工艺失效模式及影响分析（Process Failure Mode and Effects Analysis,PFMEA）是一种经典的制造过程可靠性与质量控制方法。为确保制造过程的可靠性与产品制造质量,必须对其潜在的工艺失效模式进行逐一识别并科学地评估其风险水平,从而为制造过程的持续改进提供依据。而系统、准确且高效地识别出制造过程中所有的潜在工艺失效模式是PFMEA技术有效应用的基础和前提。对于大批量生产模式下的制造过程,其所积累的失效模式数据和历史经验极为丰富,从而为制造过程潜在工艺失效模式的识别奠定了基础。但在小批量定制生产模式下,如何在历史数据极度缺乏的条件下,提出具有普遍应用价值的潜在工艺失效模式识别方法,则是PFMEA技术有效应用的前提。目前,虽已有具有完备性和普适性的基于制造过程构成要素的潜在工艺失效模式识别模型及其应用程序,但其识别过程基本依靠工程师们的智力完成的。特别是将该方法应用于复杂产品制造过程的PFMEA时,潜在工艺失效模式的挖掘和识别需要耗费大量的人力与物力,且受到环境和人心理因素的影响,导致出现穷举识别效率不高和识别质量不稳定等问题。为此,本文基于过程构成要素的潜在工艺失效模式人工识别模型,以装配工艺过程为研究对象,综合运用自然语言处理、数据挖掘、案例特征类比推理等技术,分析研究制造过程构成要素的属性与自动生成问题、工艺指令的规范化、细粒度工序知识的重用和失效模式的机器识别等问题,形成系统的潜在工艺失效模式的机器识别技术。论文完成的主要工作包括:1、研究了工艺过程构成要素的自动生成与属性度量方式。利用Seq2Seq—LSTM算法建立了基于关键词规划的过程构成要素自动生成模型,并分析给出其应用受限的可能原因。进而逐个类别地分析研究了过程构成要素的工艺元素及其指标属性的特征度量问题,给出了其在不同类型过程构成要素下的具体计算方法,为后续的潜在工艺失效模式的机器识别研究奠定基础。2、提出了基于过程构成要素的工艺指令规范化的方法。分析了工步的六个过程构成要素所需包含的工艺内容,并运用改进FP-Growth数据挖掘算法挖掘其各自内容的表述方式。据此,从工步过程构成要素的具体内容和表述方式两个维度对工步指令提出规范化的具体要求。利用多色集理论研究了过程构成要素到工步指令的规范过程,以综合模糊评价法量化了工步指令规范前后对工艺质量的影响程度。规范的工艺指令不仅有助于提升潜在工艺失效模式机器识别的质量,也是保证制造工艺质量的关键因素。3、研究了细粒度装配工序知识的重用问题。以过程构成要素的输入、辅助活动、增值控制活动和输出四个维度的工序信息进行系统性的分析,提出了基于基因结构的工序多源信息的表示与评价方法。通过对四类过程构成要素的碱基属性进行了精细化的相似度定量度量,构建出灰色关联分析方法对四类过程构成要素的异构信息进行了有效融合,实现不同的装配工序之间的重用与修订。重用过程的研究为相似的工序在分解成更加细致的工艺过程构成要素指令中,节省了大量工艺人员在逐个要素划分时耗去的时间与人力成本,有效弥补了基于关键词规划的自动生成技术的不足。4、提出了潜在工艺失效模式的机器识别方法。以规范的工步过程构成要素为基础,通过引入可拓物元表示方法对工步过程构成要素的工艺指令实例、特征项以及特征词统一表示,建立失效判据和句法依存关系之间的映射,利用自然语言处理技术结合语义角色、语法与词性等混合相似性度量方法描述工艺指令之间的特征相似性,通过实例检索方式获得过程构成要素指令的特征,再经可拓算子的类比运算实现潜在工艺失效模式的识别;以制造过程需求特征为切入点,解决短语资源过程构成要素的潜在工艺失效模式识别问题。以准确率、召回率和综合值F来衡量每类过程构成要素指令通过案例类比推理实现制造过程潜在工艺失效模式机器识别的质量。5、将上述的研究内容应用于装配工艺的具体工程实际中,结合具体应用例,系统阐述了研究内容的实施过程,验证了所提出的潜在工艺失效模式机器识别技术的可行性、有效性和适用性。论文系统全面地研究了基于过程构成要素模型的潜在工艺失效模式的机器识别涉及的工艺指令的规范化、细粒度装配工序的重用等问题,研究成果不仅保证了PFMEA技术的应用质量与效率,也极大程度地提升了PFMEA技术对于各种生产模式的适应性。