需求变化下基于知识聚合的分阶段任务制造系统运行可靠性退化风险源识别与自适应控制

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Knowledge aggregation-based operational reliability degradation risk source identification and adaptive control for phased-mission manufacturing systems with demand variation

　　

•提出了一种需求依赖型RQR传播的理论模式。•建立了一种面向可靠性风险源识别的需求-性能推理图。•设计了一种用于自适应可靠性风险控制策略优化的KERL智能体。•以一条柔性电子控制板生产线为例，开展了可靠性退化风险控制实例研究。

引言

在工业4.0和5.0推动下的智能化、柔性化制造趋势下，制造系统越来越多地面临由高度定制化生产订单所产生的可变生产需求，这些需求在产品数量、质量规格、交付时间和产品批次的预期使用场景（IUSs）等方面存在差异[1]。为适应这种可变性，生产通常被组织为顺序阶段，每个阶段与一项特定的生产任务（即一个订单）相对应[2]。按照这种范式运作的系统，即能够在任务阶段间的需求变化中进行敏捷适配的系统，被称为阶段任务型制造系统（PMMSs）[3,4]。相应地，对于PMMSs而言，运行可靠性取决于在任务存在可变性的情况下自适应地完成各项任务，同时确保成品在指定的IUSs下提供可靠的功能。据此，传统的以固定生产目标为基准保证质量符合性的范式，在PMMSs中演变为需求依赖的可靠性保证：确保完成各阶段特定的生产要求，并确保交付产品在所需IUSs下可靠运行。

然而，5M1E因素（即人、机、料、法、测、环）的波动会引入普遍存在的质量不确定性，严重削弱可靠性[5]。在整个制造过程中，这些不确定性通常导致设备随机退化，包括工艺能力下降和处理误差积累。因此，维持可靠的生产性能变得越来越困难，这也加剧了对能够响应复杂时空动态的自适应可靠性保证方法的需求[6]。

对于制造系统而言，运行可靠性涉及多个利益相关方（即制造商和顾客），并跨越从生产到验收再到产品使用的生命周期各阶段。因此，它包含多种含义和评估标准[7]。借鉴适用性质量理论，运行可靠性可以通过两个互补维度来解读：生产任务可靠性（符合性质量维度）和产品使用中可靠性（适用性质量维度）。前者评估系统通过输出足够数量的合格产品来满足任务要求的能力，而后者评估成品在实际使用中是否满足功能需求。然而，现有研究往往将这两个维度分开评估，而它们在生产、验收和使用各阶段之间的内在关联仍未得到充分考察[8]。特别地，针对工件/产品质量作为二者的共同根源、即缺陷拦截影响合格产出而残余缺陷传播到使用中故障这一机制，关注仍然有限[9]。因此，耦合生产任务可靠性与产品中可靠性的机制需要更为统一的阐释。

在关于制造系统质量和可靠性问题的已报道研究中，RQR（制造系统可靠性–产品质量–使用中产品可靠性）传播模型提供了一个系统的框架，能够清晰地分析这种耦合机制，从而将可靠性这两个维度整合为一个连贯整体[5,10]。其中，工件质量是系统在符合性维度下可靠功能的直接体现，同时也是适用性维度下产品中失败风险的根源。因此，工件质量问题（包括显性或隐性缺陷，即在检验过程中可检测或不可检测的缺陷）都可能给这两个维度的可靠性引入风险[11]。

与缺陷来源或缺陷对策的不完善相关，损害可靠性的风险源可在PMMSs的不同工作站和物理实体中动态分布[12]。通常，显性缺陷通过减少合格产出而危害任务可靠性，而隐性缺陷可能被激活为产品故障，从而危害产品中可靠性[13]。然而，显性与隐性缺陷之间的界限并非固定。制造过程中实施的工件老化测试技术的进步，可在验收之前暴露无法检测的缺陷，将其转化为显性缺陷，从而在降低良率和损害任务可靠性的代价下提升产品使用中可靠性[14,15]。反之，不完善的检验可能遗漏显性缺陷，使其进入最终产品并降低产品使用中可靠性[16]。这些缺陷可能源自系统中的各种实体：存在缺陷的输入物料、存在加工误差的机器、有故障的检验工位或配置不当的老化工位。在受需求变化影响而不断演进的PMMS运行过程中，两个可靠性维度的主导风险源会动态变化[17]。因此，自适应地识别可靠性问题的根本原因作为关键风险源，是有效风险控制的前提条件[18]。

一旦识别出关键风险源，就可以部署有针对性的对策。对于生产任务可靠性，现有研究强调通过对运行和维护策略进行风险建模与优化，以最小化此类风险[19]。物料流网络模型在此情境下已被证明是有效的。例如，质量随机流网络（QSFN）基于质量波动和合格产出对工件流进行评估[20]，质量状态任务网络（QSTN）则将任务分解集成到可靠性评估中[21]。这些模型能够捕捉工件数量和质量的实时传播，从而实现任务风险评估。基于这些模型，已有研究通过生产排程[22]、设备维护[5,12]、负载均衡[23]和工艺参数调整[24]等策略来缓解任务可靠性退化风险。

