汽车零部件小批量生产过程中的质量控制方法研究.docx
- 文档编号:7729048
- 上传时间:2023-01-26
- 格式:DOCX
- 页数:15
- 大小:128.32KB
汽车零部件小批量生产过程中的质量控制方法研究.docx
《汽车零部件小批量生产过程中的质量控制方法研究.docx》由会员分享,可在线阅读,更多相关《汽车零部件小批量生产过程中的质量控制方法研究.docx(15页珍藏版)》请在冰豆网上搜索。
汽车零部件小批量生产过程中的质量控制方法研究
摘要
针对目前消费者表现出对汽车产品的个性化需求,本文主要探讨了满足顾客要求的小批量生产的质量控制方法。
首先,简述了小批量生产质量控制的研究现状,对当前制造模式下多品种小批量生产的质量控制应用情况和存在的主要问题进行了研究;通过分析小批量生产的特点,得出了传统的休哈特控制图难以应用在小批量生产条件下进行质量控制的结论。
再次,从质量控制的角度,系统地阐述了当前学术界和工业界里对小批量生产过程中的质量控制方法研究取得的成果,并提出具有代表意义的5种小批量生产过程中的质量控制方法。
例如:
利用历史数据和相似信息等先验信息,采用单值回归预测法等。
然后,论文对目前应用于汽车制造过程中的质量控制方法进行了归纳和总结,阐述了目前用于汽车制造业的4种控制方法,例如:
逆向工程在汽车质量控制中的应用、计算机辅助检测与质量控制系统、柔性化生产线的应用以及质量追溯系统。
在总结以前研究成果的基础上,作者结合汽车的生产特点,提出了适合于汽车零部件小批量生产过程中的质量控制方法。
论文最后对全文进行了总结,并对进一步需要研究和探索的问题提出了建议。
关键词:
小批量;质量控制;控制图;统计过程
Abstract
Aimatconsumertoexpressacharacteristicneedforcarproductcurrently,thistextmainlyinquiriedtocontentedthecustomerrequestofthesmallbatchquantityproduceofthequalitycontrolamethod.
Firstly,madearesearchontheapplicationcircumstanceandexistentkeyproblemofthequalitycontrolthatmanybatchquantitieswithsmallspeciesesproduceatpresentmakemode.ItgottotraditionalW.A.Shewartcontroldiagramhardapplicationqualitycontrolunderthesistuationthatthesmallbatchquantityproducebyanalysesthecharacteristicsofsmallbatchquantityproduce.
Sencondly,Itsystematicallyelaboratedtheresultcurrentacademiccirclesandindustrialcirclesresearchqualitycontrolmethodwithinsmallbatchquantityproductionataangleofqualitycontrol.andputforward5representativekindsmethodofsmallbatchquantityproductionlinesofqualitycontrol.somemakeuseofhistorydataandalikeinformationetctoesteblishaninformationfirst;SomeAdoptthesinglevaluereturnstoreturnanestimatemethod,asusualcanbuildupacontrollimitunderthesistuationwithoutaninformationfirst;Somecarriedonaresearchtothealikeworkprefaceetc.
NextThesissummariedthecontrolmethodofthequalitywithinprocessofthecarmanufacturingcurrently,andrelatedto4kindsofcontrolmethodsofcarmanufacturingindustrybeusedcurrently,Suchas:
ThecontraryengineeringbeuseedinthecarqualitycontrolExaminationandqualitycontrolofthecalculatorassistancesystem,gentleturnapplicationandqualityofproductionlinetotracebacktosystem.
Inthefoundationofsummerytheresultbeforerseached,theauthorcombinedanautomotiveproductioncharacteristicsandputforwardsomequalitycontrolmethodssuitableforcarpartsesmade.Thethesiscarriedonsummarytothefulltextateng,andputforwardasuggestiontotheproblemwhichneedstobestudyandinvestigatesfurther.
