《Frontiers of Engineering Management》：Condition-based maintenance for serial multistage manufacturing system considering reliability and quality over a finite horizon
编辑推荐：
为解决SMMS中QRCs与KPCs独立监控的局限，本研究提出一种基于MGLR与PHM的联合CBM策略，通过仿真优化ETC，显著提升了系统可靠性及质量稳定性。
在工业制造领域，串行多阶段制造系统（Serial Multistage Manufacturing System, SMMS）是复杂产品生产的核心骨架。这类系统由多个连续工序串联而成，任何一个环节的“健康状态”波动，都可能像多米诺骨牌一样，导致最终产品质量的崩塌。传统维护策略往往面临两难困境：要么只盯着设备零件的物理磨损（怕机器突然趴窝），要么只盯着产品的尺寸精度（怕良率不达标），很难把“设备健康”和“产品质量”这两本账算在一起。这种割裂的监控方式，容易导致维护过度（成本浪费）或维护不足（质量风险），在激烈的市场竞争中，亟需一种能同时兼顾可靠性与经济性的智能维护方案。
针对这一痛点，发表在《Frontiers of Engineering Management》上的研究《Condition-based maintenance for serial multistage manufacturing system considering reliability and quality over a finite horizon》，提出了一套创新的联合状态维修（Condition-Based Maintenance, CBM）策略。该研究打破了传统单点监控的局限，构建了一个融合“部件失效风险”与“产品质量变异”的综合决策模型，并在压缩机涡旋盘加工这一典型SMMS中验证了其优越性。
关键方法概览
研究团队构建了一个有限时域内的联合决策框架。在技术层面，采用多元广义似然比（MGLR）控制图精准捕捉多阶段质量特性（KPCs）的异常波动，同时利用比例风险模型（PHM）量化质量相关部件（QRCs）的故障风险。在此基础上，建立了包含误报警、漏报警及维修成本的期望总成本（ETC）模型，并创新性地引入仿真与遗传算法进行高效优化求解，最终在四阶段涡旋盘加工案例中完成了实证校验。
研究结果深度解析
1. 系统建模与监控机制设计
结论： 建立了QRCs与KPCs的联动退化模型，明确了“部件状态→工艺波动→质量变异”的传递路径。
支撑： 研究首先对SMMS进行了结构化解析。在每个制造阶段，定义了直接影响产品质量的质量相关部件（Quality-Related Components, QRCs）（如刀具、主轴）和反映产品性能的关键产品特性（Key Product Characteristics, KPCs）（如直径、圆度）。研究指出，KPCs的变异不仅是质量的“晴雨表”，也间接反映了机器状态；而QRCs的退化则是质量风险的“预警器”。基于此，研究建立了二者的联合随机模型：QRCs的退化过程通过Wiener过程描述，其故障率由PHM评估；KPCs的均值偏移则由MGLR控制图进行在线监测。这一设计首次将物理失效机制与统计质量控制纳入了统一的监控体系。
2. 联合CBM策略与成本优化
结论： 提出的联合策略相比传统单一监控策略，能显著降低期望总成本，且对误报警具有更强的鲁棒性。
支撑： 研究针对有限时域（如一个生产周期）设计了详细的报警与维修逻辑。当MGLR图发出警报或PHM预测的QRCs风险超过阈值时，触发相应的检查或更换动作。为了求解最优的监控参数（如采样间隔、控制限、风险阈值），研究建立了一个离散事件仿真框架来模拟系统的长期运行行为，并计算包含质量损失、维修成本及停机损失的ETC。由于问题的高维非线性特性，采用遗传算法（Genetic Algorithm, GA）进行优化。结果表明，联合策略通过信息互补，能够避免单一信号滞后带来的风险，在保证可靠性的同时，将维护成本控制在最优区间。
3. 案例验证与敏感性分析
结论： 在压缩机涡旋盘四阶段加工系统中，该策略被证实具有工程实用价值，关键参数对成本的影响规律为工程决策提供了依据。
支撑： 研究选取了汽车空调压缩机制造中的涡旋盘（Scroll）四阶段加工过程作为验证案例。该过程涉及粗铣、精铣、钻孔等关键工序，QRCs（如铣刀）的磨损与KPCs（如涡旋壁厚）的精度要求极高。仿真结果显示，优化后的联合CBM策略相比仅监控QRCs或仅监控KPCs的策略，ETC降低了约15%-30%。敏感性分析进一步揭示，质量损失成本系数和部件更换成本是影响最优策略的最敏感因素，这为制造企业调整维护预算提供了直接的数据支撑。
结论与讨论
本研究成功地将可靠性工程与统计质量控制理论相结合，为SMMS的维护管理提供了一种新的决策范式。其重要意义在于：
- 1.
理论创新：首次在有限时域内系统性地解决了QRCs与KPCs的联合监控问题，证明了MGLR-PHM混合模型在捕捉复杂制造系统动态特性方面的有效性。
- 2.
方法论贡献：提出的仿真优化框架（Simulation-based GA）为解决复杂工业系统的随机优化问题提供了通用工具，尤其适用于难以获得解析解的多目标权衡场景。
- 3.
工程价值：研究结论直接指导制造企业如何设置经济合理的监控参数，避免“凭经验”决策。特别是在高附加值产品的精密制造中（如航空航天、汽车发动机），该策略有助于在“零缺陷”质量目标与“低成本”运营之间找到最佳平衡点。
未来研究可进一步考虑多部件之间的经济相关性（Economic Dependency）以及非串行制造系统（如装配系统）的扩展应用，使该模型的普适性更强。
