防錯裝置的能力模型構建及其在汽車行業的應用

王良濤

聯合汽車電子有限公司西安廠 陜西西安 710017

隨著汽車行業的發展，人類對汽車的個性化追求也在不斷提高，為了滿足消費者個性化的需求，所有汽車無論從顏色、造型還是配置上都給出了不同的方案。所以在市場上可以看到各種形形色色的汽車，即使是同一款車也出現了不同的顏色和配置。當然主機廠會將自身整車的個性化需求，傳遞到各個供應商，要求供應商所供應的零件也必須有不同的配置和外形，因此，整個汽車行業出現五彩紛呈的車型和各式各樣的零部件。同一種零部件不同主機廠要求不同，故而同一個產品族，出現各種各樣的產品，包括外形、顏色和性能。

聯合汽車電子作為國內優秀的供應商，配套的主機廠為國內外各大主機廠。為了滿足不同主機廠的需求，所有生產線都具有柔性化生產能力，即生產線可以實現快速換型，實現對多個型號產品的兼容性生產。同時隨著汽車市場的逐漸飽和，汽車行業利潤的降低以及汽車更新換代的速度加快，作為配套公司也必須做出適當的調整。從整個汽車行業來看，生產線柔性化成了必然趨勢。

柔性化可實現小批量、多品種的生產模式[1]，雖然能降低制造成本，但隨之而來的缺點也暴露無遺。對于裝配產品來說，常見的問題是錯裝、漏裝和多裝。目前常見的解決此問題的方法就是使用防錯防呆[2]，即在可能產生缺陷的位置設計相應的防錯裝置或者設計特定防錯結構，防止缺陷產生和流出。

當前存在的問題

目前對于機械結構防錯的應用比較成熟，但是很多防錯沒辦法通過機械防錯實現，這時候就需要搭建一定的防錯裝置，使用防錯裝置的方法進行防錯。隨著新技術的導入應用越來越多，例如力傳感器、位移傳感器、工業相機、接近傳感器、負壓及顏色傳感器等方法大量地被應用到防錯中，加之智能制造的逐步推進，更多的防錯技術會逐步引入到汽車工業的生產中。但是目前汽車工業對于防錯裝置的防錯有效性評估，只能做定性化的判斷，只知道其功能可以防錯，但是具體到防錯有效性水平高低，還沒法給出數據化的評價模型。這也就意味著存在一定的防錯失效的風險，即在某些特定條件下，工裝或者零件逐漸變化，當這些變化累加，忽然越過了某個臨界值，防錯就不再有效了。同時這些防錯裝置，一般都設置一定的閾值，閾值如何設定也存在一定的難度，目前的設定方法一般是通過多次試驗，得到經驗數據，這個經驗數據如果太嚴格，則誤報警率過高，太松則防錯不穩定。為了得到科學合理的閾值設置范圍，急需通過數據統計的方法，建立數學模型，根據數學模型計算得到科學的閾值范圍。

防錯原理和防錯裝置的構成

以聯合汽車電子某電子產品為例，該產品一共3個平臺，分別是1.2平臺、1.3平臺以及6平臺，一共涉及產品型號多達167個，不同型號產品要求的力學性能不同。這些產品設計的不同力學性能的彈簧，為了便于裝配，同平臺產品的彈簧尺寸設計相近，非常容易出現錯裝的情況。為了保證每個產品上裝的彈簧都是正確的，不同力學性能的彈簧設計不同的顏色，如圖1所示。

生產過程中彈簧采用自動上料方式，設備將彈簧自動送到待裝位置，使用顏色傳感器，在待料位置檢測每一個彈簧顏色，其結構如圖2所示。顏色傳感器檢測到彈簧顏色后，控制軟件通過計算與設備中庫文件數據的相似度，通過對比判斷該彈簧是否是正確的型號，以實現防錯功能。當相似度低于設置的閾值范圍時設備自動報警，只有在設置的閾值范圍內才能正常生產。

圖2 彈簧顏色檢測裝置結構

防錯裝置搭建完成伊始，裝置內是沒有數據的，也沒有判斷的閾值，需要通過外部放置待檢測零件，此案例中就是某種顏色的彈簧。因此，首先需要建立彈簧顏色的數據庫，考慮到同一個型號的彈簧，不同個體的差異、位置的差異以及工裝和環境的影響，建立數據盡量和實際生產模式相同或相近的條件。一般需要采用多個樣本，為了保證樣本數據足夠又不影響效率，一般選擇25～50個樣本為佳。每個樣本需要選擇特定區域的顏色特征，通過傳感器的學習，將這些樣本存放在數據庫中。

樣本數據庫建立完成后，只需要設置合理的閾值范圍，生產時傳感器檢測到新的彈簧，將彈簧的顏色特征和樣本數據的特性進行對比，根據相似度判斷彈簧型號是否正確，如相似度不在設定的閾值范圍內，則報警提示“NG”信號（見圖3），只有在設定的閾值范圍內提示“OK”才能正常生產。

