CN112015149A - 一种轻量化车身连接质量辅助判定方法 - Google Patents
一种轻量化车身连接质量辅助判定方法 Download PDFInfo
- Publication number
- CN112015149A CN112015149A CN202010737257.0A CN202010737257A CN112015149A CN 112015149 A CN112015149 A CN 112015149A CN 202010737257 A CN202010737257 A CN 202010737257A CN 112015149 A CN112015149 A CN 112015149A
- Authority
- CN
- China
- Prior art keywords
- quality
- defect
- point
- quality defect
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 108
- 230000007547 defect Effects 0.000 claims abstract description 249
- 230000008569 process Effects 0.000 claims abstract description 84
- 238000012544 monitoring process Methods 0.000 claims abstract description 64
- 238000004422 calculation algorithm Methods 0.000 claims description 70
- 238000004519 manufacturing process Methods 0.000 claims description 27
- 238000013024 troubleshooting Methods 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012552 review Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 13
- 238000007689 inspection Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 238000013145 classification model Methods 0.000 description 4
- 238000005553 drilling Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种轻量化车身连接质量辅助判定方法,包括如下步骤:S1、设置一个质量监控服务器;S2、质量监控服务器实时采集SPR设备或FDS设备在工作过程中的每个点位的工艺数据和设备状态数据;S3、质量监控服务器执行相应SPR质量缺陷判定程序或FDS质量缺陷判定程序,对采集来的对应每个点位的工艺数据和设备状态数据进行质量缺陷判定,若判定出存在质量缺陷,一并给出该点位的质量缺陷种类和质量缺陷原因;S4、质量监控服务器执行质量预警判定程序,对存在质量缺陷的点位统计情况是否满足质量预警条件进行判定,若满足则进行预警并让相应设备停止生产。本发明能够实时对连接点进行全检,避免了质量缺陷点漏检的情况,并且还不会因质检而产生报废车。
Description
技术领域
本发明涉及车身连接工艺技术领域,具体是涉及一种轻量化车身连接质量辅助判定方法。
背景技术
相比于传统的焊接工艺,新型连接工艺-自冲孔铆接工艺SPR(以下简称SPR)和流钻螺接工艺FDS(以下简称FDS)在生产过程中若出现质量缺陷时,失效情况复杂,难以找到根本原因,需要耗费大量的时间和人力去排查,导致设备利用率较低,产能目标无法达成。
SPR的常见缺陷有边缘开裂、剩余板厚不合格、互锁值不合格、铆钉头高不合格等,FDS的常见缺陷有螺钉滑牙和螺钉未落座,目前对于SPR和FDS的连接质量的检查方法通常采用以下两种:
1、外观检查:通过目视和借助仪器在不破坏连接点的情况下,检查连接点的相关情况,如是否有开裂的情况、测量铆钉头高的高度。
2、金相检查:这是一种破坏性检查,需要借助电子显微镜准确测量连接处的相关数据是否符合标准。
以上两种检查方式在批量的自动化生产中均只能采用抽检的形式,无法做到全检,易出现质量缺陷点漏检。并且,外观检查只能检查外观缺陷;金相检查流程繁琐,且检查后会产生报废车,耗时耗力,效率也低。
为防止存在失效连接点的白车身继续流入下一工序,必须使用一种更加准确地实时在线质量判定方法。
发明内容
为克服现有技术的缺陷,本发明的目的在于提供一种轻量化车身连接质量辅助判定方法,以避免质量缺陷点漏检以及报废车的产生。
为此,本发明采用了以下技术方案:
