張勝文， 朱玉龍， 劉華昌

(江蘇科技大學(xué) 現(xiàn)代制造技術(shù)研究所,江蘇 鎮(zhèn)江 212003)

工藝優(yōu)化是機(jī)械制造中保證產(chǎn)品質(zhì)量、提高效率、降低成本的重要手段.工藝優(yōu)化包括加工方法的選擇、操作序列優(yōu)化[1-3]、切削參數(shù)優(yōu)化[4-5]和機(jī)床刀具優(yōu)化[6]等.在一定生產(chǎn)條件下,零件設(shè)計圖紙定稿后,加工方法和操作序列通常不會進(jìn)行改動.為了滿足設(shè)計要求,需要優(yōu)化的是切削參數(shù)、機(jī)床和刀具.以往進(jìn)行的相關(guān)研究中,通常將機(jī)床、刀具、切削參數(shù)分開考慮,分別對其優(yōu)化,這就忽略了它們之間的相互影響.此外,通常生產(chǎn)加工中只有當(dāng)發(fā)生質(zhì)量事故,出現(xiàn)殘次品之后才能發(fā)現(xiàn)需要優(yōu)化的工序,然后采用試探性的方法尋找可能的優(yōu)化解.這種優(yōu)化方法不能避免問題的發(fā)生,也很難找到最優(yōu)解.同時,聯(lián)系工序質(zhì)量信息的工藝優(yōu)化技術(shù)相關(guān)研究也較少.

文中提出一種新的工藝優(yōu)化策略:通過工序質(zhì)量控制實時監(jiān)控分析工序狀態(tài),查找存在異常的工序,從而找到需要優(yōu)化的工藝,并采用必要的正交試驗,優(yōu)選合適的機(jī)床、刀具、切削參數(shù).優(yōu)化過程的流程圖如圖1.

1 工序質(zhì)量控制

產(chǎn)品質(zhì)量受到眾多因素的影響,這就導(dǎo)致產(chǎn)品質(zhì)量必然存在波動性.質(zhì)量波動分為正常波動和異常波動.正常波動由隨機(jī)因素產(chǎn)生的,它具有統(tǒng)計規(guī)律性,并且不能避免.異常波動是由于系統(tǒng)因素造成的,對質(zhì)量影響較大,應(yīng)該盡量消除.控制圖可以用于區(qū)分這兩類波動[7].

圖1 工藝優(yōu)化流程Fig.1 Flow chart of process optimization

(1)

(2)

(3)

R圖控制界限計算公式:

(4)

(5)

(6)

根據(jù)式(1～6)繪制控制線,將樣本點按時間順序描在圖上,就完成了控制圖的繪制.然后可以通過觀察控制圖的走勢和分布來判斷工序是否失控,例如,有樣本點分布在控制線外、有連續(xù)七點呈上升或下降趨勢等,都可以判斷工序異常.對于存在異常波動的工序,當(dāng)排除人為因素的影響后,就可以考慮對其加工機(jī)床、刀具、切削參數(shù)進(jìn)行優(yōu)化.

處于可控狀態(tài),即穩(wěn)定狀態(tài)的工序,其工藝條件也并不一定合理.還要對其工序能力進(jìn)行分析,查看工序能力是否充足.工序能力分析[7]就是考慮工序的設(shè)備、工藝、人的操作、材料、測量工具與方法以及環(huán)境對工序質(zhì)量指標(biāo)要求的適合程度.工序能力用工序能力指數(shù)Cp來衡量.

(7)

有偏移情形下:

(8)

當(dāng)1.33≤Cp<1.67時,過程能力充足;Cp≥1.67時,過程能力過剩;Cp<1.33時,過程能力不足.

