曲轴

原创运用统计方法分析解决曲轴加工问题

发布时间:2023/12/2 13:04:20   
白癜风治疗 http://www.jk100f.com/

现场工艺技术人员在解决质量问题时,习惯于通过直觉判断,较少进行数据统计分析。本文以一拐颈圆度超差问题为例,结合实际运用数据统计分析的方法,介绍了问题分析和解决的过程。

我司曲轴线在线测量机发现曲轴拐颈圆度有超差的工件,比例异常。操作者通过观察拐颈直径尺寸,判断出超差工件是A加工的。文中提到3道工序5台设备,其中OPA和OPB为并行的顶尖孔精加工工序,OPA和OPB为并行的拐颈精磨工序,OP为拐颈圆度在线测量工序,文中为了简化描述,将工序号前面的“OP”字样去掉。

问题点分析

首先需要确定出现问题的工序和设备,为了确定问题点,在工序对拐颈圆度数据进行了统计,数据见表1。

表1第0次加工试验

数据分析:1)共有5件P4圆度大于3.0mm(图1),全部为A加工。

图1试验过程中的曲轴

2)A的圆度(最大值5.7mm,最小值2.8mm,平均值3.65mm)显著大于B圆度(最大值1.9mm,最小值1.1mm,平均值1.5mm);3)A圆度最小值2.8mm,仍显著大于B圆度最大值1.9mm,因此认为问题发生在A工序。

问题解决

圆度补偿是解决拐颈圆度问题最有效的方法,首先根据测量结果对A进行了圆度补偿。补偿后测量结果见表2。

表2第1次加工试验

然而,本次问题使用圆度补偿没有解决,为了避免补偿错误造成误判,后期又进行多次(>3次)圆度补偿,均未取得预期效果,排除圆度补偿错误导致圆度超差的可能性(表3)。

表3第2次加工试验

后期又对A工序采取了以下措施均未见显著效果,如更换顶尖、多次修整砂轮、调整磨削信号点。为了检查设备是否发生异常,对机床精度(使用样轴检查磨床顶尖连线与机床导轨的平行度)和各种工艺参数(夹紧压力、冷却液压力、冷却液流量、冷却液浓度、导轨压力及主轴压力)进行了详细检查,均未见异常。由于对A采取了上述措施均未见任何效果,也未发现设备有异常,因此,需要再次分析问题。

二次问题点分析

根据表1中的数据,能看出圆度出现问题的工件的圆度值自P1至P4总体呈现逐渐变坏的趋势,这种趋势产生的原因可能是顶尖或者顶尖孔出现问题。顶尖已经更换,两顶尖连线与机床导轨的直线度也已经检查,基本排除顶尖因素。因此,开始进行相应工艺试验,分析顶尖孔的质量情况。经过第3次加工试验得到数据:①B+A,P4圆度平均值为2.6mm;②A+A,P4圆度平均值为4.55mm;③A+A显著大于B+A。如果样本能代表总体,说明A有问题。为了验证上述结论,需要增加样本量,进行第4次工艺试验。分析数据得出:①A+B,P4圆度平均值为2.4mm;②A+A,P4圆度平均值为7.35mm;③B+A,P4圆度平均值为2.4mm;④B+B,P4圆度平均值为2.0mm。从小到大排序为:B+B<B+A=A+B<A+A,如果样本能代表总体,说明A或A有问题,也可能都有问题。为了验证是否是A出现问题,进行第5次工艺试验,结果见表4。可以看出:P4圆度平均值为2.52mm,显著小于公差值为3.5mm,如果样本能代表总体,再次说明A有问题。