Keyword:
Smallbatchquantity;Thequalitycontrol;Controldiagram;Statisticsprocess
目录
前言1
1.绪论1
2.当前汽车零部件小批量生产的质量研究状况2
2.1当前生产过程中的质量控制方法及其不足之处。
2
2.2当前小批量生产过程主要采取的质量控制方法3
2.2.1改进的休哈特控制图3
2.2.2Bayes方法4
2.2.3工序控制法5
2.2.4单值回归预控法6
2.2.5概率积分变换方法7
2.3目前汽车零部件生产的质量控制方法8
2.3.1逆向工程在汽车制造质量控制中的应用8
2.3.2柔性化汽车生产线的质量控制9
2.3.3质量追溯系统11
2.3.4汽车零部件计算机辅助检测与质量控制11
2.4适合于汽车零部件小批量生产的质量控制方法13
3.结论14
参考文献15
致谢16
汽车零部件小批量生产过程中的质量控制方法研究
前言
随着世界经济的快速发展,在物质财富极其充分的今天,市场竞争日趋激烈。
作为世界经济支柱产业的汽车产业,其市场也逐渐地由卖方市场转向了买方市场。
顾客对产品的需求日益呈现出多样化和个性化的发展趋势,促使企业由传统单一品种、大批量的生产方式转向了多品种、小批量的生产方式。
这对传统的大批量质量改进方法来说无疑是一个挑战。
为了保持市场竞争力和满足顾客需求,探索适用于小批量生产的质量改进方法已成为当前质量控制领域的一大热点。
产品是企业竞争力的载体,高质量的产品往往具有更合理的成本、价格和更强的竞争力。
如何既能适应小批量的生产环境,又能保持产品有较高的质量,国内外一些相关的研究机构和大学都进行了相关研究。
由于在小批量制造环境下,被加工零件的规格要求多、影响加工质量的因素也多而且关系复杂,这对改进的方法提出了更高的要求。
因此,结合各种小批量制造环境的应用特点,博采众长,对改进方法进行全面系统和深入的研究是十分必要和迫切的。
1.绪论
我国正处于世界制造中心形成的阶段,汽车产业是其中的支柱产业,实现汽车强国的目标不能靠自己拥有巨大的市场和廉价劳动力去赢得。
世界上几乎所有的先进国家以及著名企业和学者都越来越清醒的认识到:
质量是企业的生命,企业的一切活动都要围绕质量展开,质量将成为企业在竞争中能否取胜的关键。
对于汽车零部件制造企业来说,如何尽快适应小批量生产环境的特点,在最短的时间内生产出高质量、低成本的产品以及提供最好的服务是其在激烈的竞争中立于不败之地的关键。
针对小批量生产环境的特点,学术界和企业界都积极地展开了研究,并取得了相应的成果。
2.当前汽车零部件小批量生产的质量研究状况
2.1当前生产过程中的质量控制方法及其不足之处。
在当前的工业生产过程中,质量控制方法还是应用的统计过程控制方法统计过程控制的英文是SPC(StatisticalProcessControl)。
1931年休哈特博士在其著作《工业产品质量的经济控制》一书中,详细论述了统计过程控制理论[1][2],奠定了SPC的发展基础。
50—80年代,戴明博士将SPC引入日本,使日本跃居世界质量与生产力的领先地位,在日本强有力的竞争之下,质量再次成为人们关注的焦点,SPC在西方发达国家再次兴起。
统计过程质量控制是产品在制造阶段的质量保证技术。
其通过检测和采集大量的过程质量特征数据,估计过程分布参数,计算出控制限,建立起控制图,以实现过程质量控制。
其控制图的类型和控制限随统计量的不同和样本量的变化而异,并且还需要用小概率原理来判断过程是否稳定。
传统的休哈特控制图用于小批量生产过程控制存在的问题归纳一下主要有以下几个方面:
首先在小批量生产环境中,不可能像大批量生产过程那样抽取大量的样本精确估计均值和标准差。
其要求的大的样本在小批量环境中是不可行的,满足要求的数据数量可能超出了生产的零部件的总量。
当样本较少时,其所建立的控制界限会导致误发警报的概率的增加。
错误的频繁的误发警报会导致无谓的停机检查和调整次数的增多,降低了生产效率,造成不必要的经济损失。
其次,在小批量生产环境下,由于批量小,往往采用连续抽样,这样抽取的样本具有相关性,而传统的休哈特控制图建立在数据具有独立分布的前提下。
第三,用于大批量的休哈特控制图在过程控制的过程中,把抽取的样本作为静态的观测制来建立控制界限,进行过程稳态性判断,忽略了过程的时间动态性。
