CN111275235A - 用于基于部件的检查来优化制造过程的系统和方法 - Google Patents

Abstract

提供了一种用于执行制造过程的系统及其使用方法。例如，一种方法可以包括由被配置为驱动制造过程的系统执行基于第一部分的数字模型的一组制造功能。该方法可以包括由系统从现场评分系统中获取与第二部分有关的性能数据。该方法可以进一步包括基于与第二部分有关的性能数据来构建数字模型。该方法可以进一步包括：基于数字模型，生成代表第一部件的性能的预测；以及基于数字模型和预测，生成一组制造功能。该方法还包括根据一组制造功能来制造第一部件。

Description

用于基于部件的检查来优化制造过程的系统和方法

技术领域

本公开总体上涉及一种用于执行制造过程的系统及其使用方法。更具体地，本公开涉及一种系统及其使用方法，其允许检查资产的部件以便驱动用于制造类似组件的一个或多个制造参数。

背景技术

在典型的工业制造过程中，制造零件在任用时的操作性能与所制造零件的预期性能之间可能存在差异。例如但不限于，翼型件在制造时的预期性能以及在特定操作条件下翼型件在发动机上的承受力可能存在差异。这样，为了确保高质量的零件，工业制造过程集中于生产满足严格尺寸公差的零件。但是，这仅仅是所制造零件的第一阶优化。

例如，所制造零件及其性能之间的潜在差异在飞行器发动机设计和维护中尤为重要。由于飞行器发动机核心部件被迫以较少的可用冷却流在较高的温度下运行，因此与制造变化相关的部件鲁棒性的分布被恶化。因此，在制造将来的零件时，必须考虑可通过零件的现场检查(部分或全部)进行监视的特定性能条件。为了推断全部部件的质量，应该将可能会更频繁地进行的部分现场检查与整个现场检查相关联。由于典型的制造系统缺乏此功能，因此典型的制造过程无法集成。

发明内容

本文特征的实施例帮助解决或减轻上述问题以及本领域中已知的其他问题。根据本公开将可实现的实施例或其变型允许将现场性能测量和部件的鲁棒性集成到制造过程中。这样，实施例可以允许制造设施将其用于部件的制造过程调整为功能参数或性能指标，而不是像传统上那样仅优化制造过程以产生对一个或多个物理参数具有预定公差的零件。

例如，但不限于，在一个实施例中，可以基于与零件的性能和/或零件将在其中使用的资产的性能相关的数据驱动模型来制造零件。这与传统的制造过程相反，传统的制造过程仅集中于生产具有符合预定公差的几何特征的零件。例如，作为另一个非限制性示例，实施例可以允许根据发动机的热学性能来优化发动机的热气路径中的部件的制造，而不是仅基于部件的公差尺寸来优化。

一个示例实施例包括一种用于执行制造过程的方法。该方法包括由配置成驱动制造过程的系统执行基于第一零件的数字模型的一组制造功能。该方法包括由系统从现场评分系统中获取与类似于第一部分的第二部分有关的性能数据。该方法进一步包括基于与第二部分有关的性能数据来构建数字模型。该方法进一步包括基于数字模型生成代表第一部分的性能的预测，并基于数字模型和预测生成一组制造功能。该方法还包括根据一组制造功能来制造第一部件。

另一个示例实施例提供了一种用于执行制造过程以制造第一零件的系统。该系统包括处理器和包括指令的存储器，该指令被处理器执行时使处理器执行某些操作。该操作可以包括执行用于制造第一零件的一组制造功能。该操作还可以包括从现场评分系统中获取与第二部分有关的性能数据，以及基于与第二部分有关的性能数据来构建数字模型。该操作可以进一步包括基于数字模型生成表示第一部分的性能的预测数据，以及基于数字模型和预测数据生成一组制造功能。该操作可以进一步包括根据一组制造功能来制造第一零件。

下面参考附图描述各种实施例的附加特征，操作模式，优点和其他方面。注意，本公开不限于本文描述的特定实施例。呈现这些实施例仅出于说明性目的。基于所提供的教导，其他实施例或所公开的实施例的修改对于相关领域的技术人员将是显而易见的。

附图说明

说明性实施例可以采取各种部件和部件的布置的形式。在附图中示出了说明性实施例，在全部附图中，相似的附图标记可以指示各个附图中的对应或相似部分。附图仅出于说明实施例的目的，并且不应被解释为限制本公开。考虑到以下能描述的附图，本公开的新颖性方面对于相关领域的普通技术人员将变得显而易见。