2 正交試驗與工藝優(yōu)化

通過控制圖分析和式(7，8)的工序能力計算,可以查找到不穩(wěn)定的或者工序能力不足的工序,當(dāng)排除人為操作等外界因素影響后,即可以將其視為需要優(yōu)化的工藝.但是,需要優(yōu)化的條件卻不容易識別,特別是當(dāng)各個條件之間相互影響和制約時,不能簡單地對某一個加工條件進(jìn)行優(yōu)化.因此,需要綜合考慮刀具、機(jī)床、切削參數(shù)等條件對工藝的影響.

當(dāng)存在多種因素時,會導(dǎo)致試驗次數(shù)較多.如果試驗安排得當(dāng),就能使試驗次數(shù)減少.正交試驗[7]就是一種科學(xué)安排和分析試驗的方法.它利用“均衡分散性”和“整齊可比性”的正交性原理,從大量試驗點中挑選適量的、典型的試驗點來解決多因素試驗問題.

正交試驗是基于正交表進(jìn)行的.最簡單的正交表L4(23)如表1,其中3表示最多可以安排3個因素,2 表示每個因素可安排2個水平,4表示一共進(jìn)行4次試驗.當(dāng)各個因素水平相同時,可以直接使用標(biāo)準(zhǔn)正交表安排試驗.當(dāng)水平不同時,可以使用擬水平法,對水平較少的因素虛擬幾個水平.

文中研究的對象是銑削加工過程的工藝優(yōu)化,需要優(yōu)化的對象包括機(jī)床、刀具、切削速度v、每齒進(jìn)給量fz、軸向切深ap.試驗的結(jié)果有多個,是多指標(biāo)優(yōu)化問題.試驗指標(biāo)包括:工序穩(wěn)定性、工序能力、質(zhì)量數(shù)據(jù)分布情況、平均加工時間.其中,工序穩(wěn)定性和工序能力的分析方法上文已說明.數(shù)據(jù)分布情況用直方圖查看,分布中心與尺寸規(guī)格中心偏離度越小越好.平均加工時間越短越好,可以保證加工效率,縮短加工成本.

表1 L4(23)正交表Table 1 L4(23) orthogonal array

4個試驗指標(biāo)中,工序穩(wěn)定性只有穩(wěn)定和失控兩種狀態(tài),工序穩(wěn)定是其他數(shù)據(jù)優(yōu)化的前提.其他3個試驗指標(biāo)要計算各因素不同水平的指標(biāo)和、極差、平均值,通過觀察對比可以判斷各因素對指標(biāo)的影響大小,從而找出最優(yōu)的工藝方案.如果最優(yōu)方案不在試驗欄目中,還需要對最優(yōu)方案進(jìn)行試驗驗證.

3 實例分析

控制

b)R控制

試驗需要優(yōu)化的因素有5個,每個因素選用4個水平.各因素水平如表2所示.根據(jù)因素個數(shù)和因素水平,選用L16(45)正交表,試驗安排如表3所示.

表2 因素水平表Table 2 Factors level

表3 正交試驗計劃和結(jié)果Table 3 Orthogonal test and results

結(jié)果分析:

1)工序穩(wěn)定性:統(tǒng)計每種因素4個水平下穩(wěn)定工序和失控工序的數(shù)量.例如B因素水平2的4個結(jié)果X2，X6，X10，X14中穩(wěn)定工序和失控工序的數(shù)量.如果失控工序占多數(shù),說明其不適用于此工序,應(yīng)該排除.反之,說明可以考慮.

2)工序能力:找到Y(jié)1～Y16中的最理想值,即區(qū)間1.33≤Cp<1.67范圍內(nèi)的最大值.然后計算每種因素4個水平下的工序能力之和,以及平均值和極差.按照平均值的理想情況和極差大小分別排序.例如,因素C下4個水平的平均值:

(9)

…

(10)

(11)

3)數(shù)據(jù)分布:計算每種因素各水平分布中心與設(shè)計尺寸中心的偏差平均值和極差,平均值按從小到大排序,極差按從大到小排列.