表4第5次工艺试验数据

二次解决

根据上文提到的试验所得数据,分析认为A有问题,于是开始着手调整A。主要分为3个部分,更换顶尖孔铰刀、调正B轴角度及解决刀具跳动的问题,第6次相关试验数据如下:P4圆度平均值为4.75mm,显著大于公差值3.5mm,如果样本能代表总体,说明措施无效,排除铰刀因素。为了反向验证上述结论(A有问题),又用B加工了一件更换铰刀后的A的工件,第7次相关试验数据如下:P4圆度值为3.5mm,显著大于B正常状态(约2.0mm),如果样本能代表总体,说明A有问题,也说明更换铰刀没有显著效果。排除铰刀因素后,对机床精度进行了检查,首先检查B轴是否调正,检查发现,样轴侧母线高度差为0.25mm,大于公差值,进行了校正,将侧母线高度差由0.25mm调整至0.05mm以内,再次进行加工试验,第8次相关试验数据如下:P4圆度值为4.7mm,显著大于公差值3.5mm,如果样本能代表总体,说明措施无效。在多项措施均无效的情况下,欲通过优化A磨削参数来改善圆度,第9次相关试验数据如下:P4圆度值为4.3mm,显著大于公差值3.5mm,如果样本能代表总体,说明措施无效,也说明A圆度超差不是A磨削变形导致。为了再次确认A有问题的结论,将A、B、A、B分别组合进行了加工试验,第10次相关试验数据分析如下:①P4圆度平均值平均值分别为3.3mm、2.9mm、3.25mm、1.65mm;②由小到大排序为:B+B<A+B<B+A<A+A;③规律:B<A,B<A;④结论:由于A状态不稳定,圆度补偿混乱,无法分析“B<A”是加工方面的还是圆度补偿方面出现问题,B<A,说明A没有B效果好。试验数据再次指向A有问题,于是再次对A的机床精度进行了检查,发现刀具跳动为0.16~0.17mm(使用mm样棒,测量远端),大于公差值,进行了设备维修,将刀具跳动由0.16~0.17mm调整至0.03~0.04mm,再次进行加工试验,第11次相关试验数据分析如下:连续加工4件,4件圆度值均在3.5mm以内,与以前抽测数据有显著差异,如果样本能代表总体,则说明措施有效。为了验证措施有效,再次进行加工试验,第12次相关试验数据分析如下:两次试验,连续加工8件,4拐圆度均在3.5mm以内,与以前抽测数据有显著差异,如果样本能代表总体,则说明措施有效。为了验证措施的有效性,进行了连续加工试验,第13次加工试验中一直没有出现圆度超差的工件,期间观察过测量结果2次(能分出A和B,不能分出A和B),每次约10件,圆度值均在3mm以内,以上事实和数据,充分证明措施有效,也说明本次质量问题的主要原因为A工序(A也有些问题,但不是主要原因)。

总结

本次拐颈圆度超差同时受A和A影响(最终证明主要原因为A),但由于初始统计数据显著显示“B好而A不好”,一度让工艺人员认为问题发生在A,对本次问题发生处的判断造成了误导,经多次调整无效后,工艺人员才开始怀疑和困惑。为了准确判断问题的发生位置,工艺人员运用了数据统计分析的方法,并反复操作试验设备进行验证(图2),最终找到了问题发生的位置。

图2曲轴最后计测机

如果不借助于细致具体的数据统计,仅凭“目视”,本次问题的解决将花费更多的时间与成本。当一个问题同时与两个因素有关时,用“目视”的方法很难发现其规律和原因,数据无显著规律,或数据规律指向的不是真正的问题点,这时就需要借助更科学、更严谨、更细致的统计分析方法来进行分析,该方法能从一堆看似无明显规律的数据中找到规律,从而发现真正的问题点。统计分析的要点:固化一切因素,变化一个因素,重复和反复。来源:AI《汽车制造业》作者:刘奎丰工作单位:哈尔滨东安汽车动力股份有限公司本文为原创文章,未经允许不得转载更多阅读

AI《汽车制造业》25周年,感谢一路有您!

汽车创新技术大奖

汽车总装车间智能制造应用与实践

机器人在焊装生产线的应用探索

车小匠无限搜集无限整理各种原创各种干货,只为给爱制造的你你你!!我们有多个不同主题的技术交流群可加入,若您感兴趣,欢迎

转载请注明:http://www.aideyishus.com/lktp/5809.html
------分隔线----------------------------