CN105785943B - 补偿误差的方法、单元、系统、测量设施、介质 - Google Patents
补偿误差的方法、单元、系统、测量设施、介质 Download PDFInfo
- Publication number
- CN105785943B CN105785943B CN201511030781.XA CN201511030781A CN105785943B CN 105785943 B CN105785943 B CN 105785943B CN 201511030781 A CN201511030781 A CN 201511030781A CN 105785943 B CN105785943 B CN 105785943B
- Authority
- CN
- China
- Prior art keywords
- production
- data
- value
- model
- measurement
- 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.)
- Active
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000004519 manufacturing process Methods 0.000 claims abstract description 458
- 230000008569 process Effects 0.000 claims abstract description 34
- 238000003070 Statistical process control Methods 0.000 claims description 34
- 238000012544 monitoring process Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 230000004048 modification Effects 0.000 claims description 12
- 238000012986 modification Methods 0.000 claims description 12
- 238000005553 drilling Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000003801 milling Methods 0.000 claims description 8
- 238000000275 quality assurance Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 238000009529 body temperature measurement Methods 0.000 claims description 4
- 239000011248 coating agent Substances 0.000 claims description 4
- 238000000576 coating method Methods 0.000 claims description 4
- 238000000227 grinding Methods 0.000 claims description 4
- 238000005498 polishing Methods 0.000 claims description 4
- 239000004576 sand Substances 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims description 4
- 238000003466 welding Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000007514 turning Methods 0.000 claims description 3
- 238000010146 3D printing Methods 0.000 claims description 2
- 239000000654 additive Substances 0.000 claims description 2
- 230000000996 additive effect Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000005520 cutting process Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000004080 punching Methods 0.000 claims description 2
- 238000009790 rate-determining step (RDS) Methods 0.000 claims 3
- 238000005304 joining Methods 0.000 claims 1
- 238000003908 quality control method Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
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
-
- 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]
- G05B19/4184—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 fault tolerance, reliability of production system
-
- 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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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]
- G05B19/41885—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 modeling, simulation of the manufacturing system
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32099—CAPP computer aided machining and process planning
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40111—For assembly
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42155—Model
-
- 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)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
补偿误差的方法、单元、系统、测量设施、介质。本申请涉及用于补偿生产过程中出现的误差的方法。该方法(100)包括:生成实际属性数据,该实际属性数据包括根据生产模型在生产组件中生产的至少一个样本物体的属性的所获得的值;执行利用物体的实际属性数据的属性的所获得的值和标定属性数据的相应属性的设定值的标定‑实际值比较(150),从而生成偏差数据;以及基于标定属性数据和基于偏差数据来自动创建(170)适合的生产模型,其中,适合的生产模型在用于在生产组件中生产适合的物体的适合的生产过程中是能够使用的,并且与标定属性数据不同,使得在生产过程中出现的误差在适合的生产过程中被至少部分地补偿。本申请还涉及用于执行该方法(100)的自补偿制造系统、测量单元及误差补偿单元。
Description
技术领域
本发明属于生产过程的质量保证的领域。更具体地,本发明涉及一种用于基于生产过程的输出的样本的测量来控制生产设施并且用于补偿生产过程中出现的系统误差的系统和方法,该输出由标定(nominal)数据定义,例如,作为机械图和/或CAD模型被提供。
背景技术
这是商品(诸如,汽车)的工业生产期间用来测量其不同零件的特征和属性的惯常做法。可以在特殊的测量单元中借助于接触或非接触测量仪表(例如,基于激光或摄影测量原理)实施这些测量。例如,在DE 195 44 240 A1中公开了这种过程。
US 7,672,500公开了一种用于监测和可视化生产过程的输出的方法,该生产过程的输出材料或物品由一个或更多个检查单元进行检查。检查单元扫描或否则检查通过生产过程生产的一系列物品或材料中的每个,并且产生表示所检查的物品中的每个的图像,其中,可以可视地编码物品之间的差异。
这种方法的目的是,在产品开发、发行期间或在生产期间确定所测量的物体的可能的错误。然而,不利的是,在测量过程中,有可能会出现防止物体的错误的判定,或使物体的错误的判定复杂化的各种附加的错误。尤其是如果需要错误的高精度检测的情况。
受控的生产过程中的产量可以位于单件生产和大量生产的范围内。在可以包含大规模的不同的制造工艺和技术的生产设施中生产零件。设施的安装设置可以随特定制造技术而变化。例如,如果将通过铣削或车削来制造零件,则生产设施可以包括CNC机床-包括编程装置以及电子控制器装置。
由结合适当的公差定义零件的理论尺寸的图和/或CAD模型中的标定数据来指定将所生产的零件。公差定义了标定数据的指定的理论尺寸和所产生的零件的实际尺寸之间的可接受的偏差。
所指的制造过程还包括质量控制步骤,其中,采取措施以确保所生产的零件的期望质量(即,以确保“良好零件”的百分比不低于定义的最小值)。质量控制步骤由以下两个子步骤组成:
-测量步骤,用于通过用适当的测量设施测量适当的数量来检测所生产的零件的质量;以及
-校正步骤,用于在测量步骤的结果显示出不满意值(例如,没有足够的“良好零件”)的情况下改善产品质量。
今天,在上述类型的制造过程中,检测所生产的零件的质量的测量设施可以是例如坐标测量机(coordinate measurement machine)或铰接臂(例如,测量机器人臂)。利用该测量设备,通过测量一个或更多个定义的零件尺寸来检测“良好零件”。
如果测量示出了所测量的零件尺寸和标定数据中定义的理论值之间的偏差超出可接受的公差,则生产设施的适当的参数值被修改以补偿这些生产误差。在CNC机床的上述示例中,这可以是例如如果铣削工具由于磨损改变其特性的情况。
