航天测控任务全过程管理质效影响因素分析

王育辉，昝少东，，邱德敏，袁 野

(1.空军工程大学 装备管理与无人机工程学院，陕西 西安 710051；2.宇航动力学国家重点实验室，陕西 西安 710043)

0 引言

近年来随着我国航天事业的蓬勃发展,航天发射次数和密度连创新高,已由2018年的39次增至2022年的64次,2023年计划发射70次左右,在轨航天器数量也突破了600颗[1]。由此带来的是航天测控站进行任务准备和执行的周期大幅缩短,同时对各类航天器的发射入轨及长期管理维护都提出了更高的质量要求。以载人航天任务为例,安全可靠性要求高、技术参数复杂、设备状态多变、任务流程环节众多和人员操作要求严格等,使得航天测控站面临的质量管理压力巨大,不容丝毫闪失[2]。

随着管理经验和科学技术的发展,质量管理理论和手段不断得到丰富,基于标准操作规范(Standard Operation Procedure,SOP)、精细化管理(Delicacy Management,DM)、全过程质量管理(Total Quality Control,TQC)、全面质量管理(Total Quality Management,TQM)等在工业生产、建筑工程项目管理、航天装备制造和项目质量管理评价等领域得到广泛应用[3-4]。近年来,国内外学者将图论与质量管理理论相结合,进行了大量有益研究,如采用流程图、因果图、拓扑图、树状图和鱼骨图等使项目流程更加清晰,管理要素更加明确,特别是近年来基于图论快速发展的复杂网络理论在质量管理领域得到应用,如陈静等[5]构建了一种基于复杂网络的军事通信网络模型,确定了关键节点的排序信息。方爱丽等[6]从复杂网络的角度对计算机信息产业质量系统进行建模,根据其结构属性和动力学特征确定了该系统中的关键核心企业。万能等[7]将FMEA等分析工具与复杂网络理论相结合,提出了供应链质量控制因素网关键质控点及工序的识别方法。张芹等[8]从质量管理工具与复杂网络结合的角度出发,构建了PCB质量因素控制网络,利用复杂网络理论知识进行分析,发现了PCB质量因素控制网络近似服从幂律分布,确定了需要预防的关键质量因素,减少质量缺陷的产生。孙晓峰等[9]从航天企业相关方在航天生产中的作用出发,对相关方在企业质量管控中的重要作用进行了分析,从相关方“选择”“使用”“评价”等环节出发,探索建立了相关方质量管理体系,促使相关方不断提升质量管理水平。

航天测控任务是一种牵涉面广、因素变量多、人员因素影响大的有向复杂系统,输入输出关系复杂,利用复杂网络致因理论可有效研究航天测控任务全流程质量管理难题,主要方法是以任务主要流程为基准,梳理整个流程中发生质量问题的相关因素、可能性和影响域,从大量典型质量问题案例及原因分析中提炼出问题机理和问题模型,分析质量问题发生的起因和演进过程,为量化分析质量问题、辨识关键因素和提出优化改进措施提供理论依据[10]。

本文在分析航天测控任务质量问题特点的基础上,借鉴现有事故致因理论思想[11],分析某重点型号航天任务中,地面测控系统历年来典型质量问题数据资料,通过对各类数据梳理整合,结合测控任务实际,详细列举航天测控任务准备及实施过程中的各种质量控制因素,并根据其关联关系建立航天测控任务质量控制因素网,基于复杂网络理论计算该网络节点度、网络直径、度分布和聚类系数等重要指标,辨识整个航天测控任务质量控制因素网络的关键步骤和关键质量质控点,结合曾发生的质量问题及风险,优化这些关键步骤和关键质量质控点[12],以提升航天测控任务质量管理的效率和水平。

1 航天测控任务复杂网络构建

建立航天测控任务质量控制因素网络的前提是梳理任务全过程的主要环节及相关因素,首先按照任务全过程建立任务流程图,对任务流程图中的每个任务步骤进行因果图分析,然后对每个任务步骤相关联的质量控制因素进行质量保证(Quality Assurance,QA)矩阵分析,根据这些节点之间的因果关系和相关关系建立质量控制因素相关矩阵[13],最后建立航天测控任务质量控制因素复杂网络。