4)加工時間:計算每種因素各水平加工時間的平均值和極差,平均值按從小到大排序,極差按從大到小排列.

5)綜合分析:要找到最合適的工藝條件,首先要根據(jù)1)將無效的工藝條件排除.然后根據(jù)2)，3)，4)的極差排序,確定各個因素對試驗指標(biāo)的影響大小.根據(jù)2)，3)，4)的平均值排序,確定每個因素對于試驗指標(biāo)的最好水平.最后,綜合考慮影響大小和最好水平,確定各個因素的水平,為最優(yōu)解.例如,工序能力的影響大小排序為DCBEA,最好水平為A3B2C1D3E1;數(shù)據(jù)分布的影響大小排序為:DCEAB,最好水平為A4B1C2D3E1;加工時間影響大小排序為:CDEBA,最好水平為:A2B1C4D4E4.可以看出因素D對工序能力和數(shù)據(jù)分布的影響最大,對加工時間的影響處在第2位,綜合3個指標(biāo),選用水平3較好;因素C對工序能力和數(shù)據(jù)分布的影響排在第2位,對加工時間的影響最大,綜合3個指標(biāo),選用水平4較好;同理E選水平1較好,B選水平2較好,A選水平4較好.至此,得到新的因素水平組合為:A4B2C2D3E1,這一條件在16個試驗中沒有出現(xiàn)過,需要應(yīng)用該條件,重新試驗一遍,驗證其綜合指標(biāo)是否最優(yōu).

4 結(jié)論

將工序質(zhì)量管理與工藝優(yōu)化技術(shù)相結(jié)合,提出了一種新的工藝優(yōu)化技術(shù),即運用工序質(zhì)量控制監(jiān)控工序異常,查找需要優(yōu)化的工序,然后運用正交試驗分析各個工藝要素對產(chǎn)品質(zhì)量、生產(chǎn)效率的影響情況,根據(jù)正交試驗的結(jié)果,查找最優(yōu)的工藝條件,實現(xiàn)工藝優(yōu)化設(shè)計,避免質(zhì)量事故的發(fā)生.

[1] Irani S A, Koo H Y,Raman S. Feature-based operation sequence generation in CAPP[J].InternationalJournalofProductionResearch, 1995, 33：17-39.

[2] 王忠賓,王寧生,陳禹六.基于遺傳算法的工藝路線優(yōu)化決策[J].清華大學(xué)學(xué)報:自然科學(xué)版，2004，44(7)：988-992.

Wang Zhongbin,Wang Ningsheng,Chen Yuliu.Optimization of process routing based on the genetic dgorithm[J].JournalofTsinghuaUniversity:NatrualScienceEdition,2004,44(7):988-992.(in Chinese)

[3] Bhaskara S V,Shunmugam M S,Narendran T T. Operation sequencing in CAPP using genetic algorithms[J].IntJProdRes,1999,37(5):1063-1074.

[4] Sonmez A I, Baykasoglu A, Dereli T,et al. Dynamic optimization of multipass milling operations via geometric programming[J].InternationalJournalofMachineToolsandManufacture,1999, 39(2):297-320.

[5] 藍(lán)淵.數(shù)控銑削加工切削參數(shù)優(yōu)選系統(tǒng)的研究[D].陜西西安：西北工業(yè)大學(xué)，2007.

[6] 林勇,周洪玉,李振加，等.刀具優(yōu)選的權(quán)重決策[J].哈爾濱理工大學(xué)學(xué)報,2005,10(3)：28-30.

Lin Yong,Zhou Hongyu,Li Zhenjia,et al.The weight decision-making for optimized cutter selection[J].JournalofHarbinUniversityScienceandTechnology,2005,10(3):28-30.(in Chinese)

[7] 李衛(wèi)紅,楊練根.質(zhì)量統(tǒng)計技術(shù)[M].北京：中國計量出版社,2006.