1. 课程导入与工程问题定义
在制造现场，质量波动几乎从不以“单一原因”出现。同一台设备、同一批材料、同一份作业指导书，连续生产出的产品仍可能在尺寸、重量、强度、外观或电性能上出现分散。工程师最常遇到的困惑是：参数明明设定一致，为什么质量结果仍然漂移？要回答这个问题，必须把“工艺参数”与“质量波动”从两个孤立概念，转化为一个可分析、可量化、可控制的关联系统。
本课程研究的对象，是制造过程中可控工艺参数与质量特性波动之间的因果与统计关系。可控工艺参数包括温度、压力、速度、时间、流量、张力、电流、浓度、间隙等；质量特性则包括尺寸偏差、重量偏差、表面粗糙度、强度、硬度、电阻、密封性等。二者之间并非简单的一一对应，而是通过设备状态、材料批次、环境条件、操作节拍等多条路径耦合。因此，本课程的核心问题可以概括为三句话：波动从哪里来？参数如何影响波动？怎样用数据把影响关系找出来并加以控制？
本节要建立的基本认识：质量波动不是“异常”，而是过程的固有属性；工艺参数不是“设定值”，而是带有分布、漂移和交互作用的变量。关联工程的任务，是把“参数—过程—质量”之间的黑箱，逐步变成可观测、可建模、可优化的白箱。
为了看清这一关系，先建立一个整体知识框架。制造现场的质量波动通常来自五个方向：人、机、料、法、环，再加上测量系统本身。工艺参数处在“法”和“机”的交汇处，它既是操作者可以调整的输入，也是设备实际执行的结果。质量波动则是这些输入经过物理、化学或几何变换后的输出。下图给出本节的核心关系框架：左侧是参数输入层，中间是过程作用层，右侧是质量输出层，下方是测量与数据反馈层。
上图揭示了三个关键点。第一，参数输入层中真正进入过程的是“实际值”，而不是“设定值”。设定值只是目标，实际值受设备响应、磨损、环境、材料差异影响，形成分布和漂移。第二，过程作用层存在交互与非线性，例如注塑中保压压力与熔体温度共同决定收缩率，单独调一个参数往往得不到预期结果。第三，质量输出层必须用分布来描述，均值、标准差、极差、超差率比单一测量值更有工程意义。
接下来要明确本课程的学习目标。完成本课程后，读者应能独立完成四类任务：其一，识别波动源，能区分普通原因波动与特殊原因波动，判断过程是否处于统计受控状态；其二，建立参数—质量关联，能用散点图、相关分析、回归模型、方差分析等方法，量化参数对质量特性的影响方向和强度；其三，设计参数优化方案，能基于响应曲面、正交试验或梯度分析，找到参数窗口并验证稳健性；其四，建立监控与反馈机制，能用控制图、过程能力指数和预警规则，把关联关系转化为现场可执行的控制策略。
为了便于后续章节展开，这里给出一个贯穿全课程的分析路径。假设某注塑件关键尺寸标准为 50.00 ± 0.10 mm，当前连续抽取 25 件，测得均值 50.03 mm、标准差 0.045 mm。仅看均值合格，但过程能力指数 Cp = (USL − LSL) / (6σ) = 0.20 / 0.27 ≈ 0.74，低于常用门槛 1.33，说明波动偏大。此时不能简单归因于“设备不稳定”，而应沿着“参数—过程—质量”链路逐层排查：料筒温度是否漂移？保压压力是否波动？模具温度是否均匀？测量重复性是否足够？这就是本课程要训练的系统化思维。
学习建议：每学一个方法，都回到自己熟悉的工序上问三个问题——这个参数的实际分布是什么？它通过什么机理影响质量？我如何用数据验证这种影响？把这三个问题回答清楚，关联工程就从概念变成了能力。
本课程后续将按照“波动认知—数据基础—关联建模—参数优化—控制落地”的逻辑展开。第2章到第6章建立波动与统计基础，第7章到第14章讲解参数—质量关联的建模方法，第15章到第22章进入试验设计与优化，第23章到第30章聚焦监控、诊断与工程落地。每一章都会围绕真实制造场景中的对象、参数、数据和判断依据展开，避免停留在公式和概念层面。
最后需要强调，工艺参数与质量波动的关联工程，本质上是一种用数据说话、用机理支撑、用控制闭环收尾的工程方法。它不追求一次性找到“完美参数”，而是追求在波动不可避免的前提下，把过程稳定在可接受、可预测、可改进的范围内。这正是本课程要培养的核心能力。