然而,该参数值修改具有这样的强缺点,其需要关于设施的一般安装设置、设施的当前构造以及关于生产误差的原因的良好的知识。这需要高技术人才,并且此外-由于生产误差原因往往并不被确切地知道-在许多情况下,不得不执行试错法(try-and-errorapproach),这是耗时并昂贵的。
因此,用于补偿生产误差而不改变生产设施的参数值(即,其中,生产设施可被视为“黑盒子”)的可能性将是非常有利的。
发明内容
因此,本发明的目的是,提供一种用于在生产设施中控制物体的生产过程的改进的方法和改进的系统。
具体的目的是,提供这样的方法和这样的系统,其中在生产设施中不需要修改。
进一步的目的是,提供这样的方法和这样的系统,其中质量控制的强度可适应于生产过程的输出。
进一步的目的是,提供误差补偿单元作为用于控制生产过程的系统的一部分,以便补偿生产过程中的误差,而不必须执行生产设施中的修改。
通过根据权利要求1的用于控制生产组件中物体的生产过程的方法、根据权利要求5的制造系统、根据权利要求9的测量设施、根据权利要求12的误差补偿单元、和/或本发明的附属权利要求来实现这些目的中的至少一个。
本发明的第一方面涉及一种用于控制生产组件中物体的生产过程并且用于补偿在生产过程中出现的误差的方法,该方法包括如下步骤:生成实际属性数据,该实际属性数据包括根据生产模型在生产组件中生产的至少一个样本物体的属性的所获得的值;执行利用物体的实际属性数据的属性的所获得的值和标定属性数据的相应属性的设定值的标定-实际值比较,从而生成偏差数据;以及基于标定属性数据和基于偏差数据来自动创建适合的生产模型。适合的生产模型在用于在生产组件中生产的适合的物体的适合的生产过程中是能够使用的,并且与标定属性数据不同,使得生产过程中出现的误差在适合的生产过程中被至少部分地补偿。
在根据本发明的方法的一个实施方式中,生成实际属性数据包括:在测量设施中测量至少一个样本物体的属性,其中,已经根据生产模型在生产组件中生产该物体。
在根据本发明的方法的另一个实施方式中,生成实际属性数据包括:可预测地计算根据生产模型和根据所提供的生产设施模型在生产组件中实际生产的物体的属性。
在根据本发明的方法的又一个实施方式中,创建适合的生产模型是基于与生产组件的机器参数有关的信息,具体地基于可用的处理装置(诸如,生产组件的工具)、和/或处理装置的可调整型。
具体地,偏差数据描述了:所获得的值与相应的设定值之间的偏差,和/或所获得的值与生产模型的相应的生产值之间的偏差。
在该方法的一个实施方式中,创建适合的生产模型包括:基于物体的标定属性数据和各自的属性的偏差数据来调节至少一个设定或生产值,使得适合的生产模型包括物体的至少一个属性的至少一个适合的值,其中,相对于设定或生产值来修改适合的值,以这样的方式使得根据适合的生产模型在生产组件中生产的适合的物体与比至少一个样本物体相比,具有相对于标定属性数据的更小偏差。
在一个实施方式中,标定属性数据被提供作为物体的模型(具体地,计算机辅助设计模型或机械图)。
在另一个实施方式中,生产模型是基于标定属性数据。
在另一个实施方式中,相对于标定属性数据修改生产模型,和/或该方法包括修改生产模型,其中,该修改是基于与生产组件有关的信息,具体地,基于与已知系统误差有关的信息。
在又一个实施方式中,创建适合的生产模型也基于生产模型。
在又一个实施方式中,生产模型包括用于控制生产过程的控制命令,并且适合的生产模型包括用于控制适合的生产过程的适合的控制命令。
在再一个实施方式中,标定属性数据包括针对设定值的阈值,每个阈值描述与各自的设定值的最大可允许的偏差,其中,适合的生产模型包括适合的控制命令,该适合的控制命令适于在生产组件中生产具有属性的至少一个适合的值的适合的物体(该属性的各自的所获得的值超出各自的阈值),并且其中,至少一个适合的值偏离各自的设定值,以这种方式使得当生产适合的物体时设定值与相应的获得值之间的偏差被至少部分地补偿。
在一个实施方式中,根据本发明的方法包括如下步骤:
-为生产组件提供适合的生产模型;
-基于适合的生产模型在生产组件中生产一个或更多个适合的物体;
-生成适合的实际属性数据,该适合的实际属性数据包括:根据适合的生产模型在生产组件中生产的至少一个适合的样本物体的属性的值;
-执行利用适合的实际属性数据的属性的值和标定属性数据的相应的属性的设定值的标定-实际值比较,具体地,描述以下偏差:适合的实际属性数据的值与设定值之间的偏差;和/或适合的实际属性数据的值与适合的生产模型的相应的适合的生产值之间的偏差;
-生成描述适合的实际属性数据的值与设定值之间的偏差的适合的偏差数据;以及
-基于标定属性数据并基于适合的偏差数据来自动创建进一步适合的生产模型。
在一个实施方式中,该方法还包括如下步骤:
-从根据适合的生产模型已经在生产组件中生产的多个物体选择至少一个适合的样本物体;和/或
-在测量设施中测量根据适合的生产模型已经在生产组件中生产的至少一个适合的样本物体的属性,
其中,选择步骤和/或测量步骤经受统计过程控制步骤,该统计过程控制步骤包括监测测量结果,并且包括如下步骤:
-相对于随时间的变化分析测量结果;
-分析测量结果的统计分布;
-监测周围环境和生产组件参数,并且确定它们之间的相关性;和/或
-监测周围环境和/或生产组件参数,并且确定这些参数中的至少一个与测量结果之间的相关性,
具体地,该方法包括:基于所监测的测量结果、基于当前所监测的周围环境和/或生产组件参数、和/或基于所识别的相关性来调节测量设施的测量程序;和/或分析统计分布包括分析均值、标准差、统计分布函数的类型、异常值的数量和分布、稳定性和趋势。
具体地,周围环境和/或生产组件参数包括:室温、在相关位置的机器温度、空气湿度和气压、机器和/或基底的振动、噪声水平、照明亮度、一天的时间、星期几、日历日期、当前正在生产组件处工作的人员的数量和/或身份、自上次维修或工具更换的机时(machinetime)、上次维护的种类、至少一个样本物体的储存时间和条件、生产批次的当前批号和总号、和/或处理的材料。
本发明的第二方面涉及一种适于在生产组件中生产至少一个物体的自补偿制造系统,该生产组件包括:生产设施,该生产设施具有至少一个处理装置,并且适于生产物体;以及生产控制单元,该生产控制单元具有用于存储和/或获得生产模型的装置,并且适于基于生产模型来控制生产设施的生产过程。根据本发明,制造系统包括用于补偿物体的生产过程中的误差的误差补偿单元,误差补偿单元适于进行如下操作:
-获得物体的标定属性数据和偏差数据,该偏差数据已经在利用至少一个样本物体的实际属性数据的属性的所获得的值和标定属性数据的相应的属性的设定值的标定-实际值比较期间生成,
-基于标定属性数据和基于偏差数据来自动创建适合的生产模型,并且
-针对适合的物体的适合的生产过程,向生产控制单元提供适合的生产模型,其中,适合的生产模型与标定属性数据不同,使得生产过程中出现的误差在适合的生产过程中被至少部分地补偿。
在一个实施方式中,根据本发明的制造系统包括:测量设施,该测量设施适于通过测量已经根据生产模型在生产组件中产生的至少一个样本物体的属性的值来生成实际属性数据;以及质量保证设施,该质量保证设施适于利用所测量的值和相应的设定值执行标定-实际值比较,并适于生成描述所测量的值与相应的设定值之间的偏差。
在一个实施方式中,测量设施包括坐标测量机、铰接臂、激光扫描仪、结构光测量设备、涂层或叠层厚度测量设备、称重设备,硬度测量设备、温度测量设备、和/或用于测量电压、电流、电阻和/或介电强度的设备。
在另一个实施方式中,生产设施包括添加剂制造机、CNC机床、冲压机、辊压机、弯线和/或弯板机、研磨、砂磨和/或抛光机、和/或焊机。
在另一个实施方式中,处理装置包括提供3D印刷、钻孔、车削、铣削、切削、珩磨、砂磨、研磨、抛光、冲压、轧制、弯曲和/或焊接功能的至少一个工具。
在另一个实施方式中,制造系统包括生产误差预测装置,该生产误差预测装置适于进行如下操作:通过可预测地计算根据生产模型和根据生产设施的所提供的生产设施模型实际生产的物体的属性的值;执行利用所计算的值和标定属性数据的相应的属性的设定值的标定-实际值比较;并且产生描述所计算的值与相应的设定值之间的偏差的偏差数据。
具体地,所提供的生产设施模型包括生产设施的至少一个零件的几何形状和/或刚性模型,该几何形状和/或刚性模型可应用于预测在生产设施中实际生产的物体的生产误差的几何和/或刚性数据;和/或生产设施包括适于测量该生产设施的至少一个零件的属性的内部测量装置,其中,所提供的生产设施模型是基于生产设施的所测量的属性。
本发明的第三方面涉及一种测量设施,该测量设施用于测量根据生产模型在生产设施中生产的至少一个物体的属性的值,该测量设施适于执行利用物体的所测量的值和标定属性数据的相应属性的设定值的标定-实际值比较,从而产生偏差数据。根据本发明,测量设施包括误差补偿单元,该误差补偿单元用于补偿在物体的生产过程中出现的误差,该误差补偿单元适于基于标定属性数据和基于偏差数据来自动创建适合的生产模型,其中,适合的生产模型在用于在生产组件中生产适合的物体的适合的生产过程中是能够使用的,并且与标定属性数据不同,使得在生产过程中出现的误差在适合的生产过程中被至少部分地补偿。
在一个实施方式中,测量设施包括坐标测量机、铰接臂、激光扫描仪、结构光测量设备、涂层或叠层厚度测量设备、称重设备,硬度测量设备、温度测量设备、和/或用于测量电压、电流、电阻和/或介电强度的设备。
在根据本发明的测量设施的另一个实施方式中,所测量的属性包括线性或角度尺寸、长度、距离、半径、直径、位置和/或取向、曲率,厚度、体积、重量、粗糙度、硬度、表面质量参数、光、热和/或电属性。
在又一个实施方式中,测量设施适于与根据本发明的制造系统一起使用。
在另一个实施方式中,根据本发明的测量设施包括统计过程控制单元,该统计过程控制单元具有用于执行统计过程控制步骤的计算装置,该统计过程控制步骤包含监测测量结果并包括如下步骤:相对于随时间的变化来分析测量结果、分析测量结果的统计分布、监测周围环和生产组件参数并且确定它们之间的相关性、和/或监测周围环境和/或生产组件参数并确定这些参数中的至少一个与测量结果之间的相关性。统计过程控制步骤还包括:控制属性的测量和/或从已在生产组件中生产的多个物体选择样本物体,该控制步骤是基于所分析的测定结果。
具体地,统计过程控制单元适于基于所监测的测量结果、基于所检测的周围环境和/或生产组件参数和/或基于识别到的相关性来调节测量设施的测量程序,和/或分析统计分布包括分析均值、标准差、统计分布函数的类型、异常值的数量和分布、稳定性和趋势。
具体地,周围环境和/或生产组件参数包括室温、在相关位置的机器温度、空气湿度和气压、机器和/或基底的振动、噪声水平、照明亮度、一天的时间、星期几、日历日期、当前正在生产组件处工作的人员的数量和/或身份、自上次维修或工具更换的机时、上次维护的种类、至少一个样本物体的储存时间和条件、生产批次的当前批号和总号、和/或处理的材料。
