军品质量监督六西格玛项目选择方法*

巩 军，胡 涛，张 健，姚 杰

（1.海军工程大学，武汉 430033；2.北方自动控制技术研究所，太原 030006）

0 引言

随着武器装备现代化程度的不断提高，装备中各系统、设备的种类与数量成倍增加，使得在制造、修理全过程中涉及大量的工序、项目，质量形成影响因素更广、过程更长、要求更严，驻厂军代表的任务成倍增加、空前繁重，其难度和复杂程度呈几何级数增长，呈现出点多面广、交叉并行的局面，导致军品制造、修理过程中质量问题难以得到有效遏制，急需进一步提升质量监督的效率和效益。

六西格玛管理作为质量监督的指导理论和方法技能，可有效提高质量监督工作的系统性、针对性和精确性，而六西格玛管理的前序和基础是六西格玛项目选择。从目前六西格玛管理在各行业应用的情况看，导致项目实施失败的根本性原因之一是没有选择合适的六西格玛项目。在军品质量监督中导入六西格玛管理目前尚处于探索阶段，为提高成功率，须首先解决如何正确选择六西格玛项目的问题［1］，其关键环节一是正确的六西格玛项目选择评价指标体系，二是科学、合理、可行的评价模型［2］。为此，综合利用平衡计分卡、自适应神经模糊推理系统和证据理论，提出了适合军品质量监督的六西格玛项目选择方法，对下一步导入六西格玛管理、进一步改进质量监督业务流程具有重要作用。

1 项目选择的指标体系

平衡计分卡包含财务、内部流程、顾客、学习与成长4个维度，为六西格玛项目的选择构建了可供参考的指标体系。军代表作为军方意见的具体推动者和执行者，也是军方利益的坚定维护者。军代表在军品质量监督中实施六西格玛项目，其目标的实现不需要通过顾客层面的转化［3］。因此，结合军品质量监督工作的特点，对平衡计分卡的指标及结构关系进行修正和整合，将“财务、内部流程、学习与成长”维度对应转换为“军品质量监督效益、内容和主体”3个维度，每个维度再细分为相关指标，军品质量监督六西格玛项目选择指标体系如图1所示。

图1 军品质量监督六西格玛项目选择指标体系

1.1 军品质量监督效益维度

军品质量监督效益维度是六西格玛项目选择指标体系的关键，军代表不仅应考虑交货周期和成本的要求，更应对舰船建造或修理过程严格把关，使舰船符合技术状态和国家标准。因此，军品质量监督效益维度的评价指标包括建造质量、建造周期、建造成本3个方面，核心是建造质量。

1.2 军品质量监督内容维度

军品质量监督内容维度需考虑对效益目标影响最大的关键指标。参照业务流程内容的评价指标［4］，军品质量监督内容维度应从实施六西格玛项目需要的监督人力、监督时间、监督成本等方面考虑。

1.3 军品质量监督主体维度

军品质量监督效益和内容维度体现了质量监督的目标和流程，军品质量监督主体维度则映射出主体的学习和成长能力，是创造持续成长动力的基础。参照胜任力评价指标体系［5］，将军品质量监督主体维度分解为业务学习、工作态度和能力成长3个指标。

2 项目选择总体模型

构建六西格玛项目选择总体模型应遵循军品质量监督工作的规律，采取军工企业实施六西格玛管理经验和军代表开展六西格玛质量监督价值需求相结合的方法，即对于可借鉴军工企业实施六西格玛管理经验的军品质量监督效益维度指标，首先由经验数据训练ANFIS模型，然后用训练成熟的模型得到这部分指标的评价结果，设得到的每个指标的评价结果为xi；对于不能借鉴经验的军品质量监督内容与主体维度指标则从军代表开展六西格玛质量监督价值需求出发，运用证据理论进行评价，设对各指标的评价结果为xi'；最后由专家组给定权重，设xi和xi'的权重分别为ωi和ωi'，将两种方法的评价结果加权综合，分别得到各项目的综合评价结果Xi，从而选择优先实施的六西格玛项目。

3 军品质量监督效益评价模型

对于军品质量监督效益维度指标，应归纳总结军工企业实施六西格玛管理经验和基本规律，并将其应用于军品质量监督效益的评价。当前主要有3种方法，即人工神经网络（ANN）、模糊推理系统（FIS）和ANFIS。ANN具有学习功能，但不能给出容易理解的评价规律。FIS可以用自然语言表达评价规律，但不具备自适应学习能力，并且评价规律需要专家根据经验数据总结，对于较复杂的评价问题，专家难以总结出指导性很强的规律。ANFIS是ANN与FIS的结合，兼具神经网络和模糊推理的优点，它采用ANN来实现模糊推理，利用ANN的学习机制自动地从评价值与综合评价结果数据队中总结出易于理解的评价规律，建立起一个评价值与综合评价结果之间的映射，且其模糊推理过程不受专家主观影响，结果能够很好地保留经验数据的真实性和客观性，评价结果可信度高。因此，军品质量监督效益评价模型框架基于ANFIS构建。

