趙娜,劉林波
(陜西重型汽車有限公司,陜西 西安 710200)
隨著“互聯網+”時代的到來,智能化、網聯化、共享化已經成為汽車產業發展的重要方向。要實現智能化制造,則離不開大數據分析處理平臺的支撐,智能技術不僅對設計開發能力提出了更高要求,也迫使數據分析應用能力要更上一個臺階。因此,如何應用數據分析處理平臺,如何使數據分析方法更科學更嚴謹,這已經是現階段智能設計需要探索研究的主要課題。本文以壓油管接頭的釬焊設計為例,借助minitab數據處理平臺,介紹了如何對釬焊過程的參數及方法進行最優化設計,以保證壓油管焊接質量的可靠性,從設計源頭杜絕因焊接缺陷產生的壓油管滲油或漏油現象。希望對工業制造中相關焊接的設計開發參數確認活動、生產制造活動或質量提升活動提供參考和幫助。
壓油管在實際裝配過程中,兩頭需要與接頭體焊接成一體,如圖 1,為保證油管密封性能良好,本例選擇釬焊工藝方式。對釬焊焊接的質量要求如下:a、焊縫接頭表面光滑,添角均勻,光滑圓弧過渡;b、接頭無過燒、表面嚴重氧化、焊縫粗糙等缺陷;c、焊縫無氣孔、夾渣、裂紋、焊瘤等現象。
但在實際焊接成型后,壓油管出現滲油漏油、密封不良等現象,且比例較高,詳細調查發現,是因為焊縫出現表面氣孔所致,如圖 2。因此,本文重點針對表面氣孔現象進行設計分析。表面氣孔測量儀器是10倍放大鏡,由檢驗員目視觀測和判斷。

圖1 壓油管結構

圖2 焊縫表面氣孔

圖3 焊接過程因果矩陣
焊接前要清除焊接表面及接合處的油污、氧化物、毛刺及其雜物,之后進行清潔度檢測,保證焊合面及釬料的干燥度、清潔度。
焊接設備:射吸式焊槍 H01-6;焊接材料:S221 錫黃銅焊絲(直徑φ3.0);釬劑:硼砂 100;焊接氣體:工業氧氣、乙炔;氧氣壓力:0.4~0.6MPa;乙炔壓力:0.02~0.03MPa;
通過對釬焊過程的所有相關輸入進行因果矩陣分析,可以看出,得分排最前的,如圖 3,是影響表面氣孔的主要因素,分別是焊接間隙、零件清潔度、人員操作方法、加熱保持時間。零件清潔度可以通過加強檢驗等手段解決,人員操作方法不當也可通過培訓、指導教育等提升,剩下兩個關鍵影響參數,焊接間隙和加熱保持時間,如何設計它們的最優配置,則需要我們通過進行DOE實驗設計方法進一步分析。
實驗固定因子:釬料、釬劑、焊炬、噴嘴、氧氣/乙炔壓力、焊接人員
實驗因子:X1焊接間隙、X2加熱保持時間
響應變量:Y 焊接表面氣孔
實驗方法選擇:2因子2水平全因子實驗,中心點測量5組數據作為仿形實驗。
因子水平及中心點水平設定如下:
X1焊接間隙(單位mm):低水平15.1+0.05(記作15)、高水平15.2+0.05(記作15.2)
X2加熱保持時間(單位s):低水平2±1(記作2)、高水平8±1(記作8)
中心點:X1焊接間隙15.1_(+0.10)^(+0.05)mm mm(記作15.1)
X2加熱保持時間 5±2s(記作5)
總的實驗次數 22× 2 + 5 = 13次;樣本量:150 /次
記錄結果:每次實驗分別記錄出現的不合格數量,如表1
[分析工具]:minitab軟件---DOE(全因子設計)

表1 DOE實驗數據及結果

圖4 模型分析結果
4.4.1 模型有效性評估(方差分析法)
假設——H0:模型無效;Ha:模型有效;分析結果如圖4所示,結果說明:
(1)主效應和 2因子交互作用中主效應的 P值=0.000<0.05,原假設H0不成立,模型有效。
(2)彎曲項的P值=0.749>0.05,所以數據無彎曲趨勢。
4.4.2 各項效應評估

圖5 效應評估

圖6 效應結果分析
從圖5和圖6計算數據中可以觀察到:
(1)焊接間隙和加熱保持時間的 P值分別為 0.028和0.000,均小于0.05,因此主效應顯著。
(2)焊接間隙*加熱保持時間交互作用的P值=0.147>0.05,因此2因子的交互作用不顯著。

圖7 殘差診斷結果
從圖7殘差診斷圖中可看到沒有異常情況出現,說明模型與觀測數據擬合較好 。
4.4.3 參數最優化配置
結合圖8主效應圖和圖9優化圖結果,可以得到的最優化組合參數為:焊接間隙15.2+0.05mm,加熱保持時間8±1s。

圖8 主效應圖

圖9 優化圖
回到之前的實驗數據,驗證實驗數據與實際是否契合,如表2,可以驗證確定,在預測的的最優化組合參數(焊接間隙15.2mm,加熱保持時間8s)時,試驗中的不合格數分別是 1、0,數量最少,模型的預測結果與實踐未見相悖,理論與實踐高度契合,理論結果可應用于實際生產實踐活動中。

表2 比對驗證實驗效果
本文分析了在設計壓油管焊接工藝參數及方法時,如何利用minitab軟件進行DOE實驗設計分析,以找到最優匹配參數或方法,保證壓油管質量及可靠性。DOE實驗設計方法能夠為我們在設計開發、工藝設計過程中提供科學、嚴謹的數據分析方法,通過大量實驗數據,建立分析模型,尋找各因素因子之間互相影響互相制約的潛在關系,并根據我們希望得到的結果,匹配最優的因子設計水平,為后續批量應用打下良好基礎,對工業設計活動具有指導作用和實踐價值,此法也可應用于農業、服務業等領域。