付红圣,曾辉,罗钧鼎

• 1:上海蔚来汽车有限公司

摘要(Abstract)：

生产现场尺寸质量问题分析依赖于工程经验或传统质量工具，而前期尺寸虚拟分析结果受假设条件限制无法直接指导问题分析解决，造成上下游数据流无法自由贯通，海量的尺寸数据浪费，无法满足快速的质量问题响应需求。提出一种基于人工智能算法的尺寸质量解决方案，将前期理论分析数据与现场实测数据通过尺寸虚拟分析模型进行交互，采用强化学习算法对模型进行训练，得出现场尺寸问题的影响因子及敏感度。实例表明，得到的影响因子及敏感度与实际问题分析结果非常接近，能够快速、精准的支持现场尺寸质量问题的数据分析、风险预测及管理。

关键词(KeyWords)： 尺寸数据;虚拟分析模型;强化学习;影响因子及敏感度

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 付红圣,曾辉,罗钧鼎

DOI: 10.19710/j.cnki.1003-8817.20220055

参考文献(References)：

• [1]陈强.基于尺寸工程的闭环质量偏差分析系统研究与应用[D].镇江:江苏大学,2020.
• [2]孛朝旺,杨志宏,王林博,等.尺寸工程技术综述与展望[J].计算机集成制造系统,2014,20(3):464-470.
• [3]付红圣.基于3DCS的白车身子基准的公差设计[J].汽车技术,2014(7):59-62.
• [4]高磊.基于蒙特卡洛法的公差分析及优化设计方法研究[D].哈尔滨:哈尔滨理工大学,2015.
• [5]田克平,胡敏,杨玉芳.汽车尺寸大数据平台构建[J].汽车工程师,2016(9):11-14.
• [6]李茹杨,彭慧民,李仁刚,等.强化学习算法与应用综述[J].计算机系统应用,2020,29(12):13-25.
• [7]李洁明,祁新娥.统计学原理[M].上海:复旦大学出版社,2017:345-347.