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