李正平

（上汽通用汽車有限公司整車制造工程部，上海201201）

0 引 言

白車身尺寸數(shù)據(jù)的監(jiān)控報(bào)警是汽車行業(yè)一直致力探索的領(lǐng)域，國內(nèi)外學(xué)者通過研究單點(diǎn)或多點(diǎn)測量數(shù)據(jù)的趨勢與波動來判斷生產(chǎn)過程中的狀態(tài)。其中，控制圖被認(rèn)為是生產(chǎn)過程監(jiān)控的重要手段，基于控制圖的研究已有眾多理論算法與實(shí)踐成果，這些研究工作從數(shù)據(jù)監(jiān)控的“深度”方面做了較多的探索[1-4]。本文嘗試從生產(chǎn)現(xiàn)場需求和實(shí)際操作出發(fā)，從數(shù)據(jù)監(jiān)控的“廣度”進(jìn)行一系列創(chuàng)新性的思考和探索，從而給尺寸質(zhì)量監(jiān)控領(lǐng)域提供有價(jià)值的新思路和方法。本文將分別從報(bào)警維度、報(bào)警算法設(shè)計(jì)、多源數(shù)據(jù)整合規(guī)則、IT系統(tǒng)實(shí)施，以及未來報(bào)警發(fā)展5個(gè)層面進(jìn)行闡述。

1 報(bào)警原理分類

1.1 傳統(tǒng)報(bào)警規(guī)則示例

傳統(tǒng)的監(jiān)控報(bào)警研究中，通常對單一測點(diǎn)的測量數(shù)據(jù)進(jìn)行建模，繼而判斷其精度和穩(wěn)定性表現(xiàn)是否符合報(bào)警條件，這種報(bào)警算法在眾多報(bào)警工具中得到了廣泛的應(yīng)用。具體報(bào)警應(yīng)用諸如：

1）測點(diǎn)偏差報(bào)警。根據(jù)圖樣設(shè)計(jì)公差或者生產(chǎn)現(xiàn)場經(jīng)驗(yàn)，對測點(diǎn)數(shù)據(jù)設(shè)置一個(gè)報(bào)警線，如通常按公差的75%設(shè)置超差預(yù)警線等。根據(jù)單個(gè)測量樣本的采樣值判斷是否超出報(bào)警限以確認(rèn)是否報(bào)警。

2）測點(diǎn)控制圖報(bào)警[5-9]。基于統(tǒng)計(jì)過程控制算法，使用Xbar-R或者I-MR圖確定控制線，并應(yīng)用于報(bào)警計(jì)算。

3）測點(diǎn)突變報(bào)警。監(jiān)控樣本單點(diǎn)測量數(shù)據(jù)與整體樣本均值的偏離程度，判斷是否超出設(shè)定的閥值界限，通常閾值設(shè)定為樣本總量的3 sigma。

4）測點(diǎn)穩(wěn)定性報(bào)警。監(jiān)控尺寸樣本中一段范圍內(nèi)的波動表現(xiàn)，判斷是否超出設(shè)定的穩(wěn)定性界限，通常使用樣本的6 sigma值作為報(bào)警判斷的閾值。在汽車行業(yè)中，該閾值通常設(shè)定為2 mm，或根據(jù)企業(yè)能力設(shè)置一個(gè)更高的要求界限。

1.2 企業(yè)報(bào)警需求分類

縱觀企業(yè)內(nèi)現(xiàn)場尺寸監(jiān)控的需求，監(jiān)控報(bào)警評價(jià)類型可以分為：1)偏差控制；2)穩(wěn)定性控制；3)相關(guān)性控制；4)企業(yè)評價(jià)指標(biāo)控制；5)測量計(jì)劃控制。

尺寸監(jiān)控的報(bào)警類型和要求與企業(yè)自身的質(zhì)量規(guī)范、管理方式、尺寸控制方法等都有直接關(guān)聯(lián)。對于上述分類而言，1)、2)兩類屬于尺寸的常規(guī)指標(biāo)，3)、4)、5)三類屬于具有企業(yè)特色的質(zhì)量監(jiān)控要求。以下列舉幾個(gè)具有代表性的企業(yè)監(jiān)控要求。

