杜朋 王飛 張鎮(zhèn)琦 張丁磊 陳敏

（北京宇航系統(tǒng)工程研究所，北京，100076）

人工智能技術(shù)是讓機(jī)器像人類一樣具有思考和推理能力的智能技術(shù)。人工智能萌芽于20世紀(jì)50年代，經(jīng)過(guò)了低谷蕭條期、黃金發(fā)展期，現(xiàn)在已在多個(gè)領(lǐng)域開(kāi)花結(jié)果，如人臉識(shí)別、自動(dòng)駕駛、寫詩(shī)作畫、機(jī)器翻譯等諸多方面，其中AlphaGo更是依托人工智能技術(shù)戰(zhàn)勝了圍棋世界冠軍。

與此同時(shí)，中國(guó)航天事業(yè)快速發(fā)展，航天產(chǎn)品的高可靠性對(duì)質(zhì)量管理提出了很高的要求。雖然質(zhì)量制度與標(biāo)準(zhǔn)已很完善，但很多研制環(huán)節(jié)依然離不開(kāi)人工管理，這種管理具有成本高、易出錯(cuò)、一致性差、管理不到位等問(wèn)題。隨著型號(hào)種類日益增多、發(fā)射密度不斷升高，以人監(jiān)督為主的質(zhì)量管理模式效率有限。項(xiàng)目質(zhì)量管理人員往往被事務(wù)性、重復(fù)性工作纏身，在型號(hào)質(zhì)量管理中很難發(fā)揮自身專業(yè)優(yōu)勢(shì)。航天型號(hào)研制過(guò)程中產(chǎn)生的知識(shí)類資料、工程數(shù)據(jù)規(guī)模越來(lái)越龐大，技術(shù)人員、質(zhì)量人員分析數(shù)據(jù)的難度較大。應(yīng)用人工智能技術(shù)是解決上述問(wèn)題的最佳技術(shù)途徑。

1 人工智能的支撐技術(shù)

人工智能應(yīng)用的三要素包括算法、算力和數(shù)據(jù)。以數(shù)據(jù)為基礎(chǔ)，通過(guò)算法構(gòu)建模型，依托物理硬件進(jìn)行計(jì)算和輸出，實(shí)現(xiàn)記憶、判斷和預(yù)測(cè)。

人工智能算法支撐技術(shù)主要包括二叉樹(shù)、支持向量機(jī)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)模型等，其中神經(jīng)網(wǎng)絡(luò)模型應(yīng)用最為廣泛，適應(yīng)性最好、綜合效果最優(yōu)。神經(jīng)網(wǎng)絡(luò)算法又包括長(zhǎng)短記憶神經(jīng)網(wǎng)絡(luò)LSTM、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、深度神經(jīng)網(wǎng)絡(luò)CNN、對(duì)抗神經(jīng)網(wǎng)絡(luò)GAN等。

人工智能算力支撐技術(shù)主要依據(jù)處理器芯片。目前谷歌、蘋果、英特爾、高通、英偉達(dá)、阿里巴巴、百度等科技企業(yè)均自主研發(fā)人工智能芯片，為人工智能發(fā)展提供算力支撐。

數(shù)據(jù)是人工智能的靈魂。當(dāng)算法和硬件固定時(shí)，輸入什么樣的數(shù)據(jù)進(jìn)行學(xué)習(xí)就會(huì)產(chǎn)生相應(yīng)的輸出。航天質(zhì)量管理領(lǐng)域經(jīng)過(guò)較長(zhǎng)時(shí)間的積累，質(zhì)量管理已擁有較為成熟完善的質(zhì)量管理體系、豐富的標(biāo)準(zhǔn)/規(guī)范、完善的規(guī)章制度等指導(dǎo)性文件資料。隨著質(zhì)量管理工作的開(kāi)展，各個(gè)院所逐步積累了大量技術(shù)、產(chǎn)品的質(zhì)量過(guò)程數(shù)據(jù)。這些將是航天人工智能質(zhì)量管理系統(tǒng)的重要素材。

2 在航天領(lǐng)域里的應(yīng)用案例設(shè)想

2.1 質(zhì)量管理知識(shí)問(wèn)答系統(tǒng)

