應用六西格瑪工具方法提高某型葉片鑄造合格率

董 翠

（北京航空材料研究院，北京 100095）

?

應用六西格瑪工具方法提高某型葉片鑄造合格率

董 翠

（北京航空材料研究院，北京 100095）

[摘要]介紹了團隊對某葉片精密鑄造工藝采用DOE方法，通過數(shù)據(jù)模型的建立優(yōu)化關鍵工藝參數(shù)，提高了葉片鑄造合格率的改進步驟和結果，是運用DOE工具改進產(chǎn)品質量的具體實例。

[關鍵詞]六西格瑪；試驗設計；鑄造；參數(shù)優(yōu)化

[收修訂稿日期] 2016-02-01

六西格瑪起源于20世紀80年代中期，是對全面質量管理特別是質量改進理論的繼承和發(fā)展，它以顧客為關注中心，采用基于數(shù)據(jù)和事實驅動的管理方法，聚焦于流程改進，通過部門間無邊界的合作模式，達到降低缺陷和減少變異的目的[1]。目前六西格瑪方法已被廣泛的運用于改善產(chǎn)品的質量，尤其適用于生產(chǎn)制造業(yè)。

試驗設計（DOE）作為改進實施的一項重要工具，是一種安排試驗和分析試驗數(shù)據(jù)的數(shù)理統(tǒng)計方法，主要研究如何以最有效的方式安排試驗，并通過對試驗結果的分析獲取最大信息[2]。應用試驗設計可以科學合理地安排試驗，從而減少試驗次數(shù)、縮短試驗周期，提高經(jīng)濟效益。試驗設計的典型步驟為：因子篩選（部分因子設計）——因子效應分析（全因子設計）——回歸分析（響應曲面）。在實際工作中，可能跳過某個環(huán)節(jié)，也可能在某個步驟上反復進行好幾次?？傊?，通過試驗設計的實施，明確流程變量對流程輸出影響的顯著性，找出二者之間的關系，從而進一步找出使流程輸出達到最佳值的流程變量選值范圍。

1 問題的提出

某新型燃氣輪機是我國研制的中型燃機中功率最大的燃氣輪機，應用前景廣闊，未來需求量巨大。對該型燃機高溫合金葉片進行鑄造試制后，發(fā)現(xiàn)內部顯微疏松約80%不合格，表面晶粒度約60%不合格，嚴重影響了鑄件質量，造成了交付進度滯后，導致了顧客抱怨。對于該問題，擬采用六西格瑪方法中的試驗設計工具進行解決，應用DOE策略，策劃試驗安排，并對試驗結果進行統(tǒng)計分析，優(yōu)化工藝參數(shù)，提高鑄件質量。

2 問題的分析

2.1 變量分析

在本問題中，通過前面的描述可以明確流程輸出，即所要優(yōu)化的項目指標為葉片內部顯微疏松和表面晶粒度；而流程變量則為鑄造過程的工藝參數(shù)。采用流程圖、相關矩陣和潛在失效模式（FMEA）識別出影響內部顯微疏松的工藝參數(shù)（影響因子）為殼型預熱溫度、殼型預熱時間、澆注溫度；影響表面晶粒度的因子為殼型預熱溫度、殼型預熱時間、澆注溫度、殼型涂覆層數(shù)、殼型干燥時間、殼型焙燒溫度、殼型焙燒時間。由于葉片鑄造流程復雜，周期長，為進一步縮小試驗范圍，聚焦關鍵影響因子，專家團隊對上述因子進一步進行機理分析指出關鍵影響因子為殼型預熱溫度和澆注溫度，因此將這二者選定為DOE試驗因子。利用試驗設計找出工藝參數(shù)與優(yōu)化指標的關系，并對工藝參數(shù)進行優(yōu)化。

2.2 試驗方案分析

為了確定試驗設計方案，分別對殼型預熱溫度和澆注溫度對內部顯微疏松和表面晶粒度的影響方式進行分析，分析結果如表1所示。從表1中的分析可知，殼型預熱溫度和澆注溫度均不能過高也不能過低，通過上述討論，試驗設計方案確定為，首先進行兩水平+中心點因子試驗（22*2+2），然后對因子試驗結果進行分析，判斷模型是否存在彎曲：若存在彎曲，則通過響應曲面試驗方案（RSM）進行補充試驗，而后通過響應優(yōu)化確定最優(yōu)工藝參數(shù)；若不存在彎曲，則通過最速上升法確定最優(yōu)工藝參數(shù)。

表1 試驗因子對優(yōu)化項目的影響分析[3]

2.3 數(shù)據(jù)類型分析

流程變量和流程輸出的數(shù)據(jù)類型分析見表2?？梢姡鳛榱鞒套兞康臍ば皖A熱溫度、澆注溫度均為連續(xù)性數(shù)據(jù)，而優(yōu)化指標中顯微疏松為連續(xù)型數(shù)據(jù)，表面晶粒度為離散型數(shù)據(jù)，二者都具有望小的特點，因此，對試驗結果進行統(tǒng)計分析時，可將顯微疏松與殼型預熱溫度和澆注溫度建立模型關系，將表面晶粒度作為模型優(yōu)化的約束條件。