1) 偏差控制中的多總成功能尺寸控制是面向跨零件、跨數(shù)據(jù)源建立的。它是根據(jù)同一尺寸鏈中不同屬總成測量特征之間的匹配關(guān)系邏輯，建立功能尺寸特征組，進(jìn)而依據(jù)該對象報(bào)警限進(jìn)行監(jiān)控的創(chuàng)新性報(bào)警規(guī)則。

2)相關(guān)性控制是面向過程控制的理念，根據(jù)制造環(huán)節(jié)上下游產(chǎn)品尺寸數(shù)據(jù)變化表現(xiàn)的一致性對工藝問題進(jìn)行監(jiān)控。例如：監(jiān)控供應(yīng)商零件的在線測量數(shù)據(jù)，以及對應(yīng)的上一級的廠內(nèi)總成在線測量數(shù)據(jù)，如果這兩組對應(yīng)數(shù)據(jù)列的數(shù)據(jù)波動變化表現(xiàn)形式不一致，則說明廠內(nèi)的工藝存在問題，從而導(dǎo)致了產(chǎn)品尺寸發(fā)生了改變，此時(shí)應(yīng)當(dāng)觸發(fā)報(bào)警。

3)企業(yè)評價(jià)指標(biāo)控制是基于企業(yè)對尺寸的主要指標(biāo)進(jìn)行監(jiān)控跟蹤。例如：通過CMM測量數(shù)據(jù)計(jì)算總成的合格率，一旦低于閾值指標(biāo)邊際即觸發(fā)報(bào)警。所謂總成合格率，即計(jì)算總成內(nèi)尺寸偏差處于公差線內(nèi)的測點(diǎn)特征數(shù)占全體評價(jià)特征數(shù)的比值，用以評價(jià)該總成的整體尺寸精度水平。

4)測量計(jì)劃控制已經(jīng)超出了尺寸本身的范疇，向尺寸系統(tǒng)上游延展。通過對尺寸數(shù)據(jù)的測量實(shí)施過程進(jìn)行監(jiān)控，從而確保該系統(tǒng)輸出測量結(jié)果的可靠性和完整性。在本例中，測量計(jì)劃的監(jiān)控包括測量位置名義值監(jiān)控、測量特征數(shù)量與測量計(jì)劃要求數(shù)量的覆蓋度監(jiān)控、測量頻次監(jiān)控等，這其實(shí)也是從另一個(gè)角度體現(xiàn)企業(yè)對于尺寸質(zhì)量管理的思路。

2 報(bào)警算法設(shè)計(jì)

報(bào)警算法是基于已有的企業(yè)數(shù)據(jù)系統(tǒng)及具體的報(bào)警需求進(jìn)行設(shè)計(jì)的，本文中所涉及的算法都是依托企業(yè)內(nèi)部已有數(shù)據(jù)系統(tǒng)進(jìn)行設(shè)計(jì)。該數(shù)據(jù)系統(tǒng)集成了車身尺寸制造鏈的所有尺寸相關(guān)數(shù)據(jù)，覆蓋供應(yīng)商零件、沖壓件、白車身總成CMM數(shù)據(jù)及在線測量數(shù)據(jù)、白車身覆蓋件的匹配數(shù)據(jù)，以及成品車的外觀匹配數(shù)據(jù)等。基于高度集成化的系統(tǒng)數(shù)據(jù)庫可以實(shí)現(xiàn)最優(yōu)化、最高效的報(bào)警運(yùn)算方式。本文將分享一些算法設(shè)計(jì)思路，所有算法都已在數(shù)據(jù)系統(tǒng)中實(shí)現(xiàn)并運(yùn)用。

