面向航天产品质量保证的数据驱动总体设计

梁 丹 刘 辉 李世龙



面向航天产品质量保证的数据驱动总体设计

梁 丹1刘 辉1李世龙2

（1. 首都航天机械有限公司，北京 100076；2. 北京八一学校，北京 100080）

在当前制造业信息化技术发展的基础上，研究分析了数据驱动的定义与内涵，阐述了航天质量数据管理现状，提出了数据驱动的总体设计方案，给出了基于BOM的数据规划及构建质量管理平台的技术实现途径。

航天产品质量；数据驱动；质量管理平台

1 引言

随着云计算、物联网等新一代信息技术与制造技术的融合发展，形成了基于大数据技术的云制造[1]、制造物联[2]等新型智能制造模式，《中国制造2025》规划的发布，将进一步推动制造业向基于大数据分析和应用基础上的智能化转型升级[3]。智能制造技术也将给航天制造业带来翻天覆地的改变。在航天产品的研制过程中，产生包含设计、工艺、生产、检验等过程的海量数据，研究如何应用航天产品数据对业务进行驱动，提高产品设计科学性、制造工艺过程稳定性、产品质量稳定性，通过开展面向航天产品质量保证的数据驱动工程，带动工作方式和工作思维的变革，推动航天产品质量管控模式由流程驱动向数据驱动模式转变。

2 对数据驱动的认识

2.1 数据驱动的定义与内涵

工信部2015年发布《智能制造能力成熟度模型白皮书（1.0）》中对“数据驱动”的描述为：制造过程中的各类数据经过采集、加工及分析，形成可用的知识、模型，用于对各制造环节进行评价、监控、预测、控制以及决策优化[4]。可以把“数据驱动”简单理解为“利用源于制造过程的数据及提炼的知识，反过来对制造过程进行评估、控制和优化的活动”。

在实际制造活动中，制造过程的数据主要包括机器类数据、管理类数据以及工厂外部数据。通过多种方式采集贯穿产品设计、制造、试验等各环节的数据，运用先进的大数据技术，为制造过程提供基于数据的分析和决策基础。

2.2 面向航天产品质量保证的数据驱动

产品质量是指产品满足规定需要和潜在需要的特征和特性的总和。产品质量采用质量特性或特征（质量指标）描述，一般包括性能、耐用性、可靠性、经济性、安全性等方面。质量数据既包括由个体产品质量特性值组成的个体质量数据（样本），也包括对样本数据分析后形成的表征总体产品质量指标的集中位置、分散程度、分布规律等的总体产品质量数据。

与产品质量（或与产品质量指标）相关的数据，可以划分为三大类。一是表征产品质量要求、质量保证目标的数据，包括：设计部门提出的产品质量特性（产品质量指标）、产品质量特性组合（产品质量指标体系）等产品质量要求数据，工厂提出的合格率、返修率等质量控制目标数据；二是与产品形成过程质量保证相关的数据，包括：工艺部门（或设计部门）提出的工艺参数、制造资源、制造环境、过程检测等所有与产品质量相关的过程控制要求及执行结果数据；三是表征产品实际质量、制造质量结果的数据，包括个体产品质量指标的检验（检测、试验）结果数据，也包括基于个体产品质量检验数据统计分析后形成的合格率、分散程度等计算结果数据。

与产品质量保证和质量改进相关的数据驱动活动，主要包括两个方面：对形成产品质量的全过程所有原始实做数据的采集、记录、存储、传递活动，及基于原始实做数据进行产品制造质量分析、评价的活动；对原始数据进行提炼，形成可用知识、模型，对产品设计过程优化、改进，利用优化后的设计方案，控制（驱动）制造过程的活动。

2.3 开展面向产品质量保证的数据驱动的意义

a. 驱动企业主动变革生产经营模式

通过主动开展数据采集、分析、利用，将数据作为制造系统的输入，通过数据分析，支持生产过程监控、业务流程优化、企业经营决策，使企业由被动采集数据向主动采集数据转变，由被动展示数据向主动透明数据转变，由被动管理数据向主动管理数据转变，由被动分析支持决策向主动分析支持决策转变。

b. 驱动产品质量保证

通过产品设计、工艺设计、生产作业、物资管控、试验验证、产品使用等过程数据分析与挖掘驱动产品研制迭代优化，面向产品质量，依据全系统→分系统→单机→部组件→元器件原材料的研制路径，逐级收集航天产品研制结果数据和关键过程数据，形成“纵向贯通”的产品数据，打通产品数据交互通道。

c. 驱动企业实现智能制造、智慧管理

数据是实现智能制造、智慧管理的核心支撑，通过对各类数据的采集、分析和利用，通过信息化手段自动实行智能化管控，实现数据驱动生产过程、产品质量监控以及经营管理的智能化，为企业管理提供智能决策支持，实现智慧管理。