第四,过程控制必须抽取当前的样本判断过程的稳定性,一旦过程失控,造成大量的不合格品,质量损失已经发生,不能对生产过程进行预控。
第五,传统的休哈特控制图要求特征参数服从正态分布或近似服从正态分布,而在小批量生产模式下,有些质量参数并不服从正态分布。
最后,由于先进制造技术在小批量生产过程中的不断应用,生产过程的自动化程度达到相当高的水平,使得制造过程的不稳定因素明显减少,工序质量参数有可能长时间保持稳定或仅发生微小的变化,而传统的休哈特控制图对过程参数的微小变化的检出率很低,甚至会在小批量生产模式下失效。
2.2当前小批量生产过程主要采取的质量控制方法
基于目前小批量生产过程中的质量控制方法,经有关大学和研究机构研究,目前主要形成了从以下几种观点出发在小批量生产情况下控制产品质量的方法。
2.2.1改进的休哈特控制图
南京航空航天大学的胡兴才等人提出了一种适用于小批量生产统计过程控制的新思路。
通过这种新思路建立的控制图可以在假定条件下从获得第一个零件的特性参数就建立控制限[3][4]。
从而对生产过程进行控制。
通常,对生产的产品要求有一定的Cp过程能力指数值范围,且Cp应大于1,生产的产品有一公差带,假定生产过程的瞬时质量特性服从正态分布且没有历史数据可用。
在生产过程中,人们都追求一种理想的生产状态,即根据给定的Cp值,零件生产过程的质量特性分布中心M正好等于Tu+Tl/2,。
这里,Tu代表零件规格上限,Tl代表零件规格下限,Tu和Tl均指绝对尺寸,上下控制界限按照偏离分布中心3σ标准建立,即3σ控制方式,3σ小于等于T/2,T=Tu+Tl,为此,根据这一思路,可建立如下控制界限的控制图。
1.由给定Cp值和公差带计算方差σ的值可得:
Cp=(Tu-Tl)/6σ,σ=(Tu-Tl)/6Cp;
2.由公差带计算出过程理想均值为μ=(Tu+Tl)/2;
3.根据前面已求得理想情况下的均值μ和方差σ来建立控制图
根据上述假设,按照3σ的控制原则,一个过程在理想情况下应服从均值μ为,方差为σ的正态分布,则有:
中心线 CL=μ
上控制界限 UCL=μ+3σ
下控制界限 LCL=μ-3σ
假设在一次小批量的零件加工过程中,只有11个样本值(X1=3.03,X2=3.05,X3=3.03,X4=2.95,X5=2.97,X6=3.07,X7=3.10,X8=3.05,X9=3.03,X10=2.97,X11=3.00),利用此方法同样可以建立起控制图。
按照国际标准ISO8258:
1991(E)要求Cp≥1.33,这里取Cp=1.33。
很容易看出,在理想状况下,均值为3.00,即公差带的中心,按照1中所给的算式,可计算得σ=0.025。
按照3σ的控制方式建立改进的休哈特控制图,如图1所示。
图1控制图
以上建立的控制图中心线正好是公差带中心,上下控制界限为在满足初始条件下建立的控制界限,也为在满足初始条件的理想控制图,通过建立理想的控制图来对实际生产过程进行控制。
在实际中,可以把公差上下控制界限也绘制在控制图上,便于进行分析判断。
如果过程没有系统性因素影响,所有点落在(μ-3σ,μ+3σ)范围内的概率为99.73%。
可以像传统的控制图一样应用于小批量生产情况下,且可以在生产过程还没有开始之前预先制定好控制界限,不需要任何的历史数据。
在实际生产过程中难以达到理想的状况,过程一般都会发生偏移或随机波动,就此问题特制定如下判断准则:
测量值如果落在保险区间(即上下控制界限之间)随机排列,且无明显趋势性时,则说明工序处于稳定状态;如果测量值落在危险区间(即上下控制界限之外,上下公差界限之内),应该引起重视,分析原因并予以调整;如果测量值落在不合格区间(即上下公差控制界限之外),产生不合格品,应立即采取措施,排除异常,使工序迅速恢复到稳定状态。
如果过程的均值未发生偏移,与公差中心重合,那么,可按照一般休哈特控制图的判异准则进行分析。
2.2.2Bayes方法
上海交通大学的连军,林忠钦等人提出了一种用于小样本合格率动态估计的Bayes方法[5][6]。
它是在采用矩法由历史测量数据构造产品合格率参数先验分布的基础上,综合历史数据与当前小样本信息,建立动态递推模型,实现了合格率的准确估计。
为质量问题的及时发现和控制提供了依据。