一种轻量化车身连接质量辅助判定方法,包括如下步骤:S1、设置一个质量监控服务器;S2、所述质量监控服务器实时采集SPR设备或FDS设备在工作过程中的每个点位的工艺数据和设备状态数据;S3、所述质量监控服务器执行相应的SPR质量缺陷判定程序或FDS质量缺陷判定程序,对采集来的对应每个点位的工艺数据和设备状态数据进行质量缺陷判定,若判定出存在质量缺陷,一并给出该点位的质量缺陷种类和造成这种质量缺陷的原因;S4、所述质量监控服务器执行质量预警判定程序,对存在质量缺陷的点位统计情况是否满足质量预警条件进行判定,若满足则进行预警并让相应设备停止生产。
进一步地,在上述步骤S3中,当实时判定出当前点位存在质量缺陷时,所述质量监控服务器记录下当前点位的信息,包括车身号、点位号、打点时间、打点过程数据、缺陷种类、缺陷原因,并将这些信息存入质量监控服务器的数据库中,以供后续复检、返工时查看。
进一步地,所述质量预警判定程序在被执行时实现以下步骤:当统计的样本数量≤X时,在第Y个缺陷点处发生预警;当统计的样本数量=X时,缺陷点数<Y时,不产生预警,进入下一个统计周期,统计过的点数不进行重复统计;在发生预警后等到恢复生产时,当第Y+n点位为缺陷点时,预警持续发出,当第Y+n点位为正常点时,进入预警解除统计,之后连续Z个点位都正常预警才能解除,否则预警持续发出,预警解除后,进入下一个统计周期,其中,设定预警统计样本数量为X,缺陷点数量为Y,以及预警解除的连续点位数量为Z,n为自然数。
进一步地,在上述步骤S4中,当发生预警时,所述质量监控服务器还通过系统界面推送每个质量缺陷点位产生质量缺陷的原因,以辅助人工做故障排查。
进一步地,所述质量监控服务器中存储有故障辅助判定程序模块,所述故障辅助判定程序模块在执行时实现以下步骤:在后台持续对相同质量缺陷的样本中其质量缺陷原因进行分类和统计,并按照质量缺陷原因种类统计的数量的多少由多到少进行依次排序,在质量预警时针对再次发生的同样的质量缺陷,在系统界面上按照后台排好的顺序推送质量缺陷的原因。
进一步地,所述质量监控服务器以发送质量预警单至系统界面上的方式进行预警,其中,所述质量预警单上包括质量缺陷点点位信息、质量缺陷种类信息、以及质量缺陷原因信息。
进一步地,所述质量监控服务器存储有SPR质量缺陷判定程序、FDS质量缺陷判定程序、以及质量预警判定程序。
进一步地,所述SPR质量缺陷判定程序包括SPR质量缺陷判定子算法和SPR原因归类子算法,所述SPR质量缺陷判定程序在被执行时实现以下步骤:S31、预先在所述质量监控服务器中输入车身上每个点位的算法标准值;S32、SPR设备打点时,质量监控服务器实时获取当前打点的点位号及打点过程中SPR设备产生的过程数据;S33、根据步骤S32中获取的点位号,所述质量监控服务器匹配出步骤S31中预先输入的对应该点位的算法标准值、对应该点位的SPR质量缺陷判定子算法、以及对应该点位的SPR原因归类子算法;S34、将步骤S32中获取到的对应于该点位的过程数据用于步骤S33中匹配到的对应该点位的SPR质量缺陷判定子算法中进行质量缺陷判定,以判定出该点位是否存在质量缺陷;S35、将步骤S32中获取到的对应于该点位的过程数据用于步骤S33中匹配到的对应该点位的SPR原因归类子算法中进行质量缺陷种类和缺陷原因的识别归类,以获得并给出质量缺陷种类和缺陷原因的归类结果,其中,本步骤只有在步骤S34中判定出该点位存在质量缺陷的情况下才被执行。
进一步地,所述FDS质量缺陷判定程序包括FDS质量缺陷判定子算法和FDS原因归类子算法,所述FDS质量缺陷判定程序在被执行时实现以下步骤:S31'、预先在所述质量监控服务器中输入车身上每个点位的算法标准值;S32'、FDS设备打点时,质量监控服务器实时获取当前打点的点位号及打点过程中FDS设备产生的过程数据;S33'、根据步骤S32'中获取的点位号,所述质量监控服务器匹配出步骤S31'中预先输入的对应该点位的算法标准值、对应该点位的FDS质量缺陷判定子算法、以及对应该点位的FDS原因归类子算法;S34'、将步骤S32'中获取到的对应于该点位的过程数据用于步骤S33'中匹配到的对应该点位的FDS质量缺陷判定子算法中进行质量缺陷判定,以判定出该点位是否存在质量缺陷;S35'、将步骤S32'中获取到的对应于该点位的过程数据用于步骤S33'中匹配到的对应该点位的FDS原因归类子算法中进行质量缺陷种类和缺陷原因的识别归类,以获得并给出质量缺陷种类和缺陷原因的归类结果,其中,本步骤只有在步骤S34'中判定出该点位存在质量缺陷的情况下才被执行。
本发明具有以下技术效果:
(1)本发明对SPR或FDS设备工作过程中的工艺数据和设备状态数据进行实时采集并通过相应的质量缺陷判定程序实现无破坏性的质量缺陷和原因判定,能够对生产中的连接点进行全检,不仅能够避免质量缺陷点漏检的情况,防止存在失效连接点的白车身流入到下一工序中,还不会因为质检而产生报废车,节省了成本,并且还能够通过质量预警判定程序判定出存在质量缺陷的点位统计情况是否满足质量预警的条件,如若满足则进行预警并让设备停止生产,以提醒员工进行故障排查,能够避免生产出更多的质量缺陷点。
