娄洪,陈琨,李兴炜,李丽丽,张嘉锟,于慧
(西安交通大学机械制造系统工程国家重点实验室,710049,西安)
加工过程质量波动对产品的加工、使用性能和寿命等具有重大影响,持续识别和控制波动是质量管理的重要任务。在智能制造背景下,制造业向着复杂化自动化的方向发展,加工过程属于多资源耦合、多工序相互影响的生产过程。特别对于精密复杂零件的加工过程而言,加工资源众多且都可能成为影响产品质量的重要波动源。同时,加工工序间相互耦合互相影响,质量波动在工序间扩散流动,进而导致最终的产品质量波动。因此,对多源多工序加工质量波动扩散累积效应的研究具有重要的意义。
目前,制造过程波动分析与识别方法的研究包含3个方向:传统的统计过程控制(SPC)方法[1],偏差流(SOV)理论,基于复杂网络[2]的建模和分析方法。
统计过程控制(SPC)是传统的质量控制方法,以控制图作为主要工具,通过采集零件生产实时质量数据并绘制在控制图上,根据已有知识对控制图模式进行识别判异,从而判断生产过程是否处于稳定受控状态[3]。该过程适用于批量生产的传统制造领域,且无法直接识别波动源,不能完全满足多源多工序零件的加工质量控制要求。
基于状态空间模型的SOV理论,采用数值求解的方法来研究加工质量波动控制问题。HU等提出偏差流理论,用于解决车身装配质量控制领域并取得成功[4]。HUANG等将偏差流方法与加工过程相结合,提出质量波动传递的状态空间模型及其建模策略[5]。……