CN101246369B - 一种汽车零部件尺寸质量控制***和方法 - Google Patents

Abstract

本发明涉及一种汽车零部件尺寸精度评价方法，包括将零部件尺寸质量监控分成线旁检具测量控制和离线三测量机监控。线旁检具和离线三坐标测量机对零件尺寸质量监控的方式，是根据产品的产量及控制要求分时段分批次进行抽样，对产品抽样在检具或三坐标测量机上检测，采集测量数据，并对测量结果进行分析，发现缺陷即时报警。计算机网络装置管理在数据处理过程中发现的缺陷零件信息，并提供给相关的责任者终端。多个终端可以设置在工厂的各个区域。本发明为汽车零部件尺寸质量的控制与提高提供依据，比传统方法效率和精度有明显提高，能够对生产线状态进行有效评价、监控与分析。

Description

一种汽车零部件尺寸质量控制***和方法

技术领域

本发明属于汽车零部件制造质量控制技术领域，特别是涉及一种汽车零件尺寸质量控制***和方法，用于汽车零件装配尺寸质量评价和产品质量控制分析。

背景技术

汽车是中国制造业的主干行业与支柱，2006年我国汽车工业完成产值15556亿元，其中汽车零部件完成产值5200亿元，零部件产业在汽车工业中的比重约为35％～36％，2008年预计将完成产值7200亿元。当前汽车制造业的国际竞争日益激烈，产品的质量成为企业迎接挑战的核心竞争力，汽车制造及其零部件供应企业都致力于提高自身竞争力。1％的零件尺寸制造缺陷都有可能给产品最终用户带来恶劣的影响，乃至降低汽车制造企业的市场竞争力。因此，汽车及其零部件的尺寸质量控制成为整车质量的重要组成部分。

质量的控制与提高需要有一个准确、高效的质量控制***和方法。对于汽车零件而言，装配的尺寸精度是主要的装配质量要求，而目前国内的主要汽车零部件制造厂均没有一项关于尺寸质量控制的***和方法，零件的尺寸测量虽然已经采用三座标测量机等设备进行，但是仍存在质量检测装置单一、控制方法落后、控制***不尽合理、工作效率较低的弊端。汽车零件制造过程是一个规模化批量生产的过程，目前大部分零件制造企业无法做到100％检测，尺寸质量的评价只能采用离线的小样本抽检的方法。因此，通过规范的采样和测量数据的分析来准确对汽车零件装配尺寸质量进行评价，并根据尺寸质量控制2mm工程要求，以“数据驱动质量”为目标，发掘有用的测量数据进行过程分析，具有较强的实用意义。

汽车零件尺寸质量控制主要是客观地对制造过程的稳定性进行评价。专利CN1297146A指出整车制造过程中的尺寸稳定性是一种随机数据波动，这种随机变化的数据是一类具有多个参数的多变量情况，结合车身制造工艺的特点采用指数加权滑动平均法对测量数据进行分析，建立尺寸波动质量的评价指标，为整车制造尺寸质量控制与提高提供了依据。

对于组成整车的汽车零件尺寸也具有相似的特征，但是尺寸质量的控制手段与整车有所不同，零件尺寸质量控制除了适用于整车尺寸监控的三座标测量机采集数据以外，还包括线旁检具测量控制。对于检具测量控制过程，具有连续值的计量质量特性。根据汽车零件尺寸质量特点，需要有更科学的方法来对整体的尺寸状况进行有效的评价，目前缺少一个合理的体系来切合实际的反映汽车零部件制造的尺寸状况，也没有发现相关文献报道。

发明内容

所要解决的技术问题

本发明所要解决的技术问题是提供一种汽车零部件尺寸质量控制***和方法，能够对零件制造尺寸质量精度给出即时和阶段的评价，并且给出零件尺寸质量工艺能力分析结果，为生产质量的控制与提高提供依据。

技术方案

本发明解决其技术问题所采用的技术方案是：提供一种汽车零部件尺寸质量控制***，包括：零件总成检具与三座标测量机相连接，零件线旁检具与便携式测量工具连接，三座标测量机和便携式测量工具的输出连接到数据分析计算机，数据分析计算机连接企业计算机网络装置和终端输出设备。

一种汽车零部件尺寸质量控制方法，包括下列步骤：

(1)测量数据采样：零件的尺寸数据通过线旁检具测量和三座标测量机进行采集，将测量的数据结果送入中央计算机进行存储和处理；

(2)测量数据分析：对线旁检具测量数据和三座标测量机测量数据分别进行处理，对于线旁检具测量数据，采用均值-极差图分析，得到均值-极差控制图；对于三座标测量机测量数据，采用下列步骤：