(2)本发明还能够通过故障辅助判定程序模块实现在后台持续对相同质量缺陷的样本中其质量缺陷原因进行分类和统计,并按照质量缺陷原因种类统计的数量的多少由多到少进行依次排序,其中,排序越靠前的,造成这种质量缺陷的可能性越大,在进行预警时针对再次发生的同样的质量缺陷,能够根据质量缺陷产生原因的可能性大小由大到小按顺序推送每个质量缺陷产生的原因,从而可以辅助人工做故障排查,能够节省人工排查故障的时间,提升了故障排查的效率。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的架构图;
图2示出了采用FDS工艺对车身进行连接时的过程状态;
图3示出了采用SPR工艺对车身进行连接时的过程状态;以及
图4为FDS点位滑牙缺陷判定的质量缺陷判定流程图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。
通过自冲孔铆接工艺SPR或者是流钻螺接工艺FDS对车身进行连接时均能够采用本发明的轻量化车身连接质量辅助判定方法来实时在线进行质量监测。
本发明是基于分布式架构对SPR、FDS工艺生产中产生的工艺数据与设备状态数据进行采集与处理。本发明是基于大数据平台的智能监控方法,主要用于SPR、FDS两种设备的数据采集及分析处理,从而可以在线实时判定质量状态,辅助生产管理。
本发明的轻量化车身连接质量辅助判定方法,包括如下步骤:
S1、设置一个质量监控服务器。
S2、所述质量监控服务器实时采集SPR设备或FDS设备在工作过程中的每个点位的工艺数据和设备状态数据。
其中,所述质量监控服务器通过数据采集模块进行数据的实时采集。
具体地,所述SPR设备、FDS设备均具有设备数据库,当所述SPR设备或FDS设备工作时,对应的设备数据库中具有实时的工艺数据和设备状态数据,参照图1所示,所述质量监控服务器通过数据采集模块在对应设备的数据库中采集实时的工艺数据和设备状态数据。
所述数据采集模块将采集到的工艺数据和设备状态数据按照特定规则排列并通过RabbitMQ高级消息队列协议发送给质量监控服务器,并存储在质量监控服务器的数据库中。
上述特定规则排列是指将采集到的数据按照时间/工位号/设备号/点位号/过程数据(质量判定需要采集的过程特征值)进行排列,然后再发送给质量监控服务器。
S3、所述质量监控服务器执行相应的SPR质量缺陷判定程序或FDS质量缺陷判定程序,对采集来的对应每个点位的工艺数据和设备状态数据进行实时计算,以实时判定出对应的点位是否存在质量缺陷,若判定出存在质量缺陷,一并给出该点位的质量缺陷种类和造成这种质量缺陷的原因。
如判定出一个点位存在质量缺陷,则一并给出这个点位的质量缺陷的种类为FDS滑牙缺陷,造成这种质量缺陷的原因是板件强度波动。
由于质量成因复杂,一种质量缺陷可能对应不同的原因。故而,上述质量监控服务器在判定质量缺陷原因时可能会给出多种原因。
当实时判定出当前点位存在质量缺陷时,所述质量监控服务器记录下当前点位的信息,包括车身号、点位号、打点时间、打点过程数据、缺陷种类、缺陷原因,并将这些信息存入质量监控服务器的数据库中。车身上的不同的连接点位对应有各自的点位号,不同的车身也对应有各自的车身号。
上述这些信息的记录使得后续人工可以进行查看并根据这些信息针对这些质量缺陷点进行快速、有效、准确的复检,并且进行返工,从而能够避免出现漏检的情况,能够防止存在失效连接点的白车身流入到下一工序中。
S4、所述质量监控服务器执行质量预警判定程序,对存在质量缺陷的点位统计情况是否满足质量预警条件进行判定,若满足则进行预警并让相应设备停止生产,以免生产出更多的质量缺陷点。
进一步地,所述质量监控服务器存储有SPR质量缺陷判定程序、FDS质量缺陷判定程序、以及质量预警判定程序。
所述质量预警判定程序在被执行时实现以下步骤:
当统计的样本数量≤X时,在第Y个缺陷点处发生预警;当统计的样本数量=X时,缺陷点数<Y时,不产生预警,进入下一个统计周期,统计过的点数不进行重复统计;在发生预警后等到恢复生产时,当第Y+n点位为缺陷点时,预警持续发出,当第Y+n点位为正常点时,进入预警解除统计,之后连续Z个点位都正常预警才能解除,否则预警持续发出,预警解除后,进入下一个统计周期,其中,设定预警统计样本数量为X,缺陷点数量为Y,以及预警解除的连续点位数量为Z,n为1、2、3、…的自然数。
上述在发生预警后,人工会干预并进行故障排查,等修复故障之后恢复生产时,第一个生产加工的连接点点位为第Y+1点位,后续点位依次为第Y+2、第Y+3、…第Y+n,当第Y+n点位为缺陷点时,预警持续发出,当第Y+n点位为正常点时,进入预警解除统计,之后连续Z个点位都正常预警才能解除,否则预警持续发出,预警解除后,进入下一个统计周期。
下面结合一个具体的实施例来作进一步的详细说明。
在生产过程中,设备按照设定的点位和参数进行持续打点,样本总数设定为10,缺陷点数设定为5,预警解除连续点位设定为5。
