质量管理决策分析方法

本文提出的基于MBD的武器系统质量管理决策分析方法主要通过构建一套合理、全面、规范、能够客观评价武器系统产品研制过程关键质量指标的质量指标体系，针对质量指标体系，获取适应于产品研制过程质量指标体系的质量数据，建立产品研制过程质量数据分析模型，并通过报表、联机分析处理、数据挖掘等技术，为企业各级领导提供灵活自由的数据查询和报表生成手段，提供丰富的分析数据展现以及武器系统产品质量趋势预测，以驱动型号研制队伍围绕规定的指标和要求系统策划、分步实施产品研制生产工作，辅助各级领导进行及时有效地决策，优化产品设计、制造、装配和检验过程的质量管理。

3.1 构建武器系统产品质量指标体系

由于武器系统结构庞大，技术复杂，任务实时性强，产品设计、制造、装配和检验过程中质量评估所涉及的质量要素数量和层次都很多，采用一个或几个指标往往难以较客观的评价产品设计、制造、装配和检验各过程的质量管理水平。要提高武器系统的质量水平，首先需要根据武器系统的特点，从不同的侧面、不同的层次进行评价，同时考虑时间的变化，建立一整套合理、全面、规范、能够客观评价产品研制过程关键质量指标的质量指标体系，才能满足基于模型的设计、制造、装配和检验模式的决策需求，并以此驱动型号研制队伍围绕规定的指标和要求系统策划、分步实施一系列产品研制生产工作，并为产品研制过程的质量管理决策分析等工作提供基础。

对产品研制过程质量管理能力进行测度和评价，有关变量众多，且一些变量间存在较强的相关性，因此，通过众多变量以及它们之间的复杂关系，去找到能够综合反映产品研制过程质量管理能力的关键质量指标，显得十分重要。而且在选择质量指标时，并不是指标越多越好，关键要考察评价指标所起作用的大小。也不可能把全部指标都考虑进去，只能选取一些最能反映产品质量优劣的指标，而剔除一些次要指标因素。质量指标的确定需要在动态过程中反复平衡[5]。

根据上述选取原则，考虑武器系统产品研制过程各种质量信息或数据的产生、传输、处理都是来源于产品研制各业务系统，并全面综合考虑各种质量管理因素，可将武器系统产品研制过程质量指标体系划分为3个层级指标，其中一级指标(即总指标)为：产品研制过程质量指标，二级指标依据武器系统产品研制生产的4个阶段划分为产品设计过程、产品制造过程、产品装配过程、产品检验过程4个二级指标，三级指标的确定结合武器系统产品设计、产品制造、产品装配、产品检验4个过程的质量管理特点及质量管理环境形成相应的三级质量指标包括：仿真失误率、地面试验成功率、军检合格率、废品率等，以构建形成武器系统质量管理决策指标体系。武器系统产品研制过程质量指标体系构成如下表所示：

表1 武器系统产品研制过程质量指标体系

3.2 质量数据获取与处理

武器系统研制参研单位多，地域分布广，参研单位分布在全国各地，使得产品研制过程的质量数据分散在不同地域、不同参研单位的各业务系统中，而各业务系统的质量数据在数据形态、数据结构上各不相同，导致了对数据分析和处理方式多种多样，数据多源性导致数据有不同的分类，不同的分类具有不同的数据格式，最终导致结构化数据、半结构化数据、非结构化数据并存，造成了数据资源的异构性，因此需要将不同格式的质量数据转换处理为统一的数据格式，然后将这些质量数据进行充分有效的管理，实现企业范围内多单位、跨地域的共享。

随着信息技术的深入发展，在质量数据采集中出现了自动识别技术，它能够对质量数据进行及时准确的采集和录入，有效解决了传统的质量数据手工采集方式采集速度慢、精度低等问题，实现了现场质量数据采集的自动化、标准化及规范化，有利于产品质量跟踪管理和质量数据统计分析方法和工具在质量管理中的成功应用。

