彭功靂,胥 云*,廖映華,,葉 雷,蔣 杰

(1.四川輕化工大學 機械工程學院,四川 宜賓 644000;2.四川省移動終端全制程先進制造技術工程研究中心,四川 宜賓 644000)

0 引 言

隨著工業(yè)4.0、質(zhì)量強國和數(shù)字化制造生產(chǎn)的提出,以及物聯(lián)網(wǎng)技術與制造業(yè)的深度融合,我國傳統(tǒng)制造業(yè)開啟了智能化生產(chǎn)的變革。但是在制造業(yè)智能生產(chǎn)制造過程中,仍存在“因信息數(shù)據(jù)采集滯后且沒有進行實時分析而造成制造過程中大量成本浪費”的現(xiàn)象[1]。

在制造過程中,實時的質(zhì)量監(jiān)控有利于避免問題發(fā)現(xiàn)不及時而帶來的損失。目前,在質(zhì)量監(jiān)控方面,多數(shù)企業(yè)仍采取人工方式進行數(shù)據(jù)的采集,通過紙質(zhì)的記錄方式進行數(shù)據(jù)記錄[2]。但是該方式對制造過程中造成的損失不能及時進行止損,且對質(zhì)量數(shù)據(jù)的分析仍停留于使用傳統(tǒng)的數(shù)據(jù)處理軟件。因此,如何在制造過程中實時處理異常信息,提高制造過程中產(chǎn)品質(zhì)量的監(jiān)測和反饋控制水平,成為了亟待解決的問題。

對此,國內(nèi)外學者已進行了大量的研究。RATOT J等人[3]提出了一種集成多分辨率的框架,通過優(yōu)化軟傳感器的分辨率,對關鍵零件質(zhì)量特性進行識別;該方法已應用于復雜批量生產(chǎn)過程質(zhì)量監(jiān)控中。CORTES-ROBLESO等人[4]將基于Web服務器的深度學習方法用于發(fā)電源的系統(tǒng)中,提高了對電能傳輸過程的質(zhì)量監(jiān)控水平。宋承軒等人[5]采用多種SPC控制圖,對小批量生產(chǎn)線中工序質(zhì)量數(shù)據(jù)進行控制,解決了因數(shù)據(jù)量小而導致的誤差問題。孫迪等人[6]基于SPC控制原理,根據(jù)發(fā)動機缸體的實時加工數(shù)據(jù),建立了其動態(tài)SPC控制系統(tǒng),解決了缸體加工過程中的質(zhì)量監(jiān)控問題。龔立雄等人[7]以SPC的基本理論為基礎,建立了包含5個子系統(tǒng)的質(zhì)量信息系統(tǒng),并采用該系統(tǒng)對現(xiàn)場生產(chǎn)過程工序質(zhì)量進行了實時監(jiān)控和預警。針對復雜的網(wǎng)絡化環(huán)境,姜興宇等人[8]采用預防-分析-診斷-調(diào)整一體化的智能工序質(zhì)量控制策略,結(jié)合相似制造理論、統(tǒng)計過程控制、神經(jīng)網(wǎng)絡等,搭建了一套智能工序質(zhì)量監(jiān)控系統(tǒng)。針對工業(yè)鋁材行業(yè)產(chǎn)品合格率低的問題,林春梅等人[9]基于SPC,對生產(chǎn)過程中多個點進行了控制和對比評價,通過該方法基本消除了生產(chǎn)過程中的質(zhì)量異常波動現(xiàn)象。

針對上述研究可以發(fā)現(xiàn),在柔性制造生產(chǎn)線的制造過程質(zhì)量控制中,還有以下幾個方面需要加以完善:(1)對實際生產(chǎn)中統(tǒng)計控制和加工結(jié)果進行綜合,及對產(chǎn)品質(zhì)量進行分析;(2)質(zhì)量監(jiān)測信息實時同步發(fā)布與管理問題;(3)柔性制造生產(chǎn)線數(shù)據(jù)的實時采集與處理。