预警是否产生分为以下两种情况:
1)当设备打点数量达到10个时,累计发生缺陷点数数量<5个,不产生预警,并从零开始进行打点计数,进入下一轮统计;
2)当设备打点数量≤10个时,累计发生缺陷点数数量=5个,则在第5个缺陷点位发生后产生预警,预警会提示人工进行干预,做工艺调整,预警会一直持续发出,直到满足预警解除条件。
预警解除的条件为:恢复生产时从预警产生后的第1个点位开始统计,连续5个点位都没有缺陷发生,则预警解除,之后从零开始进行下一个预警是否产生统计。
在上述步骤S4中,当发生预警时,所述质量监控服务器还通过系统界面推送每个质量缺陷点位产生质量缺陷的原因,以辅助人工做故障排查。
具体地,所述质量监控服务器中还存储有故障辅助判定程序模块,所述故障辅助判定程序模块在执行时实现以下步骤:
在后台持续对相同质量缺陷的样本中其质量缺陷原因进行分类和统计,并按照质量缺陷原因种类统计的数量的多少由多到少进行依次排序,在质量预警时针对再次发生的同样的质量缺陷,在系统界面上按照后台排好的顺序推送质量缺陷的原因,以辅助操作人员进行排查故障,恢复生产。其中,质量缺陷原因推送顺序越靠前的,造成这种质量缺陷的可能性越大。
所述故障辅助判定程序模块在执行时还可以实现当人工确定一次质量缺陷产生的原因后,记录下造成这种质量缺陷的原因。
随着生产的进行,所述故障辅助判定程序模块在后台持续统计相同质量缺陷的样本中其质量缺陷原因的种类排序可能会发生变化(由于人工确定一次质量缺陷产生的原因后,会对造成这种质量缺陷的原因进行记录),所述故障辅助判定程序模块在执行时,还可以实现根据当下生产状态实时调整推送质量缺陷原因的排序,从而使得推送的最靠前的质量缺陷原因很可能就是真正的故障原因,这提高了故障排查辅助判定的作用与效果。
所述质量监控服务器中预先设定有造成多种质量缺陷的质量缺陷原因,并按照可能性的大小由大到小进行依次排序,这是根据实际生产中的经验来预先设定好的,这样一来,在本发明的轻量化车身连接质量辅助判定方法第一次应用时就能够按顺序推送出质量缺陷的原因,从而辅助人工进行故障排查。
所述质量监控服务器内的SPR质量缺陷判定程序或FDS质量缺陷判定程序可以判定出造成质量缺陷的几种可能原因,而所述故障辅助判定程序模块可以根据可能性的大小由大到小按顺序推送质量缺陷的原因,进而供人员参考。
所述预警发生的形式以发送质量预警单的方式推送到系统界面上。所述质量预警单上具有质量缺陷点点位信息、质量缺陷种类信息、以及质量缺陷原因信息。
通过质量预警单可以查看当前质量预警产生到解除状态持续时间内的所有质量缺陷点的点位信息、质量缺陷种类信息、以及按顺序推送来的质量缺陷原因信息。只有当质量预警判定程序判定为可以进行预警解除后,质量预警单才可以被人工解除,之后才能恢复生产。
所述SPR质量缺陷判定程序包括SPR质量缺陷判定子算法和SPR原因归类子算法,所述SPR质量缺陷判定程序在被执行时实现以下步骤:
S31、预先在所述质量监控服务器中输入车身上每个点位的算法标准值。
因为不同点位分布在车身上的不同位置,采用的板材和搭接方式也不尽相同,所以每个点位所对应的算法标准值也不相同,每个点位的算法标准值经过前期的大量测试确认,不同点位用点位号来进行区分。
S32、SPR设备打点时,质量监控服务器实时获取当前打点的点位号及打点过程中SPR设备产生的过程数据。
所述过程数据包括打点过程中特定阶段的速度值、压力值、扭矩值等,还包括在连续打点过程中的速度、压力、扭矩等曲线的特征值,该特征值包括斜率、极值等。
S33、根据步骤S32中获取的点位号,所述质量监控服务器匹配出步骤S31中预先输入的对应该点位的算法标准值、对应该点位的SPR质量缺陷判定子算法、以及对应该点位的SPR原因归类子算法。
S34、将步骤S32中获取到的对应于该点位的过程数据用于步骤S33中匹配到的对应该点位的SPR质量缺陷判定子算法中进行质量缺陷判定,以判定出该点位是否存在质量缺陷。
所述SPR质量缺陷判定子算法利用大数据将质量合格的点位其关键属性特征值拟合成算式,通过该算式对获取到的过程数据进行计算处理,进而获得实时测试计算值,之后将获得的实时测试计算值与匹配到的算法标准值进行对比,若获得的实时测试计算值相比算法标准值是在允许的误差范围内,则判定为合格,不存在质量缺陷,反之,则判定为不合格,存在质量缺陷。
S35、将步骤S32中获取到的对应于该点位的过程数据用于步骤S33中匹配到的对应该点位的SPR原因归类子算法中进行质量缺陷种类和缺陷原因的识别归类,以获得并给出质量缺陷种类和缺陷原因的归类结果,其中,本步骤只有在步骤S34中判定出该点位存在质量缺陷的情况下才被执行。
所述SPR原因归类子算法是从经验出发,选取不同的工艺属性数据的连续变化特征进行归类,获得原因归类模型,利用该原因归类模型对判定点位的缺陷种类和缺陷原因进行归类识别。
所述SPR原因归类子算法是在已判定出存在质量缺陷的基础上,更进一步的数据分析,不同的原因导致的质量缺陷,其在过程数据中所表现的特性也是不同的。
