基于DOE数据分析的车门辊压窗框外观工艺研究

2021-12-01 01:12陈浩
汽车与驾驶维修(维修版) 2021年11期
关键词:窗框不良率残差

陈浩

(上汽通用五菱汽车股份有限公司,柳州 545007)

0 引言

为展现运动时尚色彩,开拓多元化市场,汽车车门更加青睐高亮黑元素。高亮黑车门结构通常分为欧式导槽加外饰板、辊压窗框加高亮黑膜及一体式车门套色等方案。由于辊压窗框具有较高的材料利用率等成本优势,越来越多的车企采用辊压窗框加高亮黑膜的配置。

车门辊压窗框是由辊压导轨通过保护焊拼接而成,焊缝位置处于热变形影响区,焊缝凹凸属于系统性结构问题。常规做法是使用亚光膜遮瑕,而高亮膜则会放大外观缺陷,因此相较于常规车型,辊压窗框的外观要求更高,这对车门辊压窗框的工艺、模具、设备以及加工过程等都是严峻的挑战。为提高效率和产能,降低质量损失,本文使用DOE 分析方法对焊缝外观的工艺进行研究。

1 Minitab 和DOE 概述

1.1 Minitab 简介

Minitab 是一个全方位的统计软件包。它提供了普通统计学所涉及的所有功能,如假设检验、相关与回归、列联表和多元统计分析等。该软件包还包含了丰富的质量分析工具,如统计过程控制、试验设计和测量系统分析等,这些内容都可以在软件中轻松实现。同时Minitab 能够绘制直方图、散点图、时间序列图以及曲面图等统计图形,生动形象地显示数据分析结果[1]。

1.2 DOE 简介

试验设计(DOE)是一种规划、实施、分析和研究的方法,可用于分析阶段的因子筛选和改进阶段的因子优化。DOE 通过规划和实施一系列试验,以控制自变量X 的变化来观测和确定响应变量Y 变化。其目的有两方面:一是分析出哪些自变量X 显著影响Y;二是确定这些自变量X 取什么值时将会使Y 达到最佳[2-3]。

全因子试验设计是DOE 试验方法的一种,是所有因子所有水平的所有组合都至少进行一次试验的设计,试验次数较多,分析精度较高。通过模型分析解释可以找到Y 与X 的函数关系,给出X 的最优解,并预测Y 的最佳值是多少以及在什么范围波动[4]。

2 车门辊压窗框产品和工艺简介

2.1 辊压窗框产品结构

车门辊压窗框是由辊压导轨与冲压或辊压件拼接而成。这2个零件的弧面搭接会产生凹陷和面差,设计阶段需要检查零件数模搭接面;开发阶段需要根据加工工艺的影响,对辊压导轨的截型和弧面做工艺补偿。

2.2 辊压窗框生产工艺

车门辊压窗框工序过程长,生产工艺复杂,要经过辊压、拉弯、冲压、包边、切角、焊接和打磨等多种工序(图1)。根据外观要求不同,车门辊压窗框生产线的工艺、工装和设备也会有较大的区别。

图1 辊压窗框生产线

2.3 工艺难点

车门辊压窗框的每个生产环节都可能造成外观缺陷,外观能力提升需要做全工序的提升。在经过几个车型的迭代升级、生产工艺和过程管理的系统改善后,我司对高亮膜发起终极挑战。而摆在面前的最大难题是焊缝凹凸(图2)。

图2 焊缝凹凸

焊缝凹凸属于产品结构上的工艺难点,切角工序根据上框和B 柱的型面和轮廓来调整切角尺寸;角焊工序匹配切角工序件的型面并进行拼焊;打磨工序最终把焊缝打磨平整(图3)。为提高效率并减少外观不良品,既需要提高工序件尺寸稳定性,又需要改善总成工艺。

图3 角焊焊缝

3 全因子试验设计与分析

3.1 试验设计目的

公司的使命是为客户提供更加优质的产品,而目前某车型辊压窗框角焊区域凹凸问题不良率14%,引起客户投诉。需要解决的问题是:角焊区域外观不良率降低到5%。

3.2 关键因子筛选

经过团队在测量和分析阶段的测量系统分析、现有流程梳理以及潜在失效模式树图分析,识别出20 个潜在因子;再利用CE矩阵分析和FMEA 分析分层聚焦,筛选出10 个关键因子。最后通过快赢改善、多变异分析和假设检验等过程后,保留了4 个对外观影响显著的因子:X1——上框型面公差;X2——B柱型面公差;X3——切角尺寸;X4——角焊搭接面差(图4)。

图4 关键影响因素图示

3.3 设计试验和数据收集

3.3.1 建立试验计划

响应变量Y 为不良率p,目标值为5%,关键因子分别为X1、X2、X3 和X4。用Minitab 创建试验计划矩阵:4 因子,2 水平,16 次试验加4 中心点试验,共20 组试验计划。

3.3.2 确定每组抽样数量

车门辊压窗框角焊凹凸为合格和不合格,属于二项分布,数据量较少时不良率Y 会存在偏离正态的情况。当n>100,不合格数>5 时,二项分布可以近似正态分布,预估每个试验组合的样本量为n>5/Y。因为Y 的目标为5%,最终设定每种试验组合收集100 个数据。当每组试验过程中不良数<5 时,使用国际标准修正公式p=(x+0.5)/(n+1) 。

3.3.3 离散型数据对数转化

响应变量Y 为外观不良率,不良率是离散型数据,需要通过对数Logistic 模型转换,将响应变量转化为连续型数据y。定义“OK”与“NOK”两种结果出现的概率之比为优势比odds=p/(1-p),求优势比的对数y=ln(odds)。用这种类型的函数来拟合比率变化规律的效果比较好,能够实现p 从0 变到1 时,y 从负无穷变到正无穷。