本发明的第四方面涉及一种误差补偿单元,该误差补偿单元用于补偿生产组件中物体的生产过程的误差,具体地,该误差补偿单元适于在根据本发明的制造系统中使用,和/或适于与根据本发明的测量设施一起使用。根据本发明,该误差补偿单元包括:数据获取装置,该数据获取装置适于获取物体的标定数据和偏差数据,该偏差数据已在利用至少一个样本物体的实际属性数据的属性的所获得的值和标定属性数据的相应的属性的设定值的标定-实际值比较的过程中产生;数据存储设备,该数据存储设备适于存储标定属性数据和偏差数据;计算设备,该计算设备适于基于标定属性数据和偏差数据来自动创建适合的生产模型;以及数据提供装置,该数据提供装置适于针对适合的物体的适合的生产过程向生产组件提供适合的生产模型,其中,适合的生产模型与标定属性数据不同,使得在生产过程中出现的误差在适合的生产过程中被至少部分地补偿。
在误差补偿单元的一个实施方式中,偏差数据描述了如下偏差:至少一个样本物体的实际属性数据的属性的所获得的值(例如,测量或计算的值)与标定属性数据的相应的属性的设定值之间偏差;和/或所获得的值与生产模型的相应的生产值之间的偏差。
在另一个实施方式中,数据获取装置适于获得与用于执行生产过程的生产组件的机器参数有关的信息,具体地与生产组件的可用处理装置、和/或处理装置的可调节性有关的信息,其中,计算装置适于还基于与生产组件的机器参数有关的信息来创建适合数据集。
在另一个实施方式中,误差补偿单元包括输出装置(具体地图形显示),其适于向用户提供标定属性数据、偏差数据、适合的生产模型和/或其图形表示。
在误差补偿单元的又一个实施方式中,数据获取装置和数据提供装置包括线缆、用于允许无线数据传送的装置、或用于接受存储介质的装置(具体地,压缩盘或闪存设备)。
本发明的另一个方面涉及一种计算机程序产品,该计算机程序产品包括程序代码,该程序代码存储在机器可读介质上,或通过包括程序代码段的电磁波来体现,并且计算机程序产品具有计算机可执行指令,具体地,当在根据本发明的误差补偿单元的计算单元上执行是,该计算机可执行指令用于执行基于根据本发明的方法的标定属性数据和基于偏差数据来自动创建适合的生产模型的步骤。
附图说明
下面将通过参照伴有附图的示例性实施方式详细地描述本发明,其中:
图1示出了具有生产过程的监测操作的现有技术制造系统;
图2示出了根据本发明的示例性自补偿制造系统;
图3示出了示出根据本发明的用于监测物体的生产过程的方法的示例性实施方式的流程图;
图4示出了用于在物体的生产过程中使用的示例性误差补偿单元;
图5示出了用于控制物体的生产过程的现有技术系统和方法;
图6示出了根据本发明用于控制物体的生产过程的系统和方法的第一示例性实施方式;
图7示出了第一实施方式的系统和方法的重复使用;
图8示出了用于控制具有统计过程控制的物体的生产过程的系统和方法的第二示例性实施方式;以及
图9示出了根据本发明用于控制物体的生产过程的系统和方法的第三示例性实施方式。
具体实施方式
在图1中,示出了从现有技术已知的用于控制物体3的生产过程的系统。为了生产物体3,来自CAD模型30的标定数据被提供至生产组件10的操纵单元11。生产组件包括生产设施1,该生产设施1由操纵单元11控制,并且包括用于从原材料2生产物体3的至少一个工具。在根据CAD数据30在生产设施1中生产一个或更多个物体3之后,由于质量保证的原因取走物体3的样本。然后,在测量样本的某一属性的测量设施4中检查这些样本。如在该示例性图解中所示,测量设施4可以包括坐标测量机,并且该测量可以包括样本的测量空间坐标。包括与所测量的属性有关的信息的测量数据被产生,并提供给质量保证部5。在质量保证部5中,将属性的测量值与所生产的物体3的CAD数据30的相应的属性的设定值进行比较,并且确定样本物体与CAD数据30的虚拟物体之间的偏差。
如果这些偏差超出预定阈值(例如,在CAD数据30中定义的),则需要动作以改变生产过程,以便生产满足预定阈值的物体。为了实现该目标,惯例是,相应地调整生产组件10。例如,可以修改生产控制单元11的生产程序,或可以交换或改变生产设施1中的工具。在图1的示例中,物体3中的钻孔与CAD数据30相比太大。因此,在生产程序中可以减小钻孔速度,或借助于维修17,可以安装较小的钻机或调整现有的钻机。不利的是,这些修改需要技术人员7,以便防止对昂贵的生产组件10的损坏。
图2示出了根据本发明的用于控制物体3的生产过程的示例性系统。与图1的系统相反,有利的是,没有对生产组件10的调整,并且因此,不需要特殊技术人员7。向在生产设施1中控制物体3的生产控制单元11提供基于标定数据30(例如,CAD数据)的生产模型31。
在测量设施4中测量样本物体的属性,并且基于与标定数据30的确定偏差产生偏差数据34。然后,该偏差数据34被提供至误差补偿单元6。基于偏差数据34和基于标定数据30——并且可选地基于关于生产设施1的属性的信息——基于生产模型通过误差补偿单元6的算法产生适合的生产模型36。将适于补偿所测量的偏差的适合的生产模型36提供给生产控制单元11。
在图2的示例中,误差涉及所生产的物体3中钻孔的位置。
在一个示例中,与标定数据30和原始生产模型31相比,钻孔的直径可能太大。因此,在适合的生产模型36中,钻孔的尺寸可以相对于标定数据30减小。然后,根据适合的生产模型36(即,具有比之前更小的孔)来生产物体。由于在生产设施1中没有进一步的调整,可以预期,生产具有相对于适合的生产模型36太大的钻孔,但尽管如此相对于原始标定数据30满足阈值。
在另一个示例中,钻孔的位置不正确;例如,x坐标的测量值与标定数据30相比太小。因此,在适合的生产模型36中,钻孔的位置可以相对于标定数据30被修改(例如,增加x坐标的值),以便当根据适合的生产模型36生产适合的物体时在期望的位置处获得钻孔。
伴着已经正在进行的生产阶段发生模型的调整。适合的物体旨在用于销售或进一步处理。该过程可以是以如下下步骤至少部分地自动循环:
-从生产输出选择样本;
-测量样本的属性;
-确定偏差;以及
-偏差的补偿。
这些步骤(具体地,CAD数据的修改)可以由预定算法控制,使得不需要用户交互。
适合的生产模型36不旨在表示零件应当怎样生产(即,不是标定数据)。相反,适合的生产模型表示有意地偏离标定数据30以便补偿在生产期间出现的相对偏差的物体。由于其唯一地旨在该目的,适合的生产模型36不需要包括任何阈值或容差值。此外,其可以是不稳定数据集并且不需要被归档。
可选地,在初始生产模型31中提供的值可以已经偏离标定数据30。例如,如果事先知道生产设施1的系统误差,则影响值可以已经在生产第一零件3之前被修改(例如,由用户手动地)。在这种情况下,测量值可选地也可以与代替标定数据30的初始值初始生产模型31的适合值进行比较。
图3是例示根据本发明的用于监测物体的生产过程的方法100的流程图。
方法100开始于提供100模型或要生产的物体的标定数据(例如,物体的CAD模型)。然后,根据所提供的模型或标定数据,在生产设施中生产120多个物体(即,至少一个物体)。从多个所生产的物体中选择130多个样本。在测量设施中测量140所选择的样本的某些属性,并且将所测量的值与所提供的模型的设定值或标定数据进行比较150。然后,检查160所测量的属性是否偏离标定数据的这些属性超过预定阈值。如果样本是OK,继续生产而无任何改变。如果样本不是OK(即,如果阈值超出至少一个测量的值),则根据本发明,为了补偿生产误差,适合的生产模型被创建170,并且被提供给生产组件,以便根据该适合的模型来生产适合的物体。该适合的模型不提供不满足定义的阈值的属性的标定值。作为替代,适合的模型的目的是提供针对这些属性的错误值,以便补偿生产设施的误差。可选地,另外,样本的进一步选择130可以受适合的模型以及样本的测量140的影响(由虚线箭头所示)。
图4示出了根据本发明的误差补偿单元6的示例性实施方式。误差补偿单元6包括用于获得标定数据30、偏差数据34、以及可选地进一步的数据(诸如,最后的生产模型31或生产设施数据)的装置。在此,这些装置被描述为第一线缆61。明显地,数据也可以由其它装置(例如,在存储介质(压缩盘、闪存盘、USB棒等)上或经由无线连接(WiFi、蓝牙等))获得。此外,误差补偿单元6包括用于存储数据的数据存储设备62,和用于基于标定数据30、偏差数据34和可选地进一步获得的数据创建的适合的模型数据36的计算设备64。误差补偿单元6也包括用于向生产组件提供适合的模型数据36的装置。在此,这些装置被描述为第二线缆69。明显地,也可以由其它装置提供数据(见上文)。在该实施方式中,误差补偿单元6包括用于通知用户偏差和各自的补偿的显示器60。可选地,用户能够手动地修改补偿。
在图5中,以更抽象的方式描述了用于控制物体的生产过程的现有技术系统。如已经相对于图1所描述的,基于物体的标定数据30的生产模型31(例如,CAD模型)被提供给生产设施1的控制单元11。生产控制单元11将生产模型31解释为针对生产设施1的操纵命令。根据这些操纵命令,生产设施1生产多个物体作为输出3。在输出3的运输或进一步处理之前,在测量设施4中测量输出3的样本。测量的结果被提供给质量控制单元5,其中,监测预定阈值的符合性,并且如果超出阈值,则采取适当的动作。这些动作具体地包括针对生产设施1的未计划的服务和维修(例如,修理、更换或设置)或生产设施1的一个或更多个工具、的技术维修人员7的分配。
图6至图9示出了根据本发明的用于控制物体的生产过程的系统的三个示例性实施方式。
图6示出了系统的第一示例性实施方式。如已经相对于图2所描述的,物体的标定数据30(例如,最初被提供为CAD模型)以生产模型31的形式提供给生产设施1的生产控制单元11。生产模型31可由生产控制单元11解释,并且包括与标定上定义的物体3的必要有关的信息,以生产该物体。
这里的生产设施1和生产控制单元11被示出为生产组件10的部分,该生产组件10可以被认为是“黑盒子”,因为根据本发明,没有必需相对于生产设施1的修改。生产控制单元11将生产模型31解释为针对生产设施1的操纵命令(例如。CAM数据)。根据这些操纵命令,生产设施1生产多个物体3作为输出。在输出的运输或进一步处理之前,在测量设施4中测量输出(即,至少一个样本物体)的样本。
在测量设施4中,检测所生产的输出3的质量所需要的样本物体的参数被测量。这些参数具体地包括:诸如长度、距离、直径、位置坐标、或厚度这样的几何零件尺寸。为了测量这些参数,测量设施4可以包括坐标测量机(CMM)、铰接臂、高精度距离计、光测量设备(例如,透射光)、具有照相机的图像处理设备、用于经由电或超声波参数测量厚度的设备、机械仪表或标准、卡钳等。此外,参数可以包括:诸如线性或角度尺寸、长度、距离、半径、直径、位置和/或取向、曲率、厚度、体积、重量、粗糙度、硬度、表面质量参数、光、热和/或电属性这样的表面质量参数。可选地,测量设施4可以被集成到生产组件10中(在此未示出)。例如,CMM功能可以被物理地集成到CNC生产机器中。这是有利的,因为两种类型的机器具有带有高精度的三维定位的需求,使得可以通过将这些两个机器融合为一个机器来利用合并效果。