為此,以主軸箱柔性生產(chǎn)線為研究對象,筆者提出一種針對柔性制造生產(chǎn)線的質(zhì)量監(jiān)控平臺,即通過搭建實時質(zhì)量監(jiān)控模型,運用SPC的控制流程與工序分析能力,來監(jiān)控生產(chǎn)過程中的生產(chǎn)線加工質(zhì)量數(shù)據(jù)的變化;通過采集分析生產(chǎn)線工序、關鍵特征值數(shù)據(jù)的變化,及時判斷生產(chǎn)工序能力變化,并反饋調(diào)整生產(chǎn)加工狀態(tài),提升產(chǎn)品質(zhì)量。

1 加工過程及參數(shù)分析

1.1 主軸箱柔性制造生產(chǎn)線

該生產(chǎn)線是集成MES、FMS系統(tǒng)的柔性制造生產(chǎn)線,主要針對不同的機床主軸箱箱體零件,完成箱體零件表面的粗精銑加工、安裝面的加工、安裝定位孔的加工等。

主軸箱生產(chǎn)線布局圖如圖1所示。

生產(chǎn)線主要設備包括:H63-APC臥式加工中心、翻轉(zhuǎn)機器人、上料機器人、物料機器人、AGV小車、托盤立體庫、托盤交換裝置、綜合物流輸送線和中小型箱體運輸線等。

圖1 主軸箱生產(chǎn)線布局圖

1.2 生產(chǎn)線工序分析及加工流程

主軸箱箱體的加工主要由箱體表面銑削加工和主軸安裝孔加工,以及各端面的底孔加工等幾個部分組成。主軸箱箱體的各端面在臥式加工中心1和2中完成加工處理。

主軸箱箱體結(jié)構(gòu)示意圖如圖2所示。

圖2 主軸箱箱體結(jié)構(gòu)示意圖

臥式加工中心分別完成對應部分的加工,主軸箱的加工需要兩種不同裝夾方案完成加工,系統(tǒng)采用一面兩銷的定位方式。進入生產(chǎn)線前,加工出用于臥式加工中心1裝夾的安裝基面(頂面)和2個定位銷孔;進入生產(chǎn)線后,在臥式加工中心1中加工用于臥式加工中心2裝夾的安裝基面(右側(cè)面)和2個定位銷孔。

臥式加工中心1主要完成箱體左右側(cè)面、導軌左右外側(cè)面、前端面等端面,及其端面底孔和用于臥式加工中心2裝夾的定位銷孔等的加工。

具體臥式加工中心1加工內(nèi)容如表1所示。

表1 臥式加工中心1加工內(nèi)容

續(xù)表

臥式加工中心2主要完成主軸安裝端面、滑塊安裝面、螺母座底面、螺母安裝面,及其端面底孔的加工和主軸孔的加工。

具體臥式加工中心2加工內(nèi)容如表2所示。

表2 臥式加工中心2加工內(nèi)容

該生產(chǎn)線中,復雜的加工工序需要通過對加工工序能力指數(shù)計算判斷生產(chǎn)線的生產(chǎn)質(zhì)量狀況,以實現(xiàn)對生產(chǎn)線上產(chǎn)品質(zhì)量的監(jiān)控。

整個主軸箱生產(chǎn)線加工流程如圖3所示。

圖3 主軸箱生產(chǎn)線加工流程

零件毛坯料由上料機器人抓取,經(jīng)中小型箱體運輸線到達工件交換點,再由翻轉(zhuǎn)機器人抓取而放置于托盤,經(jīng)托盤立體交換裝置運輸?shù)脚P式加工中心進行主軸箱零件的生產(chǎn)加工;

翻轉(zhuǎn)機器人和立體交換裝置對加工單元是否準備加工進行判斷,通過有序交換托盤工作位置和工件位置,推動完成零件的粗、精加工。

2 基于SPC的質(zhì)量實時監(jiān)控平臺

2.1 SPC監(jiān)控流程

SPC(統(tǒng)計過程控制)的作用是及時識別制造過程是否存在異常因素的影響,保證生產(chǎn)過程處于統(tǒng)計過程受控狀態(tài),從而保證參數(shù)的穩(wěn)定性。在監(jiān)控平臺中,用戶實時監(jiān)測生產(chǎn)線的加工情況變化,并實時分析采集到的數(shù)據(jù),對質(zhì)量控制進行反饋[10]。