(a)采用指数加权滑动平均方法进行误差分离的计算，获得趋势数据和波动数据；

(b)根据趋势数据得到趋势分析图；根据波动数据进行波动质量评价；

(c)应用数据分离以后的波动数据获得阶段6σ值和尺寸工艺能力评价；

(3)问题识别：根据均值-极差控制图，趋势分析图，阶段6σ值和尺寸工艺能力评价进行问题识别；

(4)主成分分析：给出一组零件分析数据变化的主要模式；

相关性分析：对测点测量数据的趋势之间的相似程度进行分析计算，分析零件不同区域之间尺寸的关联性；

(5)原因确定：结合数据分析与工艺知识模型，确定原因；

(6)改进措施：根据所确定的原因提出短期措施、长期措施并进行实施跟踪，及时更新跟踪状态，直至缺陷得到抑制，问题得到解决。

在离线测量的情况下，采样的时间及样本的大小对于质量的评估是非常重要的。本发明针对常用的测量条件，提出了适合于零部件生产厂离线测量质量评估的采样方法，根据不同的评价要求进行采样。

所述的测量采样包括样本大小的确定和采样时间的确定，样本大小的确定包括：对于线旁检具检测，根据当天的测量样本进行分析评价，样本数一般为3～6件；对于离线三座标测量机检测，统计样本至少为15～18件；对于生产线尺寸工艺能力评价，取测量数据的整体作为样本，即从量产开始的所有数；采样时间的确定包括：每天在固定的时间抽样；线旁检具测量采样可以连续完成，为3～6次/班，离线三座标测量机采样频率1～2件/班；特殊需求的装配关系采样为不定期采样，且保证准确的装配关系。

所述的测量数据分析对线旁检具测量获得的数据通过均值-极差图分析，对测量结果是否处于上、下控制界限内进行判断，超出控制线即时报警；对离线三座标测量机获得的数据采用指数加权滑动平均法处理，筛选数据发现“超出设计公差”、“波动大”、“连续10点在均值一侧”进行即时报警。

对于线旁检具测量获得的数据，本发明采用均值-极差图分析。该方法由图、R图组成，对于连续值的计量质量特性是最重要、最常用的控制图。对于图而言，测量数据x可以认为服从正态分布或者近似服从正态分布。对于R图而言，只要总体分布不是太不对称，R的分布没有大的变化。此外，图的统计量为均值，反应在x上的偶然波动是随机的，通过均值的平均作用，这种偶然波动得到一定程度的抵消；而反映在x上的异常波动则往往是在同一个方向的，它不会通过均值的平均作用而抵消。因此图检出异常的能力高。R图的灵敏度比x图要差一些。具体按以下步骤：

1)抽样估计：根据“测量采样”中规定抽取样本进行估计，假设抽取了m个样本，每个样本中包括n个测量值，即进行了m次测量，每次测量的零件的个数为n。通常m不小于25，n取3～6。

a)估计过程的均值μ：令取样本的m个样本的均值分别为则过程的μ的最佳估计量为总均值

即 $\mathrm{\μ}=\stackrel{\‾}{\stackrel{\‾}{x}}=\frac{\stackrel{\‾}{x_1}+\stackrel{\‾}{x_2}+...+\stackrel{\‾}{x_m}}{m};$

b)估计过程的标准差σ：可以根据m个样本的极差进行估计。设x₁，x₂，…，x_m为容量为n的样本，该样本极差R为最大测量值x_max与最小测量值x_min之差，即R＝x_max-x_min，样本取自正态总体，σ的估计值可证为

则样本的平均极差为

σ的估计值

c)样本极差R：样本极差R与过程标准差σ有关，因此可以通过R来控制过程的变异度。

类似上述，可知R图中心线即

σ_R的估计值为

2)确定控制线

a)图控制线确定：

其中

为一个与样本大小n有关的常数，

可以从控制图系数表中查得；

b)R图控制线确定：

其中

为常数可以从控制图系数表中查得。

3)生成控制图：将全部样本的均值、极差分别描点在图中，若在控制线之内，说明过程的均值处于控制状态，生成了分析用控制图；在确定过程处于控制状态后，可以延长图控制界限，继续抽样测量，分别算出各个样本的和R后在图中描点，生成控制用控制图。

4)控制图运用：根据图中各点的分布及其发展趋势判断零件制造过程中是否存在异常因素。

所述的指数加权滑动平均方法对检测数据进行误差分离时，以每天的测量样本为一组，从第一次测量开始，对每天新的一组数据计算平均值，以递推运算获得数据中的趋势数据，引入历史数据的个数S取为3～5，加权系数W取0.2～0.5，通过原始数据与趋势数据求差获得高频波动数据。