测量的结果被提供给质量控制单元5,其中,监测由标定数据30提供的预定阈值的符合性。
如果所测量的值在阈值内(即,如果所测量的样本物体是OK),则生产过程可以继续而没有任何修改。如果超出至少一个阈值,则根据本发明,数据被提供给创建适合的模型36的误差补偿单元6。适合的模型36的集合模型和尺寸是基于标定数据30、和/或基于先前的生产模型31的,但是其尺寸基于由误差补偿单元6定义的特殊的误差补偿值在一定程度上是可改变的。然后,代替先前的生产模型31,由适合的生产模型36提供的该新的虚拟的零件的模型数据被用于编程和/或控制生产设施1。
独立于生产误差(即,所生产的零件3的属性(即,尺寸)的测量值与标定数据30的理论值之间的偏差34)来定义误差补偿值。
补偿值以通过将它们应用于虚拟的零件的尺寸的方式来定义,所测量的生产误差被补偿,而不必须修改生产设施1本身的任何参数。例如,如果所生产的零件3的测量长度与标定CAD模型30相比太大,则使虚拟的零件的相应的长度减小,使得该生产误差将被补偿,而不改变生产组件10中的任何事物——生产组件10因此可以被认为是黑盒子。
误差补偿值的定义进一步依赖于如在标定数据30中定义的原始零件的容差的定义。这是重要的,因为必须确保改变在零件的一个点处(即,已经测量到偏差的位置)的尺寸不会导致在可以导致超出容差的零件的另一个位置处的不期望的尺寸变化。
附加地或另选地,误差补偿值可以被用于在工具运动学的水平上而不是在模型描述水平上补偿生产误差。因此,误差补偿值直接影响控制生产设施1(例如,通过CAM程序、“G代码”)的生产控制单元11。对于CNC机床的示例,这将意味着,该误差补偿值可能会改变的铣削工具的追踪踪路由。
另选地,该误差补偿值不仅依赖于所测量的偏差,而且另外地依赖于与生产设施1有关的相关信息(由虚线箭头表示的信息流)来定义。如上所述,由误差补偿单元定义的以调整适合的生产模型36的几何结构和尺寸的误差补偿值基于:所生产的零件3的测量的尺寸与标定数据30的理论值之间的偏差。
然而,在某些情况下,适合的模型36的尺寸的允许的变化不是无限制,而是由于生产设施1的特定机器参数而受限。对于这种情况的示例将是不能连续地变化而可能被限制为离散数量的值的钻孔的直径,也就是说,在生产设施1中可用的钻头的直径。例如,如果孔的理论直径将为10mm,并且所生产的零件表示10.17mm的实际直径,那么将不可能将虚拟零件的理论值减少降到9.83mm,因为没有可用的钻头具有这种直径。然而,如果具有9.8mm直径的钻头,则通过使用该钻头,人们可以预料得到的直径为约9.97mm,这然后可以满足10mm孔的预定阈值。因此,优选地,误差补偿单元6具有对与生产设备1有关的所需要的信息的访问,该信息与选择虚拟零件的所有改变尺寸的有效值有关——例如,包括与生产设施1内的所有可能的工具选择有关的信息。
图7示出了图6的系统和方法的第二次运行,以便创建进一步适合的生产模型36'。图6的适合的生产模型36被用于生产适合的零件3',再次在测量设施4中测量该零件3'的样本。在质量控制步骤,将所测量的值与标定数据30的相应的属性的值进行比较。如果所测量的值满足预定阈值,则生产模型的第一次调节是成功的,并且生产过程可以继续。如果仍然不满足预定阈值,则基于所确定的偏差,创建标定数据30和适合的生产模型36、进一步适合的生产模型36'。
图8示出了系统的第二示例性实施方式。该实施方式包括图6的第一实施方式的所有特征,并且附加地包括统计过程控制(SPC)单元8。
根据本实施方式,制造过程包括统计过程控制步骤,以通过使用于执行测量步骤所需要的时间和经历最小化,来优化质量控制步骤的效率。该统计过程控制步骤包括:监测测量结果,并且相对于随时间的变化对它们进行分析。具体地,结果的统计分布可以被分析,例如均值、标准差、统计分布函数的类型(例如,高斯分布)、异常值的数量和分布、稳定性、趋势等。
统计过程控制步骤此外可以包括:监测周围环境和生产组件参数,并试图识别出相关性。监测可以包括测量和/或识别室温、在相关位置处的机器温度、空气湿度和气压、基底和/或机器的振动、噪声水平、照明亮度、一天中的时间、周几、日历日期、当前在生产组件处工作的人员的数量和/或身份、自上次维修或更换工具的机时、上次维护的种类、至少一个样本物体的储存时间和条件、生产批次的当前批号和总号、和/或处理的材料(例如,当前使用什么样的钢或铝,哪种合金、热处理、供应商)等。然后,可以确定测量结果的行为改变与所监测的周围环境和/或机器参数之间的可能的相关性。
统计过程控制步骤此外可以包括调整或优化测量程序,即,试图基于当前测量结果的所识别的行为、基于当前所检测的周围环境和/或机器参数、以及基于所识别的相关性,来优化测量程序的效率。例如,如果测量值随时间保持非常稳定,并已被发现不受任何波动的环境参数影响,那么测量频率(需要测量多少大批量生产的零件)可能降低。
可选地,测量设施4的测量程序可以基于标定数据30或初始生产数据31与适合的模型36之间的变化来进行调整。如上所述,测量设施4被用于测量对于识别零件为“良好零件”与否至关重要的、所产生的零件的所有参数(几何的和其它的)。所有这些参数都在测量程序中定义,该测量程序另外定义了每次测量的频率(即,生产批次中的多少零件必须被测量,以及使用哪种选择策略(每个零件、随机样本或每第10个零件等))、每次测量的精度、测量过程(例如,从x个单次测量取平均值)等。对于测量程序的定义,使用与哪些尺寸和/或其它属性对于所生产的零件的质量是至关重要有关的、来自标定数据的信息。然后,根据在生产过程中的适合的生产模型,可以调整并因此优化所定义的测量程序。
可选地,可以使用SPC单元8来执行进一步的质量控制步骤。根据所定义的测量程序,在测量设施4中测量所生产的零件3的样本。然后,将关键部分的尺寸和/或其它测量属性的测量的实际值与在标定数据30中定义的理论尺寸进行比较。
通常,实际测量值与理论值将不是精确地相同的。然而,所生产的零件可以是“好的零件”,只要这些值之间的偏差保持低于所定义的阈值。这些阈值的定义也取自标定数据30。基于所有测量的尺寸和其它零件参数的所有确定的偏差与可接受的值的比较,所生产的零件被认为是“好的零件”或“坏的零件”。此外,基于这些结果,如上所述,误差补偿单元6定义误差补偿值。然而,不仅考虑到当前测量的零件,而且也考虑到以前测定的零件。所有的测量值的历史发展被用于定义补偿值。例如,如果只有一个零件被识别为“坏的”,而所有之间零件被确定为“好的”,则该误差补偿单元将可能不会立即改变虚拟的零件的参数,因为这种坏的零件可能只是单个异常值。代替立即改变虚拟零件,将经由SPC单元8通过提高测量频率来修正该测量程序。
图9示出了系统的第三示例性实施方式。在到目前为止所描述的实施方式中,误差补偿值依赖于所生产的零件3的测量的尺寸与标定数据30的理论值之间的偏差来定义。尽管这是简单的,但仍存在缺点,即“坏的零件”需要被先生产,以便检测到有必要进行校正。如果即使在生产任何零件之前知道零件是否是“坏的”将是有利的。
在图9中所示的实施方式中,制造过程还包括零件生产模拟过程,在这个过程中,根据初始数据集在生产设施中物体的生产被模拟,并且该实质上生产的物体的属性根据所提供的生产设施模型被可预测地计算。
对于该零件生产模拟过程,制造系统配备有生产误差预测装置15,该生产误差预测装置15能够在模拟零件生产过程中预测生产设施1'的工具(和/或工具架)的反作用力和位移。
在初始状态下,生产设施1'的几何校准模型和/或刚度校准模型被提供给误差预测装置15。这意味着,生产设施1'的误差(例如,生产设施1'的工具的间距、偏转和滚动误差)是已知的,并因此可以直接由适合的生产模型36即使在生产第一个样本零件之前进行补偿。这同样应用于工具的位置依赖性刚度。如在此所示,该生产设施1'可选地包括内部测量装置14,该内部测量装置14适于测量生产设施1'的至少一个零件(例如,特定工具)的属性。所提供的生产设施模型然后基于由内部测量装置14测量的属性的值。
生产造误差预测装置15适于可预测地计算物体的属性,犹如根据基于标定数据的生产模型31和根据所提供的生产设施模型将在生产设施1中生产该物体。该生产设施模型包括生产设施或其部件(具体地,生产设施的工具)的几何模型和/或刚性模型。几何或刚性模型包括几何或刚性数据,分别适用于预测在生产设施中实际生产的物体的生产误差。
此外,生产误差预测装置15适于确定实际生产的物体的属性与标定数据30之间的偏差,以产生描述这些偏差的偏差数据34,并向误差补偿单元6提供该偏差数据34。
利用在图9的生产设施1'中确定的力和位移,生产设施1'的(有限的)刚度可被确定,并且生产误差可以被预测而不需要任何单个零件的实际生产。随后,所预测的生产误差被用于定义再次被用于定义适合的于生产模型36的尺寸的补偿值。
由于没有实际的生产发生在零件生产模拟过程中,所以不需要测量设施4和质量控制5,直到真实物体3'根据适合的模型36被产生为止。
虽然本发明部分地参照一些优选的实施方式在上面被示出,但必须理解的是,可以对实施方式进行许多修改和不同特征的组合。所有这些修改处于所附权利要求的范围之内。
Claims (18)
1.一种用于控制生产组件(10)中的物体(3)的生产过程并且用于补偿在所述生产过程中出现的误差的方法(100),所述方法(100)包括如下步骤:
●生成实际属性数据,所述实际属性数据包括根据生产模型(31)在所述生产组件(10)中生产的至少一个样本物体的属性的所获得的值;
●执行利用所述物体(3)的所述实际属性数据的属性的所获得的值和标定属性数据(30)的相应属性的设定值的标定-实际值比较(150),从而生成偏差数据(34);以及
●基于所述标定属性数据(30)并基于所述偏差数据(34)来自动创建(170)适合的生产模型(36),
其中,所述适合的生产模型(36):
●在用于在所述生产组件(10)中生产适合的物体(3’)的适合的生产过程中是能够使用的;以及
●与所述标定属性数据(30)不同,使得在所述生产过程中出现的所述误差在所述适合的生产过程中被至少部分地补偿,
所述方法还包括以下步骤:
●从根据所述适合的生产模型(36)已经在所述生产组件(10)中生产的多个物体选择(130)至少一个适合的样本物体;和/或
●在测量设施(4)中测量(140)根据所述适合的生产模型(36)已经在所述生产组件(10)中生产的至少一个适合的样本物体的属性,
其中,选择(130)步骤和/或测量(140)步骤经受统计过程控制步骤,所述统计过程控制步骤包括监测测量结果,并且包括如下步骤:
●相对于随时间的变化分析所述测量结果;
●分析所述测量结果的统计分布;
●监测周围环境和生产组件参数,并且确定它们之间的相关性;和/或
