【《S公司齿轴类产品热处理生产精益改善和自动化设计案例分析》13000字】

S公司齿轴类产品热处理生产精益改善和自动化设计案例分析目录TOC\o"1-3"\h\u21962S公司齿轴类产品热处理生产精益改善和自动化设计案例分析 1284731.1工序流程优化 2143261.1.1工序流程分析 2100631.1.2现状分析 388351.1.3改善方案 590551.2自动化系统改善 878951.1.1实施背景及目标 8291771.1.2优化方案 9104651.1.3立体储存料库及自动AGV线路布置 13124001.3低压渗碳产线负荷率提升 1675181.1.1原因分析 17293001.1.2改善措施 17275161.1.3看板拉动 18296261.4质量预测模型 18113781.1.1需求分析及目标 18193591.1.2模型功能 1964091.1.3模型建立方案 20233361.1.4模型验证及实施步骤 23215401.5防错防呆设计 24122451.3.1防错点分析 24314301.3.2外观尺寸检测装置 25107731.3.3视觉成像系统 26115721.6设备布局连线设计 27277481.6.1“单件流”生产模式 2787291.6.2实施方案 28精益改善团队将对生产线进行精益改善和设计，重新制定加工工序流程、优化工艺参数，调整产品上线策略及生产设备布局，并加入自动化物流设备、质量预测模型及防错手段，以提高精益化运行水平。1.1工序流程优化1.1.1工序流程分析要优化流程，提升热处理生产精益化水平，首先需要对整个热处理制造流程及工序流转流程进行分析。我们以一种DCT双离合变速箱零件为例，对整个产品流转流程及其装载量，装载工位器具作分析，如图1.1所示。图1.1热处理工序工位器具及装载量Fig.1.1PositionapparatusandLoadingcapacityofHeattreatmentprocess从图中可以看到，热处理加工流转过程中，由于对产品的装载形式及装载数量不同，所对应使用的工位器具及工装各不相同，在工位器具及工装的转换过程中，就需要进行人工操作。翻装操作对热处理生产的不利因素如下：1)人机工程角度：翻装操作需要人工进行，且工作强度较大、弯腰捡料频繁、工作量集中；2)质量控制角度：翻装操作过程中难免造成产品掉落、磕碰等情况，增加了产品敲毛碰伤的概率及风险；3)精益生产角度：翻装操作的时间根据装炉量的不同，每炉零件在20-40min之间，增加了产品的加工周期。4)现场5S（Seiri-整理、Seiton-整顿、Seiso-清扫、Seiketsu-清洁和Shitsuke-素养，指在生产现场对人员、机器、材料、方法等生产要素进行有效管理）角度：由于需要翻装，现场同时存在2种装载器具，占用场地，且5S管理难度较大。综上，通过工序流转过程的分析，运用ECRS分析法，即取消、合并、调整顺序、简化，通过对生产工序的不断优化、实践、分析、优化，来减少甚至取消翻装操作，达到更高的生产效率，是对热处理精益改善的重点之一[68]。1.1.2现状分析当前状态是零件在热处理前道机加工下线时装入塑料方盒内，以热处理进炉生产的装炉量为一批次，送至热处理工厂，如图1.2所示。图1.2热处理来料工位器具（塑料方盒）Fig.1.2PositionapparatusofIncomingparts(PlasticSquareBox)在热处理进低压渗碳产线开始清洗工序前，需要人工将零件翻装至工艺规定的热用料架上，如图1.3所示。此外，下线后需要再将零件翻装至塑料方盒。然后，零件会被运送到抛丸车间，进行喷丸加工。由于零件是采用清理抛丸工艺，而使用的设备工装为抛丸挂笼，如图1.4所示，因此需要人工将零件逐个从塑料方盒中取出，装入抛丸工装上。而抛丸工序完成后，再从抛丸工装上取出，放回塑料方盒。图1.3热处理热用料架Fig.1.3Heattreatmentfixture图1.4清理抛丸工装Fig.1.4CleaningShotBlastingTooling根据翻装所需要的时间及单班产量测算，每班需要10名操作工进行翻装操作，从人机工程、质量控制、精益生产及现场5S等方面均存在较大弊端，急需进行改善。表1.1列出了单炉零件所涉及的翻架操作及相关工序的节拍时间。整个热处理加工工序中共涉及四次翻架操作，包括低压渗碳产线上线前、下线后，以及清理抛丸加工前、加工后。根据翻架操作的单炉时间，结合零件翻架后所需使用的加工设备上线节拍，来配置翻架人员的人数，共计16人。表1.1翻架操作及相关工序的节拍时间及配置人数表No.操作步骤单炉时间(min)单炉操作人数后续工序工序节拍(min)所需配置人数1来料装架（塑料方盒→热用料架）152低压渗碳产线562产线下线拆架（热用料架→塑料方盒）152运输/63清理抛丸装架（塑料方盒→抛丸工装）52清理抛丸1024清理抛丸装架（抛丸工装→塑料方盒）52入库/2合计4016翻架操作劳动负荷强度大，一旦实际在岗人员低于所需配置人数，或者人员岗位熟练度较差，就无法按后续设备的加工节拍供应上线生产零件，造成设备的待料浪费。另外，单炉零件所涉及的四次翻架操作共计需要40分钟时间，这些人工操作的步骤使整个热处理加工周期相应增加，是进行改善的重点。1.1.3改善方案改善方案的制定始终以工业工程ECRS原则（Eliminate-取消，Combine-合并，Rearrange-重排，Simplify-简化）作为目标，探寻取消以及合并翻装操作的可能性。经过对热处理前道机加工的流程及现场调研分析，确定的实施方案为：将热用料架的使用点前移至机加工最后一道工序，零件在机加工下线时直接放入热用料架，并设计专用料车，运送流转至热处理工厂。这样就减少了一次翻装至热用料架的操作。专用料车需根据热用料架的外形尺寸及上热处理线的操作方式设计，同时还需要避免零件在运输过程中发生碰撞或掉落，保证装有零件的热用料架的运输与使用，如图1.5所示。图1.5热用料架专用料车Fig.1.5DollyofHeattreatmentfixture改善后，零件在热处理前道机加工下线后直接装入热用料架内，送至热处理的装载方式由托盘+塑料方盒改为料车+热用料架，达到了取消热处理上线前需翻架操作的改善效果。上述改善使得真空炉上线前的翻架操作得以取消。针对零件在真空炉产线下线后翻装至塑料方盒及喷丸工序前后的翻装操作，对上述改善进行了进一步的拓展，将喷丸工装进行了重新优化设计。将原有挂钩式的零件喷丸方式改变为框架式的热用料架+零件整体喷丸方式，如图1.6所示，取消了后续的三步翻架操作，并将热用料架止用点后移，料车+热用料架流转至热处理后道加工工序。最终提升了热用料架在热处理车间各工序间的通用性，取消原先工序间的全部四步翻架操作。图1.6清理喷丸工装（改善后）Fig.1.6CleaningShotBlastingTooling(afterImprovement)热处理工序流程的改善，通过零件所装载的工位器具优化统一，利用热用料架的装载方式进行前移和后延，使得生产加工过程中不再需要翻架操作，不但减少密集型的人工操作，也达到了操作工序取消，缩短制造周期的目的。1.2自动化系统改善目前低压渗碳渗碳产线在线上的产品各工序加工过程，均能通过设备工控系统进行自动转运控制，但产线对于前后工序来说，仍是一个“孤岛”。产品从上道加工到产线，以及从产线到下道工序，仍需通过人工转运完成。对于每天300炉左右的运作量，人工的操作量及不确定性仍对整个加工环节的效率造成了一定影响。1.1.1实施背景及目标基于热处理工厂已有的五条低压渗碳生产线，遵循精益生产原则，在建立系统集成基础上，实现物料看板拉动，以及仓储、物流和生产线全过程的自动化，达到用数据优化业务的目的，进一步提升自动化及精益化水平。设计WIP、RCS、WCS、SCHEDULE、QAMS系统，与现有的5个系统（ERP、MES、WMS、LIMS、设备工控ECM）及1个待开发系统（MII）进行数据贯通对接集成。根据已经梳理出的热处理工厂业务涉及到的系统分为三个层次，即管理层、执行层和控制层，如图1.7所示：图1.7自动化系统架构Fig.1.7Automationsystemarchitecture管理层系统包括：1)ERP系统，企业资源计划，负责热处理工厂生产计划的制定以及报工与生产成本记账管理；2)SCHEDULE系统，排产调度与仿真，负责根据设备、资源等状态进行生产计划排产及模拟，产生生产队列及工单，工单可详细排产到设备线；3)MII系统，制造集成与智能，负责从MES/WIP、WMS系统采集生产计划完成、质量合格率信息、设备OEE、存货信息等数据，提供生产运营管理决策。执行层系统包括：1)MES系统，生产制造执行，负责车间的生产执行、物料管理、质量追溯、计划管理、生产监控等；2)WIP模块，负责五条低压渗碳产线相关工单在车间执行过程管理，提供生产环节具体信息，如工单调度、物流状态管理、生产管理、质量信息等；3)WMS系统，仓储管理，负责供应商来料的出入库、移库、上下架、盘点等物料操作管理；4)LIMS系统，质量检测管理，负责试验与检测任务单的接收、过程管理、结果反馈、仪器数据采集、各类资源的管理等；5)QAMS系统，工艺质量分析系统，负责工艺质量数据分析。控制层包括：1)RCS系统，AGV控制，负责将物料从立体料库与设备线之间物料的运输；2)WCS系统，立体料库控制，负责物料在立体料库中的存放管理；3)低压渗碳产线工控系统，负责设备线物料热处理全自动控制。以上系统架构的设计建立，打通各系统间的数据对接，目标是实现热处理工厂低压渗碳生产线区域运作无人化。实现工单执行进度自动反馈、物料存储透明做账自动、制造过程数据自动采集。1.1.2优化方案根据热处理加工的业务流程及数据流图的分析，如图1.8、图1.9所示：图1.8业务流程图Fig.1.8Businessflowchart图1.9数据流图Fig.1.9Dataflowdiagram我们对系统集成的数据流进行了明细规划，系统集成的主要接口清单，如表1.2所示：表1.2系统集成接口清单表业务点系统集成点集成描述生产计划ERP--SCHEDULE接口生产计划下发、生产计划变更下发SCHEDULE--MES/WIP接口具体排产工单信息下发（（选中序列的设备线号、物料号、生产队列序列号）），启动WIP执行监控SCHEDULE--WMS接口具体排产工单信息下发（（选中序列的设备线号、物料号、生产队列序列号）），驱动备料（拣料、出库，获取流转卡号）库存变动SCHEDULE--ERP接口低于立库安全库存，驱动ERP生成生产计划生产拉动ECM设备-MES/WIP接口ECM加工产出完成信息，MES得到信息驱动小车取料；并更新WIP状态各类信息反馈WMS--MES/WIP接口物料备料状态传给MES，进行小车驱动ECM设备-MES/WIP接口设备加工具体参数信息，形成数据集成源WCS堆垛机--MES/WIP接口堆垛机物料出入口信息，形成数据集成源；并更新WIP状态；呼叫小车RCSAGV--MES/WIP接口小车位置状态信息，形成数据集成源；并更新WIP状态上下立库WMS--WCS堆垛机接口WMS通知WCS取工单物料送到指定出料口，MES取到料口有货状态后，呼叫小车到指定料口取料，送到指定设备线。小车装有RFID，RFID具有唯一标识，在后台数据库中关联物料相关信息AGV小车--MES/WIP接口MES通过RFID阅读器取得AGV小车到达料架出料口信息，协调WCS堆垛机做滚料动作MES/WIP--WCS堆垛机MES得到AGV小车信息后，驱动堆垛机滚料，并等待堆垛机完成状态WCS堆垛机--MES/WIP堆垛机完成滚料，通知MES/WIP，控制AGV小车开始启动运行AGV小车运料AGV小车--MES/WIP接口MES取得AGV小车取得物料状态，协调WCS堆垛机放行动作MES/WIP--WCS堆垛机MES通知堆垛机AGV小车已经收到料，可以放行WCS堆垛机--MES/WIP堆垛机放动动作完成，MES取得放行状态，在得到ECM进料口为空信息后，通知AVG小车AGV小车--MES/WIP接口AGV小车得到启动运输命令并启动，状态返回MES/WIP接口，此时MES/WIP生成本次运输唯一标识符UIDECM设备-MES接口进料道口空缺信号送给MES，作为AGV小车启动运输的前提信号AGV小车--MES/WIP接口小车运输位置状态信息返给MES，WIP跟进物料运输状态续表1.2系统集成接口清单表业务点系统集成点集成描述生产加工AGV小车--MES/WIP接口小车运输到达设备线，MES通过RFID，调取生产物料、工单、该批次唯一标识UID，写入中间表交给ECM设备系统ECM设备-MES/WIP接口ECM从接口表取得小车物料信息以及UID，并生成ECM内部跟踪号ID，启动加工。MES／WIP更新工单状态下料ECM设备-MES/WIP接口加工完成后，ECM设备将MESUID以及自身加工顺序ID等相关信息写入中间交互数据表（如（UID、ID、线号、出料道口号、物料号、流转卡号，炉号），传给MES/WIPMES/WIP--ERP接口生产工序移动信息WMS--ERP接口生产完工记账信息MES-AGV接口MES从中间表取得产出物料信息，呼叫AGV小车取指定料口取料；并更新WIP状态AGV小车--MES/WIP接口AGV到出料道口取料完成，更新WIP状态AGV小车--WCS堆垛机接口小车与堆垛机完成滚料与取料过程类似，不再重复描述其它质检LIMS--MES/WIP不良品信息转给MES/WIP，更新工单物料状态质检LIMS--质量分析系统QAMS质检信息传给QAMS，用于质量数据分析质量分析系统QAMS--质检LIMS分析预判断信息传给LIMS，用于指导检测及验证ECM异常信息--MES/WIP接口用于更新WIP信息，并返给排产模块MES/WIP接口--MII提供工单产出、质量数据、OEE设备信息其中，WIP模块是支持系统集成的重要部分，是系统集成的实现载体。WIP通过对各个系统数据的实时收集、监视和控制，从而提供以“工单”为主线生产管理方式。其主要功能点如表1.3所示：表1.3WIP模块的主要功能描述序号系统功能点功能描述1工单状态跟踪工单状态可以预设为“已下达、待取料、AGV运输、热处理加工、热处理完成、检查结束、工单完成、取消”等状态，WIP实时的从其他系统中获取操作系统，统一成工单WIP信息。2物料排队管理物料整体运输过程监控，运输排队及物料核对管理3在制品物料数量、质量管理主要包括二个维度数据：数量与质量。显示加工处理数量，加工后良品与不良品数据。续表1.3WIP模块的主要功能描述序号系统功能点功能描述4系统、设备信息集成管理作为数据实时收集、控制协调与处理，WIP模块需要与WMS、WCS、AGV、ECM、LIMS、排产、ERP等系统进行数据交互。WIP的工序移动需要通过MES再与ERP直接自动对接，完成ERP中工序移动操作；同时完工信息返给WMS系统，并通过MES自动触发ERP中的报工完工操作。同时需要制定MES与WIP系统之间的信息交互定义，例如报工信息、物料信息等。通过数据自动化对接来提高效率的同时，来保障数据的准确性、及时性。5工单执行时间统计计算出WIP工单生产在制周期，为今后精益改造提供有效数据，如发现瓶颈工艺点并改进等。6按时生产率统计结合工单批次下达计划与实际生产时间，提供按时生产率。7产量及合格率统计按工单及物料不同维度统计产量与合格率8流转卡打印从MES获取流转卡信息，并在热处理加工完成后进行打印1.1.3立体储存料库及自动AGV线路布置在信息系统架构建立及数据接口完成对接的基础上，对于五条低压渗碳生产线的来料、及加工后产品暂存采用立体料库方式进行储存。来料携带产品及相关信息，包括流转卡号、零件号、零件数量等，通过来料AGV自动送入立体料库。通过SCHEDULE自动排产系统，分配至各个产线的生产任务，上下料小车接到生产任务指令后，在立体料库出料口接取产品，并运送至低压渗碳生产线，并将相关产品信息传递给低压渗碳生产线，再由ECM设备工控系统根据产品信息，分配零件热处理工艺及炉号，进行线上自动化加工。产线加工完成后，呼叫上下料AGV，将产品运回立体料库，等待产品的金相理化检测结果。一旦理化检测完成，并通过质检LIMS系统反馈至立体料库后，该炉产品的状态就会从“待检测”切换至“合格”或“不合格”状态：对于“合格”状态产品可通过设置在抛丸车间的下料平台控制系统上进行拉动；而“不合格”状态产品则无法进行拉动，由工艺部分介入进行返修或报废处理流程。图1.10为立体料库位置及AGV线路图：立体料库抛丸下料点来料AGV线路异常物料下料点立体料库抛丸下料点来料AGV线路异常物料下料点上下料AGV线路Fig.1.10LocationofstereoscopicwarehouseandAGVcircuitdiagram考虑来料方向及热处理加工流转方向，将立体料库设置在产线生产区域西侧，共计900余个库位；上下料AGV线路根据低压渗碳产线的上下料点位，进行布置，并通过上下料节拍及AGV运行速度及充电维保等策略测算最优线路及配置，共计配置8辆上下料AGV，如图1.11所示：图1.11产线上下料AGVFig.1.11AGV(On/offproductionline)立体料库中产品在完成金相理化检测后的出库方向设置分为2个点位：合格产品出库：在抛丸车间区域（通过上下料AGV运送）；异常产品出库：在低压渗碳产线北侧（通过上下料AGV运送）；来料AGV负责从前道加工车间的上料平台将需要进行热处理加工的来料运送至立体料库，同样根据来料节拍及AGV运行速度，测算配置为3辆。图1.12为来料AGV示意图：图1.12来料AGVFig.1.12AGV(withsuppliedmaterials)在热前加工及抛丸下料区布置料台,如图1.13所示：在热前上料点物料在Dolly车上推至叉式顶升机构，机构上的滚轮将物料送至料台，并自动呼叫来料AGV运送至立体料库；在喷丸下料点，上下料AGV将产品运送至料台后，通过推至叉式顶升机构滚运至Dolly车，完成下料。图1.13上料平台示意图Fig.1.13Loadingplatform1.3低压渗碳产线负荷率提升低压渗碳产线是汽车变速箱齿轴件热处理生产的核心工序设备，为法国进口设备，是构成产品加工成本，包括电耗、工艺气体消耗、设备投资折旧的重要组成部分。该设备的性能及特性决定了整个热处理加工的精益化水平。上文已就低压渗碳产线实物流自动化上下料及信息流的电子化传输改善做了介绍，本节将根据对低压渗碳产线的特性分析，以优化改善工艺时间和排产策略为方向，进一步提升设备的负荷率，在需求量恒定的情况下，用更少的运行时间，来达到所需要的产出，减少设备的空炉等待所造成的产能和能耗浪费。1.1.1原因分析根据上文对低压渗碳产线的特性分析，我们知道加热渗碳室的负荷率无法提升的限制点在于产品的加热渗碳时间不一致。从理论上说，若能做到20余种零件的加热渗碳时间相同且大于135min，则可达到100%的负荷率。但在实际生产过程中，由于产品对渗碳层深度的要求不同，也就导致了工艺时间的长短不一，无法达到一致的状态，也就是说，低压渗碳产线由于工艺时间长短问题，对设备的负荷率造成了一定的工艺切换损失。1.1.2改善措施在满足产品热处理技术要求的前提下，改善团队对产品原先工艺时间长短不一的情况进行了分析归类：1）将原先145-170min的工艺时间的产品定义为短工艺产品，统一将产品工艺时间调整优化至165min；2）将原先175-220min的工艺时间的产品定义为中工艺产品，统一将产品工艺时间调整优化至195min；3）将原先230-319min的工艺时间的产品定义为长工艺产品，统一将产品工艺时间调整优化至270min；对产品的工艺时间进行了分类及合并后，最终将20余种产品归为短、中、长3种工艺时间，如表1.4所示。在将20余种零件的加热渗碳时间分类合并为3组之后，为了减少气体淬火室的冲突等待时间，我们采用了按组别次序批次上线的方式，减少工艺的切换，以提高加热渗碳室的负荷率和整条线的生产产出。表1.4热处理产品加热渗碳工艺时间优化表组别原工艺时间(min)优化后工艺时间(min)产品种类日需生产炉数A(短)145-1701651126B(中)175-220195736C(长)230-319270914由于工艺由短变长不会造成气体淬火室的冲突，因此每天开班后的产品上线次序为短→中→长，如表1.5所示。表1.5热处理低压渗碳产线产品上线时间及组别表上线时间上线组别上线产品种类上线炉数07:30~14:00A(短)112614:15~01:45B(中)73602:00~06:45C(长)914在按表1.5的次序上线后，加热室除在第一天完成C组生产切换为第二天的A组生产时会出现空炉等待的情况，其他时间基本均处于满负荷运行状态。1.1.3看板拉动为进一步达到精益生产效果，结合低压渗碳产线的特性，我们优化了拉动模式，对热处理前道机加工采用看板拉动的模式进行物料的配送。优化后的拉动模式仅以A、B、C三种组别进行物料拉动，而不再对单种零件进行拉动。例如，A看板卡对应9种零件，在其上线时间段只要9种零件任意1种送至产线线边库均可。1.4质量预测模型在低压渗碳生产线的生产过程中，其工艺过程和产品质量检测都积累了大量的数据，改善团队希望对这些生产过程数据和产品质量数据进行分析，从而提供产品质量预测和预警，提高热处理生产过程的质量保障。1.1.1需求分析及目标结合当前现状，改善的具体需求体现在以下几个方面：1）生产过程数据和质量检测数据的实时采集和集成；2）生产过程全面跟踪与监测；3）生产数据和质量数据的统计分析；4）生产过程工艺参数和工艺质量的相关性模型，对工艺质量进行预测，降低金相检测频次，节省金相检测费用、节省检测时间，提高在制品流转速度。根据热处理的行业要求，质量预测模型给出的金相理化检测频次需满足《CQI-9热处理系统评估》标准，在如下情况下必须进行金相检测：1）金相组织：每个加热渗碳室每日一次或任一过程参数不符合技术要求时；2）表面硬度：每批一次或任一过程参数不符合技术要求时；3）心部硬度：每个加热室每日一次或任一过程参数不符合要求时4）渗层深度：每个加热室每日一次或任一过程参数不符合要求时。进行质量预测的零件清单：主要为产品涉及低压渗碳产线的DCT双离合变速箱和自动变速箱的产品模型需要预测的质量检测项目内容主要为产品在经过低压渗碳产线加工后的热处理金相理化指标，包括产品表面硬度、齿面及内孔次表层硬度、轮齿芯部硬度、有效硬化层深度、齿角及齿面显微碳化物等级、齿角及齿面显微残余奥氏体等级、轮齿芯部显微组织。质量预测模型的建立目标是实现五条低压渗碳产线的生产实时过程和质量数据采集和集成，达到生产过程全面跟踪与监测；开发热处理过程参数和工艺质量的相关性模型，实现每炉热处理产品可提前预知产品质量，降低金相检测频率，节省金相检测造成的产品消耗费用，减少产品检验等待浪费。现状分析及改进目标关键点如图1.14所示。图1.14现状分析及改进目标Fig.1.14Currentsituationanalysisandimprovementtarget1.1.2模型功能基于业务需求，针对目前的工艺质量管控现状，质量预测模型建立及功能重点考虑以下几方面内容：1）质量检测结果的标准化：整个质量检测过程需要做到流程的标准化、数字化，这是数字化工艺质量管控的前提。这些标准化流程包括：采用标准格式记录质量检测结果；电子化输入数据库。2）质量预测模型的对应性：建立基于机器学习的热处理过程参数和产品质量的相关模型；不同的产线，不同的产品类型，不同的影响因素，建立不同的相关性模型。3）热处理过程数据自动获取及质量预测：模型可自动获取低压渗碳产线上的热处理过程参数，并可以预测每炉热处理产品的金相理化结果。4）热处理过程监控和报警：对热处理过程参数设定合理的边界值，对超出边界的控制过程具备实时报警功能。5）维护保养提醒功能：可以自主设置的提醒功能，包含以下内容：对主炉的定期维护（电极、石墨加热棒、密封性、内部料车的保养、气体淬火室的风扇检查、气淬室转向机构的检查）提供自动提醒功能；外围设备（泵组、阀门、清洗机换水时间）的保养提供自动提醒功能；对重要仪表（热电偶、流量计）的定期校准提供建议校准时间；加热设备（主炉、预热炉、回火炉）测温周期的自动提醒功能；对点检参数（清洗剂浓度、清洗液温度、乙炔供气压力）的输入提醒功能；6）热处理过程数据统计与分析：对质量数据和相关的生产数据实现统计与分析功能，例如不同产线、不同时间段的质量数据分布。对所有监控数据支持搜索功能，实现数据展示。1.1.3模型建立方案工艺质量管控解决方案的核心是基于机器学习的热处理过程参数和产品质量的相关模型。该模型的基本结构，如图1.15所示。图1.15模型基本结构图Fig.1.15Basicstructurediagramofthemodel模型的输入由监控数据中通过变量选择产生。监控数据主要有以下几类。详细的监控数据如表1.6所示：表1.6模型监控数据表类别项目内容基本信息产品零件编号低压渗碳产线分配的热处理炉号工艺执行过程参数清洗工步时间、清洗液温度预热时间、预热温度加热渗碳时间、加热渗碳温度、工艺气体流量气体淬火工步时间、气体淬火压力、淬火风扇搅拌速度回火时间、回火温度产品参数产品原材料牌号产品装炉量产品表面积产品重量产品齿轮模数产品装架方式（平装、串装、竖装等）工艺气体参数乙炔供气压力乙炔供气流量氮气供气压力氮气供气流量其他参数设备维修保养记录温控仪表标定校准记录质量流量计标定校准记录环境温度环境湿度来料前道加工完成至上低压渗碳产线生产时间间隔模型的输出为质量检测指标，指标主要有热处理加工后产品的表面硬度、心部硬度、硬化层深、金相组织（碳化物、残余奥氏体）情况。模型输出的详细列表，如表1.7所示。质量预测模型为多输入多输出模型，主要由特征提取和选择、相似性模型、统计和概率分布模型几个部分组成。作为核心的相似性模型为非参数化模型，模型主要依据大量历史数据的过程控制参数与质量的对应关系预测当前过程控制参数下对应的质量指标。模型首先基于每一组输入的历史数据提取和选择合适的特征参数，这些特征参数构成模型针对特定零件特定产线的特征空间。表1.7模型输出数据表类别形式与实际检测结果允许容差范围表面硬度数值型变量±1HRC轮齿次表面硬度数值型变量±20HV1芯部硬度数值型变量±1HRC有效硬化层深数值型变量±0.05mm内孔次表面硬度数值型变量±20HV1碳化物等级数值型变量±1级残余奥氏体等级数值型变量±1级芯部显微组织逻辑变量合格/不合格在质量预测时，对当前同样特定零件特定产线的热处理加工过程，采用同样的方式提取特征参数，然后将当前特征参数和特征空间内基于历史数据得到的特征参数做对比，计算其相似度，用相似的历史数据基于统计学和概率分布算法来预测当前的质量指标。模型采用统计学和概率分布的方式进行质量预测，可以将输入参数的不确定性和输出质量指标的不确定性自然的融入模型中。模型的输出细化到可量化的指标，格式为（估计值±容差），此处容差选用三倍标准差（覆盖99.74%可能性）。模型预测的准确度和容差大小取决于输入训练数据的数据量大小以及数据的分散程度，比较小的数据分散程度可以减少训练数据的需求量。根据目前的估计，模型训练需要使用500炉历史数据。不足的训练数据可能带来模型精度的不足，系统会给出相应的提示。1.1.4模型验证及实施步骤质量预测模型将通过三个阶段来进行数字化工艺质量管控部分的数据收集、数据建模和软件实施：第一阶段为数据收集和评估阶段。初步检查生产监控和模型建立所需要的数据，包括数据种类、数据时长、数据质量、时间采样率等要求；理解数据和数据之间的相互对应关系；打通数据传输通道，建立数据库；定义训练数据集、验证数据集、测试数据集。第二阶段为数据处理，模型建立和验证阶段。主要内容有：1)不同来源的数据时间对齐，以及热处理过程数据和质检数据之间的对应关系；2)错误数据剔除，异常值剔除，数据丢失处置，数据不一致处置，数据归一化处理；3)相关分析和输入变量选择，选择对质量预测有贡献的那些过程参数或零件参数或环境参数；4)空间变换和特征变量提取，从输入过程参数中提取特征变量；5)选择对质量预测起关键作用的特征变量；6)确定模型复杂度，判断是否存在过拟合等；7)基于历史数据学习模型参数；8)离线验证及在线验证，由模型预测质量，评估模型准确度。此外，模型具有自学习功能，对于新建立模型的验证，连续跟踪100炉，由模型预测质量，评估模型准确度。第三阶段为软件开发阶段，主要包括用户界面设计和实现，算法软件实现，以及上线测试。随着时间推移，由于低压渗碳产线设备状态和传感器状态的变化，以及加工工艺或其他条件的变化、实验数据的增加、检测项目的增加，原有的预测模型可能不再适用或者预测精度逐渐下降。此时可以对模型进行更新和扩展。生产过程中不断有新的数据积累，这些数据可以作为训练数据，实现质量预测模型的更新或扩展。模型更新或扩展采用离线方式，由用户指定更新或扩展所用的历史数据，软件将自动完成数据提取，数据预处理，模型训练，模型验证等环节，产生新的模型。1.5防错防呆设计防错又称防呆法，意在过程失误发生之前即加以防止，是一种在作业过程中采用自动作用、报警、标识、分类等手段，使作业人员不特别注意也不容易失误的方法，这种方法使作业者在作业时直接可以明显发现缺陷或使操作失误后不产生缺陷。其特点是成本低，实时发现失误、实时反馈，全检产品但不增加作业者负担。防错直接结果就是产品质量的提高，与靠检查来保证质量相比，防错是从预防角度出发所采取的预防措施。而检查不能防止缺陷的产生，检查发现的缺陷只能去纠正，是一种浪费，防错消除了这种浪费[69]。1.3.1防错点分析在运用AGV和立体料库实现自动化的产品运送及热处理加工生产的模式下，基本不涉及人工操作的步骤。