对于由三座标测量机获得的检测数据，本发明采用指数加权滑动平均(EWMA)方法进行误差分离的计算。该方法将过去的测量数据通过加权的形式引入对当前测量数据的估计中来，从而减弱测量数据中的随机信号的影响，获得数据变化的主要趋势及纯波动状况。具体按以下步骤：

a)分组平均：以每天的测量样本为一组，从第一次测量开始，对每天新的一组数据计算平均值

b)递推计算：EWMA方法具有以下的的递推运算型式来获得数据中的趋势项：

$\stackrel{\‾}{{x_i}^{\′}}=\stackrel{\‾}{{x_{i-1}}^{\′}}+w^{\′}(\stackrel{\‾}{x_i}-\stackrel{\‾}{{x_{i-1}}^{\′}})$

递推运算适合于随数据的增加而及时地完成数据的分离工作，具有一定的实时性。第一个数据的获得根据EWMA的基本公式

(0＜w＜1)得到，此后就用递推公式进行快速计算。

c)指数加权滑动平均的关键参数：在进行EWMA计算时，有两个关键的参数要给出，这两个参数是：

①引入的历史数据的个数S：本发明中，S取为3～5；

②加权系数w：本发明中，加权系数的选择对于处理的准确度有较大的影响，当w→0时，权系数(1-w)w^j→w，表示所有的数据具有相同的权，相当于简单平均。当w→1时，权系数(1-w)w^j随j的增长迅速衰减，表示只考虑了最近数据对

的影响。对于汽车零件装配，本发明取0.2～0.5。

d)波动提取：计算的趋势序列中的每一点的值代表了数据变化的趋势，本发明通过计算原始数据与趋势数据之差的方法来获得一个点的高频波动数据。这种数据反映了在没有调整情况下，工装设备的偏差和零件的偏差对测量数据的影响。

本发明的数据分析包括：

a)阶段6σ评价：对于零件某一尺寸波动，落在μ±3σ之间的概率为99.73％，可以认为6σ就是尺寸变化的范围，所有的尺寸都是在这一范围内变化的。阶段6σ反映的是一段时间内去除人为调整等因素造成的尺寸突变后所得到的高频波动的强度。高的6σ说明生产状态不稳定，需要采取措施进行控制。进行阶段6σ计算时应用数据分离以后的波动项。

在进行阶段6σ评价中，本发明依据以下的步骤进行：

①根据前面的样本大小的规定，并结合具体的时间(如按月统计)，确定样本的统计容量；

②计算该测点的6σ值。

b)零件制造工艺能力评价：零件尺寸的工艺能力评价是对零件生产线的整个尺寸控制能力进行评估。本发明以汽车零件的三座标测量机测量数据为依据，将进入量产后的全部测量数据进行统计分析，得到以6σ、C_p、C_pk为指标的尺寸工艺能力评价指标。具体如下：

①取整个的测量序列作为分析对象；

②对6σ、C_p、C_pk进行滑动计算，得到6σ的动态变化序列和各测点C_p、C_pk；

其中 $C_p=\frac{\mathrm{Tolerance}}{6\mathrm{\σ}};$ $C_{\mathrm{pk}}=C_p\×(1-|\frac{\stackrel{\‾}{x}-0}{\mathrm{Tolerance}/2}\left|\right)=C_p\×(1-|\frac{2\stackrel{\‾}{x}}{\mathrm{Tolerance}}\left|\right)$

C_pk的评级标准：(可据此标准对计算出制造过程能力指数做相应对策)

A++级C_pk≥2.0特优可考虑成本的降低

A+级2.0＞C_pk≥1.67优应当保持之

A级1.67＞C_pk≥1.33良能力良好，状态稳定，但应尽力提升为A+级

B级1.33＞C_pk≥1.0一般状态一般，制造过程因素稍有变异即有产生不良的危险，应利用各种资源及方法将其提升为A级

C级1.0C_pk≥0.67差制造过程不良较多，必须提升其能力

D级0.67＞C_pk不可接受其能力太差，应考虑重新整改设计制造过程。

③对该序列进行统计分析，确定95％的置信区间；

④该置信区间即反映了生产线所能达到的尺寸控制水平；

本发明通过对在线旁检具采集数据与三座标测量机采集数据进行分析，结合整车车身制造尺寸质量2mm工程提出的“工艺知识模型积累”和零件质量控制要求，以超差、波动大和连续10点在均值一侧为原则，对经过处理的数据进行筛选，并根据测量技术确定的重要性顺序进行排序，具体如下：

