2. 制造质量缺陷的基本概念与分类维度
在制造质量知识体系工程中，术语的精确性直接决定了知识能否被机器正确推理、被人员一致理解。缺陷、不合格、失效、异常、偏差这五个词在日常沟通中常被混用，但在质量工程与知识建模语境下，它们指向不同的判定对象、不同的判定依据和不同的处置路径。若不加辨析就写入知识库，后续的缺陷统计、根因分析、责任追溯都会出现语义漂移。
五个核心术语的判定边界
不合格（Nonconformity）是最基础的判定结果：产品、过程或体系未满足某一项明确要求。这里的“要求”可以是图纸公差、工艺规范、检验标准或客户合同条款。不合格是一个二元判定——满足或不满足，判定依据是事先约定的准则。例如某轴颈图纸标注 φ20.00±0.02 mm，实测 φ20.035 mm，即判定为不合格，因为超出了上偏差。
缺陷（Defect）强调“未满足与预期使用有关的要求”，它比不合格更贴近使用后果。一个产品可能完全符合图纸却仍存在缺陷，因为图纸本身未覆盖某项使用要求。在知识体系中，缺陷通常作为可分类、可归因、可统计的对象，是缺陷分类体系的核心载体。
失效（Failure）指产品在规定的条件下丧失规定功能。失效往往是不合格或缺陷在时间维度上的后果显现，例如焊点虚焊在出厂检验时未被识别，装机后在振动环境下开路，即由潜在缺陷演变为功能失效。失效分析关注的是功能丧失的机理与模式。
异常（Abnormality）指过程或产品状态偏离正常波动范围，但尚未确认是否构成不合格。异常是过程监控中的预警信号，例如注塑机模温在 5 分钟内从 80 ℃ 漂移到 92 ℃，超出控制限，此时应触发异常响应，但产品是否不合格还需进一步检验确认。
偏差（Deviation）指实际值相对目标值或标准值的偏离量，是一个带方向和幅值的连续量。偏差本身不是判定结论，而是判定不合格或评估过程能力的输入数据。例如同批次 30 件产品的孔径偏差均值为 +0.008 mm，标准差 0.004 mm，据此可计算过程能力指数并判断是否需要调整刀具补偿。
缺陷分类的五个常用维度
同一批缺陷数据，按不同维度切分会产生完全不同的知识结构。制造现场最常用的分类维度包括：
- 发生阶段：来料、加工、装配、测试、仓储运输、售后。该维度决定责任部门与拦截点，适合构建过程追溯链。
- 严重度：致命、严重、一般、轻微，通常结合安全、功能、外观、成本影响综合定级。该维度决定处置优先级与放行策略。
- 检测方式：目视、尺寸测量、无损检测、功能测试、老化试验。该维度关联检测能力与漏检风险。
- 责任归属：设计、工艺、设备、物料、操作、环境。该维度支撑根因归类与纠正措施分配。
- 物理形态：尺寸偏差、形状位置误差、表面缺陷、材料性能不足、装配干涉、电气性能异常。该维度最贴近缺陷本身的物理本质，适合构建缺陷本体库。
以某汽车零部件厂的实际数据为例：某月共记录 412 条缺陷记录，按发生阶段统计，加工阶段占 46%，装配阶段占 27%，来料阶段占 18%，其余为测试与运输。按物理形态统计，尺寸偏差占 38%，表面缺陷占 24%，装配干涉占 19%。两组数字交叉后可以发现，加工阶段的缺陷以尺寸偏差为主，而装配阶段的缺陷以装配干涉和表面划伤为主。这种交叉视角是单一维度无法提供的。
分类维度选择如何影响知识体系结构
分类维度不是中性的标签，它直接决定知识库的实体类型、关系类型和推理路径。若以“发生阶段”为主维度，知识体系会自然形成“工序—缺陷—责任部门”的链式结构，适合做过程质量追溯；若以“物理形态”为主维度，则会形成“缺陷模式—特征参数—检测方法—根因机理”的本体结构，适合做缺陷诊断与知识复用；若以“严重度”为主维度，则更偏向风险分级与处置决策，适合做放行与升级规则。
实际工程中通常采用“主维度+辅维度”的组合方式。例如以物理形态作为缺陷本体的主分类，以发生阶段作为实例属性，以严重度作为处置规则的条件字段，以责任归属作为根因分析的关联维度。这样既保证了缺陷本体的稳定性，又保留了多视角查询与统计的能力。需要警惕的是，维度并非越多越好：每增加一个维度，知识录入的字段数和一致性维护成本都会上升，且维度之间可能存在语义重叠，例如“加工阶段”与“设备责任”高度相关，若同时作为独立主维度会造成冗余分类。
从术语到分类：一个可操作的建模示例
假设我们要为某注塑车间建立缺陷知识库。首先明确术语边界：孔径超差属于“不合格”，因为违反了图纸公差；若该超差导致装配后密封失效，则升级为“失效”；若模温在加工中持续偏高但产品尚未超差，则记录为“异常”；孔径实测值与目标值的差值记录为“偏差”。
接着选择分类维度。以“物理形态”为主维度，建立缺陷本体：尺寸偏差、飞边、缩痕、熔接痕、气纹、变形等。以“发生阶段”为实例属性，标注每条缺陷记录发生在注塑、保压、冷却还是脱模阶段。以“严重度”作为处置规则的条件字段，例如“尺寸偏差+致命”触发停线，“气纹+轻微”触发返工。以“责任归属”作为根因分析的关联维度，例如“缩痕”关联“保压不足”或“料温偏低”。
这样构建的知识体系，既能按物理形态快速检索缺陷模式，又能按发生阶段追溯过程参数，还能按严重度自动匹配处置规则。分类维度的选择不是一次性的，随着数据积累和业务重点变化，可以调整主辅维度的组合，但术语的判定边界应保持稳定，否则整个知识库的推理基础就会动摇。
总结来说，术语辨析解决的是“这是什么”的问题，分类维度解决的是“怎么组织”的问题，而维度选择对知识体系结构的影响解决的是“为什么这样组织”的问题。三者层层递进，共同构成制造质量缺陷知识体系工程的概念地基。