图1示出了根据实施例的过程。

图2示出了根据实施例的方法。

图3示出了根据实施例的系统。

具体实施方式

尽管本文针对特定应用描述了说明性实施例，但是应当理解，本公开不限于此。本领域技术人员并且可以通过本文提供的教导认识到，本公开对于在本发明的范围内的另外的应用，修改和实施例以及另外的领域将具有重大意义。

如前所述，典型的组件检查方法着重于物理参数。例如但不限于，通常使用针对公差尺寸的点测量来检查燃气涡轮硬件(例如，叶片，喷嘴，护罩，衬套等)。假设只要所得的特征落在一定的公差范围内，那么在发动机级别上，则可以预期所有部件在其预期的生命周期内都能正常运行。实际上，这是不正确的。例如，涡轮叶片套件通常仅显示60个叶片的套件总尺寸中的1个或2个不良叶片(超过能用的极限)。这些不良的离群值位于部件鲁棒性分布曲线的下端，尽管在该部件的总体允许公差之内。

本文特征的实施例允许在工艺水平上优化制造能力。例如，但不限于，通过实施例，在了解期望的质量并监视钻孔过程的输出的情况下，变得有可能辨别所制造零件的质量偏差，并且可以识别钻孔的制造过程偏差以改善其质量。

此外，本文所描述的实施例包括专用硬件，软件及其组合，其从通常专注于纯粹几何特征细节的点测量范例转移到现场功能检查范例。例如，从热学的角度来看，部件的热气路径的热鲁棒性可能由一个或多个参数来驱动。这些参数可以是：1)外表面上的薄膜冷却设置的质量；2)整个零件表面的热障或环境屏障涂层厚度分布的质量；3)内部通道内的内部传热系数的质量(对于蛇形冷却零件)。

这些品质共同代表了部件执行其预期功能之一的能力：即，将部件的工作温度保持在某个阈值要求以下。此外，单个部件所拥有的这些质量的程度不必与与定义特定几何形状(与该特定组件相关)相关的尺寸测量值直接相关。因此，需要直接在部件上测量质量/功能，以确保部件适当发挥功能。

尽管当前的检查技术着重于从零件获得几何数据，但是这些实施例与零件能力的直接和功能测量相关联，因此，它们允许生产经定制以实现预定的热鲁棒性的的零件。根据一个实施例，这种零件的生产在过程级别上基于集成现场检查数据。这些数据可以从与零件相关的各种检查技术(全部，部分或它们的组合)中收集，例如但不限于施加在零件上的压敏涂料，蓝光检查，白光检查和基于红外线的检查技术。在一些实施例中，该部件可以包括在其表面上具有压敏涂料的套筒或外套；在这些实施例中，压敏涂料不与零件接触。

这种方法之所以具有优势，是因为在上述示例中，从发动机运行的角度来看，感兴趣的部件参数是三个热参数。这样，实施例有助于将制造过程集中在部件的热或冷却性能上，而不是仅集中在其几何特征上。

换句话说，在一个实施例中，车间中用于生产部件的过程实际上将被调整以实现一定的最小热鲁棒性，并且可以结合使用来自上述一个或多个来源的现场检查数据来定义整个组件的最小热性能标准。

在一个示例用例中，本文特征的实施例可用于涡轮机中的热气路径检查。实施例用询问(interrogate)零件的现场和功能性能的现场检查技术代替了以几何为中心的检查。在这种情况下，可以对制造参数进行微调以满足指定的最小鲁棒性参数要求(在这种情况下，主要是热性能)以满足预期的部件使用寿命。这样，实施例提供了用于在制造车间或服务车间上集成检查技术的新颖系统和方法。

因此，实施例提供了与当前集中于从零件获得几何数据的检查技术相反的几个优点。下面描述了几个示例实施例；虽然在飞行器部件的背景中讨论了所描述的方法和系统，但是本领域的普通技术人员将容易理解，在不脱离本公开的情况下，它们可以应用于其他背景，即在其他行业中。

图1示出了根据示例性实施例的过程100。过程100可以是与部件的生命周期和/或一般制造周期相关联的过程。虽然过程100是在关于飞行器或喷气发动机零件的背景中描述的，但其可以扩展到制造过程，或者通常扩展到任何制造部件的生命周期。过程100包括作为产品环境范围的模块102。换句话说，模块102可以是存储与关于在现场使用的相同产品的实例有关的信息的数据库。