缺陷判断：对于线旁检具测得数据筛选，将该次抽检的计算结果与控制图的上下控制线进行比较，若结果在控制线之外，判定该测点是缺陷；对于三座标测量机测得的数据，以下列原则对已经处理过的数据进行筛选：

①超差：测量值超出设计公差；

②波动大：测量值的6σ超出2倍设计公差；

③连续10点在均值一侧：最近10个测量记录均大于或小于样本均值；

符合上述之中任一原则，判断为缺陷。

有益效果

本发明为汽车零部件尺寸质量的控制与提高提供依据，比传统方法效率和精度有明显提高，能够对生产线状态进行有效监控与分析。

本发明在汽车零件离线小样本尺寸测量的情况下，能及时有效地提取装配尺寸质量信息，进行准确评价。给出的评价指标能够对零件尺寸质量及尺寸工艺能力进行评价。通过评价与分析，可为试生产阶段零件生产线工装状态水平的评定给出依据。由于能够及时准确的反馈，可以有效地缩短尺寸质量问题解决周期，加快新零件的供货速度。并且在正常生产期，能够对生产线状态进行有效监控，及时发现问题和解决问题。

本发明针对汽车零部件生产过程中的离线检测(线旁检具测量和三座标测量机测量)，建立小样本测量-分析-评价-案例流程，利用均值-极差控制图和测量数据误差分离技术，对零件制造尺寸质量精度给出即时和阶段的评价，并且给出零件尺寸质量工艺能力评价指标，为生产质量的控制与提高提供依据，比传统的方法精度有明显的提高。

本发明也适用于其他大批量生产、小样本检测的机械零件产品装配过程中尺寸质量的控制与分析。

附图说明

图1为本发明的硬件***连接框图。

图中：1——零件总成检具 2——三座标测量机 3——现旁检具 4——便携式测量工具 5——数据分析计算机 6——终端设备 7——企业计算机网络装置

图2为本发明尺寸控制流程示意图。

图3-a为零件线旁检具测量25组样本的均值；图3-b为零件线旁检具测量25组样本的极差。

图4-a为零件三座标测量机原始测量结果绘成的趋势图；图4-b为零件三座标测量机测量结果经指数加权滑动平均方法处理后的趋势图。

图5为某汽车零件三座标测量机监控获得全部测量数据滑动6σ计算结果，图5-a为得到的统计对象曲线；图5-b为统计对象分布图。

图6为利用企业内部网络装置发布至相关职能部门缺陷信息交流报告。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动和修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

实施例：1.采样：在此例中，汽车零件的线旁检具测量采样频率为5件/次，每天每个生产班次在固定时间采样4次，实行双班生产，即每天获得8个样本，取25个样本，对零件上某一测点尺寸测量值作分析；

零件的三座标测量机测量采样频率为2件/天，取45天数据，共90件作分析。

2.数据分析：

(1)线旁检具测量的均值-极差控制图分析

1)生成线旁检具测量报告，如表1所示。

2)计算样本均值

例如对第一样本

其余类推。

3)计算样本极差R：例如对第一样本R＝1.1，其余类推。

4)计算样本总均值与平均样本极差

$\stackrel{\‾}{\stackrel{\‾}{x}}=\frac{1}{m}\underset{i=1}{\overset{25}{\mathrm{\Σ}}}\stackrel{\‾}{x_i}=2.989,\stackrel{\‾}{R}=\frac{1}{m}\underset{i=1}{\overset{25}{\mathrm{\Σ}}}\stackrel{\‾}{R_i}=1.048$

5)计算R图与图控制线并作图：

由于图的控制界限中包含

所以如果过程的变异都失控，则控制界限的计算结果就没有意义。

对于样本大小n＝5，从控制图系数表中查得D₃＝0，D₄＝2.115，

R图控制线为

$\left\{\begin{array}{c}\mathrm{UCL}=2.211\\ \mathrm{CL}=\stackrel{\‾}{R}=1.05\\ \mathrm{LCL}=D_3\stackrel{\‾}{R}=0\end{array}\right.$

把25个样本的极差描点在R图中，如图3-b所示。从R图中可看出，全部25个点都在控制线内，因此过程的变异度处于控制状态。

对于样本大小n＝5，从控制图系数表中查得A₂＝0.577，

图的控制线为

$\left\{\begin{array}{c}\mathrm{UCL}=\stackrel{\‾}{\stackrel{\‾}{x}}+A_2\stackrel{\‾}{R}=3.594\\ \mathrm{CL}=\stackrel{\‾}{\stackrel{\‾}{x}}=1.048\\ \mathrm{LCL}=\stackrel{\‾}{\stackrel{\‾}{x}}-A_2\stackrel{\‾}{R}=2.385\end{array}\right.$