表3 因子試驗設計及試驗結果

3 問題的解決

3.1 因子試驗

根據(jù)上述試驗設計方案討論，首先進行因子試驗，試驗方案為兩因子兩水平+中心點方案，并進行2次仿行試驗。因子試驗設計及試驗結果如表3所示。對因子試驗結果進行統(tǒng)計分析，如圖1所示。

通過主效應圖和交互作用圖可知，兩個影響因子對試驗結果存在交互作用，且通過中心點的位置可知，模型存在明顯的彎曲，對試驗結果進一步進行方差分析，得到彎曲P=0.021（≤0.05），這進一步說明，模型的曲性顯著。由前述試驗方案的討論得知，若模型存在彎曲時，需要采用響應曲面（RSM）試驗設計進一步補充試驗（序貫試驗），從而對模型進行優(yōu)化。

3.2 RSM試驗

RSM序貫試驗的策略有很多種，常用的有中心復合設計和Box-behnken設計，其中中心復合設計又包括中心復合序貫設計（CCC）、中心復合有界設計（CCI）和中心復合表面設計（CCF）3種。在本問題中，由于設備的使用溫度范圍較為寬泛，試驗溫度未超出設備使用界限，因此進行響應曲面序貫試驗設計時，采用旋轉性較好的CCC試驗策略。試驗方案及試驗結果如表4所示。

對試驗結果進行回歸分析，回歸分析項及其P值如表5所示，由表5可知，殼型預熱溫度、澆注溫度及其二者的平方項回歸分析P值均小于0.05，說明該4者均對顯微疏松有顯著影響，但二者的交互作用對優(yōu)化目標的影響則不顯著。去除不顯著項再次進行回歸分析，得到殼型預熱溫度和澆注溫度顯微疏松的回歸模型如公式（1）所示。該回歸分析模型修正的相關系數(shù)R2（調整）為74.99%。

其中：A：殼型預熱溫度 ；

B：澆注溫度。

進一步對回歸模型進行方差分析（表6）和殘差分析（圖2），觀察表6中的失擬項P值為0.551，表明該回歸模型不存在明顯失擬；由圖2中的殘差圖可見殘差分布正常，上述表明回歸分析模型可用，可將其用于對試驗結果的響應優(yōu)化。

圖1 因子試驗統(tǒng)計分析結果

表4 RSM補充試驗方案（CCC）及試驗結果

表5 回歸分析項及P值

表6 RSM試驗方差分析

圖2 RSM試驗殘差圖

3.3 響應優(yōu)化及驗證

根據(jù)回歸模型對試驗參數(shù)進行響應優(yōu)化，優(yōu)化原則為：顯微疏松最優(yōu)（最小），同時表面晶粒度符合要求水平（≤3級），相應優(yōu)化結果如圖3所示，根據(jù)模型最佳參數(shù)為殼型預熱溫度Ao，澆注溫度Bo，預測顯微疏松最小1.22%，晶粒度 ≤3級。

根據(jù)優(yōu)化結果，進一步進行優(yōu)化參數(shù)的試驗驗證（2批次），驗證結果顯微疏松均值為0.97%，表面晶粒度為1～2級，可見優(yōu)化參數(shù)合理，通過優(yōu)化的試驗參數(shù)，可以實現(xiàn)顯微疏松及表面晶粒度滿足顧客要求的目標。

4 結論

試驗設計作為六西格瑪方法策略中的一項重要工具，是一種安排試驗和分析試驗數(shù)據(jù)的數(shù)理統(tǒng)計方法，應用試驗設計可以科學合理地安排試驗，從而減少試驗次數(shù)、縮短試驗周期，提高經(jīng)濟效益。本文通過DOE的方法，利用Minitab軟件，對某葉片精密鑄造工藝參數(shù)進行優(yōu)化。采用因子試驗、響應曲面試驗建立了殼型預熱溫度和澆注溫度對顯微疏松和表面晶粒度的數(shù)據(jù)模型，并通過模型響應優(yōu)化，得到了最佳工藝參數(shù)值，并對優(yōu)化后的工藝參數(shù)進行了試驗驗證，實現(xiàn)了顯微疏松和表面晶粒度滿足顧客要求的目標，提升了葉片鑄件試制質量，確保顧客滿意。

[參考文獻]

[1] 馬林. 六西格瑪管理 [M]. 北京：中國人民大學出版社，2004.

[2] 馬逢時，周暐，劉傳冰. 六西格瑪管理統(tǒng)計指南 [M]. 北京：中國人民大學出版社，2007.

[3] 黃乾堯，李漢康等. 高溫合金 [M]. 北京：冶金工業(yè)出版社，2000.

（編輯：雨晴）

[中圖分類號]T-65

[文獻標識碼]C

[文章編號]1003-6660（2016）03-0030-04

[DOI編碼]10.13237/j.cnki.asq.2016.03.009