网上:「技術」機加工質量數據相關性分析及應

发布时间:

2020-04-30

作者:

网上体育投注网站

已浏览:

110

大數據時代的到來,如何發掘已有數據庫價值,利用相關性分析為產品加工問題提供理論指導、不斷提升產品質量成為關鍵。本文通過介紹數據庫整合及二次清洗,運用相關性分析、強相關性項目策略,网上体育投注网站結合實際情況簡要介紹了機加工質量數據相關性分析的過程。

在當今大數據時代,人們開始正視現有的大量數據。與傳統的采樣樣本、隨機樣本相比,大數據分析針對全體數據或者是和某個特定現象相關的所有數據(圖1)。如何發掘已有數據的內在聯系,相關性分析為我們提供了簡單而精確的理論支持。

為方便CMM或者檢具操作,加工線中的數據通常按照加工工序分組。數據整合主要是將不同的數據組進行組合,便于分析。將不同特征的數據從Q-DAS數據庫中提取出來,提取的同時要將每組數據的附加信息全部保留。如圖2所示,這些附加信息包括數據對應的時間、日期、零件ID及檢驗工具的編號等。數據整合可以按照零件ID進行整合(圖3),同一零件對應的所有零件信息歸為一組。后續數據分析的過程如需分析其他附加信息列,在已有整合數據進行重新篩選排列組合即可。

數據二次清洗主要是將數據組中的不完整數據、存在異常的數據剔除。數據異常的判別方法有兩種:一種為物理判別法,判別由于已知因素造成的實測值偏離正常結果,例如已知設備調整、零件批次變化等數據可以直接剔除;另一種為統計判別法,將給定一個置信概率,并確定一個置信限,凡超過此限的誤差,就認為它不屬于隨機誤差范圍,將其視為異常值剔除。通常采用判異方法可以依據拉依達準則、格拉布斯準則以及狄克遜準則等。在物理識別不易判斷時,我們通常采用統計判別法。當然,已經剔除的異常值本身也可能潛在部分有價值信息。這是數據清洗本身無法避免的弊端。

相關系數中也會出現負值,負值表示負相關,正值表示正相關(圖4)。相關系數絕對值處在0.8~1為極強相關,0.6~0.8為強相關,0.4~0.6為中等相關,0.2~0.4為弱相關,0~0.2為極弱相關。

針對已經發現的極強相關、強相關數據內容,應進一步制定策略(圖5),指導設備調整、工藝控制。極強相關項目集中在同工序尺寸、位置關聯尺寸、圓度及圓跳動等尺寸。強相關內容主要包括毛坯、設備間影響尺寸等。針對不同相關項目,應逐一制定工藝控制方案。

例如:對于毛坯來料尺寸影響產品質量項目,可以將毛坯控制尺寸設為PQC項目,避免來料質量變化對產品的影響;同時也可以對來料部分項目加嚴抽檢,發現問題,及時篩選。對于工序間尺寸間強相關項目,可以采取收嚴過程尺寸公差,加嚴過程管控,發現趨勢及時調整。設備調整后,需要進行質量數據的二次驗證,為后續調整提供依據。對于分類變量例如:人員、設備和停機等強相關項目,可以針對變量本身加強控制。之后還要加強人員培訓管理,定期維護保養設備,確認停機后設備狀態等措施,避免這些分類變量引起的質量差異,提升過程質量的穩定性。

舉個具體的例子:缸蓋線DECKFACE面距離W點的距離是保證發動機燃燒室容積的重要尺寸(圖6),該尺寸加工通常分幾步進行:①以毛坯基準定位,測量W點,進行半精加工凸輪軸罩蓋面(基準A’)鉸工藝定位銷孔(基準E、F);②以凸輪軸蓋面及工藝定位銷孔為基準,半精加工DECKFACE面(基準B’)及該面定位銷;③探測DECKFACE面(基準B’),精銑凸輪軸蓋面(基準A)。這幾個工步分配在不同的工序進行。相關性分析結果表明對應的各工序間相關性強。如何保證燃燒室容積滿足最終產品要求,以及如何提升過程穩定性是關鍵問題。

例如:溫度變化與部分尺寸間存在強相關關系。切削液溫度控制在多少攝氏度對過程能力穩定沒有影響?經過數據驗證,20℃后開始加工,過程能力可以滿足要求。將20℃要求固化到設備參數內,當切削液溫度達到20℃,設備允許起動。

數據相關性分析和應用是一個不斷開發新方法、不斷發現新聯系、不斷處理新問題以及不斷提升質量的過程。引用維克托·邁克·舍恩伯格的話“在大數據的背景下,相關關系大放異彩。”機加工質量數據相關性分析將為質量穩定提供理論基礎,必將指導我們在提升產品質量的道路上繼續前行。