产品研制过程的质量数据需要从其它异构信息系统中获取，如从产品数据管理系统中获取产品技术状态质量数据，从车间制造执行系统中获取制造过程中的质量信息数据等，因此可以通过数据采集工具，从各业务系统和其他数据源中采集结构化、半结构化以及非结构化质量数据，对质量数据进行复杂的加工处理，最后将数据加载到数据仓库中，供质量管理决策分析使用。

图1 质量数据采集示意图

从各业务系统中采集数据时可以基于不同的业务场景与业务需求，采用不同的数据采集方式，如对于数据变化比较频繁的数据，使用基于日志分析的方式进行实时数据采集，对于变化缓慢的数据(数据量大)采用定期采集的方式，比如一周；对于变化缓慢的数据(数据量小)采用每天采集的方式。数据清洗是数据采集过程中的一个重要环节，数据清洗直接影响了数据装载到数据库中后的清洁度与准确度，关系到数据统计分析与决策分析的可靠性及可信赖程度，数据清理一般针对具体应用，可根据数据不同采用不同的数据清理方法，主要包括解决不完整数据(即值缺失)的方法、错误值的检测及解决方法、重复记录的检测及消除方法、不一致性(数据源内部及数据源之间)的检测及解决方法等，以对质量数据进行去重、脏数据清理、数据校验、一致性检查等清理工作，确保质量数据的准确性、一致性。

3.3 构建质量数据分析模型

产品设计、制造、装配与检验过程质量数据通过数据处理与获取过程被整合到数据仓库中，由数据仓库对产品设计、制造、装配与检验过程的质量数据进行集中、加工、提炼和重组等各种处理并转换整合成面向主题的数据集合，并按照质量管理决策分析的需求，形成辅助决策的全局数据视图。数据仓库中的数据是按照一定的主题域进行组合的，每一个主题对应一个分析领域[6]，因此，对照以上章节中建立的武器系统产品设计、制造、装配与检验过程质量指标体系，结合决策需求分析，确定基本主题为产品设计质量主题、产品制造质量主题、产品装配质量主题、产品检验质量主题4个不同的主题域。对特定的决策分析需求，面向企业全局的数据视图可能不能很好地满足，可通过建立数据集市的方式解决，数据集市是为了实现质量信息数据的存储,最终能实现展示和挖掘，是对数据仓库的有力补充，数据集市可以提高查询的反应速度，数据集市的数据直接来自于数据仓库，采用这种方式，可以保持整体数据的一致性。

在质量数据被存入数据仓库后，需要有高效的数据分析工具来利用其中的数据。联机分析处理(OLAP)以数据仓库为基础，对数据仓库中的面向主题的数据集合，使用多维分析操作从多视角、多维度地分析，构建面向主题的多维数据模型,从集成的数据仓库中的数据出发，通过多维数据模型对质量信息从多种可能的角度进行快速、一致、交互性的存取，进而实现对数据进行深入的分析。通过OLAP的基本功能如切片、切块、钻取与旋转、模型计算等，实现对数据的多维分析和处理。数据仓库面向主题的数据组织方式为进行OLAP多维分析处理提供了便利，可以使决策者从多个维度(如时间维度、型号维度、组织机构维度等)来观察企业的数据，并能快速地交互访问，实现对数据的归纳、分析和处理，完成相关决策。

数据仓库以星型或雪花型的结构方式组织数据库表，数据仓库的数据存储将分成逻辑上的两层。首先是“原子”(Atomic)层。对获取并处理后的质量数据，设计数据模型，按照主题划分和处理，以3NF结构存储。根据业务领域划分为：产品设计质量、产品制造质量、产品装配质量、产品检验质量等主题。为了对质量指标体系中的各指标进行OLAP多维分析，建立“多维”(Dimension)层，将原子层数据进行OLAP优化，生成关系型星状结构与物化查询表，为OLAP应用提供支持。

3.4 产品质量分析与趋势预测

武器系统产品质量分析可以通过报表、联机分析处理、数据挖掘等技术，为企业各级领导提供灵活自由的数据查询和报表生成手段，质量分析数据报告能综合展现武器系统产品研制过程质量信息统计、对比、趋势等多维度质量信息，包括产品质量问题归零统计分析、废品率统计分析等，并能够从多个维度如组织机构、型号、时间维度等综合展现统计分析数据，对产品设计、制造、装配与检测过程中的相关质量问题提供辅助决策支持。