以GJB 9001C質(zhì)量體系、航天行業(yè)標(biāo)準(zhǔn)、院所標(biāo)準(zhǔn)、規(guī)章制度及紅頭文件等質(zhì)量管理材料為主要學(xué)習(xí)庫(kù)，建立質(zhì)量管理智能問(wèn)答系統(tǒng)。通過(guò)對(duì)質(zhì)量管理知識(shí)的學(xué)習(xí)和訓(xùn)練，實(shí)現(xiàn)對(duì)質(zhì)量管理文件的整理、記憶和掌握。當(dāng)質(zhì)量管理人員遇到專業(yè)領(lǐng)域的困惑時(shí)，可以向系統(tǒng)進(jìn)行提問(wèn)，智能問(wèn)答系統(tǒng)進(jìn)行相應(yīng)的解答。目前在醫(yī)學(xué)領(lǐng)域，智能機(jī)器人通過(guò)對(duì)醫(yī)學(xué)知識(shí)進(jìn)行學(xué)習(xí)，以優(yōu)秀的成績(jī)順利通過(guò)了執(zhí)業(yè)醫(yī)師資格綜合筆試，筆者認(rèn)為，將該醫(yī)學(xué)智能機(jī)器人背后的模型改進(jìn)升級(jí)后即可用于質(zhì)量管理知識(shí)智能問(wèn)答系統(tǒng)。

2.2 智能評(píng)審系統(tǒng)

航天質(zhì)量管理的評(píng)審?fù)ǔＶ敢徊糠謱＜覍?duì)技術(shù)報(bào)告進(jìn)行評(píng)議和審查，進(jìn)而對(duì)技術(shù)或產(chǎn)品進(jìn)行質(zhì)量把關(guān)的過(guò)程，一般采取會(huì)議的形式。依托人工智能技術(shù)，以標(biāo)準(zhǔn)/規(guī)范、專業(yè)領(lǐng)域知識(shí)和已有的評(píng)審記錄（評(píng)審記錄一般包括會(huì)議記錄、專家意見(jiàn)、意見(jiàn)答復(fù)情況、評(píng)審報(bào)告、參會(huì)人員信息等）為學(xué)習(xí)資料構(gòu)建評(píng)審系統(tǒng)。智能評(píng)審系統(tǒng)分為初級(jí)階段和高級(jí)階段。初級(jí)階段，智能評(píng)審系統(tǒng)實(shí)現(xiàn)對(duì)報(bào)告的文章結(jié)構(gòu)、標(biāo)準(zhǔn)符合性等常見(jiàn)或低級(jí)錯(cuò)誤初步篩查，經(jīng)過(guò)修改完善后再提交會(huì)議評(píng)審。通過(guò)系統(tǒng)初檢可以避免部分錯(cuò)誤帶入評(píng)審會(huì)場(chǎng)，提高報(bào)告質(zhì)量，也能提升會(huì)議效率和效果。高級(jí)階段，智能評(píng)審系統(tǒng)完全取代專家書(shū)面評(píng)審，通過(guò)對(duì)報(bào)告的讀取、審查，準(zhǔn)確的給出專家意見(jiàn)，從管理和技術(shù)兩個(gè)角度提出問(wèn)題和改進(jìn)方案。

2.3 質(zhì)量問(wèn)題智能管理系統(tǒng)

通過(guò)對(duì)航天歷史上有關(guān)質(zhì)量問(wèn)題的學(xué)習(xí)，構(gòu)建質(zhì)量問(wèn)題智能管理系統(tǒng)，實(shí)現(xiàn)對(duì)質(zhì)量問(wèn)題發(fā)生情況進(jìn)行預(yù)測(cè)并給出相應(yīng)、有效的質(zhì)量管理預(yù)防措施。學(xué)習(xí)材料一般包括專業(yè)領(lǐng)域知識(shí)、雙歸零標(biāo)準(zhǔn)要求、近20年來(lái)質(zhì)量問(wèn)題技術(shù)歸零報(bào)告和管理歸零報(bào)告等。質(zhì)量問(wèn)題智能管理系統(tǒng)可以預(yù)測(cè)近半年、1年的質(zhì)量形勢(shì)，指出近期質(zhì)量管理的薄弱環(huán)節(jié)、需要加強(qiáng)質(zhì)量管控的型號(hào)或項(xiàng)目、即將頻繁暴露問(wèn)題的產(chǎn)品名稱、近期或未來(lái)質(zhì)量管控不到位的外協(xié)配套單位。質(zhì)量問(wèn)題智能管理系統(tǒng)能夠準(zhǔn)確地對(duì)當(dāng)期質(zhì)量形勢(shì)進(jìn)行評(píng)價(jià)、對(duì)未來(lái)質(zhì)量形勢(shì)進(jìn)行預(yù)測(cè)。