同时如上文所述，来料产品的信息与实物的一致性将显得尤为重要。由于很多来料外观尺寸相似，特别是自动变速箱的行星轮、太阳轮及内齿圈产品，通过肉眼很难识别，一旦在热前上料平台将产品实物与信息绑定错误，该批次产品将携带错误的产品信息，流入热处理生产过程，非常容易导致调用错误的热处理加工工艺而造成质量问题。为了保证产品质量，降低甚至杜绝信息与实物不一致的认为操作失误所造成的质量损失，提高产出率，在设计新的自动化热处理加工模式时，非常有必要通过防错防呆的方法和原理，设计一套合理的、方便的过程控制系统，在来料进入自动化系统时，进行实物和信息的核对审验，从而保证产品与信息的一致性，使得产品能采用正确的工艺和流程进行加工。另外低压渗碳线对来料所装载热用料架的外观尺寸也有限制，根据低压渗碳产线炉膛尺寸的设计标准，所使用的热用料架外观尺寸为：长：≤1000mm宽：≤600mm高：≤610mm1.3.2外观尺寸检测装置热用料架在使用一定时间后，由于多频次的随产品进炉进行加热、冷却过程，会产生一定的形变或开裂变形，对产品装载和正常进入低压渗碳产线产生影响，严重时会在产线上的转运过程中发生倾覆或撞击，造成设备故障停线。此时就需要对该热用料架是否需要报废进行评估，以保证产线的正常运行。图1.16外观尺寸检测装置Fig.1.16Appearancesizedetectiondevice由于热用料架的外观自然形变，以及人工组装错误，因此在立体料库设计时，考虑到低压渗碳产线上设计标准，剔除不符合产线炉膛设计尺寸的热用料架，我们立体料库的进料口设计了热用料架外观尺寸检测装置，如图1.16所示：尺寸检测装置是以储存单元货物尺寸的长、宽、高位基础，同时设定允许的误差。对进入立体料库的来料所装载的热用料架进行长、宽、高三个方向的尺寸进行检测，判断是否超过设定的允许误差值，如果没有超出设定尺寸，则说明该尺寸符合低压渗碳产线的上线设计要求，允许放行入库；若超出允许误差时，则发出报警，提示进行人工介入，进行人工整理或退库操作，完成后再次进库。1.3.3视觉成像系统为防止由于在上料时实物与信息绑定错误而流入热处理自动化生产系统，在背伏式AGV携带产品送入立体料库前，还需要对来料产品及信息做一次核对，因此在来料进入立库的入库口，我们设计布置了视觉成像识别系统。该装置通过一个识别相机进行拍照，将实物照片与预先输入系统的产品尺寸参数进行对比，确认其是否与来料绑定信息中的零件图号一致。若来料实物与预设产品尺寸不符，则发出报警，提示进行人工接入，重新进行信息绑定。根据热用料架外观尺寸及相机安装位置，视觉拍照系统参数设置,如表1.8所示：表1.8视觉成像系统参数设置视野范围400mm*300mm相机分辨率2448*2048系统精度0.16mm/pixel物距750mm内圆直径轮齿齿数内圆直径轮齿齿数图1.17识别测量示意图Fig.1.17Identificationandmeasurementdiagram测量齿轮内圆直径使用找圆工具，然后使用测量工具，测量圆的直径。经过测试可以通过测量圆的直径和测量轮齿的齿数来区分产品，识别测量如图1.17所示：通过外观尺寸检测装置和视觉成像系统的运用，来料的热用料架的组装问题和实物与信息不符问题可实时识别并加以遏制，避免了由于人为的操作失误所造成的产线异常停线和产品加工报废的风险。1.6设备布局连线设计汽车变速箱齿轴件热处理加工的核心及关键工序为加热渗碳淬火工序，但整个热处理加工工序还包括抛(喷)丸及矫直等工序。因此，精益化改善除了关注低压渗碳产线及其相关的配套设备的优化研究及应用外，对于后续的抛(喷)丸及矫直工序，也需要通过精益化手段来同步提升效率。1.6.1“单件流”生产模式单件流(Onepieceflow,OPF)指的是通过合理的制订标准生产流程并安排好每个工序的人员量、设备量，使每个工序耗时趋于一致，以达到缩短生产周期、提高产品质量、减少转运消耗的一种高效生产管理模式。在传统生产方式中，在所有的批量产品都完成流程之前，没有一个产品能够先传送到下一个流程。数量越大，某一单个产品在流程之间停留的时间就越长。而单件流致力于生产同步化的最小批量生产方式。它是以最小化批次为目标，使工序从毛坯到成品的加工过程始终处于不停滞、不堆积、不超