航空軍品生產過程中的數據管理

殷亮

摘 要：隨著飛機性能的提升，航空軍品對質量的要求在不斷增加，產品的合格率和質量穩定性顯得尤為重要。本文章分析了在航空軍品生產過程中數據管理的現狀和問題，并以某航空發動機葉片合格率提升為例，闡述了通過數據管理提高產品質量的一些成效，對于軍品生產的企業具有一定的借鑒意義。

關鍵詞：航空軍品;數據管理;工業互聯網;葉片合格率

中圖分類號：F270.7 文獻標識碼：A 文章編號：1671-2064（2019）12-0013-02

0 引言

航空產品在生產過程中產生了大量的數據，通過數據采集、分析找出影響因素和關鍵的控制點，制定措施對其進行改進和優化，從而提高生產過程的穩定性，提高產品的合格率。因此，向數據要質量和效益是當前各軍工企業越來越重視的方向。

1 生產過程中的數據

生產過程中的數據包括生產流程數據和工藝數據兩大類。

生產流程數據指生產過程中的與生產流程相關的數據，包括了各工序生產的周期，等待的周期、工時的統計、設備的維保時間、設備的有效利用時間、物料的采購周期、供應商的評價數據等等。生產流程數據對于生產制造的管理提升起到決定性的作用。

工藝數據指生產過程中產生的與生產工藝相關的工藝參數，包括各工序的工藝參數、原材料的技術指標、產品的實驗數據、產品的工藝更改數據、檢驗的具體缺陷數據等。工藝數據目前有兩個主要特征：一是由于大部分的企業尚未實現完全自動化，數據的采集依賴人工記錄，因此數據在時間上有一定的滯后性;二是工藝數據隨時間波動，部分數據表現為復雜的非線性特征，并且之間存在相互耦合的現象。工藝數據對于優化產品的生產工藝，提高生產效率，提高產品的生產合格率，維護產品的質量穩定性具有重要意義。

2 生產過程中數據管理的現狀及分析

當前各航空企業對生產過程數據較為關注，通過購買市面上的成熟系統MES/SPC等或者自己開發出來的生產控制系統對生產過程中的流程數據進行收集并關聯，用于指導生產管理，取得了很好的效果，例如行業內的昌飛、沈飛、黎明等主機廠，非常值得學習和借鑒。

就MES（生產執行系統）而言，可監控從原材料進廠到產品的入庫的全部生產過程，記錄生產過程產品所使用的材料、設備，產品檢測的數據和結果以及產品在每個工序上生產的時間、人員等信息。這些信息的收集經過MES系統加以分析，就能通過系統報表實時呈現生產現場的生產進度、目標達成狀況、產品品質狀況，以及產的人、機、料的利用狀況，這樣讓整個生產現場完全透明化。通過MES系統收集的數據，可以提高生產數據統計分析的及時性、準確性，避免人為干擾，促使企業管理標準化，同時也可以使企業內部現場控制層與管理層之間的信息互聯互通，以此提高企業核心競爭力。

由于航空軍品基本都是多品種小批量的訂單，生產流程也很長，因此在實際生產中，任務、資源、工序流程復雜，約束條件很多，并且完全是一個動態的過程。部分軍工企業需要的就是在可以容忍的時間內（例如10分鐘）排出一個最優化的調度計劃。并且這個排程計劃的優化程度是可以判斷和量化的，同時還可以預測對今后的影響（比如可以看到三個月后的情況）。對此，部分軍工企業上馬APS系統。