所述FDS质量缺陷判定程序包括FDS质量缺陷判定子算法和FDS原因归类子算法,所述FDS质量缺陷判定程序在被执行时实现以下步骤:
S31'、预先在所述质量监控服务器中输入车身上每个点位的算法标准值。
因为不同点位分布在车身上的不同位置,采用的板材和搭接方式也不尽相同,所以每个点位所对应的算法标准值也不相同,每个点位的算法标准值经过前期的大量测试确认,不同点位用点位号来进行区分。
S32'、FDS设备打点时,质量监控服务器实时获取当前打点的点位号及打点过程中FDS设备产生的过程数据。
所述过程数据包括打点过程中特定阶段的速度值、压力值、扭矩值等,还包括在连续打点过程中的速度、压力、扭矩等曲线的特征值,该特征值包括斜率、极值等。
S33'、根据步骤S32'中获取的点位号,所述质量监控服务器匹配出步骤S31'中预先输入的对应该点位的算法标准值、对应该点位的FDS质量缺陷判定子算法、以及对应该点位的FDS原因归类子算法。
S34'、将步骤S32'中获取到的对应于该点位的过程数据用于步骤S33'中匹配到的对应该点位的FDS质量缺陷判定子算法中进行质量缺陷判定,以判定出该点位是否存在质量缺陷。
所述FDS质量缺陷判定子算法利用大数据将质量合格的点位其关键属性特征值拟合成算式,通过该算式对获取到的过程数据进行计算处理,进而获得实时测试计算值,之后将获得的实时测试计算值与匹配到的算法标准值进行对比,若获得的实时测试计算值相比算法标准值是在允许的误差范围内,则判定为合格,不存在质量缺陷,反之,则判定为不合格,存在质量缺陷。
S35'、将步骤S32'中获取到的对应于该点位的过程数据用于步骤S33'中匹配到的对应该点位的FDS原因归类子算法中进行质量缺陷种类和缺陷原因的识别归类,以获得并给出质量缺陷种类和缺陷原因的归类结果,其中,本步骤只有在步骤S34'中判定出该点位存在质量缺陷的情况下才被执行。
所述FDS原因归类子算法是从经验出发,选取不同的工艺属性数据的连续变化特征进行归类,获得原因归类模型,利用该原因归类模型对判定点位的缺陷种类和缺陷原因进行归类识别。
所述FDS原因归类子算法是在已判定出存在质量缺陷的基础上,更进一步的数据分析,不同的原因导致的质量缺陷,其在过程数据中所表现的特性也是不同的。
所述SPR质量缺陷判定程序和所述FDS质量缺陷判定程序的程序逻辑是相同的,执行时通过设备号进行区分。
上述内容中质量监控服务器在获取过程数据时所提到的特定阶段是指SPR和FDS工艺流程中的关键阶段。
结合参照图2,示出了FDS工艺流程中的关键阶段,该关键阶段包括1、预钻孔2、钻孔3、穿刺4、自攻螺纹5、拧紧6、落座(拧紧至设定扭矩)。
结合参照图3,示出了SPR工艺流程中的关键阶段,该关键阶段包括A、铆钉刺入板材B、铆钉穿刺屈服C、铆钉刺入下层板,钉腿张开,形成互锁。
下面结合具体的一种点位质量缺陷的判定实例来对本发明作进一步的详细说明。
以FDS点位滑牙缺陷判定为例:
参照图4所示,FDS设备对车身上的一个点位进行打点连接时,质量监控服务器从FDS设备数据库获取该点位拧紧阶段和落座阶段的拧紧扭矩的过程数据,根据点位号所述质量监控服务器匹配获取出预先输入的对应该点位的拧紧扭矩的算法标准值,之后利用FDS质量缺陷判定子算法中的对应的算式对获取到的拧紧扭矩的过程数据进行计算处理并获得最终拧紧扭矩的实时测试计算值,接着将获得的实时测试计算值与匹配到的算法标准值进行对比;
若实时测试计算值≥算法标准值,则判定为合格,不存在滑牙缺陷,执行下一个点位的FDS点位滑牙缺陷判定;
若实时测试计算值<算法标准值,则判定为不合格,存在滑牙缺陷,并通过FDS原因归类子算法进行缺陷原因的识别归类,在获得缺陷原因的归类结果后执行下一个点位的FDS点位滑牙缺陷判定。
本发明中通过发生预警和停止生产来提醒员工当前生产状态下存在较多的质量缺陷点,出现了生产问题,从而让人工进行干预,并且在发生预警时还会依据可能性的大小由大到小按顺序推送质量缺陷的原因,从而辅助人工做故障排查,能够提高故障排查的效率。在预警时停止生产能够避免质量缺陷点的持续产生,降低了返修率和废品率。
本发明不仅可以以全检的方式进行连接点的质量判定,在质量缺陷点的点位统计情况满足质量预警的条件后,还能够进行预警以提醒员工出现了生产问题,在预警的同时又能够推送质量缺陷的原因以帮助人工进行故障排查,进而能够实现良好的辅助生产管理。
另外,本发明可以实现在生产的同时进行连接点的实时质量判定,具有质检效率高的特点。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种轻量化车身连接质量辅助判定方法,其特征在于,包括如下步骤:
S1、设置一个质量监控服务器;
S2、所述质量监控服务器实时采集SPR设备或FDS设备在工作过程中的每个点位的工艺数据和设备状态数据;
S3、所述质量监控服务器执行相应的SPR质量缺陷判定程序或FDS质量缺陷判定程序,对采集来的对应每个点位的工艺数据和设备状态数据进行质量缺陷判定,若判定出存在质量缺陷,一并给出该点位的质量缺陷种类和造成这种质量缺陷的原因;
