數字化汽車焊裝智能制造轉型研究和思考

馬堅，彭惠平

江鈴汽車股份有限公司 南昌 330001

根據相關戰略規劃文件，國家部署全面推進制造強國的行動綱領，大力推動以管理制造為主導的第四次工業革命。但是，以智能制造為主題的研究和實踐在各行各業全面展開，在國家政策示范和省市創新試點的刺激下，大批的企業與智能制造集成商合作推出了不少樣板工程。

汽車行業的工業化、信息化融合進程初期以制造執行系統（MES）為主，過程中發現智能制造不僅僅是制造一兩個環節，還需要打通從產品設計到銷售服務的整個行業價值鏈鏈條，并融合到整個制造體系生態圈，產業重構行業融合，同時對于制造過程本身存在的重大的工程技術瓶頸問題，必須用數字化思維來思考轉型。

智能制造轉型的重大工程技術問題

在全球工業發展的歷史上，已經發生了三次工業革命。新技術推動生產力，生產力的發展促進了產業組織分工合作不斷細化，而細化的分工反過來制約著生產力的創新發展。第四次工業革命的浪潮帶來的產業邊界重構需求勢在必行，生產關系要適應新發展的生產力需求，數字化是制造企業邁向未來的必由之路。

傳統制造面臨的兩類不確定問題：客觀不確定性和主觀的不確定性。

1）客觀不確定性 如焊接過程涉及電、力、磁、流動、傳熱、相變及冶金等物理現象，是個多變量耦合、高度非線性的熱加工過程，相關過程識別困難導致質量的不確定性。

2）主觀的不確定性 如制造過程中涉及人、機、料、法、環等多重因素，各種實時數據未被采集、加工、分析及利用，實際生產的結果報表無法關聯過程的不確定性。智能制造，利用先進的信息技術，比如物聯網、網絡通信、邊緣計算、大數據、人工智能等技術與工廠制造要素結合，認識和控制制造系統中的不確定性問題，建立模型量化指標，形成PDCA改善循環，挑戰更高的目標。

汽車焊裝智能制造轉型面臨的重大工程技術問題和需求是質量控制在汽車車身制造最重要的兩個因素——焊接強度與車身尺寸，目前國內外汽車工廠都是采用離線抽樣檢測來為控制，檢測效率低，無法全面了解所生產車身全部焊點的質量狀態，也無法判斷生產車身的尺寸精度變化對門蓋裝配的影響，造成大量人工工時檢測和返工返修的浪費。同時，為滿足客戶安全性美觀性要求，產品存在至少5%焊點冗余設計和門蓋調配等各種浪費。因此，需要建立質量控制模型，數字化控制質量。

精益生產管理控制缺乏數據分析，持續改善的實施難度大，浪費與無價值但必要的活動容易混淆，改善實施循環效果評估難，需要建立精益生產模型，衡量精益指標數字化。

技術路線

現代汽車工業設計都是在現實世界和數字世界同時構建?，F實世界通過工業物聯網將生產線要素連接在一起，將具有感知和監控能力的各類數據采集，控制傳感器或控制器及移動通信、智能大數據分析技術融入到工業生產過程各個環節，包括傳感器和執行器連接的網絡計算系統。

系統監控和管理價值鏈上的在生產范圍內外的人、機器、工具和庫存的健康狀況和行動，并使用所收集的數據，在數字世界上進行運算推演，以數字世界低成本的試錯來避免現實世界的實際錯誤。數據反映客觀事物屬性的記錄，是信息的具體表現形式，數據經過加工處理成為信息，信息通過數據傳播，創造價值，并形成持續改善的反饋循環，最終將傳統制造升級到智能制造。

工業物聯網關鍵技術如圖1所示，包含識別和感知技術（條碼、RFID、傳感器等）、網絡與通訊技術和數據挖掘技術，通過工業物流網系統的自感知，自學習及自決策融合實現物理世界和數字世界的有機聯結。

圖1 工業物聯網環境下的數字物理世界的融合

實施方案

1.建立工業物聯網大數據平臺，實施智能制造管理的精益數字化

建立工業物聯網大數據平臺（見圖2），平臺收集的數據包括：設備運行、可靠性（預測維修），產品以及過程的質量要素，夾具設備的定位監控和車身尺寸在線測量，焊接過程參數監控和質量評價，白車身間隙斷差，生產物料消耗以及能源消耗等。目前存在的難點主要有：生產線設備品牌多，數據接口和操作界面不同，控制設備品牌多且雜，型號多，系統結構零散；PLC、傳感器視頻監控等系統不統一，相關數據的采集、處理、識別、機器學習、模型和部署算法涉及多專業交叉融合，毫秒級實時數據量巨大；收集的時點、收集的預處理清洗及收集數據的特征變化可用性處理需要在平臺建立過程中不斷地調整，達到數據可用的要求。

圖2 工業大數據平臺的定位

實施方法：利用OPC開發系統通訊采集數據，標準化I/O；根據需求增加采集各種傳感器和控制器以及電動機模擬量數據；部署工控機、交換機和軟件；存儲處理數據，利用數據，構建精益數字化識別浪費實施改善。以制造過程中輸送設備滾床為例，大數據平臺監控滾床電動機的溫度和振動傳感器的數據，每天的運行數據作為基礎標準，及時發現異常升溫，異常振動初期的特征，給出預測性的提前檢修預警，避免生產中斷帶來的損失。

