基于EWMA的零件加工過程質量控制系統研究

彭功靂，胥云，章周偉，葉雷

(四川輕化工大學機械工程學院，四川宜賓 644000)

0 前言

隨著科學技術的發展，互聯網技術與制造業深度融合迎來了傳統制造業邁向智能化的變革，但是在智能制造過程中產品的質量信息數據采集不及時并且沒有進行實時動態分析，造成大量的產品生產損失。在制造過程中，產品質量控制管理對生產過程有監測、預防、分析、改善等作用，有利于避免質量問題發現不及時帶來的損失。目前，在質量控制方面，多數制造企業采用人工測量或者通過車間智能數據采集器來記錄數據，通過相關數據分析軟件進行質量控制圖的分析制作，但缺乏對數據的實時性處理。這樣無法實現在制造過程中實時動態地進行產品質量監測與分析，不利于企業生產質量智能化、實時控制和工序能力的判斷。

針對這問題，國內外對制造過程中質量控制技術及相關理論展開了多方面研究。SIKDER等提出并驗證了一種新的基于協同預測、用于制造過程的多元過程質量控制(MPQC)方法，實現在預測、監視、診斷和調整失控場景中集成了離線和在線的多元質量控制策略。NUNES和 SOUSA提出依據隨機動態規劃的模型，設計出制造過程中質量控制的計劃，實現以最低成本滿足期望質量水平的質量控制規劃。GEWOHN等提出搭建一種面向用戶的質量可視化模型，并應用在汽車裝配中對其過程進行監控和評估質量狀況。GUO等針對質量控制問題，采用基于VAD的評價方法建立過程質量控制系統模型。周濤等人提出基于神經網絡的工序質量智能診斷方法以及專家系統的工序質量調整方法，實現了面向數字化工廠的質量數據在線分析。龔立雄等以統計過程控制理論為基礎，設計了SPC質量信息系統，通過該系統實現現場生產過程的監控和預警，確保生產過程處于受控狀況。徐大偉通過建立相似工序集合，并引入測量系統分析(MSA)理論，將MSA方法與工序能力控制方法相融合，初步對質量控制方法進行了完善。張越迪提出了一種同時考慮生產過程的過程能力和加工經濟性的多工序過程能力指數模型，解決了軸承制造過程中需多道工序來評估加工質量的問題。

由上述研究發現，在小批量生產線的制造過程質量控制中，有以下幾個方面需要進行完善：(1)在實際生產中完成實時質量控制與檢測信息同步；(2)數據樣本少導致的偏差檢測能力弱、控制效果差問題；(3)質量控制信息實時發布與管理問題。

為此，本文作者以機床主軸箱生產線為研究對象，提出一種針對小批量生產線制造過程的動態質量控制系統。結合實時數據采集平臺與數據傳輸技術，搭建動態SPC質量控制系統架構，并且運用指數加權移動平均法(Exponenentially Weighted Moving Average, EWMA)來改進常規控制圖在檢測過程中對任何大小偏移監測不足的問題，實現實時動態的質量控制，提升生產線的制造過程質量。

1 基于EWMA的工序質量聯合SPC控制

(1)

(2)

(3)

則控制圖的控制線為

(4)

式中：、、都是均值或者極差對應的無偏常量。

為更加精確地識別質量狀態在監控區域中的微小偏移，采用指數加權移動平均法對每組數據進行測量值的加權，建立EWMA控制圖。根據這個原理構建具有特定屬性的控制圖，構建前需要計算控制圖的統計量：

=+(1-)-1

(5)

式中：為權重常數，通常取0<≤1。公式(5)中初始值取流程的目標值，即=()=。

(6)

式中：為樣本數據的標準差。

根據EWMA的統計量及其方差構建控制圖，其中控制圖的控制線為

(7)

式中：為控制線的寬度系數，一般取≈3，其中005≤≤025范圍內的值在實踐中有較好的表現，范圍內較小的值適用于較小的偏移。

2 主軸箱加工過程及參數分析

2.1 智能主軸箱制造生產線

該生產線針對不同的機床主軸箱箱體零件，主要完成箱體零件表面、主軸安裝面、主軸安裝定位孔等粗精加工。生產線主要設備包括：H63-APC臥式加工中心、物料翻轉機器人、上料機器人、物料機器人、物流小車、托盤立體庫、托盤交換裝置、綜合物流輸送線等。生產線布局如圖1所示。

圖1 主軸箱生產線布局

2.2 生產線加工流程

主軸箱箱體的加工過程主要由主軸箱表面和主軸安裝孔粗精加工兩個部分組成。臥式加工中心1主要完成箱體側面、導軌外側面、前端面、主軸安裝端面、滑塊安裝面、螺母座底面的粗加工,安裝孔的鉸孔、攻絲,主軸安裝孔粗鏜以及平衡缸安裝面的粗銑等。臥式加工中心2完成箱體側面、導軌外側面、前端面、主軸安裝端面、滑塊安裝面、螺母座底面的精加工,安裝孔的鉆孔以及平衡缸安裝面的精加工等。整個生產線的加工流程如圖2所示。