S4、所述质量监控服务器执行质量预警判定程序,对存在质量缺陷的点位统计情况是否满足质量预警条件进行判定,若满足则进行预警并让相应设备停止生产。
2.根据权利要求1所述的轻量化车身连接质量辅助判定方法,其特征在于,在上述步骤S3中,当实时判定出当前点位存在质量缺陷时,所述质量监控服务器记录下当前点位的信息,包括车身号、点位号、打点时间、打点过程数据、缺陷种类、缺陷原因,并将这些信息存入质量监控服务器的数据库中,以供后续复检、返工时查看。
3.根据权利要求1所述的轻量化车身连接质量辅助判定方法,其特征在于,所述质量预警判定程序在被执行时实现以下步骤:
当统计的样本数量≤X时,在第Y个缺陷点处发生预警;当统计的样本数量=X时,缺陷点数<Y时,不产生预警,进入下一个统计周期,统计过的点数不进行重复统计;在发生预警后等到恢复生产时,当第Y+n点位为缺陷点时,预警持续发出,当第Y+n点位为正常点时,进入预警解除统计,之后连续Z个点位都正常预警才能解除,否则预警持续发出,预警解除后,进入下一个统计周期,其中,设定预警统计样本数量为X,缺陷点数量为Y,以及预警解除的连续点位数量为Z,n为自然数。
4.根据权利要求1所述的轻量化车身连接质量辅助判定方法,其特征在于,在上述步骤S4中,当发生预警时,所述质量监控服务器还通过系统界面推送每个质量缺陷点位产生质量缺陷的原因,以辅助人工做故障排查。
5.根据权利要求4所述的轻量化车身连接质量辅助判定方法,其特征在于,所述质量监控服务器中存储有故障辅助判定程序模块,所述故障辅助判定程序模块在执行时实现以下步骤:在后台持续对相同质量缺陷的样本中其质量缺陷原因进行分类和统计,并按照质量缺陷原因种类统计的数量的多少由多到少进行依次排序,在质量预警时针对再次发生的同样的质量缺陷,在系统界面上按照后台排好的顺序推送质量缺陷的原因。
6.根据权利要求4所述的轻量化车身连接质量辅助判定方法,其特征在于,所述质量监控服务器以发送质量预警单至系统界面上的方式进行预警,其中,所述质量预警单上包括质量缺陷点点位信息、质量缺陷种类信息、以及质量缺陷原因信息。
7.根据权利要求1所述的轻量化车身连接质量辅助判定方法,其特征在于,所述质量监控服务器存储有SPR质量缺陷判定程序、FDS质量缺陷判定程序、以及质量预警判定程序。
8.根据权利要求1所述的轻量化车身连接质量辅助判定方法,其特征在于,所述SPR质量缺陷判定程序包括SPR质量缺陷判定子算法和SPR原因归类子算法,所述SPR质量缺陷判定程序在被执行时实现以下步骤:
S31、预先在所述质量监控服务器中输入车身上每个点位的算法标准值;
S32、SPR设备打点时,质量监控服务器实时获取当前打点的点位号及打点过程中SPR设备产生的过程数据;
S33、根据步骤S32中获取的点位号,所述质量监控服务器匹配出步骤S31中预先输入的对应该点位的算法标准值、对应该点位的SPR质量缺陷判定子算法、以及对应该点位的SPR原因归类子算法;
S34、将步骤S32中获取到的对应于该点位的过程数据用于步骤S33中匹配到的对应该点位的SPR质量缺陷判定子算法中进行质量缺陷判定,以判定出该点位是否存在质量缺陷;
S35、将步骤S32中获取到的对应于该点位的过程数据用于步骤S33中匹配到的对应该点位的SPR原因归类子算法中进行质量缺陷种类和缺陷原因的识别归类,以获得并给出质量缺陷种类和缺陷原因的归类结果,其中,本步骤只有在步骤S34中判定出该点位存在质量缺陷的情况下才被执行。
9.根据权利要求1所述的轻量化车身连接质量辅助判定方法,其特征在于,所述FDS质量缺陷判定程序包括FDS质量缺陷判定子算法和FDS原因归类子算法,所述FDS质量缺陷判定程序在被执行时实现以下步骤:
S31'、预先在所述质量监控服务器中输入车身上每个点位的算法标准值;
S32'、FDS设备打点时,质量监控服务器实时获取当前打点的点位号及打点过程中FDS设备产生的过程数据;
S33'、根据步骤S32'中获取的点位号,所述质量监控服务器匹配出步骤S31'中预先输入的对应该点位的算法标准值、对应该点位的FDS质量缺陷判定子算法、以及对应该点位的FDS原因归类子算法;
S34'、将步骤S32'中获取到的对应于该点位的过程数据用于步骤S33'中匹配到的对应该点位的FDS质量缺陷判定子算法中进行质量缺陷判定,以判定出该点位是否存在质量缺陷;
S35'、将步骤S32'中获取到的对应于该点位的过程数据用于步骤S33'中匹配到的对应该点位的FDS原因归类子算法中进行质量缺陷种类和缺陷原因的识别归类,以获得并给出质量缺陷种类和缺陷原因的归类结果,其中,本步骤只有在步骤S34'中判定出该点位存在质量缺陷的情况下才被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010737257.0A CN112015149A (zh) | 2020-07-28 | 2020-07-28 | 一种轻量化车身连接质量辅助判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010737257.0A CN112015149A (zh) | 2020-07-28 | 2020-07-28 | 一种轻量化车身连接质量辅助判定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112015149A true CN112015149A (zh) | 2020-12-01 |