3.1 模型的结构

图2 ANFIS典型结构

ANFIS的典型结构如图2所示［6］，图中箭头表示输入信号的流动方向，节点表示一定的功能。其中，方形节点包含可调参数，这些可调参数一同组成了自适应神经网络的可调参数集；圆形节点不包含可调参数，只执行特定的节点功能。将企业生产中实施六西格玛项目的经验数据用于所建模型的训练学习，就是调整这些可调参数的取值，从而使模型对于质量监督效益评价的描述与现实情况更加吻合。

基于ANFIS的军品质量监督效益评价模型中模糊推理属T-S型，其输出的综合评价结果是军品质量监督效益指标评价值的线性函数，1阶T-S型模糊推理规则如式（2）、式（3）所示。

第1层为模糊化层，包含自适应节点。节点参数即确定隶属度函数的形状的参数，称为前件参数。这一层的作用是将企业对质量监督效益的每个测量指标的评价值变换为对每一个模糊集的隶属函数，完成模糊化工作。

其中，Oji表示第j层第i个节点的输出。x1是对节点i的输入，即质量监督效益测量指标的评价值。Ai和Bi是模糊集，其隶属函数可以是任意合适的参数化隶属函数，其形状随参数的改变而改变。这些隶属函数的参数叫做前件参数，调整其数值就能改变隶属函数形状。是Ai的隶属度函数值，表示x1属于Ai的程度。

第2层为模糊规则的强度释放层，表示每一条模糊规则对于质量监督效益综合评价结果的影响。该层仅仅执行制定的节点功能，没有参数需要调整，Π表示将由第1层模糊化后的信号取交，然后输出。wi'表示第i个节点的模糊规则的强度。

第3层对规则强度进行归一化，对第i个节点计算模糊规则的强度与所有规则的强度之和的比值。表示这条规则对应的输出对质量监督效益综合评价结果的影响权重，计算如式（6）所示。

第4层模糊规则的输出，表示按照某一条模糊规则，输入一组质量监督效益指标评价值后得到的结果。每个节点是自适应节点，节点参数{pi，qi，ri}称为后件参数，输出如式（7）所示。

第5层计算所有输入信号的总输出，即各项指标评分值确定的项目综合效益，计算式如式（8）所示。

ANFIS是典型的自适应网络，在前件参数确定时，所有信号输入的总输出可用后件参数的线性组合来表示，如式（9）所示。

3.2 模型的实施

构建基于ANFIS的军品质量监督效益评价模型后，需要通过学习确定前件参数和后件参数，才能使该模型更加准确地描述质量监督效益测量指标评价值与评价结果之间的映射关系。ANFIS的学习算法采用混合学习算法，运用BP法调整前件参数，运用最小二乘法（LSE）调整后件参数。具体过程是：前向学习到达ANFIS的第4层，由LSE法求得后件参数。信号继续顺着网络正向传到第5层并得到输出误差。通过BP法反向学习，固定输出层参数，向减少输出误差的方向对中间层或输入层的参数自寻优调整，根据返回误差的变化改变前件参数，直到使样本数据集的均方差达到规定的精度要求［7］。

MATLAB软件提供了基于Sugeno模型的模糊神经网络的实现算法和Anfis以及ANFIS Editor图形化编辑工具。因此，开展军品质量监督效益评价的步骤如下：

Step1：产生训练数据对和检验数据对。将实施六西格玛管理的历史数据进行整理，建立质量监督效益指标评价值与评价结果的数据对。将一组一部分数据对作为检验数据对，其余作为训练数据对。

Step2：用genfis函数生成初始的FIS结构模型。在生成初始FIS之前，相关参数的选取采用默认值。在Anfis编辑界面下，选择Generate FI编辑区的Sub.clustering（相减聚类法）。

Step3：利用anfis函数训练ANFIS。用训练数据对生成的初始FIS进行训练，以修正和调整前件参数和后件参数的取值，使模型拟合结果更加符合实际情况。

Step4：用检验数据验证得到的ANFIS的性能。若所得结果满足误差要求，则认为该ANFIS系统能够很好地建立质量监督效益测量指标评价值与评价结果之间的映射。

Step5：将候选项目的质量监督效益测量指标的评价值输入训练好的ANFIS，得到项目的质量监督效益综合评价结果。

4 军品质量监督内容与主体评价模型

由于军品质量监督内容与主体两个维度的指标缺乏历史数据，因此，可以从军代表开展六西格玛质量监督价值需求出发，引入证据理论以解决专家对于六西格玛项目认识不够全面的问题。专家只需对自己认识充分的指标进行评价，然后将各个专家的评价意见进行综合，即可得到对于同一问题的比较全面的可信度高的评价结果。