1.1 影响航天测控任务质量的控制因素

将影响任务是否成功的质量因素作为网络节点,各节点之间的作用输入和作用输出、关联关系作为边,则航天测控任务质量控制因素网络转化为相互关联的节点经由关联关系拓展所构成的复杂网络[14]。根据邻接矩阵的定义将节点i与节点j之间的关系设为aij,当i与j相连时aij=1;反之,当i与j不相连时aij=0。

将航天测控任务全过程分为任务输入、人员培训、任务准备、状态建立、任务实施和应急处置6个组成部分,其输入的主要内容为制定方案、设备性能和合作方状态等,输出则为任务完成度,以及遥控发令、遥测外测数据、图像等收发数据质量,输入的质量决定着输出的任务质量;其他任务步骤和质量控制因素作为任务执行的中间过程,也是提高任务全过程质量管理水平及任务成功率的重点。某型号航天测控任务的简单流程包括:制定方案、合作方状态核查、飞行器状态评估、岗前培训、气象条件分析、电磁环境监测、设备检查、病毒查杀、线路巡检、启动计划、数据检查、发令检查、发送上行功率、目标捕获、应急处置、状态监视和数据质量分析等主要任务流程。在实际任务执行过程中,任务流程中的每个步骤都不同程度地影响着任务质量,即任务的总体成功率;而每个步骤又关联着诸多质量控制因素,因此航天测控任务质量问题的发生是全部控制因素相互影响、共同作用的结果。梳理近年来航天测控任务整个过程中影响任务质量的控制因素和发现质量问题涉及的任务步骤,绘制控制因素与任务步骤之间的关联,如图1所示。

为分析质量问题、影响任务质量的控制因素和任务步骤之间的因果关系,基于关联图将航天测控任务质量控制因素网络,按照人员、设备、材料、法规和环境5个方面分类确定了59个质量控制因素[15],如表1所示。

表1 航天测控任务质量控制因素Tab.1 Quality control factors

1.2 质量控制因素网络模型

根据表1梳理出的质量控制因素,统计某型号航天任务二十余年来在准备和执行过程中发生的典型质量问题数百起,归纳整理出任务步骤与质量控制因素之间的输入输出连接,以及质量问题与质量控制因素之间的作用连接,将质量控制因素关联图转化为航天测控任务质量控制因素复杂网络图。首先将任务步骤或质量控制因素——如违规操作、误操作、报告不及时、数据处理不及时、病毒感染、验证不充分和制度落实不严等主因素视为各自独立的节点,再将功率值设置错误、上行未起扫和设计缺陷等由主因素细化拓展出的子因素作为其相邻的节点,将引入的联系作为节点的入边,将节点导致的影响作为出边[16],建立邻接矩阵并利用Networkx工具包建立影响任务质量因素控制网络模型,该模型包括125个节点、299条边,如图2所示。

图2 航天测控任务质量因素控制网络Fig.2 Aerospace TT&C tasks quality factor control network

由图2可以看出,基本上所有节点之间都有连接,即质量控制因素会受到一个或多个因素的影响,证明了航天测控任务质量管理结果的好坏,即任务实施是否成功是各种质量控制因素叠加交互影响的结果,符合任务实际执行经验。如图2所示的非均匀分布复杂网络拓扑结构表明,该网络中节点的活跃程度并不相同。采用辨识节点重要性的方法,如节点度、度分布、节点介数和聚类系数等,从网络中辨识出一些重要节点具有实际意义,可基于上述指标值辨识航天测控任务质量控制网络中核心、关键质量控制因素[17],并以此为依据制定相应的应急和预防措施来提高航天测控站及整个地面测控网的任务质量管理水平。

2 质量因素控制网络表征特性

复杂网络模型建立后,需进一步获取其网络统计特征参数以进行模型分析[18],如表示网络节点特征的节点度ki、节点平均度k和度分布Pk,以及表示节点间关系特征的平均路径长度L和平均聚类系数C等。在表征任务过程进行时,参数被赋予了影响整个任务质量的物理含义;随着网络中节点和边定义的改变,以上特征参量也相应地发生改变。