3 航天质量数据管理现状

3.1 航天质量管理的差距分析

中国航天取得过辉煌的成绩，但发展进程并非一帆风顺。航天产品质量管理在质量问题双归零五条等一系列强化产品研制和质量管理的措施下，加强产品保证能力的建设。随着新技术的不断发展，国家重大工程、重点任务十分繁重，在新的形势和任务面前，航天质量管理能力还有很大差距。

在以某航天产品质量问题故障分析过程中，暴露出的关键环节质量数据缺失、大量数据未实现电子化等问题，也真实反映出了目前在航天产品研制生产过程中数据规划、数据采集、数据存储、数据应用等方面存在薄弱环节，很难实现用“数据说话”。

现阶段，现役产品制造过程质量数据的测量和记录方式自动化程度不高，数据采集效率低，很多线性尺寸采用工人测量的方式，大量数据依靠手工记录。同时业务信息系统之间，业务信息系统与数字化检测设备、生产线之间尚未打通，存在信息孤岛，数据集成能力薄弱，难以形成以产品实物树为基础的产品数据包，支撑设计到交付、单机到总体的数据流动。对于低价值密度数据，数据驱动的产品寿命预测、工艺优化等数据挖掘工作尚处于起步阶段。

3.2 质量数据的分类

以4种典型产品为对象，梳理分析产品的质量数据，与产品质量相关的数据分为设计数据、物资数据、工艺数据、生产过程数据4大类共26小类。以工艺数据和生产过程数据两大类进行细化分类，包括工艺路线、工艺参数、生产过程数据、产品实测数据、装配数据、试验数据等共13小类。具体示例如表1所示。

表1 质量数据分类示例

4 数据驱动的总体方案

4.1 实施思路

以产品实现过程为主线，针对产品质量数据，围绕数据定义、数据采集、数据存储、数据传输、数据处理、数据挖掘等环节，覆盖产品设计、工艺设计、物资管控、生产作业、试验验证、产品使用过程，在技术方法、工作平台、能力建设、标准规范等方面开展研究、应用和建设工作，最终实现“设计数据驱动制造过程，实做数据支撑设计改进”的目标，实现覆盖产品研制生产使用全流程质量“数据”的闭环管理，形成基于制造数据的更为完整有效的产品质量保证和质量改善体系。

4.2 总体建设方案

按照航天产品研制生产流程，主要涵盖产品设计、工艺设计、物资管控、生产作业、试验验证、产品使用六个环节，如图1所示。

图1 质量保证数据驱动总体建设方案

4.2.1 产品设计环节

建立产品集成协同研制等信息化软件平台，实现基于知识、模型、数据的产品设计优化、协同仿真、性能综合预测评估及验证等；进行基于MBD的全三维关联设计，将设计信息和制造信息共同定义到模型中，保证数据的唯一性。

4.2.2 工艺设计环节

建立航天产品工艺设计数据管理标准和软件系统平台，构建基于产品数据全过程的并行协同环境，实现基于协同、流程、知识、仿真的智能化工艺设计，实现基于知识库和现场实测数据的辅助工艺优化，实现工艺设计在多领域、跨平台的全面协同。

4.2.3 物资管控环节

建立航天产品物资质量管理标准、质量数据库和软件平台，完成对物资交付、验收、使用等环节物资质量数据的采集，实现物质质量数据与设计、生产等单位或部门的共享和按需推送，支撑原材料质量包络分析、产品质量问题分析及优化改进等工作顺利完成。

4.2.4 生产作业环节

采集航天产品制造过程的“人、机、料、法、环”等质量相关数据，利用标识等信息化手段实现原材料、产品、半成品的自动配送和制造过程信息的实时反馈，基于在线监测的数据分析和模型预测，支撑相关设备参数和工艺参数的调整，确保产品质量的可靠性和一致性。

4.2.5 试验验证环节

建立航天产品试验验证数据管理标准，建立设计-仿真-虚实结合的试验验证体系，采用“虚实结合”的手段辅助实物验证、提高实物验证效率、补充试验工况，促进实物试验水平优化并降低试验成本。

4.2.6 产品使用环节

建立完整的标准规范和软件系统平台，完成对航天产品使用环节质量相关数据的采集和统一管理，具备历史数据的快速查询、比对和分析的能力；可通过网络和远程工具提供产品服务，反馈产品使用数据，为产品的持续改进和新产品的研发提供数据支撑。

4.3 工作流程

遵循“摸清基础，找准定位，一次规划，阶段实施，不断实践，不断完善”的工作原则，按照数据调研预分析、数据规范与采集、数据存储与共享、数据处理与应用四部分内容，推进数据驱动工程应用，工作流程如图2所示。

图2 数据驱动工程工作流程

数据调研与分析：选取典型试点产品，开展产品质量数据调研，从产品设计输入、输出数据开始，到原材料、元器件数据、零件制造工艺、过程以及结果数据，最后到部组件装配和试验测试数据，分析质量数据的种类、产生的环节、检测、记录、流程以及用途等，进行质量数据分析。