圖3 彈簧防錯相似度檢測

模型的構建

防錯裝置數據庫中學習了足夠的數據庫相當于設備數據中樞中保存了足夠的合格樣本，接下來需要在自動生產模式下，不同外部光照條件，不同批次的彈簧，統計正確彈簧的相似度數據，以得到此彈簧的閾值設置范圍。為了確保閾值的設置能兼容因設備、環境、彈簧等變化產生的變差，閾值該模型設計了±3σ的計算方法，即合格彈簧數據統計后，自動計算±3σ的控制線L1和L2，閾值設置需要包含這個控制線。

為了確保閾值的設置合理，防錯裝置要能有效防止其他型號彈簧的混入，還需要統計其他型號彈簧在此模型下的相似度數據。本試驗依然在自動生產模式下，收集25組其他顏色彈簧的數據，輸入到模型的數據統計表。

為了保證設備、環境以及原材料的變差都被考慮在內，該模型依然在自動模式下，計算其他顏色彈簧檢測數據的±3σ的數據分布線L3和L4。只有L1、L2黃色曲線組成的區間和L3、L4藍色曲線的區間完全分離，才認為該防錯裝置能實現防錯功能，計算得到的數據轉化為曲線如圖4所示，其中紅色曲線為人為設置閾值曲線。

圖4 閾值設置曲線

對于相似度這種指標不可能大于100%，因此可以看作是單邊公差，超過100%計算結果認為是100%，因此只要設置下面的紅色曲線即可。從圖中可以看出，閾值設置在L2和L3之間都可以有效區分OK和NOK的彈簧，但是具體設置在哪里合適，需要看公司的策略。如果把安全性放在首位，則閾值線可以接近OK區域L2的下邊界；如果把報廢放在首位則閾值設置靠近NOK區域上邊界L3。一般防錯會把安全性放在首位，因此，案例中將閾值設置在靠近OK區域下邊。

防錯裝置能力評估

為了將防錯裝置的能力量化，需要將防錯裝置對OK件和NOK件的區分度和防錯裝置的分辨率考慮在內。防錯能力Capabilities（以下簡稱CaPa），CaPa=安全區域寬度/（NOK區域寬度/OK區域寬度×裝置分辨率）。

以彈簧顏色防錯為例，安全區域寬度為L2-L3=86.973%-56.858%=30.115%；OK區域寬度為L1-L2=104.675%-86.973%=17.702%；NOK區域寬度為L3-L4=56.858%-29.622%=27.236%。設備使用的傳感器為顏色傳感器，其分辨率為1，因此該防錯裝置的能力為：

其中，（|L3-L4|·|L1-L2|）可以理解為防錯裝置對OK件和NOK零件的區分風險程度，NOK檢測數據越穩定L3-L4越小，說明風險程度越低，防錯能力越強；同時OK件檢測數據越穩定則L1-L2越小，說明OK件分布很穩定，風險也越低。|L2-L3|·|閾值min-L3|可以理解為防錯裝置的安全程度，這個數據越大說明越安全，防錯能力越強。防錯能力通過模型自動計算如圖5所示。

圖5 防錯能力模型計算結果

防錯裝置的能力評估，需要建立在裝置能有效防錯的基礎上，即OK區域和NOK區域完全分離。即L2-L3＞0，因此，必須防錯能力CaPa＞0才認為此裝置是可用的，才做能力計算。CaPa數值越大說明防錯裝置的防錯能力越強，對工作環境、原材料及設備的變差兼容性越高。在實際應用中為了確保防錯裝置長期穩定有效，還需要定期對防錯裝置進行能力分析評估，發現能力不足時需要及時對防錯裝置進行優化改進。一般Capa＞1，則認為此防錯能力處于非常高的水平，每兩年對裝置做一次能力評估即可；0.5＜Capa≤1，則防錯能力較高，需要每年做一次防錯能力驗證；0＜Capa≤0.5，則說明防錯能力比較有限，需要半年甚至每月做一次防錯能力驗證；CaPa＜0，則說明防錯裝置無法有效防錯，存在缺陷流出風險，需要重新考慮搭建防錯裝置或者防錯方法。

運用此方法對其他的防錯裝置進行了防錯能力分析評估，目前此方法已經運用到嵌件長短的負壓防錯，PCB壓裝后pin針高度及裂紋防錯，摩擦元件有無的位移防錯等。

結語

通過對防錯裝置的防錯原理分析，運用數學模型對防錯數據進行統計和數理運算，構建出防錯能力模型，在評估生產環境、原材料和設備變差等因素后，構建了防錯能力計算方法。量化評估了防錯裝置的防錯能力，便于工程人員對防錯裝置的有效性有一個量化的概念。對于日益多樣化、個性化的汽車行業以及相關配套產業來說，具有一定的指導意義。實際批量生產驗證，文章的構建防錯能力模型，可以橫展并應用到其他防錯裝置的能力評估，提升了人們對防錯裝置有效性的理解。同時該模型不僅用于汽車行業，在類似使用防錯裝置的制造行業均可采用。