在一个参数统计结构(Y,B,{pθ:
θ∈Θ})中,θ是未知量,根据经典统计学,对θ作统计推断时,由于样本含有未知参数的最新信息,因而从总体抽取的样本愈多愈好。
但我们也应该注意到,在实际情况中,还有一些非当前样本信息也可以用于统计推断和统计决策。
这些非当前样本信息主要是获得最新样本之前的经验和历史资料,称为先验信息。
对先验信息进行加工获得先验分布,加入到统计推断中去往往能够提高统计推断的质量。
当处理因当前样本量较小而信息量明显不足的小样本问题时,Bays方法凸现优势。
Bays方法认为,任一未知量都可以看作用Bays一个先验分布描述的随机变量。
如一种产品合格率的概率分布,当一段时期的生产验证为稳定生产时,其合格率分布可以作为先验信息引入,再综合样本信息,得到一个更接近实际的后验分布。
从密度函数角度,Bays算法如下所述
1.依赖参数θ的密度函数记为p(x/θ),即给定随机变量θ某一值时,计算出样本x的条件概率密度;
2.根据参数历史数据确定先验分布π(θ);
3.从Bayes的观点出发,X=(X1,X2,…Xn)的产生要有两步,首先设想从先验分布π(θ)产生观察值θ,然后从条件分布p(x/θ)产生样本观察值x=(x1,x2,…xn)这时样本X的联合条件概率密度函数为
;
4.将先验信息与样本信息结合,得到θ与X的联合分布
;
5.将2式进行分解,
式中,
为X的边际密度函数,由此得到函数的后验分布
。
后验分布中集中了样本与先验信息中有关的信息,因此比先验分布更符合实际。
2.2.3工序控制法
浙江大学的余忠华等人提出了一种适用于多品种、小批量加工的SQC方法。
其主要是把统计监控的对象着眼于工序,通过控制工序的质量来达到控制零件加工质量的目的[7][8][9]。
在多品种、小批量加工中运用SQC的基本思想与策略应注意以下几个方面。
1)由于工序间具有更多的相似性,因此监视对象不应在产品而应在工序,工序是质量控制的焦点;
2)从相似性原理出发,进行工序成组,以增加样本容量,确保统计可靠性;
3)在多品种、小批量加工中实施SQC,不能局限于数学上的统计运算,应结合工程背景,强调运用现场质量工程师和操作者所具有的专业知识以及他们对过程调整、产品规范、过程能力的评价、预测和判断等极有价值的主观经验;
4)应将SQC集成于质量信息系统,它需要对多因素、多目标的质量信息进行综合的处理和运用。
鉴于上述基本思想,我们提出了如图2所示的在多品种、小批量加工中运用SQC方法的框图。
它主要包括:
工序质量信息获取与处理、成组工序、SQC、加工误差源诊断及控制与评价。
所谓“成组工序”,本文定义为具有广义相似性的一类实际工序的抽象集合:
它可影射出造成该类实际工序质量波动的共因;通过对它的统计分析,可很好地揭示出各实工序的质量波动状况.如何构造好成组工序是SQC在多品种、小批量加工中运用的关键。
图2在多品种、小批量加工中运用SQC方法的框图图中m﹤n
工序质量信息获取与处理.,其主要步骤如下:
1为了合理地获取与处理所有有关工序质量信息与数据,对工序质量状态进行全面、系统的描述,并建立工序质量信息库;2通过使用有效的检验方法,获取工序质量的精确信息;3通过对工序质量状态信息的综合分析,建立具有相似性的工序类,选择合适的数学变换模型,通过变换构造出成组工序,以便通过对成组工序的统计监控来反映实际工序的质量波动状况,增强SQC的统计可靠性;4为异常工序的加工误差源分析诊断提供信息支持。
2.2.4单值回归预控法
北京机械工业学院的盛淑凯等人提出了一种适合于小批量生产过程控制的预警控制方法—单值回归预控法,这种控制方法的主要特点是前馈控制[10]。
在小批量生产过程中,如果过程不稳定,在调整以前由于过程不稳定已经造成损失。
这种情况在小批量生产过程中是绝不允许的,在小批量生产过程中的过程控制所要求的调整必须都做到事前,才能保证过程的持续稳定,才能保证从第一件合格产品开始每一件产品都合格。
单值回归预控法的控制过程主要有以下几步:
1.在小批量生产过程中,如果没有可用的历史数据,我们的控制界限只能利用现有的信息。
随着生产的进行和逐步的过程控制,随机波动的范围会越来越小,就这种现象我们可以逐步修正标准差的计算控制界限。
开始用公差界限进行控制,只要两个数据就可以计算均值和标准差,在控制过程中得到一个数据就修正一次,即:
当t小于2时St可以作为公差界限。
中心线用同样的方法也可以得到。
2.根据系统独立性原则确立预控线。
一般地,以U中心线,以U±L
为上下控制限。
假设加工每一件产品都是相互独立的,它们的质量特性落入控制界限内的概率是2
(L)-1,式中L为控制限系数(一般取3);
标准正态分布函数。
根据过程独立性原理,连续加工n件产品,其质量特性值
(I=1,2,3,…)全部落在控制界限内概率为
。
我们为使每一件产品实现事先调整,达到预控目的,必须构造给予预控思想的加严控制限。
若生产了(n-1)产品都落在了控制界限内,那么加工第n+1件产品其质量特性是否落在控制界限内取决于第n件产品的质量特性是否落在相应的控制界限内。
若第n件产品的质量特性落在了相应的控制界限内,那么就可以直接加工下一产品;如果第n件产品的质量特性没有落在相应的控制界限内,那么就说明过程失稳,在加工下一产品前必须对过程进行调整。
2.2.5概率积分变换方法
上海交通大学的苗瑞等通过对传统的统计过程质量控制进行改进,建立了标准化控制图[11]。
传统的统计过程质量控制技术由于低投入、高产出的特点,及其在大批量生产中可产生巨大的经济效应,吸引着企业界和学术界努力将这一技术应用于小批量生产环境的质量控制中。
在小批量生产环境下,过程质量特征数据少,需要在收集到少量数据后就绘制控制图,对生产过程质量进行分析。
苗瑞等人结合生产过程中逐个实时获得的过程质量特征数据,运用抽样分布理论、概率积分变换方法获得服从标准正态分布的统计量。
通过该统计量绘制控制过程均值、方差的实时标准化控制图,中心线为0。
在给定第一类错判概率时,其上、下控制限为固定不变的数值,不随样本数据量的递增而发生变化,解决了传统统计过程质量控制图应用于小批量生产出现的第一类统计错判概率加大的问题。
有关研究单位分别用传统方法和此种方法分别对同一控制单位作了实验,事实也证明在小批量生产环境下用此种方法绘制的控制图和大批量生产环境下用传统方法绘制的控制图是相吻合的。
2.3目前汽车零部件生产的质量控制方法
汽车质量就是汽车产品满足和超越客户与社会要求的程度。
汽车质量划分为研发质量、供应商质量、过程质量、服务质量四个质量模块;汽车质量形成需经历可靠性质量、一致性质量、感知质量和客户热忱四个阶段。
而机械零件产品的质量是在生产过程逐步形成的,控制好生产过程,就能控制好质量。
这需要从相关的材料、设备、工艺、人员、管理、环境等方面入手,采用多种不同的手段,做大量的工作。
2.3.1逆向工程在汽车制造质量控制中的应用
随着CAD技术的不断发展,CAD技术也越来越广泛地应用于汽车制造业,并带来了显著经济效益。
目前,汽车工业中的CAD研究还主要侧重于设计阶段中由设计数据构造汽车零部件的产品CAD模型和模具CAD模型。
再通过数控加工制造模具,进入汽车零件设计生产的常规设计流程。
通过CMM准确高效地采取零件表面的三维数据,利用三维造型软件进行曲面反求和零件虚拟装配可以为评估和控制控制汽车质量提供依据[12]。
通常,汽车制造由一般零件制造、车身零件冲压、白车身制造、喷涂和总装等五个过程构成。
车身零件有厚度为0.6mm—1.2mm的薄板冲压成型得到,包办冲压件易变形决定了零件在冲压、运输、装配定位、夹具加紧和释放及焊接过程中都可能使零件发生变形,引起装配误差,各误差在装配中传播、耦合和积累,影响白车身装配精度和整车制造质量。
因此,理论数据往往不能反应实际情况。
基于CMM数据的逆向工程技术基于CMM测量数据拟合曲面,进行曲面反求,用来控制汽车零部件的质量。
多数具有复杂的三维空间曲面,零件曲面的CMM测量和曲面反求是逆向工程技术的应用关键。
CMM以其高测量精度及可重复编程的高柔性,使其在不同方向上对汽车零部件的整体或局部进行大量密集的坐标测量成为可能。
为了反应零件表面的曲面关系和考虑零件的装配关系,可以应用商业CAD/CAM软件实现对零件表面的重构,参照CMM测量和曲面反求得到的数据,通过对零件进行虚拟装配确定汽车零部件最合适的尺寸数据,从而大大提高了汽车零
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 汽车零部件 批量 生产过程 中的 质量 控制 方法 研究