2.1 节点度和度分布

设航天测控任务质量因素控制网络模型为G=(V,E),其中V={v1,v2,…,vn}表示网络中节点的集合,E={(vi,vj)|vi,vj∈V}表示网络中边的集合。设An×n=(aij)n×n为对应的邻接矩阵,节点i和节点j之间若有边连接,则aij=1,否则aij=0。

根据邻接矩阵的定义,可以将节点度定义为:

(1)

由此可得节点度较大的网络节点如表2所示。

表2 度值较大的网络节点Tab.2 Nodes with larger degrees

节点度是评估网络中节点影响力的主要指标之一,其定义是网络中该节点出边与入边的数量。在质量控制因素网络中,节点度的大小表征该节点对整个网络的影响程度,其度值越大代表该节点在网络中的影响力越大。

度分布是指网络中任意节点的节点度值为k的概率,即网络中节点度值为k的节点数nk与该网络节点总数n的比值:

(2)

由此,可得质量因素控制网络节点度及概率分布,如图3所示。

图3 节点度及概率分布Fig.3 Node degree and probability distribution

通过统计网络中节点度的概率分布情况,可以分析复杂网络模型的基本结构特性。

2.2 网络直径和平均路径长度

复杂网络中任意两节点间距离的最大值称为该网络的直径,即:

(3)

式中:dij为节点i和节点j之间最短路径的总数。

平均路径长度L为任意两节点间距离的平均值,即:

(4)

(5)

式中:U为单位指示函数,当i=j时δij=1,否则δij=0,l为i、j两节点之间最短路径长度。

平均路径长度用来表征网络中任意节点之间的平均分离程度,可以刻画航天测控任务复杂网络的分离程度。网络直径用来描述航天测控任务质量网络的局域结构特点,可以用于研究该网络的模块性和层次性。

2.3 平均聚类系数

(6)

表3 聚类系数较大的网络节点Tab.3 Nodes with larger clustering coefficient

平均聚类系数用来描述复杂网络的局域结构特点,可以表征该网络的模块性和层次性。对质量因素控制网络来说,聚类系数越大,表明影响任务质量的节点之间的相关性越大。

2.4 节点介数

节点介数为经过某节点的最短路径数目和网络中最短路径数目的比值,用来表征节点在整个网络中的影响力。节点i的介数可表示为:

(7)

表4 介数较大的网络节点Tab.4 Nodes with larger betweenness

节点的介数值用于表征网络的连通性,介数越大则表明该节点在质量因素控制网络中的传播能力越强,即当任务流程经由该节点的边继续进行时,将会引发更多的质量问题,因此在任务流程中消除介数值较大的节点,能有效提高任务成功率。

3 质效影响因素分析

3.1 质量因素控制网络特征分析

本文对航天测控任务质量因素控制网络特性进行分析,统计得到该网络拓扑结构的主要特征参数,如表5所示。

表5 航天测控任务质量因素控制网络拓扑参数Tab.5 Aerospace TT&C tasks quality factor network topology parameters

在该网络中,节点度的最大值为18,最小值为1,最大入度为17,最大出度为12,网络中各节点度值差距较大,说明航天测控任务网络的结构和功能布置分布不均匀。网络直径为7,从各质量问题节点到航天测控任务成功的平均最短路径为3.42,说明网络中发生的质量问题平均通过3个中间节点就可以影响质量管理目标,即整个航天测控任务网络的鲁棒性不足,质量问题很容易影响整体任务的成功率。平均聚类系数为0.082,网络节点呈现出较明显的局部集聚现象,结合表3的数据,反映出航天测控任务过程中部分人员和设备因素引发的问题比较集中。

但是，高级人工智能将以其高级能力将相生相克的大体平衡打破，它不依赖于其他任何生物，且可以超出人类的控制。如果高级人工智能被设定(或自我设定)的任务是无限复制X，那它就可能霸占地球(甚至比地球更大的范围)，使人类毁灭。如果X是不断复制自身，如蓝藻复制自己，那么，人工智能会利用一切可以利用的资源来复制自身，并且没有任何力量能够阻挡。人工智能通过自我复制来毁灭人类，与蓝藻的自我复制一样，是无需情感的非有意识行为。不过，高级人工智能只是有可能毁灭人类，而非必然。