武器系统产品研制过程质量信息数据的快速评估、科学决策至关重要。而如果能够对产品设计、制造、装配与检验过程的质量变化趋势进行实时预测，将可提前预测出产品研制过程潜在的质量问题，优化产品研制过程，如可为产品设计师提前预测产品设计可能引起的质量问题，以提前采取相应的补救措施，改进产品设计过程。武器系统产品研制质量趋势预测可通过构建模糊神经网络预测模型的方式对产品研制过程进行质量预测，并结合企业积累的产品研制过程质量管理经验数据，根据关联分析得到的结果和产品研制生产过程活动的质量特征因素，充分利用企业已有的质量数据，对武器系统产品研制过程的关键质量管理点进行质量趋势预测，辅助企业领导科学快速地决策，优化武器系统产品研制生产流程。

图2 武器系统产品研制过程质量趋势预测流程图

4 结 语

武器系统产品质量管理决策是企业战略决策的重要内容之一。MBD技术的应用，使传统的基于图文和产品实物的设计、制造、装配、检验和服务的研制生产模式向基于模型的设计、制造、装配、检验和服务研制生产模式转变，对武器系统产品质量管理决策分析提出了新的需求和变革。本文针对这一问题，提出了一种基于MBD的武器系统质量管理决策分析方法，该方法通过建立一套合理、全面、规范且适应产品研制过程关键质量指标的质量指标体系，为质量管理决策分析工作提供决策基础，通过质量数据获取与处理，有效整合产品研制过程的相关质量数据信息，通过建立产品研制过程质量数据分析模型，为产品研制过程质量数据统计、关联分析提供数据分析支持，通过武器系统产品质量分析以及质量趋势预测，驱动跨部门协同，缩短产品研制周期，降低产品研制成本，同时为企业领导提供及时有效的决策建议，为战略决策提供辅助支持。

[1] 卢鹄.基于模型定义及其管理技术研究[D].北京:北京航空航天大学博士后出站报告,2009.

[2] 余志强,陈嵩,孙炜. 基于MBD的三维数模在飞机制造过程中的应用[J].航空制造技术,2009.

[3] 张晓丽,李京苑.型号产品精细化质量管理的研究与实践[J].航天工业管理，2011.

[4] 乔志峰,赵庆斌.基于MBD的数字化仿真技术在航天制造企业应用研究[J].航天制造技术,2014.

[5] 王静.导弹贮存指标体系研究[J].强度与环境,2012.

[6] 任智军,乔晓东.基于数据挖掘的技术机会发现模型研究[J].情报杂志，2015.

Research on Decision Making Method of Weapon System Quality Management Based on MBD

HU Wei-jie，YIN Nan，JIANG Yang

(Beijing Mechanical and Electrical Engineering Design Institute,Beijing 100085,China)

In order to extend the application of MBD technology,analysis of problems and challenges to the development of product quality management decision process of weapon system,this paper proposes an analysis method of quality management decision of weapon system based on MBD,by means of the method of setting up an index system covering the whole process of weapon system product development key quality indicators,the index system of mining product development process quality data based on the analysis of the construction of model of quality data ,and analysis and forecast the quality of products,will effectively shorten the product development cycle,reduce the cost of product development,to provide timely and effective decision-making suggestions for business leaders to provide effective support for strategic decision making.

Weapon System ;Data Model ;Quality Management ; Decision Analysis

10.3969/j.issn.1673-5692.2017.03.018

2017-01-15

2017-06-01

V57

A

1673-5692(2017)03-317-05

胡伟杰(1982—)，女，山东人，主要研究方向为项目管理；

E-mail：110136078@qq.com

殷 楠(1979—)，男,辽宁人， 研究员，主要研究方向为信息化管理；

江 阳(1990—)，男,山东人， 工程师，主要研究方向为 数据挖掘分析。