●监测周围环境和/或生产组件参数,并且确定这些参数中的至少一个与所述测量结果之间的相关性,
●其中,所述方法包括:基于所监测的测量结果、基于当前所监测的周围环境和/或生产组件参数、和/或基于所识别的相关性来调节所述测量设施(4)的测量程序。
2.根据权利要求1所述的方法(100),
其特征在于,
生成所述实际属性数据包括:在测量设施(4)中测量(140)根据所述生产模型(30)已经在所述生产组件(10)中生产的至少一个样本物体的属性。
3.根据权利要求1所述的方法(100),
其特征在于,
生成所述实际属性数据包括:可预测地计算根据所述生产模型(30)和根据所提供的生产设施模型在所述生产组件(10)中实际生产的物体的属性。
4.根据前述权利要求中的任一项所述的方法(100),
其特征在于,
创建(170)所述适合的生产模型(36)是基于与所述生产组件(10)的机器参数有关的信息,
其中,
●所述偏差数据(34)描述了以下偏差:
■所获得的值与相应设定值之间的偏差,和/或
■所获得的值与所述生产模型(31)的相应生产值之间的偏差;
●创建(170)所述适合的生产模型(36)包括:基于所述物体(3)的标定属性数据(30)和各自属性的偏差数据(34)来调节至少一个设定或生产值,使得所述适合的生产模型(36)包括所述物体(3)的至少一个属性的至少一个适合的值,其中,相对于所述设定或生产值来修改所述适合的值,使得根据所述适合的生产模型(36)在所述生产组件(10)中生产的适合的物体(3’)与所述至少一个样本物体(3)相比,具有相对于所述标定属性数据(30)的更小偏差;
●所述标定属性数据(30)被提供作为所述物体(3)的模型,其中,所述模型是计算机辅助设计模型或机械图;
●所述生产模型(31)是基于所述标定属性数据(30);
●相对于所述标定属性数据修改所述生产模型(31),和/或所述方法包括修改所述生产模型(31),其中,所述修改是基于与所述生产组件(10)有关的信息;
●所述生产模型(31)包括用于控制所述生产过程的控制命令,并且所述适合的生产模型(36)包括用于控制所述适合的生产过程的适合的控制命令;
●创建(170)所述适合的生产模型(36)是基于所述生产模型(31);和/或
●所述标定属性数据(30)包括针对所述设定值的阈值,每个阈值描述与各自的设定值的最大可允许的偏差,其中,所述适合的生产模型(36)包括适合的控制命令,所述适合的控制命令适于在所述生产组件(10)中生产具有属性的至少一个适合的值的适合的物体(3’),属性的各自所获得的值超出各自的阈值,并且其中,所述至少一个适合的值偏离各自的设定值,使得当生产所述适合的物体(3’)时所述设定值与相应的所获得的值之间的偏差被至少部分地补偿。
5.根据权利要求4所述的方法(100),其特征在于,
创建(170)所述适合的生产模型(36)是基于所述生产组件(10)的可用处理装置和/或所述处理装置的可调整性。
6.根据权利要求4所述的方法(100),其特征在于,
所述与所述生产组件(10)有关的信息基于与已知系统误差有关的信息。
7.根据权利要求1所述的方法(100),
其特征在于,
●为所述生产组件(10)提供所述适合的生产模型(36);
●基于所述适合的生产模型(36)在所述生产组件(10)中生产一个或更多个适合的物体(3’);
●生成适合的实际属性数据,所述适合的实际属性数据包括:根据所述适合的生产模型(36)在所述生产组件(10)中生产的至少一个适合的样本物体的属性的值;
●执行利用所述适合的实际属性数据的值和所述标定属性数据(30)的相应属性的设定值的标定-实际值比较(150),从而生成适合的偏差数据,所述适合的偏差数据描述以下偏差:
■所述适合的实际属性数据的值与所述设定值之间的偏差,和/或
■所述适合的实际属性数据的值与所述适合的生产模型(36)的相应的适合的生产值之间的偏差;以及
●基于所述标定属性数据(30)并基于所述适合的偏差数据来自动创建(170)进一步适合的生产模型(36’)。
8.根据权利要求1所述的方法(100),
●其中,分析所述统计分布包括:分析均值、标准差、统计分布函数的类型、异常值的数量和分布、稳定性和/或趋势;和/或
●所述周围环境和/或生产组件参数包括:
■室温、相关位置处的机器温度;
■空气湿度和气压;
■基底和/或所述机器的振动;
■噪声水平、照明亮度;
■一天的时间、周几、日历日期;
■当前在所述生产组件(10)处工作的人员的数量和/或身份;
■自上次维修或工具更换的机时、上次维护的种类;
■所述至少一个样本物体的储存时间和条件;
■生产批次的当前批号和/或总号;和/或
■处理的材料。
9.一种适于在生产组件(10)中生产至少一个物体(3)的自补偿制造系统,所述生产组件(10)包括:
●生产设施(1),所述生产设施(1)具有至少一个处理装置,并且适于生产所述物体(3);以及
●生产控制单元(11),所述生产控制单元(11)具有用于存储和/或获得生产模型(31)的装置,并且适于基于所述生产模型(31)来控制所述生产设施(1)的生产过程,
其特征在于,
测量设施(4);
误差补偿单元(6),所述误差补偿单元(6)用于补偿所述物体(3)的生产过程中的误差,所述误差补偿单元(6)适于进行如下操作:
●获得所述物体(3)的标定属性数据(30)和偏差数据(34),该偏差数据(34)已经在利用至少一个样本物体的实际属性数据的属性的所获得的值和所述标定属性数据(30)的相应属性的设定值的标定-实际值比较(150)期间生成;
●基于所述标定属性数据(30)并基于所述偏差数据(34)来自动创建(170)适合的生产模型(36);以及
●针对适合的物体(3’)的适合的生产过程,向所述生产控制单元(11)提供所述适合的生产模型(36),
其中,所述适合的生产模型(36)与所述标定属性数据(30)不同,使得在所述生产过程中出现的误差在所述适合的生产过程中被至少部分地补偿,
统计过程控制单元(8),所述统计过程控制单元(8)具有用于执行统计过程控制步骤的计算装置,所述统计过程控制步骤包括监测测量结果以及如下步骤:
●相对于随时间的变化来分析所述测量结果;
●分析所述测量结果的统计分布;
●监测周围环境和生产组件参数,并且确定它们之间的相关性;和/或
●监测周围环境和/或生产组件参数,并且确定这些参数中的至少一个与所述测量结果之间的相关性,
其中,所述统计过程控制步骤还包括:控制属性的测量和/或从已在所述生产组件(10)中生产的多个物体选择(130)样本物体,该控制步骤是基于所分析的测量结果,
其中,所述统计过程控制单元(8)适于基于所监测的测量结果、基于所监测的周围环境和/或生产组件参数和/或基于所识别的相关性来调节所述测量设施(4)的测量程序。
10.根据权利要求9所述的自补偿制造系统,
其特征在于,
●所述测量设施(4)适于通过测量根据所述生产模型(31)已经在所述生产组件(10)中生产的至少一个样本物体的属性的值来生成所述实际属性数据;以及
●所述自补偿制造系统还包括质量保证设施(5),所述质量保证设施(5)适于执行利用所测量的值和相应的设定值的所述标定-实际值比较(150),并且适于生成描述所测量的值与所述相应的设定值之间的偏差的偏差数据(34),
其中,
●所述测量设施(4)包括以下项中的至少一方:坐标测量机、铰接臂、激光扫描仪、结构光测量设备、涂层或叠层厚度测量设备、称重设备,硬度测量设备、温度测量设备、用于测量电压、电流、电阻、介电强度的设备;
●所述生产设施(1)包括以下项中的至少一方:添加剂制造机、CNC机床、冲压机、辊压机、弯线和/或弯板机、研磨、砂磨和/或抛光机、焊机;和/或
●所述处理装置包括提供3D印刷、钻孔、车削、铣削、切削、珩磨、砂磨、研磨、抛光、冲压、轧制、弯曲、焊接功能的至少一个工具。
11.根据权利要求9或10所述的自补偿制造系统,
其特征在于,
生产误差预测装置(15),所述生产误差预测装置(15)适于进行如下操作:
●通过可预测地计算根据所述生产模型(31)并根据所述生产设施(1)的所提供的生产设施模型实际生产的物体的属性的值,
●执行利用所计算的值和所述标定属性数据(30)的相应属性的设定值的所述标定-实际值比较(150);以及
●产生描述所计算的值与相应的设定值之间的偏差的偏差数据(34),
其中,
●所提供的生产设施模型包括所述生产设施(1)的至少一个零件的几何形状和/或刚性模型,该几何形状和/或刚性模型包括可应用于预测在所述生产设施(1)中实际生产的物体的生产误差的几何和/或刚性数据,和/或
●所述生产设施(1)包括适于测量所述生产设施(1)的至少一个零件的属性的内部测量装置(14),其中,所提供的生产设施模型是基于所述生产设施(1)的所测量的属性。
12.一种测量设施(4),所述测量设施(4)用于测量根据生产模型(31)在生产组件(10)中生产的至少一个物体(3)的属性的值,所述测量设施适于执行利用所述物体(3)的所测量的值和标定属性数据(30)的相应属性的设定值的标定-实际值比较(150),从而生成偏差数据(34),
其特征在于,
误差补偿单元(6),所述补偿单元(6)用于补偿在所述物体(3)的生产过程中出现的误差,所述误差补偿单元(6)适于基于所述标定属性数据(30)并基于所述偏差数据(34)来自动创建(170)适合的生产模型(36),其中,所述适合的生产模型(36)具有如下特性:
●在用于在所述生产组件(10)中生产适合的物体(3’)的适合的生产过程中是能够使用的;以及
●与所述标定属性数据(30)不同,使得在所述生产过程中出现的误差在所述适合的生产过程中被至少部分地补偿,
统计过程控制单元(8),所述统计过程控制单元(8)具有用于执行统计过程控制步骤的计算装置,所述统计过程控制步骤包括监测测量结果以及如下步骤:
●相对于随时间的变化来分析所述测量结果;
●分析所述测量结果的统计分布;
●监测周围环境和生产组件参数,并且确定它们之间的相关性;和/或
●监测周围环境和/或生产组件参数,并且确定这些参数中的至少一个与所述测量结果之间的相关性,
其中,所述统计过程控制步骤还包括:控制属性的测量和/或从已在所述生产组件(10)中生产的多个物体选择(130)样本物体,该控制步骤是基于所分析的测量结果,
其中,所述统计过程控制单元(8)适于基于所监测的测量结果、基于所监测的周围环境和/或生产组件参数和/或基于所识别的相关性来调节所述测量设施(4)的测量程序。
13.根据权利要求12所述的测量设施(4),
其特征在于,
●所述测量设施(4)包括坐标测量机、铰接臂、激光扫描仪、结构光测量设备、涂层或叠层厚度测量设备、称重设备,硬度测量设备、温度测量设备、和/或用于测量电压、电流、电阻和/或介电强度的设备;
●所测量的属性包括线性或角度尺寸、长度、距离、半径、直径、位置和/或取向、曲率,厚度、体积、重量、粗糙度、硬度、表面质量参数、光、热和/或电属性;和/或