Family
ID=73500007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010737257.0A Pending CN112015149A (zh) | 2020-07-28 | 2020-07-28 | 一种轻量化车身连接质量辅助判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112015149A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541707A (zh) * | 2020-12-24 | 2021-03-23 | 安徽巨一科技股份有限公司 | Fds底层板厚度判定方法、装置、电子设备和存储介质 |
CN113102984A (zh) * | 2021-04-28 | 2021-07-13 | 浙江吉利控股集团有限公司 | 汽车fds滑牙失效在线返修方法和工具、控制器及存储介质 |
EP4043975A1 (en) * | 2021-02-15 | 2022-08-17 | Siemens Aktiengesellschaft | Computer-implemented method for determining at least one quality attribute for at least one defect of interest |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006116560A (ja) * | 2004-10-20 | 2006-05-11 | Honda Motor Co Ltd | セルフピアスリベット接合方法 |
CN102004056A (zh) * | 2010-12-24 | 2011-04-06 | 上海交通大学 | 自冲铆接质量在线检测系统及其检测方法 |
CN106938315A (zh) * | 2017-03-02 | 2017-07-11 | 上海交通大学 | 一种飞机气动铆接质量在线检测装置及检测方法 |
CN108500195A (zh) * | 2018-04-04 | 2018-09-07 | 眉山中车紧固件科技有限公司 | 智能铆接质量监测方法 |
CN108971409A (zh) * | 2018-06-30 | 2018-12-11 | 合肥巨智能装备有限公司 | 一种基于力和位移曲线的铝车身自冲铆接质量控制方法 |
CN111174705A (zh) * | 2019-12-04 | 2020-05-19 | 广州市德力达智能设备有限公司 | 线缆裁剥质量监控装置 |
CN111199072A (zh) * | 2019-12-13 | 2020-05-26 | 同济大学 | 基于在线工艺库自学习的全铝车身铆接系统及其实现方法 |
-
2020
- 2020-07-28 CN CN202010737257.0A patent/CN112015149A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006116560A (ja) * | 2004-10-20 | 2006-05-11 | Honda Motor Co Ltd | セルフピアスリベット接合方法 |
CN102004056A (zh) * | 2010-12-24 | 2011-04-06 | 上海交通大学 | 自冲铆接质量在线检测系统及其检测方法 |
CN106938315A (zh) * | 2017-03-02 | 2017-07-11 | 上海交通大学 | 一种飞机气动铆接质量在线检测装置及检测方法 |
CN108500195A (zh) * | 2018-04-04 | 2018-09-07 | 眉山中车紧固件科技有限公司 | 智能铆接质量监测方法 |
CN108971409A (zh) * | 2018-06-30 | 2018-12-11 | 合肥巨智能装备有限公司 | 一种基于力和位移曲线的铝车身自冲铆接质量控制方法 |
CN111174705A (zh) * | 2019-12-04 | 2020-05-19 | 广州市德力达智能设备有限公司 | 线缆裁剥质量监控装置 |