主軸安裝孔SPC控制流程如圖4所示。

圖4 主軸安裝孔SPC控制流程

圖4中,主軸安裝孔在臥式加工中心1中完成粗鏜孔(工步11)加工,然后工控機與數(shù)據(jù)采集器實時采集主軸安裝孔粗加工的孔徑與表面粗糙度數(shù)據(jù)信息;系統(tǒng)通過數(shù)據(jù)分析,判斷質(zhì)量是否存在失控或失控傾向,并實時顯示;如果存在失控,則檢查加工設備及改進加工工序;如果不存在失控,則進一步完成成品率分析,并實時顯示;系統(tǒng)對合格率閾值進行判斷,大于閾值表明加工工序合理,進行下一步主軸箱安裝孔精鏜加工;小于閾值則說明加工工序存在問題,淘汰該加工方案。

2.2 監(jiān)控平臺框架與數(shù)據(jù)結(jié)構(gòu)

2.2.1 質(zhì)量監(jiān)控平臺框架

整個主軸箱生產(chǎn)線加工過程中,為實現(xiàn)加工過程的質(zhì)量監(jiān)控管理,筆者采用數(shù)據(jù)傳輸技術、關系型數(shù)據(jù)庫、數(shù)據(jù)采集技術搭建了監(jiān)控平臺。

平臺主要由實時SPC監(jiān)控、工序能力指數(shù)評估、質(zhì)量追溯與統(tǒng)計分析4個功能部分組成。在主軸箱制造過程中,系統(tǒng)通過工控機、數(shù)據(jù)采集器實時采集AGV小車、臥式加工中心、機器人等生產(chǎn)線加工設備的工作狀態(tài)和產(chǎn)品質(zhì)量數(shù)據(jù)信息。工業(yè)數(shù)據(jù)庫存儲大量數(shù)據(jù)信息,經(jīng)數(shù)據(jù)處理應用于監(jiān)控平臺的各個功能模塊,實時監(jiān)控生產(chǎn)線工作狀況[11]。

監(jiān)控平臺框架模型如圖5所示。

圖5 監(jiān)控平臺框架模型

監(jiān)控平臺由應用層、數(shù)據(jù)層、設備層組成3層框架式平臺。

2.2.2 數(shù)據(jù)結(jié)構(gòu)模型

在質(zhì)量監(jiān)控平臺中,大量數(shù)據(jù)存儲在數(shù)據(jù)庫中,為了更好地使用質(zhì)量數(shù)據(jù)信息,筆者搭建了數(shù)據(jù)關系結(jié)構(gòu)模型[12,13]。監(jiān)控平臺的數(shù)據(jù)模型選用關系型數(shù)據(jù)庫建模,構(gòu)建了翻轉(zhuǎn)機器人、綜合運輸線、立式倉庫、上料機器人、臥式加工中心、AGV小車、中小型箱體運輸線、物料機器人等模型基本單元,并在數(shù)據(jù)表間添加了主鍵和外鍵約束關系與產(chǎn)品信息表,形成了關系數(shù)據(jù)模型。

筆者在數(shù)據(jù)表中設計了每個欄位的數(shù)據(jù)類型。以AGV小車數(shù)據(jù)庫為例,該數(shù)據(jù)類型如表3所示。

表3 AGV小車數(shù)據(jù)類型

筆者對每個字段都設置相應的數(shù)據(jù)類型,并且對每個數(shù)據(jù)表設定聯(lián)合的主鍵、外鍵,以快速有效地操作對應的數(shù)據(jù)表信息。