●所述测量设施(4)适于与根据权利要求9至11中的任一项所述的自补偿制造系统一起使用。
14.根据权利要求12或13所述的测量设施(4),
其特征在于,
●分析所述统计分布包括:分析均值、标准差、统计分布函数的类型、异常值的数量和分布、稳定性和/或趋势;和/或
●所述周围环境和/或生产组件参数包括:
■室温、相关位置处的机器温度;
■空气湿度和气压;
■基底和/或所述机器的振动;
■噪声水平、照明亮度;
■一天的时间、周几、日历日期;
■当前在所述生产组件(10)处工作的人员的数量和/或身份;
■自上次维修或工具更换的机时、上次维护的种类;
■所述至少一个样本物体的储存时间和条件;
■生产批次的当前批号和/或总号;和/或
■处理的材料。
15.一种误差补偿单元(6),所述误差补偿单元(6)用于补偿在生产组件(10)中的物体(3)的生产过程中的误差,所述误差补偿单元(6)适于在根据权利要求9至11中的任一项所述的自补偿制造系统中使用,和/或适于与根据权利要求12至14中的任一项所述的测量设施(4)一起使用,
其特征在于,
●数据获得装置(61),所述数据获得装置(61)适于获得所述物体的标定属性数据(30)和偏差数据(34),所述偏差数据(34)已经在利用至少一个样本物体的实际属性数据的属性的所获得的值和所述标定属性数据(30)的相应属性的设定值的标定-实际值比较(150)期间生成;
●数据存储设备(62),所述数据存储设备(62)适于存储所述标定属性数据(30)和所述偏差数据(34);
●计算设备(64),所述计算设备(64)适于基于所述标定属性数据(30)并基于所述偏差数据(34)来自动创建适合的生产模型(36);以及
●数据提供装置(69),所述数据提供装置(69)适于针对适合的物体(3’)的适合的生产过程向所述生产组件(10)提供所述适合的生产模型(36),
其中,所述适合的生产模型(36)与所述标定属性数据(30)不同,使得在所述生产过程中出现的误差在所述适合的生产过程中被至少部分地补偿,
统计过程控制单元(8),所述统计过程控制单元(8)具有用于执行统计过程控制步骤的计算装置,所述统计过程控制步骤包括监测测量结果以及如下步骤:
●相对于随时间的变化来分析所述测量结果;
●分析所述测量结果的统计分布;
●监测周围环境和生产组件参数,并且确定它们之间的相关性;和/或
●监测周围环境和/或生产组件参数,并且确定这些参数中的至少一个与所述测量结果之间的相关性,
其中,所述统计过程控制步骤还包括:控制属性的测量和/或从已在所述生产组件(10)中生产的多个物体选择(130)样本物体,该控制步骤是基于所分析的测量结果,
其中,所述统计过程控制单元(8)适于基于所监测的测量结果、基于所监测的周围环境和/或生产组件参数和/或基于所识别的相关性来调节所述测量设施(4)的测量程序。
16.根据权利要求15所述的误差补偿单元(6),
其特征在于,
●所述偏差数据(34)描述了以下偏差:
■至少一个样本物体的实际属性数据的属性的所获得的值与所述标定属性数据(30)的相应属性的设定值之间的偏差;和/或
■所获得的值与生产模型(31)的相应生产值之间的偏差;
●所述数据获得装置(61)适于获得与用于执行所述生产过程的所述生产组件(10)的机器参数有关的信息,其中,所述计算设备(64)适于还基于与所述生产组件(10)的机器参数有关的信息来创建适合的数据集;
●所述误差补偿单元(6)包括数据输出装置,其适于向用户提供所述标定属性数据(30)、所述偏差数据(34)、所述适合的生产模型(36)和/或其图形表示;和/或
●所述数据获得装置(61)和所述数据提供装置(69)包括线缆、用于允许无线数据传送的装置、或用于接受存储介质的装置,其中,所述存储介质是压缩盘或闪存设备。
17.根据权利要求16所述的误差补偿单元(6),其特征在于,
所述数据获得装置(61)适于获得与所述生产组件(10)的可用处理装置、和/或所述处理装置的可调节性有关的信息。
18.一种计算机可读记录介质,在所述计算机可读记录介质上存储有计算机代码,所述计算机代码具有计算机可执行指令,当在根据权利要求9-11中的任一项所述的自补偿制造系统、适于与根据权利要求12至14中的任一项所述的测量设施(4)一起使用、或根据权利要求15至17中的任一项所述的误差补偿单元(6)的计算单元上执行时,所述计算机可执行指令用于执行基于根据权利要求1至8中的任一项所述的方法的标定属性数据(30)并基于偏差数据(34)来自动创建(170)适合的生产模型的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP15151145.8A EP3045992B1 (en) | 2015-01-14 | 2015-01-14 | Compensating for errors occurring in a production process |
EP15151145.8 | 2015-01-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105785943A CN105785943A (zh) | 2016-07-20 |
CN105785943B true CN105785943B (zh) | 2019-02-05 |
Family
ID=52339065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511030781.XA Active CN105785943B (zh) | 2015-01-14 | 2015-12-31 | 补偿误差的方法、单元、系统、测量设施、介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20160202691A1 (zh) |
EP (1) | EP3045992B1 (zh) |
CN (1) | CN105785943B (zh) |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106415198B (zh) * | 2014-01-20 | 2019-12-10 | 卡尔蔡司工业测量技术有限公司 | 图像记录方法和执行该方法的坐标测量机 |
US10421267B2 (en) | 2015-02-12 | 2019-09-24 | Arevo, Inc. | Method to monitor additive manufacturing process for detection and in-situ correction of defects |
US9895845B2 (en) | 2015-02-16 | 2018-02-20 | Arevo Inc. | Method and a system to optimize printing parameters in additive manufacturing process |
US10144530B1 (en) * | 2015-05-04 | 2018-12-04 | The Boeing Company | Model-based definition for machining aircraft parts |
CN106799837B (zh) * | 2015-11-20 | 2019-02-12 | 三纬国际立体列印科技股份有限公司 | 三轴并联式3d打印机及其校正方法 |
CN108885438A (zh) * | 2016-03-24 | 2018-11-23 | 西门子股份公司 | 用于控制的方法、控制系统和设备 |
US10052813B2 (en) | 2016-03-28 | 2018-08-21 | Arevo, Inc. | Method for additive manufacturing using filament shaping |
EP3463821A4 (en) | 2016-06-01 | 2020-01-08 | Arevo, Inc. | LOCALIZED HEATING TO IMPROVE THE INTERLAYER CONNECTION IN 3D PRINTING |
US9656429B1 (en) | 2016-08-09 | 2017-05-23 | Arevo, Inc. | Systems and methods for structurally analyzing and printing parts |
WO2018031594A1 (en) * | 2016-08-09 | 2018-02-15 | Arevo, Inc. | Systems and methods for structurally analyzing and printing parts |
CN106326596B (zh) * | 2016-09-08 | 2019-05-21 | 沈阳航空航天大学 | 一种基于螺旋铣削制孔的孔径误差修正补偿方法 |
EP3339801B1 (en) * | 2016-12-20 | 2021-11-24 | Hexagon Technology Center GmbH | Self-monitoring manufacturing system, production monitoring unit and use of production monitoring unit |
US11113807B2 (en) | 2017-01-12 | 2021-09-07 | Eos Gmbh Electro Optical Systems | Method of detecting process irregularities by means of volume image data of the manufactured object |
US11911958B2 (en) | 2017-05-04 | 2024-02-27 | Stratasys, Inc. | Method and apparatus for additive manufacturing with preheat |
WO2018213334A1 (en) | 2017-05-15 | 2018-11-22 | Arevo, Inc. | Systems and methods for determining tool paths in three-dimensional printing |
WO2018217650A1 (en) | 2017-05-22 | 2018-11-29 | Arevo, Inc. | Methods and systems for three-dimensional printing of composite objects |