2.1 多總成功能尺寸報(bào)警

多總成功能尺寸報(bào)警算法具有高度的自由化，用戶選定若干個(gè)不同的總成/零件對象，并自由定義以四則運(yùn)算和MAX/MIN邏輯為基礎(chǔ)的任意計(jì)算公式。報(bào)警規(guī)則本身并不復(fù)雜，只需要判斷公式計(jì)算結(jié)果是否超出報(bào)警線，其核心則是自定義公式的自由度實(shí)現(xiàn)上。公式編制的過程可拆分為特征對象和計(jì)算符號兩部分。首先，用戶定義計(jì)算公式，參與計(jì)算的各總成測量特征以抽象的變量名稱代替；其次，再針對公式中出現(xiàn)的每一個(gè)變量進(jìn)行對應(yīng)的總成及特征的選擇定義；最終獲得一個(gè)完整的公式定義。該算法在系統(tǒng)中是以一種字符的方式存在，后臺進(jìn)行報(bào)警運(yùn)算的時(shí)候，還需通過一個(gè)對應(yīng)的編譯器進(jìn)行算法解讀才能最終實(shí)現(xiàn)計(jì)算過程。公式定義方式如圖2所示，以某車型前后門間隙配合一致性為一個(gè)報(bào)警監(jiān)控點(diǎn)，建立了從上至下三處間隙配合計(jì)算值，并計(jì)算三處門匹配的特征理論計(jì)算間隙的最大間隙值，對該最大間隙值設(shè)置一個(gè)報(bào)警線以監(jiān)控尺寸間隙表現(xiàn)。該報(bào)警涉及前后門2個(gè)總成數(shù)據(jù)、3對測量特征，公式中運(yùn)用到了MAX邏輯及減法運(yùn)算。

2.2 Vision均值偏移報(bào)警

傳統(tǒng)報(bào)警算法主要針對數(shù)據(jù)突變和數(shù)據(jù)波動大小進(jìn)行監(jiān)控。對于實(shí)際生產(chǎn)中常見的數(shù)據(jù)緩慢單方向偏移卻無有效的監(jiān)控手段。針對此類生產(chǎn)過程監(jiān)控需求，本文提出了均值偏移報(bào)警算法，該算法不僅可以監(jiān)控?cái)?shù)據(jù)均值的跳變，也可監(jiān)測此類緩慢趨勢性變化。該算法計(jì)算步驟如圖3所示。

其中，窗口參數(shù)m可由用戶設(shè)定，也可通過數(shù)據(jù)樣本后臺計(jì)算獲得。算法中存在一定的自動化計(jì)算，可根據(jù)當(dāng)前日產(chǎn)量、測點(diǎn)設(shè)計(jì)公差要求及數(shù)據(jù)波動表現(xiàn)動態(tài)調(diào)整窗口樣本大小，即m=k×Q×6σ/T。式中:k為窗口控制系數(shù)；Q為當(dāng)日生產(chǎn)量；6σ 為當(dāng)日的波動指標(biāo)；T為測點(diǎn)公差帶寬。算法提供了用戶設(shè)定固定窗口寬度和系統(tǒng)自動計(jì)算窗口寬度兩種模式切換。在自動計(jì)算模式下，用戶需要設(shè)置k系數(shù)，默認(rèn)設(shè)置為0.2（經(jīng)驗(yàn)值）。

報(bào)警線也有用戶設(shè)置和系統(tǒng)后臺計(jì)算兩種模式。后臺計(jì)算公式為L=w×T。式中：L為報(bào)警線；w為用戶調(diào)整系數(shù)；T仍為測點(diǎn)公差寬度，體現(xiàn)了基于測點(diǎn)設(shè)計(jì)要求進(jìn)行報(bào)警監(jiān)控的理念。w默認(rèn)設(shè)置為0.25（經(jīng)驗(yàn)值，即當(dāng)趨勢變化超出1/4公差寬度時(shí)判斷為均值趨勢出現(xiàn)明顯差異）。

算法中采用滑動窗口計(jì)算中位值的方式來實(shí)現(xiàn)數(shù)據(jù)降噪，并能清晰體現(xiàn)數(shù)據(jù)的實(shí)際系統(tǒng)均值趨勢，同時(shí)達(dá)到平滑數(shù)據(jù)曲線，方便算法判斷識別的目的。