2.3 監(jiān)控平臺的數(shù)據(jù)采集與顯示

2.3.1 多協(xié)議集成的實時采集處理

在整個生產(chǎn)線中,ROBOT采用MODBUS協(xié)議,AGV小車采用TWINCAT平臺協(xié)議,臥式加工中心采用OPCUA協(xié)議。立體倉庫、托盤立體庫和各運輸線則配備自動記錄的數(shù)據(jù)采集裝置。生產(chǎn)線中各個部分的數(shù)據(jù)信息需要實時采集,并將數(shù)據(jù)放入對應的數(shù)據(jù)庫中[14]。工控機通過多協(xié)議集成,將不同的通訊協(xié)議模塊化集成使用,可解決生產(chǎn)線中復雜設備信息的實時采集問題[15],通過將數(shù)據(jù)采集器配置在立體倉庫和運輸線上,自動采集產(chǎn)品質(zhì)量信息。

生產(chǎn)線數(shù)據(jù)采集流程如圖6所示。

圖6 數(shù)據(jù)采集流程

在生產(chǎn)線中,不同的設備通過工控機中多協(xié)議集成的通訊方式實時采集數(shù)據(jù),并完成數(shù)據(jù)處理;監(jiān)控界面通過發(fā)送HTTP請求,調(diào)用API接口,讀取數(shù)據(jù)庫中的信息,并將其顯示出來;通過WebSocket協(xié)議,請求調(diào)用工控機數(shù)據(jù)采集接口,實時顯示生產(chǎn)線設備的數(shù)據(jù)信息。

2.3.2 基于WebSocket的數(shù)據(jù)實時顯示

客戶端顯示的數(shù)據(jù)分為實時數(shù)據(jù)與非實時數(shù)據(jù),對于主軸箱生產(chǎn)線中設備狀態(tài)的監(jiān)控、質(zhì)量數(shù)據(jù)的變化等實時性較強的數(shù)據(jù),系統(tǒng)采用實時的通訊協(xié)議進行數(shù)據(jù)的傳輸。

質(zhì)量數(shù)據(jù)實時顯示的關鍵是數(shù)據(jù)與服務器連接,且數(shù)據(jù)改變能實時反饋到顯示的界面上。在整個系統(tǒng)實時顯示中,使用基于WebSocket的解決方案;實時數(shù)據(jù)與非實時數(shù)據(jù)分別由WebSocket協(xié)議和HTTP協(xié)議來實現(xiàn)[16],且兩者互不干擾,降低了系統(tǒng)模塊的耦合性。

該通信方式中,在node.js運行環(huán)境采用NPM軟件注冊表搭建WebSocket環(huán)境,連接臥式加工中心、AGV、物料機器人、翻轉(zhuǎn)機器人、托盤立體倉庫等數(shù)據(jù)采集服務器。通過設置WebSocket.Server({port: xxx}),創(chuàng)建并綁定工控采集服務器端口,客戶端通過設置對象WebSocket(‘ws://localhost:xxxx’)連接到服務器端口。

3 基于工序能力的質(zhì)量分析

3.1 工序能力評估流程

工序能力是指在一定時間內(nèi),工序處于穩(wěn)定狀態(tài)下保證質(zhì)量的能力[17]。工序能力評估為產(chǎn)品質(zhì)量分析提供了支持。

此處以主軸安裝孔為例,主軸安裝孔工序能力評估流程如圖7所示。

圖7 主軸安裝孔工序能力評估流程

在監(jiān)控平臺中,質(zhì)量評估對標準化作業(yè)的加工工序是否處于正態(tài)分布和受控狀態(tài)進行分析,判斷工序是否穩(wěn)定;通過工序能力指數(shù)的計算和判斷,以生產(chǎn)線加工工序進行改進,對質(zhì)量進行追溯。

3.2 工序能力指數(shù)與工藝不合格品率

3.2.1 工序能力指數(shù)

工序能力評估直接反映了生產(chǎn)線的質(zhì)量是否滿足生產(chǎn)要求,也表明了工序能力是否穩(wěn)定和加工產(chǎn)品的合格率。而評估工序能力主要依據(jù)對工序能力指數(shù)的計算,假定樣本分布符合正態(tài)分布,則有:

(1)

式中:Cp—潛在工序能力指數(shù);TU—工藝參數(shù)規(guī)范的上限值;TL—工藝參數(shù)規(guī)范的下限值;σ—工藝參數(shù);s—標準差數(shù)據(jù),所服從的正態(tài)分布的標準偏差,近似于標準差。

在實際生產(chǎn)中,由于不能保證工藝參數(shù)分布中心μ與工藝規(guī)范要求中心值T0=(TL+TU)/2相重合,在實際生產(chǎn)中必須對Cp進行“μ與T0之間偏移不大于1.5σ”的修正,以得到實際工序能力指數(shù),即:

(2)

式中:Cpk—實際工序能力指數(shù);Δ—μ關于T0的偏離度;T0—規(guī)范范圍中心值;k—修正系數(shù)。

工序能力指數(shù)數(shù)值越大,表明生產(chǎn)線加工狀況越能保證產(chǎn)品質(zhì)量要求。

工序能力評估表如表4所示。

表4 工序能力評估表

根據(jù)工序能力指數(shù)的計算原理,監(jiān)控平臺實時處理產(chǎn)品質(zhì)量數(shù)據(jù),通過箱體側(cè)面、導軌外側(cè)面、主軸安裝端面、滑塊安裝面、螺母座底面等生產(chǎn)數(shù)據(jù),對整個生產(chǎn)線的質(zhì)量進行評估。

3.2.2 工藝不合格品率

工序能力指數(shù)值直接反映了工藝成品率的高低。當質(zhì)量數(shù)據(jù)服從正態(tài)分布時,其數(shù)值在(TL～TU)范圍內(nèi)的質(zhì)量數(shù)據(jù)均滿足加工要求,相應的產(chǎn)品為合格品,故產(chǎn)品工藝成品率為:

(3)

式中:η—工藝成品率;N—正態(tài)分布;μ—數(shù)學期望;σ2—標準方差。

結(jié)合公式(1,3),可以得到工序能力指數(shù)與工藝成品率η之間的關系為:

(4)

式中:φ—標準正態(tài)分布的函數(shù)。

則產(chǎn)品的工藝成品不合格率為:

P=(1-η)

(5)

式中:P—產(chǎn)品不合格率。

但實際中的Cpk存在偏離,因此,結(jié)合式(2),可得到實際工序能力指數(shù)與工藝成品率之間的關系為:

(6)

Cp指數(shù)范圍對應的成品率和不合格品率關系如表5所示。

表5 Cp與成品率η和不合格品率P關系

在實際生產(chǎn)中,Cpk與Cp之間存在一定程度上的偏離;而且不合格品率對應的是實際工序能力指數(shù)Cpk,所以實際的成品率和不合格品率是經(jīng)工序能力指數(shù)修正后得到的。

4 實驗與結(jié)果分析

此處,筆者以某制造企業(yè)的主軸箱柔性制造生產(chǎn)線為載體,搭建了該生產(chǎn)線的質(zhì)量監(jiān)控平臺。

該企業(yè)車間具備網(wǎng)絡架構(gòu)、MES、FMS等平臺的搭建環(huán)境。目前已初步完成與該企業(yè)車間信息交互終端的部署。系統(tǒng)采用MySQL為后臺支撐數(shù)據(jù)庫,以node.js為開發(fā)環(huán)境;OPCServer為數(shù)據(jù)采集平臺。車間計劃通過MES系統(tǒng)下達后,零件和加工設備的所有信息將通過數(shù)據(jù)庫進行數(shù)據(jù)綁定,由工控機實時采集生產(chǎn)線設備的數(shù)據(jù)信息。

由千分尺測量工具得到的主軸安裝孔數(shù)據(jù)如表6所示。

表6 主軸安裝孔測量數(shù)據(jù)

筆者根據(jù)主軸安裝孔的孔徑質(zhì)量特征數(shù)據(jù),利用Minitab平臺,繪制了其工序質(zhì)量數(shù)據(jù)的SPC控制圖。