例如，模块102可以包括关于当多个涡轮叶片在一组发动机中(即，在两个或更多个发动机中，或者通常在两个或更多个飞机上)被任用时的可靠性或故障的信息。模块102可以被配置为根据来自与之通信耦合的设备的请求而组织或呈现产品环境谱(productenvironment spectrum)，该产品环境谱以预定顺序对所有感兴趣的产品进行分类。

例如，产品可以从最稳定(102a)到标称/最佳燃料燃烧性能(102n)进行分类。通常，可以使用一个或多个标准来根据上述谱对这些产品进行分类。例如，在涡轮叶片的情况下，可以根据产品的热性能来分类产品，可以使用一种或多种现场检查方法来测量产品的热性能，可以是全部或部分或它们的组合。

然后可以将这些测量值中的一个或多个提供到分析/分析模块中，以确定该特定部分的总体“得分”。在某些情况下，该分析模块可能基于基于物理的建模(例如有限元模型)，基于数据的建模(即，绘制出与以前有关在现场如何执行具有相似信号的零件的知识的比较)，机器学习/人工智能模型或其他创建分析模块的方法。

产品环境谱可以由来自客户的约束驱动，来自客户的约束可以在模块104中被收集和被功能化(即，以计算机指令的形式放置)。类似地，产品环境谱可以由商业约束驱动，而商业约束可以在模块106中被功能化。这些约束(对于模块104和106两者)可以随着各种信息源的更新而随着制造过程的更新而更新，如下文将进一步描述。

模块104的客户约束还可以驱动模块108的工程功能，该工程功能继而驱动制造决策，如在模块112中功能化的。一旦将工程决策功能化，就可以将其用于建立配置用于设计的数字线程；这是通过分析创建发动机模块118实现的。

在示例性实施例中，在分析创建发动机模块118中设计/创建/改编/改变/模型分析。通常，分析创建发动机模块118可以从一个或多个源收集信息。例如，一个或多个源可以包括基于物理的设计和仿真模型的形式的工程模块108。一个或多个源可以包括与过去产品使用相关联的数据形式的现场经验模块，例如模块104和/或模块111。一个或多个源可以逐部分地包括在模块114之下获取的先前的检查数据，该先前的检查数据逐部分地与现场经验数据直接连接(例如至模块104和111)。

与模块114处的零件相关联的数据和与来自模块104的相同零件相关联的数据以数字格式链接在一起，以供分析创建发动机模块118使用。此外，在示例性实施例中，分析创建发动机模块118可以使用机器学习和/或人工智能来创建替代模型，该替代模型由基于物理的设计结果，仿真模型以及现场经验模块的数据来训练。在另一个实施例中，分析创建发动机模块118将来自模块114的先前检查数据与来自模块111或模块104的现场经验数据相关联，并逐部分地创建回归，其被用于基于来自模块114的未来检查数据预测未来现场经验。对分析模块116进行评分的替代模型是将分析计算应用于来自模块114的检查数据的地方，以便为该特定部分创建分数(102a-102n)。

图2示出了根据实施例的可以由执行过程100的制造系统执行的示例性方法200。方法200开始于步骤202。通过多种检查技术对来自已知制造工艺/实践的所制造零件的性能数据进行功能化(步骤204)。这些数据可以从一个或多个现场检查模块生成(步骤206、208和210)。在这些步骤的每一个中，例如，可以将与零件的内部热系数，零件的薄膜覆盖质量以及零件的全场TBC涂层厚度分布有关的数据传输到子系统模块，该子系统模块会产生零件的有效热性能(步骤212)。

具体地，有效热性能可以由对分析模块116进行评分而确定。在一个实施例中，该确定可以包括将所评估的热效率与所有其他部件进行比较，并且可以基于该比较将分数(102a-102n)分配给所制造零件。然后，将评估的热效率性能用于创建数字孪生(步骤214)，然后通过提供性能预测，在步骤216将其用于评估新制作零件的热性能。