对于产品使用中可靠性，风险通常通过过程内管理方法加以处理[9]，尤其是内建可靠性方法[25]。该方法在中失败与制造异常之间建立定量联系，使得能够通过动态检测与在线管理过程偏差来保证产品可靠性[26]。

尽管这些方法在传统环境下取得了一定成功，但在PMMSs固有的需求变化面前仍显力不从心，为风险控制带来了灵活性挑战[27]。这体现在三个关键问题上：（1）由需求引起的重构和风险源演化导致风险源分布的时空复杂性增加[[12], [13], [14], [15]]；（2）双维度风险类型之间的需求依赖转化，尤其是在质量容差变化改变检验标准时[28]；以及（3）随需求变化而变动的风险严重性和可能性，其中任务可靠性取决于可变的任务难度，产品使用中可靠性则随IUS驱动的失效模式而变化[29]。

应对这些挑战需要：（1）对所有潜在风险源进行清晰表征；（2）一种协同的策略优化方法，联合管理两个可靠性维度的风险源；以及（3）一个将任务概况、系统配置和设备状态关联起来的实时推理框架。知识图谱（KG）和基于图神经网络（GNN）的知识聚合（KA）通过实现结构化数据集成和关系学习，提供了一个有前景的解决方案[[30], [31], [32], [33]]。针对问题（1），KG将PMMSs元素直观地建模为相互关联的实体，捕获时空风险分布[34]。借助基于GNN的KA技术，包括基础GNN[32]、图卷积网络（GCN）[30,35]、图注意力网络（GAT）[31]和图池化模型[33,36]，KG中的异构数据和信息可以被有效融合，从而发现潜在的实体间关系，进而增强风险源识别的推理与识别能力[37]。基于通过这些技术识别出的风险源，问题（2）可以通过协同风险控制策略加以解决，同时降低与两个可靠性维度相关联的风险。具体而言，基于图嵌入的深度强化学习方法为策略优化提供了一种可行的解决方案[38]。

据此，在威胁PMMSs双维度运行可靠性的复杂动态风险背景下，本文提出了一种基于知识聚合的自适应风险源识别与控制方法，其贡献如下：（1）提出了一种需求依赖型RQR传播的概念模型，系统地刻画了PMMSs中运行可靠性退化的双维度风险源，并分析了其在生产需求变化下的时空动态；（2）提出了一种需求-性能推理图（DPRG）架构，作为结构化的知识基础，聚合任务概况变化、调度规则配置以及PMMSs设备性能退化的异构信息；该架构同时作为风险源识别的推理路径；（3）建立了一种基于知识增强强化学习（KERL）的风险控制策略优化器，以实现风险缓解。

本文其余部分结构如下：第2节基于需求依赖型RQR传播模型介绍PMMSs的理论基础及其可靠性退化风险源；第3节定义问题并提出所提出的风险识别与自适应控制方法；第4节详细介绍一个工业案例研究以验证所提出的方法；第5节最后进行总结。

章节片段

需求变化的PMMS定义

在本研究中，PMMS指由一系列不同的、随客户需求动态变化的任务概况所驱动的柔性生产系统。PMMSs与传统的阶段任务系统（PMSs）一样，将系统运行划分为不同阶段；然而，与传统的PMS分析通常预先规定阶段序列及相关任务、配置和成功要求不同，PMMSs的任务概况可能随客户（变化）……

DPRG作为风险源推理的知识库

如公式(1)所述，基于知识聚合的风险源识别需要一个知识图谱G(·)提供标准化的数据基础以促成推理。本节中，提出的需求-性能推理图（DPRG）框架实现了这一目标。它由三层构成：（1）需求层，将生产需求分解为制造操作节点的嵌入；（2）性能层，利用集成节点表征（……）

背景

作为洗衣机的指挥中心，电子控制板（ECB）是最关键的部件之一，因为其功能失效可能会导致整个系统停机。随着小批量、高定制化生产需求趋势的出现，ECB生产线成为一种典型的PMMS。如图6所示，通过多种类型的操作（即原料预处理、表面贴装技术（SMT）组装、引脚插入、变压器绕线、柔性……）

结论

在柔性制造范式下，PMMSs的生产任务被划分为具有可变生产需求的独立阶段。因此，PMMSs中损害其可靠性的风险源可能源自复杂潜在候选者中的动态来源。因此，所提出的方法为自适应风险源识别与控制提供了一种系统解决方案。其中，所提出的需求依赖型RQR传播刻画了耦合风险……

CRediT作者贡献声明

Yuqi Cai（蔡于淇）：撰写–原稿撰写、概念构思。Yihai He（何一海）：可视化、监督、方法论、概念构思。Haoyang Liang（梁昊阳）：验证、数据整理。Yifeng Cheng（程一峰）：方法论。

Yuqi Cai|Yihai He|Haoyang Liang|Yifeng Cheng