复杂装备制造技术的升级是制造业向自动化、智能化转型的重要条件之一,由于其功能多、装配流程复杂、装配精度要求高,其装配过程质量对装备的使用和顾客满意度度有着重大影响。复杂装备的总装任务主要为部件的装配及各部件间的对接,在总装过程中涉及的作业较多且约束关系复杂,部分作业又可交叉并行,不同的作业还需不同的人员来完成。目前,企业对此类复杂装备的装配过程管理方法大多基于传统的经验与模式,在不同的作业方法、作业环境和人机状态下,产品的质量、装配的成本和时长难以预估和控制。对此本文提出以数字化决策为关键技术支撑的复杂装备装配质量预测与作业资源优化方法,为实现复杂装备装配过程的量化、优化和智能化提供探寻的思路。复杂装备装配数据的量化工作是数字化决策的第一步。基于复杂装备装配现状分析及装配过程质量目标,以船用升降机为对象,本文构建了相应的装配质量特征指标体系。针对多源装配质量特征存在的无效、冗余等问题,提出基于流形学习方法进行数据处理。其次,建立基于多分类器融合的复杂装备装配质量预测框架。与单一分类器预测此类问题相比,经过DS证据理论融合的决策结果具有更好的稳定性。最后,针对装配品质(装配尺寸、性能、外观)、装配成本、装配交货期三项装配过程质量目标建立作业调度模型,并通过改进遗传算法求解,获得作业排产及作业人员调度方案。在各项量化与决策过程中,本文以船用升降机为对象完成了方法的验证工作,期望所提供的思路能为后续的工作打下基础。