WO2018231542A1 (en) * | 2017-06-12 | 2018-12-20 | Honeywell International Inc. | Apparatus and method for identifying impacts and causes of variability or control giveaway on model-based controller performance |
US10591288B2 (en) * | 2017-06-27 | 2020-03-17 | The Boeing Company | System and method for evaluation of used components |
US11321605B2 (en) * | 2017-11-13 | 2022-05-03 | Dassault Systemes Solidworks Corporation | Automatic assembly mate creation for frequently-used components |
CN108168483B (zh) * | 2017-12-15 | 2020-05-15 | 北京德普润新材料科技有限公司 | 用于增材制造的零件尺寸校准方法 |
GB201721309D0 (en) | 2017-12-19 | 2018-01-31 | Renishaw Plc | Production and measurement of workpieces |
DE102018202093A1 (de) * | 2018-02-12 | 2019-08-14 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Berechnung von Datenmodellen in sicherheitskritischen Systemen |
CN109117524B (zh) * | 2018-07-25 | 2023-08-22 | 上海理工大学 | 基于多工位装配夹具补偿的钣金件装配尺寸偏差控制方法 |
TWI747053B (zh) * | 2018-10-03 | 2021-11-21 | 國立成功大學 | 積層製造系統與方法及特徵擷取方法 |
KR102345225B1 (ko) | 2018-11-16 | 2021-12-30 | 더 노스 훼이스 어패럴 코오포레이션 | 절단 등록을 위한 시스템 및 방법 |
EP3681140B1 (en) * | 2019-01-09 | 2022-07-20 | Concept Laser GmbH | Method for additively manufacturing three-dimensional objects |
DE102019207618A1 (de) * | 2019-05-24 | 2020-11-26 | MTU Aero Engines AG | Bauteilprüfung |
US11745305B2 (en) | 2019-07-05 | 2023-09-05 | Moore Nanotechnology Systems, LLC | System and method for correcting machining error during a precision jig grinding process |
DE102019127545A1 (de) * | 2019-10-14 | 2021-04-15 | Windmöller & Hölscher Kg | Verfahren für eine modellbasierte Bestimmung von Modellparametern |
SE543563C2 (en) * | 2019-12-20 | 2021-03-30 | Sandvik Machining Solutions Ab | Method and system for optimizing a manufacturing process |
US20230191492A1 (en) * | 2020-04-29 | 2023-06-22 | Hewlett-Packard Development Company, L.P. | Three-dimensional object physical property deviation determination |
CN111624944B (zh) * | 2020-06-16 | 2023-09-08 | 富联裕展科技(深圳)有限公司 | 刀具控制装置及方法 |
CN112633776A (zh) * | 2021-01-06 | 2021-04-09 | 郑州旭飞光电科技有限公司 | 研磨量补正方法、系统、存储介质及电子设备 |
CN113411971B (zh) * | 2021-06-07 | 2022-12-13 | 金禄电子科技股份有限公司 | 线路板、线路板的加工方法及沉头孔的加工方法 |
EP4137780A1 (en) | 2021-08-16 | 2023-02-22 | Hexagon Technology Center GmbH | Autonomous measuring robot system |
EP4163740B1 (en) | 2021-10-11 | 2024-04-24 | Hexagon Technology Center GmbH | Digital twin |
US11921487B2 (en) * | 2022-02-18 | 2024-03-05 | Pratt & Whitney Canada Corp. | System and method for machining a component |
CN114838698B (zh) * | 2022-03-26 | 2024-06-14 | 慈溪市正和包装有限公司 | 一种瓦楞纸板生产监控方法、系统、存储介质及智能终端 |
WO2024037769A1 (en) | 2022-08-18 | 2024-02-22 | Carl Zeiss Ag | Method and manufacturing installation for producing a plurality of workpieces |
CN116372662B (zh) * | 2023-06-06 | 2023-09-29 | 成都飞机工业(集团)有限责任公司 | 数控锪窝尺寸预补偿修正方法 |
CN117245976B (zh) * | 2023-11-20 | 2024-02-27 | 瑞元隆航天航空新材料(张家港)有限公司 | 一种热塑复合材料的成型工艺控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102350548A (zh) * | 2011-09-30 | 2012-02-15 | 中国石化集团西南石油局管具公司 | 一种数控车床维修螺纹的对刀方法 |
CN102393677A (zh) * | 2011-10-27 | 2012-03-28 | 浙江工业大学 | 三轴数控系统的串级型迭代学习交叉耦合轮廓误差控制方法 |
CN102809344A (zh) * | 2012-08-08 | 2012-12-05 | 安徽博微长安电子有限公司 | 曲线的线轮廓度在线检测方法 |
CN103624632A (zh) * | 2013-11-26 | 2014-03-12 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种测量数控加工零件斜面点的表架及测量方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03176703A (ja) | 1989-12-05 | 1991-07-31 | Yoshiaki Kakino | 数値制御装置 |
DE19544240A1 (de) | 1994-12-01 | 1996-06-05 | Volkswagen Ag | Verfahren und Vorrichtung zur Ermittlung der räumlichen Koordinaten von Objektpunkten und Verfahren zur Herstellung einer Karosserie |
US6256546B1 (en) | 1998-09-28 | 2001-07-03 | General Electric Company | System and method for numerical control processing of an in-processing part |
US6556884B1 (en) | 2000-06-16 | 2003-04-29 | Advanced Micro Devices, Inc. | Method and apparatus for interfacing a statistical process control system with a manufacturing process control framework |
DE10119082A1 (de) | 2001-04-19 | 2002-12-19 | Witzig & Frank Gmbh | Maschinensteuerungsprogrammsystem und Verfahren zur Steuerung einer Werkzeugmaschine |
US6985825B1 (en) * | 2003-07-15 | 2006-01-10 | Advanced Micro Devices, Inc. | Method and apparatus for adaptive sampling based on process covariance |
ATE423341T1 (de) | 2003-07-24 | 2009-03-15 | Cognitens Ltd | System und verfahren zur überwachung und visualisierung der ausgabe eines produktionsprozesses |
US7366583B2 (en) | 2005-09-01 | 2008-04-29 | General Electric Company | Methods and systems for fabricating components |