3 多源數(shù)據(jù)整合

在報(bào)警需求清單中，存在報(bào)警算法涉及不同源總成測量數(shù)據(jù)的集成計(jì)算和判斷。在這種背景下，必須提供嚴(yán)密且有靈活適應(yīng)性的多源數(shù)據(jù)匹配規(guī)則，整合出具有完備數(shù)據(jù)的新樣本，從而確保報(bào)警系統(tǒng)匹配正確的過程數(shù)據(jù)并進(jìn)行計(jì)算判斷，進(jìn)而保證報(bào)警結(jié)果的準(zhǔn)確性。

3.1 按序配對

各總成數(shù)據(jù)樣本按時(shí)間排序后，從末尾倒序依次配對直到樣本最少的總成配對完畢則結(jié)束整合。該配對規(guī)則屬于邏輯最簡單，且最易實(shí)現(xiàn)的整合方式，確保多源數(shù)據(jù)間最新的數(shù)據(jù)可以成功組合計(jì)算，見整合示例表1（深色部分為整合數(shù)據(jù)部分）。

3.2 按標(biāo)簽配對

在整合的多源數(shù)據(jù)對象中，可能存在一些工藝上或者產(chǎn)品關(guān)聯(lián)性上的相關(guān)標(biāo)簽，以確保數(shù)據(jù)有較強(qiáng)的關(guān)聯(lián)性。比如商品編號、零件序號、跟蹤碼等，可以通過該規(guī)則基于標(biāo)簽的一致性將相關(guān)樣本配對。事先定義不同總成中的一個(gè)標(biāo)桿總成，并確定不同總成間需要匹配的標(biāo)簽項(xiàng)，當(dāng)關(guān)聯(lián)的標(biāo)簽項(xiàng)出現(xiàn)相同值時(shí)，相關(guān)的兩個(gè)總成的對應(yīng)樣本即實(shí)現(xiàn)配對。該規(guī)則可以同時(shí)作用于2個(gè)以上的總成對象。示例表2中，對象1為標(biāo)桿對象，不同對象的相同顏色區(qū)域代表有關(guān)聯(lián)的標(biāo)簽對，不同的對象組可以匹配不同的標(biāo)簽對。實(shí)際應(yīng)用場景，如發(fā)動機(jī)倉總成、底板總成、整車總成等，可以通過總成的統(tǒng)一VIN碼標(biāo)簽進(jìn)行整合配對。

表1 按序配對示例表

3.3 按時(shí)間配對

有些場景下，多源數(shù)據(jù)間沒有很強(qiáng)的標(biāo)簽關(guān)聯(lián)，主要基于時(shí)間近似性進(jìn)行數(shù)據(jù)組合。事先定義一個(gè)標(biāo)桿對象，同時(shí)設(shè)定時(shí)間匹配的搜索方向，即選擇基于標(biāo)桿對象樣本時(shí)間向前/向后搜索最近的其他總成樣本。將可以匹配到的樣本提取并配對，無法匹配的樣本則濾除。規(guī)則中還可以根據(jù)用戶要求設(shè)定為重復(fù)匹配或獨(dú)占匹配。重復(fù)匹配即樣本可以被重復(fù)搜索并配對到多個(gè)其他總成樣本；獨(dú)占匹配即樣本一旦配對成功，則不得再次配對于其他樣本。見整合示例表3（該例以A為標(biāo)桿對象，時(shí)間向后搜索方向，且重復(fù)匹配）。

表2 按標(biāo)簽配對示例表

4 IT系統(tǒng)實(shí)施以及未來報(bào)警發(fā)展

報(bào)警監(jiān)控最終一定是通過IT系統(tǒng)開發(fā)實(shí)現(xiàn)，通過自動化來提升效率和優(yōu)化管理。在報(bào)警項(xiàng)目的實(shí)施中，IT系統(tǒng)開發(fā)不僅完成了各類報(bào)警規(guī)則算法的實(shí)現(xiàn)，還基于流程管理、報(bào)警記錄的跟蹤追溯、問題的閉環(huán)管理理念，加入流程管理模式，即當(dāng)報(bào)警發(fā)生時(shí)，尺寸負(fù)責(zé)人需要對報(bào)警問題負(fù)責(zé)并跟蹤問題分析。工程師在問題分析解決過程中及時(shí)填寫故障原因分析及采取的措施，當(dāng)現(xiàn)場問題解決后，則需要在系統(tǒng)中提交關(guān)閉申請，由上級主管審核關(guān)閉。否則系統(tǒng)中的報(bào)警始終處于激活狀態(tài)。

