李岸达，何 桢，何曙光

（天津大学管理与经济学部，天津300072）

基于GSA的复杂产品关键质量特性识别

李岸达，何 桢，何曙光

（天津大学管理与经济学部，天津300072）

为了识别复杂产品关键质量特性（critical-to-quality characteristics，CTQs），提出基于遗传模拟退火算法（genetic simulated annealing algorithm，GSA）的特征选择算法。所提算法将遗传算法（genetic algorithm，GA）与模拟退火算法（simulated annealing algorithm，SA）结合，兼有不错局部搜索与全局搜索能力。提出一种综合适应度函数应用于所提算法，以同时优化CTQ集分类性能和所选质量特性数。算例结果表明，所提算法能有效过滤无关、冗余质量特性，识别关键质量特性；与Memetic算法和信息增益（information gain，IG）算法相比，所提算法在识别更少关键质量特性的同时，得到更高预测精度。

关键质量特性；遗传算法；模拟退火算法；复杂产品；特征选择

0 引 言

具有“客户需求复杂、产品组成复杂、产品技术复杂、制造流程复杂、试验维护复杂、项目管理复杂、工作环境复杂”等特征的一类产品被称之为复杂产品［1］。由于复杂产品零部件众多，结构复杂，质量特性相互影响关系复杂，因此对该类产品进行质量控制、质量监控的难度相对较高。在实际生产中，由于不能判断复杂产品制造过程中哪些质量特性是关键质量特性（critical-to-quality characteristics，CTQs），只能将所有零件公差范围收缩，并对每一个生产过程进行严格监控，从而导致加工成本增加，生产周期变长。对于复杂产品，如何从众多质量特性中有效过滤无关、冗余质量特性，识别影响产品质量的CTQ是一个亟待解决的问题。

传统CTQ识别方法包括关键特性展开（key characteristics flowdown，KCF）［2］和质量功能展开（quality function deployment，QFD）［3］。……