基于工序質量信息的切削參數優化技術研究

張勝文，朱玉龍，張健

(江蘇科技大學現代制造技術研究所，江蘇鎮江212003)

質量是企業永恒的主題，是企業實現持續發展、在未來競爭中取得勝利的法寶［1］。為了提高產品質量，增加客戶滿意度，就要進行質量管理。在各種質量管理方式中，工序過程質量管理有著舉足輕重的地位，加工工藝直接影響著產品的質量。工序質量在產品生產中的作用如圖1 所示。

圖1 工序質量在產品生產中的地位

然而，目前的質量活動主要追蹤離線狀態下的產品全生命周期的質量數據，如文獻［2 －4］。這些質量數據雖然覆蓋了所有的質量活動，但不特定針對產品加工工藝，聯系工藝設計過程的數據分析手段比較落后。也沒有一種將質量管理方法專門用于產品工藝設計優化的技術。

作者從工序質量分析入手，研究了一種基于工序質量信息的切削參數優化技術。通過采用兩種工序質量分析方法，找出存在異常的工序和產生工序異常的支配性因素，為切削參數的優化提供對象和范圍。

1 工序質量分析方法

產品質量受到人 (Man)、機 (Machine)、料(Material)、法 (Methods)、環 (Environment)、測(Measurement)6 個因素 (5M1E)的影響［5］。為了對產品切削參數進行優化，就必須將人、機、料、環、測對工序質量的影響消除掉，只考慮切削參數對產品質量的影響。為了解決這一問題，作者提出兩種工序質量分析的方法:橫向工序質量分析法和縱向工序能力分析法。

1.1 橫向工序質量分析法

橫向工序質量分析法就是通過控制圖分析質量特性值，找到質量波動異常的工序，然后通過檢索工藝庫，查找與異常工序加工機床、材料、工藝內容大致相同，而切削參數部分相同、部分不同的工序，對二者進行方差分析，查看差異切削參數對產品質量的影響水平。如果影響效果是顯著的，則需要對不相同的這部分切削參數進行優化，如果影響效果不顯著，則需要對相同的這部分切削參數進行優化。

方差分析包括單因素方差分析和多因素方差分析［6］，由于多因素方差分析需要多個水平分別組合條件下的實驗數據，實際加工過程中往往比較難查找全。因此，文中采用單因素方差分析，不論有幾個切削參數不同，都將其合起來看作一個因素。例如，對于工序A1、工序A2，二者切削速度v、每齒進給量fz不同，而軸向切深ap和徑向切深ae相同，方差分析時將v、fz合起來看作因素A。

1.2 縱向工序能力分析法

縱向工序能力分析是指對形成同一最終質量的各個工序進行工序能力分析，查看工序能力是否處于同一水平上，并且呈現穩步增長趨勢。通常情況下，某一產品尺寸是由多道工序共同完成的，例如外圓加工要經過粗車、半精車、精車等工序，這些工序的工序能力應大致處于同一水平上，并且精度要求高的工序其工序能力應比精度要求低的工序略高，否則會使得質量穩定性降低、質量損失增大。因此，對形成同一質量特性的多個工序進行工序能力分析，可以找出工序能力異常的工序，并通過經驗分析找出需要改進的切削參數，為工藝優化提供支持。

2 切削參數優化

2.1 優化數學模型

進行工藝優化時，需要綜合考慮生產成本、生產效率、產品質量等因素，與切削參數密切相關的優化目標包括切削時間、加工成本、加工質量等。而根據切削時間可以確定加工成本，因此優化目標可以由切削時間和加工質量兩部分組成。實際加工中，切削參數也受到多種條件的限制，上述的過程質量分析技術也會給切削參數優化的方向提供一些約束，因此，切削參數優化是多目標約束優化［7］。上述過程質量信息分析技術為優化模型提供了設計變量和部分約束條件，下面以v、fz為設計變量具體講解銑削切削參數優化模型。

式中:T(x)表示切削時間函數，R(x)表示粗糙度函數，FZ表示切削力，P 表示機床額定功率，η 表示機床傳動效率，n 表示主軸轉速，Z 表示銑刀齒數，Fy表示徑向力，Lw是工件在兩支承間的長度，τ 表示變形量，T 表示刀具壽命。

2.2 優化方法

采用適應性權重遺傳算法對優化模型進行優化，其流程圖如圖2 所示。

圖2 適應性權重遺傳算法流程圖

適應性權重方法［7］根據新種群中個體的適應值大小來調整權重值，以獲得朝向正理想點的搜索壓力。優化模型中各個目標函數的權重值計算過程如下:

式中:Fmkax和Fmkin分別是當前種群中第k 個目標的最大值和最小值。

根據權重確定目標函數后，還需要根據約束條件確定適應性罰函數［8］:

3實 例分析

選取分析對象:船用柴油機連桿小端面銑削工藝。選取12 組加工記錄，繪制ˉX － R 控制圖如圖3所示。

圖3 － R 控制圖

觀察控制圖可以發現:ˉX 控制圖中有兩點落在控制線外，R 控制圖連續7 點呈現下降趨勢。可以認定工序處于非統計控制狀態，即工序存在異常。選取同一型號連桿的分開面銑削工序，對比發現二者切削速度v 和每齒進給量fz不同，而徑向切削深度ae和軸向切削深度ap相同，對兩者的加工檢驗數據進行方差分析，分析結果如表1 所示。

表1 方差分析表

設定a = 0.1，查F 分布表得F (1，36) =2.84，由于F ＞2.84，所以認為在a =0.1 水平上因素A 是顯著的，即兩種工序不同切削參數v、fz是影響質量異常波動的主要原因。因此，需要對v、fz進行優化。優化結果如表2 所示。

表2 切削參數優化結果

4 結論

提出一種基于工序質量信息的切削參數優化技術，為工藝優化研究擴展了新思路。同時，針對這種新的切削參數優化方法提出了兩種新的質量分析方法。首先通過控制圖查看工序是否存在異常，如果存在異常采用橫向工序質量分析，如果工序處于穩定狀態可以使用縱向工序能力分析，找出需要優化的切削參數和優化約束條件，應用適應性權重遺傳算法，對切削參數進行優化。

【1】夏建中.制造業質量管理信息化研究規劃與實踐［J］.中國質量，2005(10):70 －72.

【2】楊曉兵.大型鑄件鑄造過程質量溯源系統研究及應用［D］.重慶:重慶大學，2008.

【3】MOE T. Perspective on Traceability in Food Manufacture［J］.Trends in Food Science and Technology，1998，9(5):211 －214.

【4】鄧軍.面向產品生命周期的全面質量管理系統建模及實現技術研究［D］.杭州:浙江大學，2009.

【5】梁國明.IS0900 族標準常用統計技術方法43 種［M］.北京:中國標準出版社，2004.

【6】李衛紅，楊練根.質量統計技術［M］.北京:中國計量出版社，2006.

【7】DEB K. Optimization for Engineering Design:Algorithms and Examples［M］.New Delhi:Prentice-Hall of India Private Limited，2005.

【8】玄光男，程潤偉.遺傳算法與工程優化［M］.于歆杰，周根貴，譯.北京:清華大學出版社，2004.