随着人们生活水平以及购买力的不断提高,消费升级成了消费市场的一个重要趋势。消费升级带来的从价格导向到价值导向的转变以及个性化消费的普及对产品的质量水平和产品种类的丰富度提出了很高的要求,进而对制造企业生产制造体系及质量管理水平提出了挑战。不仅如此,《中国制造2025》明确要求制造业要加强质量品牌建设,包括推广先进质量管理技术和方法、加快提升产品质量、完善质量监管体系、夯实质量发展基础并推进制造业品牌建设。因此,制造企业亟需不断地提升企业管理尤其是质量管理水平,来提升产品和服务的质量,以满足市场的需求。随着知识经济的到来以及不断发展,知识逐渐成为企业的核心竞争力。知识在质量管理中的重要性也愈来愈受到人们的重视。一方面,相关的质量管理体系对质量管理中的知识管理提出了要求;另一方面,学者们也从各个角度对质量管理和知识管理的关系进行了研究。然而,现有的研究鲜有关注知识发现技术在质量问题解决中的应用。为此,本研究以质量问题解决为研究对象,以质量管理和知识管理为理论基础,以知识发现中的技术和方法为手段,来研究如何从质量问题解决数据中挖掘质量问题知识,并将其反馈到质量问题解决流程中,以提高质量问题解决的效率和效用,进而促进产品质量的提升。本研究主要内容包括:第一,构建了知识驱动的质量问题解决研究框架。首先,分析和探讨了质量问题解决相关概念及质量问题解决流程。接着以系统的视角构建了质量问题解决系统结构模型,并深入研究该模型中的要素与关系。结合世界经济合作与发展组织(OECD)的知识分类,将质量问题与载体的关系表示为know-what知识,因果关系表示为know-why知识,问题与解决方案的关系表示为know-how知识。在此基础上,提出了知识驱动的质量问题解决的理论框架和应用框架,并研究该方法实施的保障条件。第二,质量问题解决的know-what知识挖掘。基于知识驱动的质量问题解决框架,分析质量问题和载体依附性关系,即质量问题解决中的know-what知识获取方法。根据产品质量问题解决的特点,提出以组件-失效模式矩阵来表示know-what知识。由于组件和失效模式之间的关联隐含在质量问题文本中,且失效模式的描述不一,进而研究了基于Apriori算法和WordNet的标准失效模式集构建方法,并设计了组件-失效模式矩阵挖掘算法。最后,基于汽车座椅模块数据进行了实例研究,验证了该方法的有效性。第三,质量问题解决的know-why知识挖掘。基于知识驱动的质量问题解决框架,分析质量问题解决中原因分析环节需要的know-why知识。提出了利用数据挖掘技术,来从问题和原因数据中挖掘因果关系,即know-why知识,并利用数字化鱼骨图来表示该因果关系的方法。该方法将原始的问题和原因分别进行聚类,并将原因数据分类到鱼骨图的“大要因”,如“人”、“机”、“料”、“法”和“环”。基于聚类结果和分类结果,获得类问题的抽象数字化鱼骨图和具体数字化鱼骨图。最后,通过在某汽车企业真实数据集上的实例研究验证了该方法的有效性。第四,质量问题解决的know-how知识挖掘。基于知识驱动的质量问题解决框架,深入研究了从大量的质量问题解决文本中挖掘问题和解之间的关联,也即know-how知识的问题,并提出典型临时措施和方案的发现与推荐方法。以问题和临时措施的kinow-how知识挖掘为例,根据临时措施文本的特点,研究了基于动词聚类和名词聚类的两阶段聚类方法,来提取典型临时措施。接着构建问题类-临时措施类知识模型,来表示解决问题的know-how知识。最后进行案例研究,分析了该方法的可靠性和有效性,并展示了典型临时措施知识推荐的过程。第五,知识驱动的质量问题解决方法在汽车制造中的应用。在上述研究的基础上,研究知识驱动的质量问题解决方法以及know-what,know-why和know-how的知识挖掘方法在汽车制造业的实际应用。构建了汽车质量管理中的决策支持原型系统,本文称之为知识驱动的质量问题解决系统(Knowledge-Driven Quality Problem-Solving System,KDQPSS)。最后,从模型系统的设计和实现,到应用及评价,来验证上述方法的科学性和有效性。本研究具有重要的理论意义和应用价值。本文的研究正是先进质量管理技术和方法的重要体现。从宏观的角度而言,本文的研究深化和推进了工业4.0及中国制造2025的进程。从微观层面而言,本文提供的知识驱动的质量问题解决框架,为管理者充分利用质量数据来生成质量问题解决知识,进而提高问题解决效率提供了一般性的思路和方法。提出的从文本数据中挖掘质量问题和载体关联知识的方法,一方面能为质量问题提供统计信息,另外一方面新创建产品失效模式与影响分析(Design Failure Mode and Effect Analysis,DFMEA)时,能直接从该矩阵中获得相应的组件和失效模式的数据。提出的一种利用数据挖掘中聚类和分类的方法来挖掘因果关联,并据此自动创建鱼骨图的框架和方法,大大提高了传统的基于个人经验的原因分析方法,并将传统的鱼骨图的创建过程变为自动生成的过程。提出的从质量文本中挖掘问题与解决方案的关联并向典型问题推荐合适解的知识的方法,可以为问题解决团队寻找解决问题的方案提供依据。