孔徑誤差控制圖如圖8所示。

圖8 孔徑誤差控制圖

在實際數(shù)據(jù)樣本中,單值控制圖孔徑的誤差在控制的上、下限區(qū)域內(nèi),即預示沒有出現(xiàn)向失控的趨勢;而且誤差的移動誤差值也在可控的區(qū)域,這表明該加工工序穩(wěn)定,且隨著加工的進行,不會出現(xiàn)生產(chǎn)失控的情況;也即表明,主軸安裝孔的加工工序質(zhì)量在受控的范圍內(nèi),不存在生產(chǎn)質(zhì)量問題,可繼續(xù)維持該生產(chǎn)狀態(tài)。

為了驗證質(zhì)量數(shù)據(jù)是否符合工序能力指數(shù)計算的正態(tài)分布,筆者根據(jù)Anderson-Darling原理[18],檢驗主軸安裝孔數(shù)據(jù)是否處于正態(tài)分布。

檢驗結(jié)果(即孔徑誤差正態(tài)特性圖)如圖9所示。

圖9 孔徑誤差正態(tài)特性圖

P=0.635>0.05,表示測量的主軸安裝孔數(shù)據(jù)服從工序評估要求的正態(tài)分布。

符合以上條件時,筆者根據(jù)公式(1,2)計算主軸安裝孔精鏜工序能力指數(shù)值大小,計算該潛在工序能力指數(shù)為Cp=1.271,經(jīng)修正后實際Cpk=1.159。根據(jù)表1,評定生產(chǎn)線的加工工序能力一般需要注意控制當前生產(chǎn)加工狀況的變化,以防止出現(xiàn)不合格加工狀態(tài)。

工人通過電子看板查看當前生產(chǎn)線加工狀況,通過平臺實時觀測控制圖的變化,通過正態(tài)檢驗圖監(jiān)控數(shù)據(jù)分布是否屬于正態(tài)分布等。

筆者對現(xiàn)場實際生產(chǎn)線進行監(jiān)控。監(jiān)控平臺現(xiàn)場調(diào)試圖如圖10所示。

圖10 監(jiān)控平臺現(xiàn)場調(diào)試

該企業(yè)采用上述實驗中的方法,連續(xù)對主軸箱生產(chǎn)線中的零件進行加工工序質(zhì)量的監(jiān)控與預警。監(jiān)控結(jié)果顯示:在相同的零件加工測試條件下,傳統(tǒng)加工狀態(tài)下主軸箱產(chǎn)品合格率僅為89%,而采用該實時監(jiān)控平臺下的主軸箱生產(chǎn)線產(chǎn)品合格率則高達96%。

5 結(jié)束語

筆者介紹了主軸箱柔性生產(chǎn)線的工序質(zhì)量監(jiān)控平臺框架與數(shù)據(jù)結(jié)構(gòu)模型,研究了通過采用SPC(統(tǒng)計過程控制)原理及工序能力指數(shù)對主軸箱生產(chǎn)線的工序質(zhì)量的控制與作用,運用Minitab平臺對質(zhì)量數(shù)據(jù)進行了正態(tài)特性分析,最后通過生產(chǎn)線實際監(jiān)控測試數(shù)據(jù),對監(jiān)控平臺的作用進行了驗證。

研究結(jié)果表明:

(1)將多協(xié)議集成實時采集系統(tǒng)與WebSocket通訊協(xié)議相結(jié)合,解決了對生產(chǎn)線數(shù)據(jù)信息進行實時動態(tài)監(jiān)控的問題;

(2)在監(jiān)控平臺動態(tài)監(jiān)控下,生產(chǎn)線產(chǎn)品的合格率高達96%。

在后續(xù)工作中,筆者將根據(jù)生產(chǎn)線質(zhì)量數(shù)據(jù),研究工序質(zhì)量的預測控制模型,以對生產(chǎn)線的工序質(zhì)量問題進行提前預防和控制。