基于制造成熟度的电子设备制造风险评估方法

曹光辉 罗绍彬

（中国电子科技集团公司第二十九研究所 四川省成都市 610036）

1 引言

制造成熟度[1]是指产品或设备制造（生产）能力满足预期生产目标的程度。它是由美国国防部三军联合制造技术委员会基于技术成熟度提出，并与2009年正式发布实施。我国GJB 8345-2015 标准将制造成熟度分为十级。

随着电子技术的发展和更新和市场的需求，设备的数量和种类有大幅度的增加，客户要求研制和制造周期大大缩短，并且客户在一定时期内允许设备同时存在多种技术状态存在。这些需求造成了制造风险急剧增加。为了保证设备的质量、成本、制造周期。必须建立制造风险量化指标体系，并基于层次分析法和模糊综合评价法[2]，先运用层次分析法，计算出各指标的权重向量，再运用多层次模糊综合评价模型对制造风险进行评估，提高制造成熟度。

2 制造风险因素

为了有效地量化设备研制生产过程中的制造风险因素，需要建立制造成熟度评估的指标体系，再根据制造成熟度的评价模型，提出从各维度来评估制造风险。制造过程中，风险来自9 个领域，这些领域通常称为影响制造成熟度的风险因素，它们是：技术和工业基础、设计、成本、工艺能力和控制、制造人员、设施、生产管理。上述关联因素还可分解为若干子因素，用于详细描述生产成熟度和生产制造风险。

3 制造成熟度评估指标体系

制造风险评估具有较强的模糊性，首先制造风险概念本身具有模糊性，尚无统一定义，对其影响因素和表现形式的研究也未形成统一的体系。另外影响因素也具有模糊性，由于风险的复杂性，存在许多不稳定、不确定因素，而且这些因素之间具有相关性。对制造风险的影响具有非线性和动态的特点。为了有效的度量生产过程的制造风险，减少随意性，提高制造风险评估的准确性，从人、机、料、法、环、测等维度。构建包括结构性指标和分析指标的评估指标体系。如表1所示。

4 制造风险综合评估

为了减少判断的随意性，提高评估结果的准确性，本文运用模糊评价与层次分析法相结合的评估方法，首先在指标体系中采用层次分析法，按照指标的递阶结构，计算出各种指标的权重向量，然后运用多层次模糊综合评价模型对制造风险进行评估。

4.1 指标体系设立

根据制造风险的性质，将表1 中结构性指标设为：A={A1,A2,A3,A4,A5,A6,A7,A8,A9}，各分析指标设为Ai={ai1,ai2…,aij},i=1,2,…9,j 表示结构性指标Ai 中包含分析指标的数量。

表1：制造成熟度评估指标体系

4.2 确定评语集

根据实际情况以及制造风险分析的需要，将每个指标按其表现程度划分评语集为“风险高”，“风险较高”，“风险一般”，“风险较低”，“风险低”5 个等级，设评语集V={v1,v2,v3,v4,v5}。

4.3 模糊综合评价

4.3.1 建立模糊判断矩阵

利用德尔菲（Delphi 法），参照评语集依次对对各层级指标进行评价，得到aij(i=1,2,…9)隶属于第t(t=1,2,…5)个vt的程度rijt=mijt/m,m 为参加模糊评价的专家总数，mijt为参评的专家中认为指标aij属于评价等级vt的人数，由此可以得到模糊评价矩阵Rt:

4.3.2 第一阶综合评判

第一阶模糊综合评判是按结构性指标中的所有分析指标进行评价，根据模糊评价矩阵Rt:，结合各个分析指标的权重面对每一个分析指标进行综合评价，得到第一级模糊综合评判集为（采用加权平均型算子）。

4.3.3 第二阶综合评判

第二阶模糊综合评判是在个结构性指标之间进行评判，将每个结构性指标Ai当作一个因素，用Bi作为Ai的单因素评价，则模糊综合评判矩阵为：

R=[B1B2B3B4B5B6B7B8B9]=(bit)9x5

因此，可以得到二阶模糊综合评判级为：

B=A。R=(b1b2b3b4b5)

采用加权平均型因子，则

4.3.4 评判指标的处理

进过模糊评价，得到一个模糊向量B=(b1b2b3b4b5)，bt(t=1,2…,5)表示制造风险对第t 个评语vt的隶属度,最后,可以赋予不同等级评语vt的ßt，以隶属度bt为权重，得到风险评估的综合估分值：

5 某设备制造成熟度综合评估

某设备经过一段时间的中试，即将进入首批试制阶段，应用以上方法进行制造成熟度评估，以表1 所列出的制造风险评估指标为被评估因素论域A，邀请10 名在该类产品制造领域有制造经验的专家对该设备投产前的制造风险进行评估。其主要步骤为：

5.1 利用层次分析法确定指标权重

根据专家对表1 里所列的结构性指标和分析指标进行权重评分并归一化处理，结果如下：

A={0.07,0.13,0.1,0.1,0.15,0.06,0.07,0.14,0.18}

A1={0.2,0.2,0.3,0.3}

A2={0.1,0.2,0.3,0.3,0.1}

A3={0.3,0.4,0.3}

A4={0.6,0.4}

A5={0.6,0.4}

A6={0.4,0.4,0.2}

A7={0.3,0.3,0.4}

A8={0.6,0.2,0.2}

A9={0.4,0.2,0.4}

5.2 建立模糊综合评估评判矩阵

专家根据问卷基于评语集，分别对表1 中各分析指标进行风险权重评分，并经过归一化后得出二级评判矩阵，再与权重相乘后合并得出一级模糊评判矩阵，权重评分表和一级模糊评判矩阵如表2所示：

表2

由表2 得出一阶模糊判断矩阵：

5.2 制造风险量化评估

B=A。R=(0，0.0455，0.1102，0.379，0.4341)

经过归一化处理后：B'=A。R=(0，0.0470，0.1137，0.39129，0.4481)。将评语集量化为：V={10，8，6，4，2}，则总制造风险为：ß=B'×V=3.52。由此结果可以得出，该设备首批生产时风险值介于“风险较低”和“风险低”之间。产品的制造方案已完成设计，主要工序完成了工艺调整细则的开发，产品关键技术的可生产性已经评估且通过验证。由于产品设计分为多个状态开发，后续产品功能会进行扩充，仍有重大设计更改的可能性。对标制造成熟度（MRL）等级划分，目前已经达到制造成熟度7 级。

6 结论

从评估结果可以看出，该产品目前制造成熟度达到7 级，制造风险不大，但从专家评语集表2 看出计成熟度 (A13)、产品可生产性(A14)、过程质量控制(A81)、供应商质量管理 (A82)的风险因素较高，有待于优化产品的设计；加强分系统的过程质量控制，尤其外协分系统、配套产品的质量管理。降低产品的制造风险。进一步提高产品制造成熟度。

制造成熟度量化评价是有效识别和管理制造风险的重要手段，也是生产组织决策的依据之一，但由于制造风险因素多，关系复杂。大量的原始数据仅靠专家打分的方式获得，难免会存在随意性和主观性，获得更多维度、科学、准确的原始数据，需要更深入的研究。