数据规范与采集：针对海量的产品质量数据，开展数据规划研究和分析；优化检验模式，研究制定不同种类数据的采集模式、方法等；规范工艺规程，在工艺规程中明确各类数据的采集方法、记录格式要求等；结合智能制造数字化生产线建设，调研检测能力需求，研究自动化采集各类数据的技术以及能力需求。

数据存储与共享：研究适应数据驱动需求的产品编码方案并推动实施；优化升级工艺规程设计系统、质量信息系统、制造过程管理系统，开发适应于数据驱动的新功能模块，建立基于BOM的数据源统一、架构统一、覆盖产品全生命周期的工程制造数据管理平台。

数据处理与应用：基于产品应用，实现质量数据自动包络分析、产品质量预示和问题诊断以及各类验收评审报表的自动生成等，支撑产品质量评价、工艺和设计优化和管理效率提升。

5 支撑数据驱动应用过程的关键技术

5.1 面向产品设计制造过程的数据规划

围绕产品设计、工艺设计、物资管控、生产作业、试验验证、产品使用全流程，详细分析各业务环节所需的输入输出数据，明确数据需求、数据来源、数据类型、数据流向、数据结构化传递等内容或要求，建立各类数据模型。同时，基于数据规划提出软硬件条件需求，逐步形成基于单一数据源的一系列软件平台，保证产品数据的一致性、有效性、完整性，为配置数据采集手段等软硬件条件提供支撑。

5.2 航天产品质量保证数据驱动能力成熟度模型构建

“数据驱动”其本质是实施“智能制造”的一个基础工作，为确保工作有序推进，拟借鉴“智能制造能力成熟度模型”概念，构建“航天产品质量保证数据驱动能力成熟度模型”，形成制造维、产品维和管理维三个维度，产品设计、工艺设计、物资管控、生产作业、试验验证、产品使用六个环节的评价标准，构建过程质量数据与产品质量性能提升的关系体系，指导制造过程的精细化控制，在提升效率、效益的同时，保证产品质量稳定可靠。

5.3 基于BOM的产品数据关系构建与数据追溯

通过实做BOM与设计BOM、工艺BOM、制造BOM等的关联关系、数据继承关系，使每个实物对象均具有各过程BOM的基本信息，实现实物制造信息的可视化。实现统一数据源、统一架构、覆盖产品全生命周期的工程制造数据，实现制造技术状态控制并实现产品的质量追溯和变更影响分析，具体过程示意如图3所示。

图3 产品结构BOM演化与数据驱动过程示意

5.4 面向产品全生命周期的质量管理平台构建

依据产品研制各环节对质量数据的需求，建立以BOM为核心的贯通设计、生产、试验、物资、使用的产品全生命周期质量数据管理集成平台，平台构建架构如图4所示，包括产品装机信息、测试信息、履历信息的集成管理，形成航天产品完整的质量数据包。随着数据采集、管理、存储、分析和展现的逐步实现，进一步挖掘各环节数据潜在的价值，基于大数据技术实现产品验收数据包自动生成、同类产品的横向数据自动比对与一致性评价，通过知识和数据的重用、共享，对整个生产流程进行剖析和精细建模，建立数字孪生模型，通过仿真分析确保设计和制造准确执行，实现面向产品的数据分析、故障诊断、质量溯源、质量评价等。

图4 面向产品的质量数据应用

6 结束语

随着对数据需求的梳理和对现状的再认识，“数据驱动”工作不单是简单的数据收集、整理和分析，是一种科学管理方法和理念的变革，具有长期性、持续性和必要性的特点。通过实施数据驱动，从以人为中心的研制模式逐步转变为以模型为中心的研制模式，从面向实物产品质量管控的管理模式转变为同时面向虚体（数据）和实物进行质量管控的管理模式。“数据驱动”作为数字化工厂建设的核心任务，是一项长期的系统工程，是一种管理方法和理念的变革。

1 李伯虎，张霖，王时龙，等. 云制造——面向服务的网络化制造新模式[J]. 计算机集成制造系统，2010，16(1)：1～7，16

2 姚锡凡，于淼，陈勇，等. 制造物联的内涵体系结构和关键技术[J]. 计算机集成制造系统，2014，20(1)：1～10

3 姚锡凡，练肇通，杨屹，等. 智慧制造——面向未来互联网的人机物协同制造新模式[J]. 计算机集成制造系统，2014，20(6)：1490～1498

4 赵波，郭楠，胡静宜，等. 智能制造能力成熟度模型白皮书（1.0）[M]. 2016

Data Driven Overall Design for Aerospace Product Quality Management

Liang Dan1Liu Hui1Li Shilong2

(1. Capital Aerospace Machinery Co., Ltd., Beijing 100076；2. Beijing Bayi School, Beijing 100080)

Based on the development of current manufacturing information technology, the concept of data driven was analyzed. The present situation of aerospace quality data management was discussed, and the overall design was put forward. The technical way of data design based on BOM and quality management platform was also proposed.

aerospace product quality；data driven；quality management platform

2018-11-14

梁丹（1981），硕士，工业与制造系统工程专业；研究方向：数字化制造。