CN111199072A (zh) * | 2019-12-13 | 2020-05-26 | 同济大学 | 基于在线工艺库自学习的全铝车身铆接系统及其实现方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541707A (zh) * | 2020-12-24 | 2021-03-23 | 安徽巨一科技股份有限公司 | Fds底层板厚度判定方法、装置、电子设备和存储介质 |
CN112541707B (zh) * | 2020-12-24 | 2024-04-09 | 安徽巨一科技股份有限公司 | Fds底层板厚度判定方法、装置、电子设备和存储介质 |
EP4043975A1 (en) * | 2021-02-15 | 2022-08-17 | Siemens Aktiengesellschaft | Computer-implemented method for determining at least one quality attribute for at least one defect of interest |
US12007871B2 (en) | 2021-02-15 | 2024-06-11 | Siemens Aktiengesellschaft | Computer-implemented method for determining at least one quality attribute for at least one defect of interest |
CN113102984A (zh) * | 2021-04-28 | 2021-07-13 | 浙江吉利控股集团有限公司 | 汽车fds滑牙失效在线返修方法和工具、控制器及存储介质 |
CN113102984B (zh) * | 2021-04-28 | 2023-02-28 | 浙江吉利控股集团有限公司 | 汽车fds滑牙失效在线返修方法和工具、控制器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112015149A (zh) | 一种轻量化车身连接质量辅助判定方法 | |
CN102096760B (zh) | 在现场故障数据中检测异常 | |
CN104374570B (zh) | 直升机传动系统部件寿命的获取方法 | |
CN111579121B (zh) | 在线诊断新能源汽车电池包内温度传感器故障的方法 | |
US20120193330A1 (en) | Spot weld data management and monitoring system | |
CN113780900B (zh) | 基于边缘计算的焊接检测系统及方法 | |
CN112091472B (zh) | 焊接过程质量融合判断方法及装置 | |
CN117310422B (zh) | 一种火工品电阻器性能测试方法及系统 | |
CN117309065B (zh) | 一种基于无人机的换流站远程监控方法及系统 | |
CN112329955A (zh) | 一种确定装备维修等级的计算方法 | |
CN112329341B (zh) | 一种基于ar和随机森林模型的故障诊断系统及方法 | |
EP4288768A1 (de) | Verfahren zum prüfen eines bauteils einer strömungsmaschine | |
CN112926756A (zh) | 一种中央空调设备ai维修知识库应用方法 | |
CN116298892B (zh) | 一种基于多维度分析的电池寿命综合评估方法 | |
CN115255566B (zh) | 一种基于高质量时域特征的焊偏实时智能检测方法 | |
CN117437197A (zh) | 焊缝缺陷的溯源和预警系统 | |
CN113591909B (zh) | 电力系统的异常检测方法、异常检测装置以及存储介质 | |
CN115186007A (zh) | 一种用于监测提醒的机载数据标识实时显示方法及系统 | |
CN114037098A (zh) | 电动车辆运营安全与维保智慧管理系统 | |
CN114565883A (zh) | 一种设备的运行故障用图形识别算法 | |
CN112598317B (zh) | 一种安全工器具实时状态评价方法 | |
CN118410975B (zh) | 动力电池的全生命周期管理方法、系统、介质及设备 | |
CN111882080B (zh) | 一种基于状态的工件生产设备维护监测方法 | |
CN115860154B (zh) | 一种配电网红外测温检测作业处理方法及系统 | |
SCHWARTZ | Statistical “sleuthing” to detect bias in visual inspection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201201 |