基于汽車企業(yè)的常見問題和措施分類，在記錄中加入了“設(shè)計(jì)、工藝、設(shè)備、工裝、零件、人員、環(huán)境、其他”總計(jì)8種分類，方便工程師可以快速選擇定義分類。通過過程跟蹤記錄的方式將工程師對報(bào)警問題進(jìn)行分析和解決的寶貴經(jīng)驗(yàn)記錄下來。從目前系統(tǒng)實(shí)施短期來說，該系統(tǒng)需要通過大量人工方式對現(xiàn)有的尺寸報(bào)警問題進(jìn)行人工分析、記錄和更新匯總。當(dāng)數(shù)據(jù)庫中的經(jīng)驗(yàn)記錄累計(jì)到一定數(shù)量標(biāo)準(zhǔn)后，將可以基于該經(jīng)驗(yàn)知識庫，進(jìn)行后續(xù)的開發(fā)。目前規(guī)劃的有數(shù)據(jù)挖掘和AI預(yù)警兩類應(yīng)用[5-6]。

表3 按時(shí)間配對示例表

4.1 數(shù)據(jù)挖掘

報(bào)警信息發(fā)出后，系統(tǒng)可針對報(bào)警的測點(diǎn)特征信息，比如測點(diǎn)名稱（名稱包含了測點(diǎn)所在的車身區(qū)域，測點(diǎn)的類型如面、孔、槽、柱等，以及測點(diǎn)控制方向等信息）獲得相關(guān)報(bào)警信息，在數(shù)據(jù)庫中進(jìn)行近似度匹配搜索。根據(jù)上述的特性信息，按近似度查找到最相似的報(bào)警記錄。當(dāng)工程師點(diǎn)擊某條感興趣的相似記錄后，系統(tǒng)基于該記錄深入挖掘相關(guān)的所有問題診斷原因和采取的措施，可按照之前的分類標(biāo)簽，按發(fā)生頻次的高低進(jìn)行羅列并供工程師選擇，以幫助工程師快速確定故障原因并提供措施方案。通過此類數(shù)據(jù)挖掘，可以極大地提高工程師的工作效率，將企業(yè)不同區(qū)域的離散經(jīng)驗(yàn)集中起來作用到最新的工作案例中[7-8]。

4.2 AI預(yù)警

開發(fā)模型算法，積累報(bào)警階段的原始數(shù)據(jù)。通過系統(tǒng)后臺自動對當(dāng)前頻繁發(fā)生的同類報(bào)警信息進(jìn)行大數(shù)據(jù)機(jī)器學(xué)習(xí)完成模型建立，并與原因、措施形成關(guān)聯(lián)，后期則可基于模型自動識別新的報(bào)警信息模式，并自動推送原因診斷和措施方案，進(jìn)而實(shí)現(xiàn)尺寸問題報(bào)警監(jiān)控的自動化。這是未來工業(yè)數(shù)據(jù)發(fā)展的必然趨勢。

5 結(jié) 語

本文針對汽車制造過程尺寸數(shù)據(jù)監(jiān)控報(bào)警的算法設(shè)計(jì)和IT系統(tǒng)實(shí)現(xiàn)，介紹了一些創(chuàng)新思路和實(shí)踐方案。結(jié)合企業(yè)現(xiàn)場實(shí)際難題和監(jiān)控需求，收集整理了較完整的報(bào)警規(guī)則清單及算法模型。并且面向未來的數(shù)據(jù)挖掘和大數(shù)據(jù)應(yīng)用提出了自己的一些設(shè)計(jì)思路。對于其他行業(yè)有類似報(bào)警監(jiān)控需求的工作具有借鑒意義。