基于測點規劃及預警的整車尺寸控制方法

摘 要：整車尺寸控制的優劣直接關系到汽車的安全性能、制動性、操控穩定性以及車身外觀質量。提出了一種基于測點規劃及預警的整車尺寸控制方法（PAAU方法），該方法包括測點規劃（P）、尺寸預警（A）、尺寸鏈分析（A）以及控制公差迭代更新（U）。以某新能源車型前后門平整度尺寸控制為例，驗證了該尺寸控制方法在提升整車匹配問題的“事前預防”能力和分析優化效率方面具有重要作用。

關鍵詞：質量控制；測點規劃；尺寸預警；尺寸鏈分析

研究背景

整車包含近兩萬個零部件，這些零部件通過焊接、粘接及機械連接等方式相互匹配，組裝成一輛完整的整車。匹配質量的優劣，直接關系到汽車的安全性能、制動性、操控穩定性以及車身外觀質量[1]。因此，如何對整車匹配問題進行提前預防，以及在發生匹配問題時如何進行及時、高效的解決，是各主機廠一直探索和關注的重點。

匹配質量控制的難點，在于整車中匹配零件眾多、尺寸鏈長，部分零件自制，部分零件外購，質量控制水平差異較大。同時，零件生產受材料性能、工藝性能等因素影響，生產過程中各零件存在尺寸偏差和波動，偏差在尺寸鏈上不斷累積，使得匹配質量處于動態變化之中[2]。各類整車尺寸質量控制方法，如基于功能尺寸的車身尺寸質量控制方法[3]，基于質量控制設備綜合分析和評價質量水平的方法[4]或基于六西格瑪方法[5]，這些方法對整車尺寸質量的監控和提升起到了一定的幫助。

然而，這些控制方法存在一些不足之處。首先，它們主要探究如何從設計開發、工藝以及檢測角度改善整車尺寸質量，對于如何更好地發現或預測白車身可能的質量問題并未深入探討；其次，尺寸質量監控范圍僅局限于主機廠，未將供應商檢測數據與主機廠數據有效結合并進行綜合分析和預警。

因此，本文提出一種基于測點規劃及預警的整車尺寸控制方法（PAAU 方法），包括測點規劃（P）、尺寸預警（A）、尺寸鏈分析（A）以及控制公差迭代更新（U）。在項目前期進行測點規劃時，對自制件和外購件采用“穿刺”方法定義尺寸鏈上不同層級零件的測點，采用“同截面”方式定義同級相互匹配零件之間的測點；開發一套數據管理系統，整合主機廠和供應商的測量數據，實現單個零件和相互匹配關系零件尺寸及可能發生質量問題的自動預警；通過數據管理系統的綜合分析，獲取尺寸鏈上零件同一“穿刺”點測量結果，以確認質量問題主要來源于尺寸鏈上的哪個零件。該尺寸控制方法大大提升了整車匹配質量問題的“事前預防”能力和分析優化效率。

整車尺寸控制方法PAAU

整車尺寸控制方法PAAU的流程如圖1所示，包括測點規劃（P）、尺寸預警（A）、尺寸鏈分析（A）以及控制公差迭代更新（U）四個環節。

1.測點規劃（P）

在項目前期測點規劃階段，同一尺寸鏈上的所有零件，包括主機廠自制總成和自制單件、供應商分總成，在測點設置上采用統一的測點規劃原則，即采用“穿刺”方法，定義尺寸鏈上不同層級零件的測點，采用“同截面”方式定義同級相互匹配零件之間的測點。這樣的測點規劃，為后續單個零件和跨零件尺寸預警以及質量問題的溯源分析提供數據支撐。

2. 尺寸預警（A）

對于單個零件，依據車型開始批量生產后的50臺零件數據，計算控制特征偏差均值μ和標準差σ，按照“μ±3σ”作為尺寸預警公差；對于跨零件之間尺寸預警，依據DTS（尺寸技術規范要求）定義的匹配公差要求，設置預警公差。基于開發的數據管理系統，根據定義的預警尺寸和預警公差，實現測量數據進入數據管理系統后自動匹配計算，并進行及時、點對點的預警。

3. 尺寸鏈分析（A）

當后道相關部門接受到尺寸預警信息后，立即進行現場零件匹配狀態確認。當發現匹配問題后，通過數據管理系統，采用尺寸鏈分析方法，確認哪個環節是造成匹配問題發生的主要原因，采取相應措施進行優化解決。

4. 控制公差迭代更新（U）

根據問題解決后，零件的實際狀態，重新更新尺寸的預警公差。

以上汽大眾某新能源車型的門總成尺寸控制為例，對PAAU整車尺寸控制方法進行詳細介紹。

測點規劃

1.同級零件之間測點“同截面”方案

同級零件之間測點“同截面”設置方案如圖2所示，指的是對于有匹配關系的零件，在設置測點時，在匹配關系評價位置取同截面上的兩點。

前后門中部平整度評價點如圖3所示。前后門分別在S1截面上，取P1和P2兩點作為各自零件測點規劃時平整度測點。通過門總成P1和P2兩點測量結果，計算P1和P2兩點平整度的落差，可以從尺寸上預測兩個零件匹配后的尺寸狀態。

2.層級零件測點“穿刺”方案

“穿刺”指的是某一測點或基準點，沿著該點的法線方向，與不同層級零件相交得到不同測點的過程。穿刺得到的各層級測點與初始點只差匹配零件的料厚。零件各層級間測點“穿刺”方案的示意如圖4所示。