DE102005050205A1 (de) | 2005-10-20 | 2007-04-26 | Mtu Aero Engines Gmbh | Verfahren und Vorrichtung zum Kompensieren von Lage-und Formabweichungen |
DE102008034117A1 (de) | 2008-07-21 | 2010-02-04 | Carl Zeiss Industrielle Messtechnik Gmbh | Verfahren und Vorrichtung zum Herstellen eines Urformwerkzeugs |
JP4998485B2 (ja) * | 2009-01-23 | 2012-08-15 | パナソニック株式会社 | 部品実装ライン及び部品実装方法 |
US8606387B2 (en) * | 2010-11-18 | 2013-12-10 | Taiwan Semiconductor Manufacturing Company, Ltd. | Adaptive and automatic determination of system parameters |
US8509940B2 (en) | 2011-02-23 | 2013-08-13 | GM Global Technology Operations LLC | Electronic system and method for compensating the dimensional accuracy of a 4-axis CNC machining system using global offsets |
US8712577B2 (en) | 2011-02-23 | 2014-04-29 | GM Global Technology Operations LLC | Electronic system and method for compensating the dimensional accuracy of a 4-axis CNC machining system using global and local offsets |
US9599979B2 (en) | 2011-09-14 | 2017-03-21 | Jtekt Corporation | Machining error calculation apparatus, machining error calculation method, machining control apparatus and machining control method thereof |
CN107031037B (zh) | 2012-01-24 | 2020-12-01 | 史密夫和内修有限公司 | 多孔结构及其制造方法 |
US9002498B2 (en) | 2012-02-02 | 2015-04-07 | Taiwan Semiconductor Manufacturing Co., Ltd. | Tool function to improve fab process in semiconductor manufacturing |
US10061870B2 (en) | 2014-03-18 | 2018-08-28 | Palo Alto Research Center Incorporated | Automated metrology and model correction for three dimensional (3D) printability |
US9912915B2 (en) * | 2015-01-13 | 2018-03-06 | Solid Innovation, Inc. | Verification and adjustment systems and methods for additive manufacturing |
-
2015
- 2015-01-14 EP EP15151145.8A patent/EP3045992B1/en not_active Revoked
- 2015-12-31 CN CN201511030781.XA patent/CN105785943B/zh active Active
-
2016
- 2016-01-13 US US14/995,104 patent/US20160202691A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102350548A (zh) * | 2011-09-30 | 2012-02-15 | 中国石化集团西南石油局管具公司 | 一种数控车床维修螺纹的对刀方法 |
CN102393677A (zh) * | 2011-10-27 | 2012-03-28 | 浙江工业大学 | 三轴数控系统的串级型迭代学习交叉耦合轮廓误差控制方法 |
CN102809344A (zh) * | 2012-08-08 | 2012-12-05 | 安徽博微长安电子有限公司 | 曲线的线轮廓度在线检测方法 |
CN103624632A (zh) * | 2013-11-26 | 2014-03-12 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种测量数控加工零件斜面点的表架及测量方法 |
Also Published As
Publication number | Publication date |
---|---|
US20160202691A1 (en) | 2016-07-14 |
EP3045992B1 (en) | 2020-10-14 |
CN105785943A (zh) | 2016-07-20 |
EP3045992A1 (en) | 2016-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105785943B (zh) | 补偿误差的方法、单元、系统、测量设施、介质 | |
Uddin et al. | Prediction and compensation of machining geometric errors of five-axis machining centers with kinematic errors | |
Nojedeh et al. | Tool path accuracy enhancement through geometrical error compensation | |
CN105358935B (zh) | 用于检查工件的方法和设备 | |
KR102373431B1 (ko) | 표면 처리 가공 방법 및 표면 처리 가공 장치 | |
Kumar et al. | Process control in CNC manufacturing for discrete components: A STEP-NC compliant framework | |
He et al. | An improved adaptive sampling strategy for freeform surface inspection on CMM | |
EP3510351B1 (en) | Measurement of toothed articles utilizing multiple sensors | |
CN103777570A (zh) | 基于nurbs曲面的加工误差快速检测补偿方法 | |
CN108227647A (zh) | 自监视制造系统 | |
CN107429997B (zh) | 用于确定测量对象的尺寸特性的方法和装置 | |
US11976920B2 (en) | Automated test plan validation for object measurement by a coordinate measuring machine | |
JP7019396B2 (ja) | 工作機械の制御方法、工作機械の制御装置、工作機械の設定支援装置、工作機械の制御システム及びプログラム | |
US20140200709A1 (en) | Machining Condition Estimating Apparatus and Machining Condition Estimating Method | |
US20070198123A1 (en) | System and method for measuring machining tools and using data generated therefrom | |
US10852709B2 (en) | Machine tool certification for part specific working volume | |
JP2022528842A (ja) | 較正方法およびワークピース情報の取得方法 | |
KR20200007794A (ko) | 표면 처리 가공 방법 및 표면 처리 가공 장치 | |
Barari | Automotive body inspection uncertainty associated with computational processes | |
US10955238B1 (en) | In-process automatic recalibration | |
Zhang et al. | Modeling of tool wear for ball end milling cutter based on shape mapping | |
Cao et al. | Lathe errors identification based on surface topography analysis after turning | |
JERZY et al. | Diagnostics of CNC machine tool with R-Test system. | |
Ghiotti et al. | Enhancing the accuracy of in-process springback measurements of complex tube bending processes using cost-effective embedded sensors | |
Gapinski et al. | Some aspects of the roundness measurement with CMM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |