付红圣 曾辉 罗钧鼎

（上海蔚来汽车有限公司，上海 201805）

1 前言

工业大数据中，尺寸工程的数据链在制造业全生命周期发挥着重要的作用，当前生产现场尺寸质量问题分析更多依赖于基础的统计分析工具，效率低下，分析准确性更多依靠个人经验及能力[1]。研发与生产阶段的数据交互应用普遍处于初级阶段，原因主要有以下2 方面。

a.当前尺寸虚拟分析难以定量、准确、实时反馈现场实际状态，受限于模型本身，无法基于实测数据进行自动反馈、敏感度分析及预测；

b.受限于较高的人力成本或测量资源，当前工厂内的尺寸数据难以形成工业大数据规模。此外尺寸数据之间存在着空间几何及装配的内在关联性，常规的人工智能算法不能准确的探索尺寸数据内在关联性。

基于尺寸工程独有的方法论，促进尺寸数据应用的快速升级，将尺寸虚拟分析模型、工厂及外购件的实测数据、人工智能算法形成合力，以数据驱动问题解决效率的提升。本文创新地提出一种基于尺寸虚拟分析模型及强化学习算法的尺寸质量解决方案，可以快速诊断原因、控制制造偏差和加速工业化调试过程，缩短项目的研发周期，为制造现场的柔性数字化监控、问题快速分析、精准预测及预警提供支持，为数字化工厂及智能制造提供新的应用场景。

2 尺寸工程方法介绍

尺寸工程是一项覆盖产品造型、产品结构设计、工艺开发及质量改进监控的全生命周期、全业务链的系统工程[2]。……