通過該方法定義的不同層級零件測點，當遇到質量問題時，可以快速分析并定位尺寸產生偏差的零件層級，進而快速地指導后續質量問題的優化解決。

根據前后門總成P1和P2點的設置，穿刺到前后門外板單件，其中前門總成P1穿刺至前門外板單件P3，如圖5所示。同理，后門總成P2穿刺至后門外板單件P4。

尺寸預警

1.尺寸數據管理系統

尺寸數據管理系統能更高效的管理各單件、分總成、總成的測量數據，包括外購件供貨供應商/自制件生產廠區、零件號、測點XYZD方向的理論值和偏差值。管理系統原理如圖6所示。

通過接收供應商測量數據和主機廠測量數據，管理系統有效融合測量數據各類信息，結合三維化零件CAD模型，對相關信息進行智能化判斷并展示。數據管理系統的基本功能包括如下三點。

1）在同一個界面上，顯示任意一臺整車測點偏差值和相互匹配結果。

2）在同一個界面上，顯示尺寸鏈上各零件穿刺點特定數量、特定時間的偏差結果，并清楚顯示偏差的突變和漸變趨勢。

3）定義預警公差，通過郵件將超差的單個零件測點結果和跨零件匹配結果發送至相關部門，及時進行預警。

2.尺寸預警

為了將質量問題由“事后解決”提前到“事前防范”，根據相關標準要求或現場實際控制要求，設置控制尺寸的預警公差，當尺寸偏差超過預警公差時，通過郵件形式，預警到各相關方，可以快速發現可能存在的質量問題，并及時采取相應措施。

按照車身DTS定義的前后門P1與P2間平整度落差0±0.5mm控制要求，在數據管理系統中，對P1和P2平整度落差進行預警設置。 當前后門完成測量，測量結果進入數據管理系統，根據P1和P2平整度偏差結果，系統自動計算兩者落差，當超過±0.5mm控制要求后，立即觸發尺寸預警。

通過郵件，見表1，其中，工廠（MEB）、車型（VW310/60 CS）、零件（10D833051A）、車號（14441017），測量時刻（2024/11/01 09：35：23），以下測點跨零件報警。前后門P1和P2平整度落差計算結果為0.8mm。

通過數據管理系統，在界面上，將前后門各點平整度及各組平整度落差數據進行顯示，如圖7所示。

匯總計算結果見表2。從表2可以看出，P1點平整度實際偏差為0.4mm，而P2點平整度實際偏差為-0.4mm。根據單個零件單點控制公差±0.5mm要求，單個測點偏差并未超過尺寸公差，而跨零件匹配后，兩者落差超過了車身DTS要求。

3.尺寸鏈分析

通過數據管理系統，選擇前門測點P1以及其穿刺點P3、后門測點P2以及其穿刺點P4的最近20次測量結果進行顯示，如圖8和圖9所示。

其中，10A831051A為左前門P1點平整度偏差結果；10A831111為左前門外板P3點平整度偏差結果；10A833051為左前門P2點平整度偏差結果；10A833111為左后門外板P4點平整度偏差結果。

通過圖8可以發現，左前門外板單件P3尺寸偏差較穩定，基本在0mm左右，而左前門總成P1點尺寸波動較大，偏差在-0.3～-0.7mm波動。

通過圖9可以發現，左后門外板P4尺寸偏差在-0.6～-0.4mm波動，而左后門總成尺寸基本穩定在0.2～0.4mm。

因此，基于尺寸鏈分析，左前門總成需要考慮在內外板合攏時尺寸穩定性，分析造成不穩定的原因，并進行尺寸優化。

4.預警公差迭代

通過以上分析，可以發現，單個測點雖然公差要求為±0.5mm，但是因為車身DTS要求前后門匹配公差需控制在±0.5mm以內。因此，對于左前門總成進行優化時，其優化目標為保證P1點尺寸偏差在0～0.5mm，才能保證P1和P2點落差在±0.5mm。最終，根據尺寸鏈分析以及最終零件優化結果，將單點P1和P2公差進行迭代更新，按照0～0.5mm輸入數據管理系統作為預警公差，兩者匹配落差仍然按照±0.5mm控制。

結語

本文提出一種基于測點規劃及預警的整車尺寸控制方法PAAU 法，包括測點規劃（P）、尺寸預警（A）、尺寸鏈分析（A）以及控制公差迭代更新（U）。以某新能源車型前后門平整度落差預警案例進行分析，詳細介紹如何通過PAAU方法實施尺寸質量控制及分析優化。通過該方法，可以及時對主機廠和供應商生產現場可能發生的抱怨進行及時的預警，真正做到“事前預防”，同時對于發生的尺寸抱怨問題，通過尺寸鏈計算，能快速定位質量問題根源，并開展分析和優化。該方法目前已應用到新能源工廠整車質量控制中，相比于原有的一些尺寸控制方法，大大提升了整車匹配質量問題的預防能力和分析優化效率。

參考文獻：

[1] 胡俊舟，丁發. 淺析汽車車身外觀匹配[J]. 模具制造，2013，13（10）：80-84.

[2] 張漠. 淺談整車尺寸系統匹配[J]. 汽車工藝師，2024（6）：43-45.

[3] 陳曦. 基于功能尺寸的車身尺寸質量監控[D]. 上海：上海交通大學，2014.

[4] 鄭吳明. 車身開發階段的尺寸質量控制研究[D]. 上海：上海交通大學，2017.

[5] 彭志華. 基于六西格瑪方法的車身尺寸質量管理模式研究[D]. 哈爾濱：哈爾濱工業大學，2018.