孙卫波

(歌尔股份有限公司，山东 潍坊 261041)

0 引言

作为中国民营企业500强的A股上市企业，歌尔股份在声学设备、光学设备等电子设备生产领域拥有较大产能，特别是近年来在VR、AR、腕带、手表等设备的加工、检测过程中，亟待一种可以有效提升生产良品率的检测方案[1]。

1948年香农提出信息熵概念以来，熵值定律在社会工程学中得到了大量应用，直至今天，各种熵值算法仍然是社会工程学中的最前沿研究课题。从工业工程角度来看，任何企业的良品率不可能达到100%，而良品率的决定因素来自加工生产线的逆熵状态。所以，根据不同生产线的检测结果获得加工体系中的逆熵状态，是对大型电子加工企业良品率检测控制的重要途径[2]。

该研究基于排列熵算法，设计一种针对大型多业务电子加工工厂检测体系的产品质量熵模型，同时设计相关的检测评价体系[3]。

1 排列熵向产品质量熵的算法拓展

如果采用传统的故障树评价模型，将会形成一个规模庞大的传导算法[4]，此种算法因为数据不完备且大部分传导函数均采用回归函数，存在较大的误差，无法对企业的实际运行情况作出准确评价[5]。而深入分析电子产品生产线的管理过程，发现劳动密集型工作环境中庞大的员工数量、高新电子加工体系中大量高精度生产设备等，均存在较难克服的熵增压力，系统熵一旦略有提升，就会导致良品率急剧下降[6]。所以，电子产品加工体系必须维持在高复杂度的低熵状态，才可以满足良品率控制需求。……