质量诊断涉及的内容较多，以本研究为例，是指废旧机电产品再制造过程的质量诊断。通常，质量诊断是通过一定的管理学相关的技术与手段或者依据特定的作业标准，考察、衡量并判断企业的所生产的产品、生产过程或质量管理工作，以确定生产出的产品和提供的服务的质量是否满足预期的要求或者客户满意，或与该产品在生产过程中所采用的质量管理活动是否适合、得当、有效，并进一步识别和查找引发质量异常的原因，提出质量改进的方向，并提出调整质量异常的方法使过程恢复正常的全部活动。
质量诊断[35]的内容主要包括产品质量诊断、过程质量诊断和质量管理诊断。产品质量诊断是指即不定期地对产品进行抽样检查，从而确定产品目前的质量情况能否满足用户的需求，以及随时掌握目前市场需要的产品质量数据和信息，以便随时采取相应的措施对制造的产品质量加以改进。过程质量诊断就是对产品的制造过程的质量进行实时或者定期的检查，以监控制造过程产品的质量是否稳定统一及制造过程有无异常干扰因素存在。若制造过程出现质量异常，则迅速查找导致异常的因素及异常发生的位置和异常程度。过程质量诊断也被称为工序质量诊断。质量管理诊断是对生产过程所使用的质量管理方法的诊断。再制造过程质量诊断主要是指过程质量诊断，需要对已监控出质量异常的再制造过程质量进行诊断，找出异常原因并进行过程的调整。
1.质量诊断技术的发展
质量诊断技术是应用于过程出现质量异常，查找质量异常原因并提出改进措施的技术手段。质量诊断技术是不同企业保证其生产过程产品质量的一条重要管理技术。质量诊断作为质量管理的一部分，其发展与质量管理的发展是密切相关的。质量诊断技术主要包括三个发展阶段[36]。
（1）原始的质量诊断 主要从19世纪末到20世纪中期。这个阶段诊断技术刚刚发展，技术手段相对较为简单，过程诊断主要通过对产品的全检或者抽检，当检测到过程质量异常时，所采取的措施依赖于专家经验，根据专家的经验对质量异常问题进行诊断与改进。
（2）全面统计过程控制阶段 主要是从20世纪40年代到80年代。这一时期，国外率先将SPC技术应用到工业生产质量诊断中去，极大地提高了过程的质量管理水平。随着SPC的推广，SPC的技术也得到了发展，并由单变量SPC技术发展到多变量SPC技术、统计过程诊断（Statistical Process Diagnosis，SPD）和统计过程调整（Statistical Process Adjustment，SPA）。使得制造过程质量诊断的方法得到进一步的发展与丰富，使得工业生产质量管理水平进一步提高。
（3）智能质量诊断阶段 主要是从20世纪80年代至今。随着工业的迅速发展，全面质量管理得到各行各业的普遍认可，并在工业中推广应用。随着生产过程所涉及的质量特征属性值越来越多，而且各种变量之间存在着复杂的相关性、不确定性、模糊性等特征，使得单纯统计过程方法已经无法单独应用到过程质量诊断中去。随着科学技术的进一步发展，新兴起的智能技术为质量诊断提供一条新的思路。智能化质量诊断技术虽然发展已有30年，但是实践表明，智能诊断技术也有形成系统完整的体系。在实践应用过程中，智能技术也存在一些问题，未能全面满足制造过程中的质量诊断的要求。目前需要根据实际的生产情况，选择合适的智能诊断手段对过程进行质量控制，才能对实际的现场情况取得良好的效果。(www.xing528.com)
2.质量诊断技术的研究综述
过程质量诊断中所使用的方法是各不相同的，涉及许多领域的知识与理论。自休哈特提出控制图之后，通过简单的控制图对过程进行诊断并依据专家的知识进行简单的调节。张公绪[37]在1982年首次提出两阶段质量诊断理论，为统计质量控制与诊断（Statistical Process Controland Diagnosis，SPCD）指出新的方法；提出的多元逐步诊断理论与方法解决了传统统计诊断理论第一类错误概率大的问题，随后针对工程出现的多工序、多指标的问题，两种质量多元诊断理论相继被提出，以解决其过程的质量控制与诊断问题。
随着经济的发展和新的制造环境下，用户的需求越来越多样化，小批量生产成为重要的生产模式，而传统的大批量定制的生产模式已经不再适用于市场的要求。休哈特控制图建立在传统统计学、正态分布的基础上，只适用于大批量生产过程的使用，对于小批量生产过程并不适用。在新的先进复杂的制造环境下，满足多品种、小批量的要求，在有限的观测数据下，实现过程有效的监控与诊断，是质量诊断需要研究的重要问题。
张志雷[38]通过改进EWMA方法解决自相关性过程质量诊断问题；Perry和Guh[39]提出基于BP神经网络的控制图模型识别方法，并以西方电气公司定义的六类典型控制图模式为例来验证该模型的识别能力，结果表明该方法能够识别出异常模型，但其模式识别率有待提高；Cheng等[40]提出基于SVM的多元过程方差异常的诊断方法，实现了制造过程散度异常的诊断和异常变量定位功能。
胡涛[41]等针对不确定性知识表达的问题，将RS理论应用到电力变压器和发电机组生产中去，并对其出现的质量故障进行诊断；束洪春、孙向飞等[42]针对不完备的知识库导致系统混乱问题，提出了基于RS方法建立的变压器质量故障诊断的专家知识库；俞晓东等[43]集合RS理论与模糊神经网络两种理论的优点，组成一种对变压器质量异常诊断的方法；冯志鹏、杜金莲等[44]针对制造过程非线性问题，提出了基于SOM网络-粗糙集-BP网络集成进行故障诊断方法，并以4135柴油机质量诊断实例验证了该方法的可行性；黄文涛、赵学增等[45]针对在故障诊断信息不一致的情况下提取简单有效的诊断规则，提出了一种基于粗糙集理论的决策规则提取方法，并以实例的方式验证该方法的可行性；赵方方[46]针对定制产品质量影响因素关系复杂、波动溯源难度高等问题，提出了基于粗糙集的质量诊断方法，并以扣式电池自动封口机的实例验证诊断方法的可行性。
综上所述，制造过程质量异常的诊断过程中使用的不同方法，都有各自的适用条件。而其中基于粗糙集的质量诊断方法，是处理信息不精确、不完整、不一致问题的一种有效手段，而废旧机电产品再制造过程的不明确信息刚好能够被粗糙集的知识解决。废旧机电产品再制造过程复杂多变，各类不确定性质量因素随机发生，针对再制造过程质量异常与引发因素之间的不确定性与传统质量诊断方法的应用条件，我们采用了基于粗糙集理论的再制造过程质量异常诊断与调节系统对再制造过程的异常进行诊断，并通过粗糙集的知识理论处理再制造过程质量信息不明确的问题，从而实现过程质量诊断。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