把25个样本的均值描点在图中，如图3-a所示。从图中可以看到，全部25个点都在控制线内，因此过程的均值处于控制状态。

6)结论：零件上该测点的尺寸质量处于控制状态。

(2)三座标测量机测量数据分析

1)数据分离

本实施例中用指数加权滑动平均(EWMA)方法进行误差分离的计算，该方法将三座标测量机生成的测量报告进行分组平均、递推计算和波动提取，其中引入的历史数据的个数S为4，加权系数W为0.2～0.4。该零件上一测点X向测量数据处理前后结果见图4，图4-a为原始测量结果绘成的趋势图，图4-b为经过指数加权滑动平均方法处理后的趋势图。

2)阶段6σ评价

数据取30-60共30个测量数据，计算分离后波动数据的6σ，得到阶段6σ评价值为1.78。表明该点的尺寸波动在±0.89mm以内。

3)生产线工艺能力指标

①汽车零件用滑动6σ进行零件尺寸工艺能力评价的实例。对自量产以来的所有测点数据进行滑动6σ的计算，取其95百分位的值作为统计对象，共有45天，因此有90个统计对象。将这90个值进行统计计算，得到统计分布，其95％置信区间为[0.75，3.75]；表明该生产线能够有效地将尺寸的波动控制在0.75-3.75。

图5为零件全部测量数据滑动6σ计算结果。其中图5-a为得到的统计对象曲线，图5-b为统计对象分布图。

②零件各测点的C_p、C_pk计算结果，并与上文所述标准比较，作出评价。

3.缺陷信息处理

根据前述原则对测量数据进行筛选，生成缺陷信息交流报告，如图6所示，利用企业内部网络装置发布至相关职能部门。责任人进行问题分析后，提出措施并跟踪解决。

本发明利用网络装置和多个终端输出，将尺寸缺陷信息传递至相关部门，并且在各终端提供了相关性分析和主成分分析工具，可以帮助责任人进行分析，结合工艺知识模型，提出解决方案，实施跟踪。

本发明也适用于其他大批量生产、小样本检测的机械零件产品装配过程中尺寸质量的控制与分析。

Claims (3)

1.一种汽车零部件尺寸精度评价方法，包括下列步骤：

(1)测量数据采样：零件的尺寸数据通过线旁检具和三坐标测量机进行测量采集，将测量的数据结果送入中央计算机进行存储和处理；

(2)测量数据分析：对线旁检具测量数据和三坐标测量机测量数据分别进行处理；对于线旁检具测量数据，采用均值-极差图分析，得到均值-极差控制图；对于三坐标测量机测量数据，采用下列步骤：

(a)采用指数加权滑动平均方法进行误差分离的计算，获得趋势数据和波动数据；

(b)根据趋势数据得到趋势分析图；根据波动数据进行波动质量测评；

(c)应用数据分离以后的波动数据获得阶段6σ值和尺寸工艺能力测评；

(3)问题识别：根据均值-极差控制图，趋势分析图，阶段6σ值和尺寸工艺能力测评进行问题识别；

(4)主成分分析：给出一组零部件分析数据变化的主要模式；

相关性分析：对测点测量数据的趋势之间的相似程度进行分析计算，分析零件不同区域之间尺寸的关联性；

(5)原因确定：结合数据分析与工艺知识模型，确定原因；

(6)改进措施：根据所确定的原因提出短期措施、长期措施并进行实施跟踪，及时更新跟踪状态，直至缺陷得到抑制，问题得到解决。

2.根据权利要求1所述的一种汽车零部件尺寸精度评价方法，其特征在于：所述的测量数据分析对线旁检具测量获得的数据通过均值-极差图分析，对测量结果是否处于上、下控制界限内进行判断，超出控制线即时报警；对离线三坐标测量机获得的数据采用指数加权滑动平均法处理，在筛选处理后的数据时，如果发现下列情况之一：

(1)测量值超出设计公差；

(2)测量值的6σ超出2倍设计公差；

(3)最近10个测量记录均大于或小于样本均值；

则进行即时报警。

3.根据权利要求1所述的一种汽车零部件尺寸精度评价方法，其特征在于：所述的指数加权滑动平均方法对检测数据进行误差分离时，对每天新的一组数据计算平均值，以递推运算获得数据中的趋势数据，引入历史数据的个数S取为3～5，加权系数W取0.2～0.5，通过原始数据与趋势数据求差获得高频波动数据。

Images