隨著全球競爭加劇和市場細(xì)分程度提升，大規(guī)模定制作為一種企業(yè)運作模式得到越來越多的重視。與以穩(wěn)定性和控制力獲得高效率的大批量生產(chǎn)相比，大規(guī)模定制生產(chǎn)以靈活性和快速響應(yīng)來實現(xiàn)多樣化和定制化。作為大規(guī)模定制所涉及方面中的一部分，生產(chǎn)質(zhì)量控制有其重要意義。本文對大規(guī)模定制生產(chǎn)的特點進行了探討，總結(jié)了相關(guān)學(xué)者在大規(guī)模定制生產(chǎn)質(zhì)量控制方面的研究，分析了適用于大規(guī)模定制生產(chǎn)質(zhì)量控制的其他方法，并對進一步的研究提出一些建議。
一、大規(guī)模定制生產(chǎn)質(zhì)量控制的特點
大規(guī)模定制生產(chǎn)質(zhì)量控制有以下新特點：①樣本量較小，尤其是在定制化程度較高的情況下和生產(chǎn)的初期階段，而休哈特控制圖產(chǎn)生于大批量時代，以大樣本為基礎(chǔ)，可能直到某一型號產(chǎn)品生產(chǎn)結(jié)束，樣本量還不滿足傳統(tǒng)控制圖的樣本量要求；②樣本數(shù)列往往具有時變性，不能簡單假設(shè)其服從正態(tài)分布；③大規(guī)模定制生產(chǎn)模式要求靈活性和快速性，而傳統(tǒng)的質(zhì)量控制方法響應(yīng)速度偏慢。因此，應(yīng)用于大批量生產(chǎn)模式下的經(jīng)典休哈特控制圖便不再適用。
二、大規(guī)模定制生產(chǎn)質(zhì)量控制研究的內(nèi)容
（一）大規(guī)模定制中質(zhì)量控制的宏觀理論研究
Teresko(1994 [1] )提出在大規(guī)模定制階段，質(zhì)量和效率應(yīng)該作為競爭中的先決條件而不再是目標(biāo)的觀點；M．Kakatit(2002 [2])提出了在各階段的創(chuàng)新、質(zhì)量改進、時間、柔性以及成本管理是大規(guī)模定制計劃成功實施的前提條件；Akarte等(2001)研究了大規(guī)模定制中對供應(yīng)商的鑄造質(zhì)量進行評價的系統(tǒng)方法；Stephanou(1995 )研究了基于計算機的建模和檢測作為質(zhì)量控制工具在大規(guī)模定制的應(yīng)用。Powell(2002)[3]提出了增加系統(tǒng)自動化、過程控制和質(zhì)量管理的理念。
（二）對傳統(tǒng)質(zhì)量工具的改進研究
在大規(guī)模定制下，樣本數(shù)目比較小，點估計不確定性將增加，導(dǎo)致工序能力指數(shù)的估計產(chǎn)生比較大的偏差，可信度不高，風(fēng)險較大。李奔波(2005 [4])首先對工序能力指數(shù)進行點估計，尋找其置信區(qū)間，將置信區(qū)間下限同推薦值進行比較，得出在一定置信度下能否完成加工的判定。同時，分別對大規(guī)模定制下的單值控制圖和中位數(shù)控制圖進行了研究，給出了控制界限的確定方法。
（三）基于相似性理論的成組技術(shù)研究
應(yīng)用成組技術(shù)進行質(zhì)量控制要解決兩個關(guān)鍵問題：如何識別相似工序構(gòu)成工序族；對工序族的數(shù)據(jù)的處理，即控制圖的研究。
盧澤生，張妍（2005）提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的零件分類方法。通過200個典型零件樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練和測試，證明該零件分類成組系統(tǒng)可實現(xiàn)零件的準(zhǔn)確分類成組。
鄭立偉（2004）將模糊聚類分析應(yīng)用于工序分類，提出用加權(quán)距離來確定模糊相似系數(shù)。從質(zhì)量經(jīng)濟性出發(fā)討論相似工序的工序能力指數(shù)是大致相同的，以此為基礎(chǔ)進行質(zhì)量控制圖的研究。
劉劍虹等（2005）指出了傳統(tǒng)BOM的不足，提出建立邏輯BOM系統(tǒng)，以解決大規(guī)模定制生產(chǎn)產(chǎn)品多樣性的不斷增加和其產(chǎn)品結(jié)構(gòu)快速識別與配置的矛盾。
杜堯（2005）將智能信息技術(shù)應(yīng)用于大規(guī)模定制生產(chǎn)中的成組技術(shù)。將自適應(yīng)變異的粒子群優(yōu)化算法用于求解成組技術(shù)中的P-中位模型，克服了用遺傳算法求解時的收斂速度慢和過早收斂之缺陷以及用粒子群算法的計算量過大的不足。
成組技術(shù)的引入和使用，一定程度上解決了大規(guī)模定制生產(chǎn)模式數(shù)據(jù)量少的問題。
（四）針對極小樣本的數(shù)據(jù)建模方法研究
張炎亮（2007）采用灰數(shù)模型預(yù)測方法預(yù)測產(chǎn)品質(zhì)量特性，提出大規(guī)模定制生產(chǎn)過程質(zhì)量控制中的灰色神經(jīng)網(wǎng)絡(luò)集成建模方法；樊樹海等(2008)將灰色理論引入到了神經(jīng)網(wǎng)絡(luò)建模中；翁小杰(2009)將神經(jīng)網(wǎng)絡(luò)預(yù)測模型和灰色預(yù)測模型進行了優(yōu)選組合，回避單一預(yù)測模型預(yù)測精度低的風(fēng)險；曾巍(2005)在BP網(wǎng)絡(luò)的基礎(chǔ)上提出了一種新型的神經(jīng)網(wǎng)絡(luò)模型，對網(wǎng)絡(luò)的收斂性和性能進行了理論分析和實驗驗證；楊世元等(2003)提出了一種基于支持向量機的技術(shù)來進行控制圖的模式識別；王晶等（2009）將Bootstrap方法引入到多品種小批量生產(chǎn)的質(zhì)量控制中，研究了基于該方法的控制圖的構(gòu)造和實施流程。
三、總結(jié)
目前的研究解決了基本的概念問題，在具體應(yīng)用上也逐漸深入。如何更加準(zhǔn)確合理地確定相似工序和相似系數(shù)，是成組技術(shù)接下來的一個研究重點；在針對極小樣本的數(shù)據(jù)建模方法研究中，如何準(zhǔn)確分析動態(tài)時變序列中的隱含關(guān)系并保證模型精度，如何對擴展后的分布序列求解分布參數(shù)也是進一步研究的方向。
