黃春筍 庹鵬

上汽通用五菱汽車股份有限公司 重慶 401135

引言

某企業(yè)發(fā)動(dòng)機(jī)工廠由缸體、缸蓋、曲軸機(jī)加工車間及裝配車間組成，設(shè)計(jì)年產(chǎn)能35萬臺(tái)/年，兼容12，15系列機(jī)型柔性共線生產(chǎn)。生產(chǎn)線采用信息化手段如質(zhì)量過程監(jiān)控配備了數(shù)據(jù)采集分析系統(tǒng)QDAS，并利用零件二維碼，對(duì)關(guān)鍵產(chǎn)品采用Flexnet的管理追溯系統(tǒng)，并為質(zhì)量問題管理單獨(dú)配備了系統(tǒng)。但工廠在生產(chǎn)運(yùn)行過程中，仍發(fā)現(xiàn)不少典型問題：數(shù)據(jù)實(shí)時(shí)性問題；視覺防錯(cuò)誤判問題；生產(chǎn)工位防錯(cuò)功能執(zhí)行依賴員工責(zé)任心；關(guān)鍵質(zhì)量加工后才能發(fā)現(xiàn)零件異常等。在質(zhì)量為先的指引下，團(tuán)隊(duì)自主探索利用數(shù)字、智能化手段持續(xù)提升質(zhì)量表現(xiàn)。

1 利用即時(shí)通信工具實(shí)現(xiàn)數(shù)據(jù)異常的自動(dòng)通知

當(dāng)前主流郵箱或即時(shí)通信工具如微信都提供了數(shù)據(jù)API接口，通過自主編程將監(jiān)控項(xiàng)目及時(shí)通知到多功能團(tuán)隊(duì)組員，確保質(zhì)量問題快速發(fā)現(xiàn)及解決。如圖1所示，利用SPC的相關(guān)判異準(zhǔn)則，通過自主編程將與測(cè)量數(shù)據(jù)庫連通并做數(shù)據(jù)的推送，實(shí)現(xiàn)監(jiān)控對(duì)象的數(shù)據(jù)自動(dòng)判定；因生產(chǎn)過程測(cè)量特征較多，有在線100%測(cè)量特征類型，也有定期抽檢數(shù)據(jù)。為降低工廠數(shù)據(jù)服務(wù)器負(fù)荷及網(wǎng)絡(luò)帶寬壓力，IT系統(tǒng)采用了數(shù)據(jù)打包后再上傳策略導(dǎo)致了數(shù)據(jù)庫延時(shí)的問題。在測(cè)量工控機(jī)上安裝自主編制的腳本程序，可實(shí)時(shí)提醒團(tuán)隊(duì)組員確認(rèn)監(jiān)控特征加工過程是否發(fā)生了異常，避免質(zhì)量損失。

圖1 實(shí)時(shí)數(shù)據(jù)采集及異常判定的自動(dòng)通知

2 自主開發(fā)深度學(xué)習(xí)的視覺防錯(cuò)應(yīng)用

發(fā)動(dòng)機(jī)采用各機(jī)型柔性混線生產(chǎn)，因此大量視覺防錯(cuò)的應(yīng)用。在運(yùn)行過程中，絕大多數(shù)工序視覺識(shí)別合格率達(dá)到95%，但視覺探測(cè)受環(huán)境及零件狀態(tài)變換的影響導(dǎo)致失效?；跈C(jī)器深度學(xué)習(xí)，團(tuán)隊(duì)自主開發(fā)智能防錯(cuò)應(yīng)用并大幅降低視覺成本。

2.1 傳統(tǒng)視覺防錯(cuò)

傳統(tǒng)視覺應(yīng)用在獲得對(duì)象圖片后，對(duì)圖像特征進(jìn)行灰度、腐蝕、膨脹二值化等處理后，計(jì)算像素點(diǎn)數(shù)目如圖2所示：軸瓦是否安裝的探測(cè)，通過合理設(shè)定一個(gè)像素的閥值即可判別。像素點(diǎn)極易受到光照，異物，遮擋等因素的影響，進(jìn)而導(dǎo)致誤判。

圖2 軸瓦安裝前后視覺檢測(cè)（中間圖片未安裝）

2.2 自主開發(fā)的智能防錯(cuò)系統(tǒng)

人工智能相機(jī)開發(fā)，技術(shù)團(tuán)隊(duì)根據(jù)現(xiàn)場(chǎng)需要，采集各類生產(chǎn)環(huán)境下照片，通過特征標(biāo)注后，在tensor flow環(huán)境下訓(xùn)練生成適合生產(chǎn)現(xiàn)場(chǎng)專有的識(shí)別模型。為提高運(yùn)行速度，選用具備并行運(yùn)算的GPU板卡及Linux開源系統(tǒng)為部署平臺(tái)。人工智能相機(jī)的高識(shí)別率和低成本，在遷移算法應(yīng)用下可以快速向其他場(chǎng)景擴(kuò)展。如圖3，在特征防錯(cuò)過程中通過合理邏輯設(shè)計(jì)，允許在人機(jī)交互過程中被操作遮擋間歇中的目標(biāo)特征識(shí)別[1]，在獲取要求的照片前提下，無須增加傳統(tǒng)智能相機(jī)配備特種光源，進(jìn)而在人機(jī)交互防錯(cuò)環(huán)境對(duì)人眼無任何影響。當(dāng)前工廠已在發(fā)動(dòng)機(jī)活塞類型識(shí)別、機(jī)型識(shí)別、小零件配對(duì)安裝等場(chǎng)合成功應(yīng)用。