智能制造管理需要把工廠精益數字化指標作為輸入和輸出，在現實世界的價值流分析可作為專家知識經驗整理轉換為精益數字模型。產品制造系統的全員面對同一個數據產生的信息價值流，在可視化的數據信息下清晰地發現浪費產生的點，專業分工的模糊地帶完全被覆蓋，避免企業內部扯皮內耗的現象，部門和人的責權利因此也能得到明確，增值價值在鏈條上可以被關注，投入足夠的資源去重塑。

2.利用平臺數據，構建車身尺寸監控系統，實時反饋控制過程裝配質量

目前存在的難點是：車身加工工藝流程長，影響零件多，公差累積誤差，夾具定位變化、產品設計等離散型不確定因素綜合影響，監控難度大，造成實際車身精度對焊裝總裝門蓋裝配調整工作量影響很大。目前控制手段：離線抽檢和人工調整。

研究技術方法和技術手段：首先通過前期尺寸工程開發，確定定位系統和尺寸公差設計，分析定位系統的穩健性和尺寸公差的模擬可達成率；其次，利用激光位置傳感器在線測量監控關鍵定位數據，結合工廠車身在線檢測系統測量的車身數據，匹配車身制造的過程能力，建立預測裝配模型，比對門蓋裝配的間隙斷差的數據和預測的差異，修正門蓋裝配的模型，通過工位的操作可視化屏，實時指導員工的裝配操作變化；最后，未來可引入機器人門蓋視覺裝配系統，就能達成閉環反饋控制自適應的適配最佳門蓋間隙斷差，減少調整的工作量和人員需求。

3.利用平臺數據，構建焊接質量監控系統和研發焊接自適應控制器

目前，國內外大量關于焊接實時監控的研究，其面臨的瓶頸在于方法的泛化性與通用性不足。存在的難點在于，對電阻點焊過程還存在認知不充分的情況，傳感監測技術在電極位移、電極壓力和聲響發射等熔核形成的本征過程信號在傳統成熟焊接設備沒有實際應用，研究僅局限于實驗室的環境，缺乏應用場景的深度和廣度。并且由于自適應控制器需要在0.78ms完成數據信息的識別判斷決策控制的過程，這種實時的隨機響應能力，設備的能力尚不能支持，雖然研究在不斷進步，成果也不斷涌現，但是還無法形成突破實際應用場景，改變生產或檢驗的模式。

本文的研究技術方法和技術手段是在機器人焊接設備上安裝動態電阻、電極壓力、電極位移、聲發射、熔核尺寸、熔核溫度的特征信號檢測傳感器，利用平臺收集記錄數據，與工廠制造執行系統的車身過程監控相結合，確認每臺車每個焊點的相關信息與過程數據相關聯分析各組數據建立焊點質量預測模型，設定質量合格的閾值，通過人工檢測確認預測模型的準確度和通用性。

對模型進行修正，分成兩步驟實施。

1）通過工業物聯網的大數據分析，建立焊接質量在線監控系統，對偏離正常數據曲線（圖3中的紅色線）的焊點進行報警跟蹤（建立特征信號數據基于大數據的合格閾值，超出會監控報警，圖示以動態電阻說明），取消人工檢測。

圖3 焊接過程動態接觸電阻的時間變化曲線[1]

2）在特征信號模型成熟的情況下，與質量模型（熔核）結合，設計以熔核為預測控制變量，且考慮適應各種工況的變化模糊控制的閉環智能自適應控制器熔核質量預測模型，提高精準度和泛化性，逐步應用到生產線的實際過程控制。

質量是設計制造而非檢測出來的。通過研究大數據平臺系統的數據有效性分析，將給產品設計提供正面反饋，減少產品設計和工藝設計制造過程的浪費。結合設計模擬仿真和大數據模型智能判斷，優化傳統車身結構，鋁鎂輕量化材料的焊接普及，甚至可以在異種金屬的連接方面的應用，推動車身設計革命性的改變。

隨著工業物聯網、工業大數據、人工智能等新興技術的發展，配合工業裝備智能化產業升級，建立能夠適應多種應用場合的高精度質量評價與控制模型，突破電阻點焊質量監控技術瓶頸，真正應用于汽車智能制造。

預期目標

建立以工業物聯網大數據采集的硬件系統和網絡系統架構，統計分析軟件的自主知識產權平臺系統，應用于汽車工廠的精益數字化改善的過程，通過消除精益數字化指標識別的浪費，來提高工廠的效率降低運行的成本。

在工業物聯網大數據平臺基礎上，構建在線質量監測控制系統，通過質量監控系統的學習及預測模型，在線獲得車身質量的評判，在此基礎上設計以焊接質量為模型的自適應焊接控制器，提高焊接精度和準確度。

1）取消焊接撬斬、超聲波檢測和夾具點檢等檢查工序。

2）減少車身返修返工，降低人員使用數量。

基于平臺研究基于價值流分析的精益生產過程指標，推廣精益數值化指標到整個從產品設計到制造、物流、銷售及服務整個價值鏈，持續發掘改善企業的整體績效

結語

在數字化建設的過程或是數字化轉型的過程方面，由于學?？颇?、專業分工的差別，數字構建往往需要找IT工程師，其思維誤區容易造成最終設計的應用不適合制造實際。因此，轉型過程中，傳統制造業的角色必須主動直接地去設計建立數字模型，再通過專業IT人員去實現。

現代制造業的產品從設計到制造基本上打通了數字化模型、數字孿生的概念，嚴格來說，數字世界是早于物理世界的誕生，在后期的控制和管理中，兩個世界由于其特性可以在認知層面高度一致。