相比生產流程數據，大多數的航空企業對于生產過程中的工藝數據的收集和使用并不十分重視，管理薄弱。突出表現在：（1）數據的覆蓋面不全。雖然軍品的生產要求所有生產記錄必須進行保存，但是記錄的只是部分的工藝數據，還是有很多工藝數據沒有被記錄下來。沒有記錄下來的原因一是由于憑經驗舍棄的數據，二是沒有相應的手段進行測量，無法記錄。（2）數據的使用率不高。各航空企業的建立時間都很早，航空軍品的生產至今已經積累了很多的數據，但是大部分數據都是紙質保存，作為質量審核的資料來對待，并沒有真正用起來。（3）數據的質量不高。由于目前的數據記錄工作嚴重依賴操作人，手工記錄增加了操作人的工作量，同時也增加了記錄的出錯率。（4）數據的“孤島現象”突出。航空軍品的生產流程較長，各工序之間的數據未進行關聯，形成數據孤島，無法進行全面的分析。

3 數據管理與工業互聯網

在大數據技術興起的工業領域，數據管理的作用越來越突出。德國提出的工業4.0，美國提出的先進制造業國家戰略、英國提出工業2050戰略、法國提出未來工業、歐盟提出歐洲2020、日本提出科技工業聯盟以及我國的中國制造2025均提出了智能制造的概念，同時也都指出了數據管理的重要性，通過數據管理得到效益的例子屢見不鮮：

作為世界最大的提供技術和服務業務的跨國公司，GE每天分析各類機器的5000萬種參數，這些參數來自1000萬臺工業設備上的傳感器，通過對這些數據的采集和分析，使生產效率和產品質量得到了提升，開發和推出新產品的周期被縮短，同時成本也降低。在GE的數字化蒸汽電廠中，1萬多個傳感器遍布在發電廠內，他們傳輸的數據能夠幫助管理者實時對關鍵流程進行監控。燃料和空氣是蒸汽和發電過程的兩個元素，燃燒混合燃料當中的燃料過多，可能會導致排放增加，空氣太少，又會導致燃燒效率降低。通過數據分析，微調電子參數，效率就可以提高一個百分點，相當于為電廠10年內增加2000萬美元的收入。

機械是生產工具也是工業資產。通過數據采集分析，挖掘設備的使用規律，提高資產性能，延長資產壽命，增強資產安全。據測算，通過數據管理和工業互聯網，能夠幫助航空業提升1%的燃油效率，能節省300億美元燃油開支;幫助提升1%的石油勘探資本利用率，能節省900億美元支出;幫助鐵路行業提升1%的運營效率，節省270億美元;幫助醫療行業提升1%效率，能夠節省630億美元。預計到2020年，全球得益于工業互聯網，將帶動GDP增量達15萬億美元，相當于目前美國GDP總量的90%，其中數據管理是工業互聯網的核心。

當前我國航空軍品生產過程中由于行業的特殊性及保密的要求，真正運用工業互聯網的企業并不多，但是數據管理的理念越來越受到重視。

4 探索實例

某航空發動機葉片鑄件的合格率較低，近兩年交付量急劇增加，成本隨之上升。在上述工藝數據管理的現狀下，某軍工企業利用數據挖掘技術對該葉片的質量進行提升，作為企業對數據挖掘技術在生產過程中的應用的一次探索。

4.1 工藝路線

該葉片鑄件的主要工藝路線圖1所示。

4.2 MineSet軟件

本實例采用MineSet軟件進行數據挖掘分析，MineSet軟件是由SGI公司和美國Standford大學聯合開發的多任務數據挖掘系統。MineSet集成多種數據挖掘算法和可視化工具，可以直觀地、實時地發掘、理解大量數據背后的知識。

4.3 工作流程

本文章通過對10批次葉片的生產數據進行收集，包括葉片型殼、熔煉澆鑄工藝參數以及葉片質量結果，利用MINESET軟件進行分析，從而找出數據對結果的影響，識別工藝關鍵控制點，通過改善控制點，使葉片交付合格率提升：