2.4 智慧質(zhì)量體系審核平臺(tái)

質(zhì)量體系審核過(guò)程是企業(yè)為了確認(rèn)質(zhì)量體系各要素是否按照計(jì)劃有效開(kāi)展質(zhì)量活動(dòng)，是否達(dá)到了規(guī)定的質(zhì)量目標(biāo)而進(jìn)行的檢查和評(píng)價(jià)活動(dòng)。該過(guò)程是一個(gè)固定的工作過(guò)程，且流程較為清楚，一般先審核企業(yè)（組織）的質(zhì)量體系完整和正確性，然后對(duì)標(biāo)質(zhì)量體系條款，被審核單位提供相應(yīng)的見(jiàn)證材料，最后審核員審查見(jiàn)證材料是否有效落實(shí)了質(zhì)量體系要求。審核材料作為歷史數(shù)據(jù)供給智慧質(zhì)量體系審核平臺(tái)，審核材料包括GJB 9001C質(zhì)量體系標(biāo)準(zhǔn)、航天集團(tuán)院所質(zhì)量體系文體、標(biāo)準(zhǔn)規(guī)范、檢查條款、見(jiàn)證材料等內(nèi)容。從航天總體技術(shù)單位、設(shè)計(jì)單位、生產(chǎn)單位方面，按照分工進(jìn)行分類；從電氣類、結(jié)構(gòu)類、動(dòng)力類等方面，從主營(yíng)產(chǎn)品進(jìn)行分類。通過(guò)分類，智慧質(zhì)量體系審核平臺(tái)可以更加準(zhǔn)確的制定審核計(jì)劃并實(shí)施有效的審核檢查，發(fā)現(xiàn)質(zhì)量管理體系的薄弱環(huán)節(jié)。

2.5 智能檢驗(yàn)機(jī)器人

智能檢驗(yàn)機(jī)器人可以識(shí)別鑄件、焊縫等生產(chǎn)加工缺陷，通過(guò)對(duì)電氣產(chǎn)品測(cè)試數(shù)據(jù)或試驗(yàn)曲線的分析自動(dòng)評(píng)價(jià)產(chǎn)品性能，通過(guò)與航天型號(hào) （項(xiàng)目）的設(shè)計(jì)文件比對(duì)，對(duì)設(shè)計(jì)正確性進(jìn)行確認(rèn)把關(guān)。生產(chǎn)加工缺陷識(shí)別檢驗(yàn)機(jī)器人主要對(duì)歷史缺陷進(jìn)行學(xué)習(xí)，例如貯箱焊接裂紋X光圖片、接頭鑄造孔洞熒光照片。電氣產(chǎn)品試驗(yàn)過(guò)程中采集數(shù)據(jù)量較大的時(shí)候，人很難識(shí)別出產(chǎn)品的性能不穩(wěn)定或性能下降，但依托智能檢驗(yàn)機(jī)器人可以有效發(fā)現(xiàn)產(chǎn)品性能優(yōu)劣的蛛絲馬跡。同專業(yè)不同型號(hào)或不同產(chǎn)品的設(shè)計(jì)文件部分內(nèi)容上會(huì)有所差異，但很多方面有著相通的特性，通過(guò)智能檢驗(yàn)機(jī)器人進(jìn)行學(xué)習(xí)比對(duì)，對(duì)設(shè)計(jì)文體的正確性給出評(píng)價(jià)和意見(jiàn)，供設(shè)計(jì)人員參考和改進(jìn)。