圖2 主軸箱生產線加工流程

2.3 工序質量參數分析

主軸箱箱體作為機床主軸安裝的關鍵組成部件，整個加工過程由多道不同的加工工序完成。不同的工序需要繁多的質量控制特征進行控制。機床主軸箱完成粗精加工后，仍需要進行以下操作：

(1)進行主軸箱產品的產品型號、產品編碼打印以及加工工序的編號，唯一的產品編碼可有效提高后期產品質量數據采集、分析和質量追溯效率；

(2)主軸箱清潔后，進行箱體線軌滑塊的安裝面、主軸安裝孔和面、平衡油缸安裝面、螺母座安裝面等精度要求測試；

(3)安裝完成后，進行主軸錐孔徑向跳動、主軸旋轉軸線垂直度、主軸定心軸頸的徑向跳動、端面跳動、周期性軸向跳動等精度檢測；

(4)進行主軸箱主軸孔測試，主要包括主軸孔直徑大小、主軸孔圓柱度以及安裝端面的定位控制8個主軸定位螺栓的力矩和轉矩測試。

3 主軸箱加工質量控制系統設計與實現

3.1 QMS質量控制系統框架

綜合整個主軸箱箱體加工過程中的關鍵質量特征值控制點，為實現生產線加工過程的質量控制系統管理，結合互聯網WEB技術、數據庫、數據采集平臺搭建了QMS系統框架。如圖3所示，該系統主要由設備層、數據采集層、服務器層、顯示層4個部分組成。

圖3 系統框架

在主軸箱制造過程中進行數據采集，主要包括：零件加工工序數據、生產線設備狀況信息、產品ID信息、產品質量異常數據、檢測設備數據信息以及對質量控制改進和工作人員信息等。各類不同的數據信息以手動或者自動采集的方式采集。實時采集的數據通過QMS系統渲染成各類控制圖。記錄的歷史數據用于后期產品質量追溯和歷史信息的統計分析，為制造過程產品質量控制的改進提供數據支持。數據采集傳輸流程如圖4所示。

圖4 數據采集傳輸流程

3.2 數據庫模型設計

根據主軸箱生產線質量管理要求，實現整體的管理體系。QMS系統的整體數據庫結構如圖5所示，主要包括檢測人員基本信息表、管理人員基本信息表、檢測任務清單表、質量標準表、質量統計數據表、控制圖分析設置表、產品信息表、產品故障診斷表、質量歷史追溯表、管理權限表等數據庫表。該模型闡述了各個表之間的連接關系，包括數據庫之間各個表的主鍵和外鍵約束，以建立標準的規范化數據模型。

圖5 數據庫模型

在生產線工控數據采集器使用的數據庫模型如圖6所示。該數據庫模型主要包括臥式加工中心、機器人、運輸線、AGV小車、立式倉庫等生產設備，通過兩數據模型中的產品信息表與整體的QMS系統數據進行關聯。

圖6 工控采集數據模型

4 實例

本文作者以某智能制造企業的主軸箱柔性制造生產線為載體，依托該生產線的制造過程和質量管理體系搭建質量管理平臺。該企業數字化車間具備網絡通信、MES、FMS等平臺的開發環境，目前已初步完成與該企業車間信息交互終端的部署。該系統以MySQL為后臺支撐數據庫，以Minitab為系統平臺,在企業數字化車間平臺的基礎上，采用EWMA的聯合SPC控制方案，結合OPC UA數據采集平臺開發了主軸箱箱體零件加工過程的質量管理系統。質量管理任務通過車間計劃層下達后，工人和質檢人員通過相應的權限在質量管理系統終端上傳生產過程中的數據。如圖7所示，質檢人員通過該終端界面中質檢任務所對應的質量信息，填寫質量檢測數據，系統根據數據信息進行相應的圖形化處理和顯示。

圖7 SPC質量管理系統信息界面

表1 主軸安裝孔加工質量樣本數據 單位：mm

圖8 主軸安裝孔樣本的EWMA控制圖

圖9 主軸安裝孔樣本的控制圖

采用上述實例驗證文中所述方法，繼續對該企業車間主軸箱生產線中的其他零件加工進行質量控制及質量預警。在相同的測試條件下測試100組數據，在控制圖的微小偏差檢出率方面，傳統的休哈特控制圖的檢出率僅為80%，而文中基于EWMA聯合控制方法的檢出率可達到95%。

5 結論

本文作者構建了一種基于EWMA的零件制造過程的動態質量控制管理體系，明確了監測方法的改進、QMS系統的框架原理、數據庫模型、系統軟件設計。該系統利用實時生產線制造過程數據信息對當前生產質量狀況進行動態分析，保證產品質量過程控制的穩定性、準確性。該系統架構已成功應用于實際生產線的實時動態質量控制，驗證了該系統的實時性和正確性。該系統提高了生產過程質量控制的準確率，為質量控制數據樣本少的小批量零件生產模式制造企業提供了一種可行的質量控制方案。