圖3 單一特征及多特征的智能識(shí)別

3 防錯(cuò)系統(tǒng)化、自主開發(fā)及應(yīng)用

柔性生產(chǎn)過程為確保大批量生產(chǎn)過程質(zhì)量，每道工序均采用了防錯(cuò)設(shè)計(jì)。工藝要求從工段長(zhǎng)、班長(zhǎng)、班組成員對(duì)防錯(cuò)進(jìn)行定期驗(yàn)證，員工執(zhí)行不到位就會(huì)帶來質(zhì)量風(fēng)險(xiǎn)?；贛odbus通訊[2]的管理系統(tǒng)實(shí)時(shí)采集各防錯(cuò)點(diǎn)PLC運(yùn)行數(shù)據(jù)（如圖4），并將防錯(cuò)信號(hào)實(shí)時(shí)采集、存儲(chǔ)，分析，通過實(shí)時(shí)推送方式實(shí)現(xiàn)防錯(cuò)過程分析預(yù)警：確認(rèn)員工必須按工藝要求做驗(yàn)證的同時(shí)，確認(rèn)防錯(cuò)狀態(tài)，實(shí)現(xiàn)防錯(cuò)功能閉環(huán)管理。

圖4 防錯(cuò)系統(tǒng)化開發(fā)及管理

4 基于生產(chǎn)大數(shù)據(jù)優(yōu)化及實(shí)時(shí)監(jiān)測(cè)用

發(fā)動(dòng)機(jī)關(guān)鍵加工設(shè)備如加工中心通過開發(fā)上位機(jī)軟件，通過OPC或開放式通信協(xié)議采集機(jī)床主軸加工負(fù)載數(shù)據(jù)；或在加工主軸上布置震動(dòng)傳感器獲取震動(dòng)信號(hào)，通過與加工程序同步實(shí)現(xiàn)加工過程震動(dòng)信號(hào)采集，為監(jiān)控加工過程異常及質(zhì)量提升或工藝優(yōu)化提供了數(shù)據(jù)基礎(chǔ)。

4.1 基于加工負(fù)載數(shù)據(jù)的工藝過程優(yōu)化

通過對(duì)多輪刀具壽命內(nèi)的相關(guān)數(shù)據(jù)采集，如跟隨誤差、主軸負(fù)載、電流、冷卻壓力等，識(shí)別加工異常，如加工刀片崩刃、光柵尺異常、毛坯余量變異等；如以缸體面加工負(fù)載監(jiān)控圖5為例：在刀具系統(tǒng)穩(wěn)定前提下，通過加工段平均負(fù)載可有效發(fā)現(xiàn)來料余量差異，進(jìn)而為加工問題解決提供精確指引。

圖5 加工負(fù)載數(shù)據(jù)采集及分析

4.2 基于振動(dòng)數(shù)據(jù)的實(shí)施監(jiān)控應(yīng)用

對(duì)鋁合金缸蓋及部分加工特征對(duì)主軸負(fù)載不敏感的鑄鐵類零件，只能通過間接方法進(jìn)行監(jiān)控[3-4]，需通過額外加裝震動(dòng)傳感器或電流及功率傳感器等方式感知加工過程異常。如圖6所示，通過在接近刀盤位置的主軸外側(cè)加裝震動(dòng)傳感器并與加工程序同步實(shí)現(xiàn)加工過程異常的探測(cè)，從而避免工件或刀具的損壞。

圖6 振動(dòng)傳感器布置及數(shù)據(jù)采集

5 結(jié)束語

在質(zhì)量?jī)?yōu)先的指導(dǎo)下，發(fā)動(dòng)機(jī)工廠團(tuán)隊(duì)陸續(xù)利用數(shù)字化、智能化技術(shù)方案提升過程質(zhì)量。自主開發(fā)測(cè)量數(shù)據(jù)自動(dòng)判定及推送，開發(fā)人工智能視覺進(jìn)行質(zhì)量防錯(cuò)，并形成了閉環(huán)的防錯(cuò)管理系統(tǒng)，確保工位防錯(cuò)裝置的可靠運(yùn)行。在加工設(shè)備方面充分利用負(fù)載數(shù)據(jù)，主軸震動(dòng)數(shù)據(jù)等應(yīng)用對(duì)工藝過程進(jìn)行監(jiān)控和優(yōu)化，實(shí)現(xiàn)了過程質(zhì)量提升。實(shí)現(xiàn)發(fā)動(dòng)機(jī)售后年度CPV,IPTV持續(xù)下降。