2.6 飛行試驗(yàn)數(shù)據(jù)智慧利用軟件

運(yùn)載火箭點(diǎn)火、起飛、將衛(wèi)星送入預(yù)定軌道的過(guò)程中，火箭的測(cè)量系統(tǒng)會(huì)獲取大量的飛行試驗(yàn)數(shù)據(jù)，包括錄像、圖片、曲線、單獨(dú)的數(shù)據(jù)等。當(dāng)火箭發(fā)射失利時(shí)，測(cè)量系統(tǒng)返回的飛行試驗(yàn)數(shù)據(jù)更加珍貴。飛行試驗(yàn)數(shù)據(jù)智慧利用包括2個(gè)方面：①對(duì)當(dāng)期飛行過(guò)程的評(píng)價(jià)，確認(rèn)發(fā)動(dòng)機(jī)、慣性組件、機(jī)構(gòu)、火工品是否按照設(shè)計(jì)值進(jìn)行了工作，并檢查是否存在薄弱環(huán)節(jié)；②對(duì)當(dāng)期飛行數(shù)據(jù)進(jìn)行挖掘，發(fā)現(xiàn)火箭改進(jìn)的思路和方向。通過(guò)對(duì)多發(fā)次、多型號(hào)歷史飛行數(shù)據(jù)的智慧分析，進(jìn)一步探尋數(shù)據(jù)底層的物理邏輯，輸出結(jié)果將成為提高火箭可靠性和運(yùn)載能力以及技術(shù)改進(jìn)升級(jí)的寶貴依據(jù)。

3 機(jī)遇與挑戰(zhàn)

3.1 機(jī)遇方面

人工智能技術(shù)傳統(tǒng)難點(diǎn)在于底層的復(fù)雜數(shù)學(xué)算法，包括高階偏微分方程求解、非線性函數(shù)的尋求最優(yōu)解等，這些傳統(tǒng)難點(diǎn)導(dǎo)致質(zhì)量管理人員對(duì)人工智能的應(yīng)用望而卻步。近幾年隨著人工智能技術(shù)的進(jìn)步和發(fā)展，把數(shù)學(xué)問(wèn)題交給數(shù)學(xué)專業(yè)人員解決，將高級(jí)復(fù)雜的數(shù)據(jù)算法集成、打包為工具箱、工具包，只需要調(diào)用即可。應(yīng)用人員更多精力放在流程實(shí)現(xiàn)、業(yè)務(wù)端的開(kāi)發(fā)，不必過(guò)多在意復(fù)雜數(shù)學(xué)公式的求解工作。谷歌人工智能團(tuán)隊(duì)開(kāi)源的TensorFlow平臺(tái)、Facebook人工智能研究院開(kāi)源的PyTorch計(jì)算包等算法平臺(tái)都給人工智能的實(shí)現(xiàn)提供了極大的便利。

復(fù)雜的算法、海量的數(shù)據(jù)對(duì)計(jì)算器的要求越來(lái)越高。優(yōu)化圖形應(yīng)用程序和游戲的專用數(shù)字芯片，即圖形處理器 （Graphics Processing Units，GPUs），正在成為深度學(xué)習(xí)和計(jì)算應(yīng)用的高效芯片； 張 量 處 理 單 元 （Tensor Processing Unit，TPU）的出現(xiàn)進(jìn)一步提高了計(jì)算效率，為人工智能的部署提供便利。計(jì)算器的快速發(fā)展將推動(dòng)人工智能在質(zhì)量管理領(lǐng)域應(yīng)用。

3.2 挑戰(zhàn)方面

在數(shù)據(jù)訓(xùn)練之前，人工智能算法猶如大腦一片空白的小孩。訓(xùn)練和學(xué)習(xí)的數(shù)據(jù)是孩子的教材，數(shù)據(jù)的數(shù)量和質(zhì)量決定了學(xué)習(xí)效果。我國(guó)航天領(lǐng)域已有60多年的發(fā)展歷史，大量的歷史質(zhì)量數(shù)據(jù)將成為人工智能應(yīng)用的基礎(chǔ)。但搜集、整理數(shù)據(jù)的工作量較為龐大；同時(shí)，人工智能中監(jiān)督學(xué)習(xí)模式，需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)注，數(shù)據(jù)分類和標(biāo)注工作量也較為龐大。因此，人工智能在航天質(zhì)量管理領(lǐng)域的應(yīng)用過(guò)程中仍需要投入一定的人力、物力。

人工智能技術(shù)是21世紀(jì)關(guān)鍵技術(shù)之一，已廣泛應(yīng)用到醫(yī)藥、先制造、金融、家居、零售等很多領(lǐng)域。人工智能憑借低成本高效率、加速創(chuàng)新、深度分析等優(yōu)勢(shì)也將在航天質(zhì)量管理領(lǐng)域有著越來(lái)越多的應(yīng)用。