項目組首先成立了項目團隊，包括了負責人、技術人員、現場操作人等。通過項目章程規定了項目進行過程中每個人的職責、例會制度、數據采集的流程等。由于部分參數沒有自動化采集的設備，因此，組織技術人員列出數據收集項，設計數據收集表格并就如何收集數據對操作人進行培訓，同時安排操作人手工進行記錄，由專人定期對各工序的數據進行收集并錄入電腦中，便于后續進行分析。數據采集過程中，要定期進行分析，對于分析出來的結果，及時反饋給現場操作人，并組織技術人員和現場操作人員共同制定改進措施進行改進。數據分析的結果、改進措施，改進的結果均形成檔案留存，便于后續對比查閱。

4.4 數據參數設定

探索階段主要收集熔煉和后工序工藝過程參數，根據工藝控制要求，收集的參數內容如下所示：

批號、模組號HC、型殼重量/g、操作人、日期、時間、坩堝容量、坩堝使用次數/次、母合金重量/kg、母合金熔化真空度/Pa、精煉溫度/℃、精煉時間、精煉真空度/Pa、澆注溫度/℃、澆注真空度/Pa、澆注速度/s、型殼保溫溫度/℃、型殼保溫時間/min、石墨保溫圈使用時間/爐、熱電偶使用時間/爐、型殼位置、漏斗使用次數/次、葉片編號、初檢報廢數量、報廢原因、缺陷位置、晶粒度報廢數量、晶粒度報廢原因、X射線報廢數量、X射線原因、熱處理設備、熱處理固溶溫度℃、充氬壓力bar、降溫時間（1210℃至1000℃）分/m、熱處理報廢數量、熱處理報廢原因、一次熒光報廢數量、一次熒光報廢原因、矯形操作人、矯形報廢數量、矯形報廢原因、去應力操作人、去應力設備編碼#、去應力溫度℃、去應力報廢數量、去應力報廢原因、目視檢驗報廢數量、目視檢驗報廢原因、二次熒光報廢數量、二次熒光報廢原因、終檢報廢數量、終檢報廢原因。

4.5 分析結果及改進

利用樸素貝葉斯方法進行重要性分析，從分析可以看出，影響最重要的前5位參數為：時間段48.98%，葉片位置14.79%，操作人13%，澆注真空度7.17%，澆注溫度2.34%，其他參數總計占13.72%。通過數據表明，澆注時間、葉片位置以及操作人員是造成葉片報廢的前三個因素，應該重點加強控制。

對影響合格率的前三個影響因素進一步進行分析，結果表明，在中午、下午和晚上時間澆注的葉片合格率相近，介于54.2%～59.1%，上午的合格率為37.5%，早晨和凌晨合格率最低，分別為37.5%和23.8%。葉片位置從1～6的合格率分別為64.5%、41.9%、31%、66.7%、20.8%和52%，其中位置5最低，僅為20.8%，其次為位置3和2，為31%和41.9%。操作人員影響方面，王某合格率最高（70%），其次分別為趙某某（47.1%）、高某某（47%）、趙某某（36.2%）。

對此，項目組一方面加強操作人員技能培訓，提高操作水平，將操作人員薪酬與葉片合格率掛鉤，提高操作人員的積極性;另一方面在現有生產工藝的基礎上，使用模擬仿真手段，收集相關材料的經驗或計算參數。基于實際生產條件及工藝，開展葉片凝固流場、溫度場、應力場和組織模擬研究，實現葉片缺陷、結構變形等可視化預測，并提出工藝改進方案。經過上述兩方面的措施，后續葉片的合格率呈上升趨勢，平均合格率由45%上升到50%。

4.6 建議

（1）繼續收集數據，提高數據模型的可信度，為將來更加精確的分析做好準備;（2）對于澆注速度等參數，通過設備改造，改為自動記錄，避免手動記錄造成的誤差，以更符合實際的生產情況;（3）軍工企業的數據需要進行保密，尤其涉及一些具體的軍品型號任務要更加注意。

5 結語

數據是資產，是一個企業的核心資源，受到越來越多企業的重視。軍工企業承擔著富國強軍重要使命，更應該管理好數據，利用好數據，使軍工企業更好更快的發展，保障我國的國防事業邁向更高的臺階。