3.4 试验实施和数据分析

攻关团队严格按照试验计划矩阵的试验条件和试验顺序进行试验,记录每组试验外观不良率,并做了对数转换(表1)。

表1 试验计划和结果

3.4.1 试验模型检验及改进

将收集的数据应用Minitab 拟合选定模型、残差诊断以及评估模型的适用性并进行改进,步骤如下。

第一步,模型总体评估。从方差分析中可以看出,主效应项p 小于0.05,模型效果显著有效。误差项中弯曲和失拟p 大于0.05,都是不显著的,拟合模型没有明显弯曲和失拟。

第二步:拟合效果确认,根据试验模型的相关系数进行判断,本文拟合优度R-Sq、R-Sq 调整和R-Sq 预测接近1,三者之间差异小,说明模型与试验数据拟合效果较好。

第三步:因子显著性检验。判断试验设计中是否遗漏重要影响因子,以及确认模型是否需要简化。本文去除影响不显著的高阶交互作用后,数据符合正态(图5)。从柏拉图中可以看到,因子A(上框公差)、B (B 柱公差)、C(切角尺寸)、D(角焊面差)以及CD 的交互作用是显著的(图6)。

图5 主效应正态图

图6 柏拉图

第四步:残差诊断,判断残差是否正常。如图7所示,观察右下方的观测点时间序列图,残差随机在水平轴上下无规则的波动,未出现任何时间趋势或异常的点偏离现象;观察右上方的残差拟合预测散点图,图中没有漏斗或喇叭形状;观察左上方的正态概率图和左下方的直方图,残差服从正态分布。如图8所示,各因子的残差散点图没有弯曲,说明残差无异常,模型与试验数据拟合得很好。

图7 残差诊断

图8 中心点残差

第五步:评估模型是否需要改进。通过以上步骤多次反复确认,并经过团队内专家依据技术判断模型符合工艺原理,最终我们获得一个最为满意的模型,将它定为选定的模型。Minitab 软件依据选定模型确定试验数据的回归方程,y 与因子X 的函数关系如下:

y=-4.39306+2.24549×上框公差+2.33393×B 柱公差-10.2271×切角尺寸+3.25797×角焊面差+15.6999×切角高度×角焊面差-0.0862654×中心点

3.4.2 试验模型分析解释

经过模型改进和评估适用性后选定了最终模型。接下来对选定模型进行分析解释,输出图形信息并做出解释。主要有以下3方面。

输出1:输出各因子的主效应图和交互作用图。图形化可以更具体地显示各项效应的显著性。从主效应图中可以看出,A(上框公差)、B(B 柱公差)、C(切角尺寸)和D(角焊面差)因子对响应变量影响显著(图9);从交互效应图中可以看出,C(切角尺寸)和D(角焊面差)因子两条线不平行,交互作用对外观不良率影响显著(图10)。

图9 主效应图

图10 交互作用图

输出2:输出等值线图和响应曲面图。图形化更直观地显示外观不良率受各因子影响的变化规律。从等值线图和曲面图可以看出,CD 等高线弯曲(图11),CD 曲面偏离平面(图12)。为使不良率降低,应该让C切角尺寸取高水平,D角焊面差取低水平。

图11 等值线图

图12 曲面图

输出3:实现目标最优化。期望外观不良率越小越好,使用响应优化器得到一个最佳因子设置。即最优工艺方案为:上框公差取0.4,B 柱公差取0.4,切角高度取0.1,角焊面差取0.1,预测的响应y=ln(Odds) =-3.14032。对ln(Odds)进行反转换,得到在最优工艺方案条件下,不良率Y 的最优值3.6%,符合目标要求5%。

3.4.3 进行验证试验

通过验证试验以确保将来按最优工艺方案实施,外观不良率能获得预期的改善效果,将最优工艺组合自变量X 带入回归方程得出y拟合值-3.14032,拟合值和与预测的最优值是一致的。通过反转换,在最优工艺条件下有95%的把握断言,不良率Y在3.2%到4.2%之间。

4 改善实施和效果跟踪

不良率Y 低于5%的试验目标已达成,Minitab 给出不良率Y 的预测值及X 的最优方案。通过改进阶段的一系列措施,对现有工艺进行了改善。如基准一致性优化;辊压批次管理、线速及焊点距离优化;拉弯模型面研配、设备参数优化;冲压模具型面预回弹补偿;切角工序前/后角间隙控制;角焊面差校正等。这些改进方案使关键因子达到最优组合。控制阶段对车门窗框不良率进行跟踪,断点后不良率满足低于5%的目标。

5 结束语

本文运用六西格玛管理的思路定义问题,在测量和分析阶段通层层筛选因子,改进阶段利用DOE 方法对车门辊压窗框外观工艺进行研究。DOE 具有由局部推测整体状态的性质,提供了一套科学高效的试验方法,最大限度地保证试验精度并降低试验周期和费用。通过分析与计算,得出最优工艺组合并满足预期目标,经过结果监控,效率和质量运行指标也可以满足客户要求。

猜你喜欢
窗框不良率残差
多级计分测验中基于残差统计量的被试拟合研究*
基于残差-注意力和LSTM的心律失常心拍分类方法研究
用于处理不努力作答的标准化残差系列方法和混合多层模型法的比较*
融合上下文的残差门卷积实体抽取
一种可排水的外开窗
一种平行外开铝合金窗
我国银行系消费金融公司发展研究
银行辞职潮中苦不堪言的小微企业信贷部
不良率农行最高
探究组合矩形面积的最大值