度值较大的质量问题节点如表2和图3所示。目标捕获、设备故障应急和误操作的度值较大,说明人员因素和设备因素对航天测控任务质量的影响至关重要,在实际的任务过程中,任务状态建立、任务准备及实施、应急处置等环节都离不开人员具体落实,人员因素极易导致质量问题的发生,因而保证岗位人员在上岗前接受相应的岗前培训及应急操作培训是必不可少的环节。而任务实施过程中设备一旦发生故障,如基带故障和伺服故障均属于关键设备因素,如果应急处置不当,也会对任务的成功率造成不利影响,因此也需要重点防控。除此之外,岗位人员质量意识培树、规范操作流程以及完善应急方案等法规制度,也能使任务符合质量管理规定的标准。

3.2 航天测控任务质量管理过程优化

航天测控任务社会影响大、投入资源多、实施周期长,在全过程管理中追求的是零问题、零失误的质量管理目标。本文根据航天测控全过程列举了影响任务质量的控制因素和常见质量问题,按照任务关键步骤与质量控制因素、质量控制因素相互间的关联关系建立复杂网络模型,经分析该复杂网络的特征参数发现,节点度值、聚类系数和介数值较大的节点也是在实际航天测控任务质量管理过程中常见的问题爆发点,需给予重点关注和预防。因此,复杂网络模型的建立科学地验证了实际工作中的管理经验,可以更加精确地定位关键质量控制因素,从而及早发现和消除问题隐患,优化全过程质量管理系统。

表2中,节点度值最大的节点为目标捕获,与此相关联的重要质量控制因素如图4所示,有人员因素、设备因素和材料因素,因此在航天测控任务质量管理过程中应重点管控岗位人员在目标捕获过程中的违规操作和误操作,同时降低关键设备故障概率。

图4 重要质量控制因素关联Fig.4 Association diagram of key quality control factors

根据图4列出的与目标捕获相关的所有质量控制因素及其导致的质量问题,提出以下优化措施:

① 建立航天测控任务全过程质量管理体系,基于航天测控任务质量控制因素关联图和复杂网络模型,准确定位质量控制因素之间的相互关系及某个质量控制因素引发的质量问题,从任务整体角度量化分析复杂网络特征参数,准确识别出需要重点管控的质量因素,并针对重点质量因素制定相应的预防和管控措施。

② 扎实开展岗位业务知识培训,牢固树立岗位人员质量意识及法规意识,制定科学合理的流程操作手册,杜绝违规操作、减少误操作,必要时应组织专项考核,对岗位人员的理论知识和操作水平进行检验,以减少因违规操作和误操作引发的质量问题。

③ 加强任务前设备巡检,按照维护制度检查维护好天线伺服、电机、传动机构及高功放等重点环节,必要时还应对容易发生故障的设备系统进行专项维护,降低设备故障风险隐患。

④ 加强岗位人员应急知识和应急操作培训,针对任务特点设计应急科目并演练,使岗位人员面对突发情况能有效应对。

除以上措施外,还可以细化分析其他需要防控的质量控制因素并采取相应的措施,以减少对航天测控任务质量的不利影响。

4 结束语

全面梳理了航天测控任务全过程管理中的质量控制因素,并以某型号航天测控任务历年质量问题数据为依据,按照人员、设备、材料、法规和环境5种影响任务质量的宏观因素进行科学分类,基于复杂网络理论分析质量控制因素之间的关联关系,建立了航天测控任务质量因素控制网络。研究发现,复杂网络理论与质量分析工具相结合可以真实反映航天测控任务质量管理全过程,根据节点度及度分布、平均路径长度、聚类系数和节点介数等网络特征参数,全面整体地分析了影响任务质量的主要因素,准确辨识需要管控和改进的关键因素,并提出切实有效的全过程质量管理优化措施,能有效解决实际管理工作中的问题,提高后续航天测控任务质量管理的效率和水平。