候选六西格玛项目的集合用证据理论中的识别框架Θ表示，Θ中的所有元素是两两互斥的，表示为：

设A表示识别框架Θ的任一子集，记作A⊆Θ，且满足：

其中，m（A）称为事件A的基本信任分配函数，表示证据对A的信任程度。专家对于候选项目认知存在不确定性，为保证评价信息的可靠性，要求专家对单个项目进行评价。

对于多个信任分配函数m1，m2，…，mn可以用正交和运算合成得到一个信任分配函数。设m1，m2，…，mn是同一识别框架Θ上的n个基本信任函数，分别对应的独立证据为E1，E2，…，En，焦元分别为Aji（i=1，2，…，n；j=1，2，…），则证据合成规则［8］为

式中，

由式（10）～ 式（12）可知，证据理论的合成规则是确定的，评价结果由证据的信度决定，信度赋值的可靠性直接决定了评价结果的可靠性。因此，监督内容与主体评价模型主要分为两个步骤：

第1步 证据信度赋值。专家可以从自己熟悉的领域，参照认识充分的指标对候选项目进行评价，然后将每一位专家的评价意见综合。专家对于每一个候选项目的评价就是专家对于项目优先程度认识的信度。

第2步 证据合成。将各个专家对于候选项目赋予的信度值代入式（11）和式（12），所得结果即为专家组对于候选项目的综合评价结果。

5 示例分析

以XXX厂舰船建造过程质量监督为例，军代表对于在巡检过程中发现的问题通常以意见通知单的形式告知生产部门。笔者将某车间2个月内意见通知单汇总，集中出现的质量问题为：焊接问题（θ1）、涂装问题（θ2）、图纸问题（θ3）和精度问题（θ4），并将这些问题作为备选的六西格玛项目。g1～g9分别代表指标体系中的指标。B1、B2、B3、B4为 4 位专家。

5.1 军品质量监督效益评价

将XXX厂在生产中实施六西格玛项目的历史数据进行整理，得到数据对如表1所示。训练数据对为1组～15组，检验数据对为第16组。专家组对于候选项目的质量监督效益指标的评价如表2所示。

表1 军品质量监督效益历史数据

表2 候选项目质量监督效益指标的评价

由3.2中实施步骤及表1和表2数据，得到专家对候选项目的评价结果，如表3所示。

表3 备选项目质量监督效益指标的评价结果

5.2 军品质量监督内容与主体评价

参照军品质量监督内容与主体指标（g4～g9），根据专家的知识和经验等对于候选项目的信度赋值如下页表4所示，由军品质量监督内容与主体评价模型及实施步骤，得到证据合成结果，如表5所示。

表4 专家对于候选项目证据信度赋值

表5 证据合成结果

5.3 军品质量监督六西格玛项目综合评价

以上分别从军品质量监督六西格玛项目的效益、内容与主体等3个维度进行了评价。由于“效益维度”同“内容与主体维度”相比可信度更高，专家组分别赋予其0.65和0.35的权重，得到综合评价结果如表6所示。

表6 综合评价结果

经综合评价，应选择焊接项目优先实施。舰艇焊接技术在舰艇制造中有着极其重要的地位，它是舰艇整体密性和强度的重要保证，是保证舰艇安全航行和作业的关键。焊接质量和效率对舰船质量、周期和成本有重要影响。能够在众多候选六西格玛项目中将焊接项目选择出来作为优先实施的项目，说明了方法的正确性与有效性。

6 结论

针对军品质量监督中如何合理选择六西格玛项目这一难题，笔者应用平衡计分卡，创造性地从军品质量监督效益、内容和成本3个维度构建了六西格玛项目选择的指标体系。为融合军工企业实施六西格玛管理经验和军代表开展六西格玛质量监督价值需求，综合利用ANFIS和证据理论构建了融合军工企业历史经验和舰船装备质量监督价值需求的六西格玛项目选择评价模型，为下一步有效实施六西格玛项目，实现军品质量的主动式、聚焦式监督，提高质量监督效益奠定坚实的基础。

［1］SHARMA S，CHETIYA A R.An analysis of critical success factors for Six Sigma implementation ［J］.Asian Journal on Reality，2012，13（3）：294-308.

［2］EEKES G.The Six Sigma Revolution［M］.New York：Wiley，2001.

［3］姚杰，胡涛，杨建军.舰船建造六西格玛项目选择指标体系构建［J］.舰船电子工程，2015，35（5）：1-4.

［4］曾依敏.业务流程导向的供电企业关键绩效指标体系设计［D］.石家庄：华北电力大学，2012.

［5］盘晓灵.基于胜任力的人力资源管理模型构建与价值计量［J］.企业经济，2011（8）：72-75.

［6］武星星，刘金国.模糊系统和ANFIS的改进及其在空间光学中的应用［M］.北京：科学出版社，2012.

［7］陈新兵.ANFSI的MATLAB实现与液压成型机模糊温控系统的研究［D］.长沙：湖南大学，2005.

［8］杨风暴，王肖霞.D-S证据理论的冲突证据合成方法［M］.北京：国防工业出版社，2010.