已经描述了几种示例性方法和过程，现在描述被配置为执行这些过程的专用系统。图3描绘了系统300，其包括被配置为执行特定于优化和执行制造过程的任务的专用处理器314。处理器314具有由存储在存储器302中的指令和/或可以由处理器314从储存器320获取的指令318赋予的特定结构。储存器320可以与处理器314位于同一地点，或者可以位于其他地方，并且例如经由通信接口316通信地耦合至处理器314。此外，在一些实施例中，系统300可以是提供基于云的计算服务的基于云的计算基础设施的一部分。

系统300可以是独立的可编程系统，或者可以是位于更大系统中的可编程模块。例如，系统300是被配置为处理上述过程100的各种模块的分布式系统的一部分。处理器314可以包括被配置为获取，解码，执行，存储，分析，分发，评估和/或分类信息的一个或多个硬件和/或软件组件。此外，处理器314可以包括输入/输出模块(I/O模块312)，该输入/输出模块可以被配置为摄取与单项资产或资产组有关的数据。

处理器314可以包括一个或多个处理设备或核心(未示出)。在一些实施例中，处理器314可以是多个处理器，每个处理器具有一个或多个核心。处理器314可以被配置为执行从存储器302(即，从存储区304，存储区306，存储区308和存储区310之一)获取的指令。

此外，在不失一般性的情况下，储存器320和/或存储器302可以包括易失性或非易失性，磁性，半导体，磁带，光学，可移动，不可移动，只读，随机访问或任何类型的非暂时性计算机可读计算机介质。储存器320可以被配置为记录在处理器314的操作期间处理，记录或收集的数据。

可以按照与数据存储实践一致的各种方式对数据进行时间戳记，位置戳记，编目，索引或组织。储存器320和/或存储器302可以包括处理器314可以用来执行与本文所描述的任务一致的任务的程序和/或其他信息。

如上所述，例如，处理器314可以由来自存储区306，存储区308和存储区310的指令配置，以执行评分检查任务和相关联的分析。处理器314可以执行来自存储区306、308和310的前述指令，并输出基于现场性能测试数据的孪生数字模型，并将孪生数字模块传送至制造过程系统，以用于随后制造基于现场条件而优化的新零件。

相关领域的技术人员将理解，在不脱离本公开的范围和精神的情况下，可以配置上述实施例的各种修改和变型。因此，应理解，在所附权利要求的范围内，可以不同于本文具体描述的方式实践本公开。

本发明的进一步方面通过以下条项的主题提供：

1.一种用于优化制造过程的方法，方法包括由配置为驱动制造过程的系统执行第一部分的一组制造功能，执行包括由系统从现场评分系统中获取与第二部分有关的性能数据，根据与第二部分有关的性能数据构建数字模型，基于数字模型，生成代表第一部分的性能的预测，基于数字模型和预测生成一组制造功能，以及根据一组制造功能制造第一部分。

2.根据任何在前条项的方法，进一步包括经由至少一个检查装置收集性能数据。

3.根据任何在前条项的方法，进一步包括经由与第二部分相关联的压敏涂料，蓝光检查装置，白光检查装置和基于红外的检查装置中的一个来收集性能数据。

4.根据任何在前条项的方法，其中性能数据与第二部分的热性能有关。

5.根据任何在前条项的方法，其中性能数据与冷却膜的热性能有关。

6.根据任何在前条项的方法，其中性能数据与热障涂层或环境屏障涂层的厚度分布有关。

7.根据任何在前条项的方法，其中性能数据与第二部分的热效率有关。

8.根据任何在前条项的方法，其中第二部分是热气路径部件。

9.根据任何在前条项的方法，其中制造过程不会仅仅根据第二部分的几何特征而被优化。

10.一种用于执行制造过程以制造第一零件的系统，系统包括处理器，包含指令的存储器，当指令被处理器执行时，使处理器执行操作，操作包括执行用于制造第一零件的一组制造功能，执行包括从现场评分系统中获取与第二部分有关的性能数据，根据与第二部分有关的性能数据构建数字模型，基于数字模型，生成代表第一部分的性能的预测数据，基于数字模型和预测数据生成一组制造功能，以及根据一组制造功能制造第一部分。

11.根据任何在前条项的系统，其中操作进一步包括：经由至少一个检查装置来收集性能数据。

12.根据任何在前条项的系统，其中操作还包括经由直接施加在第二部分上的压敏涂料，蓝光检查装置，白光检查装置和基于红外的检查装置中的一个来收集性能数据。

13.根据任何在前条项的系统，其中性能数据与第二部分的热性能有关。

14.根据任何在前条项的系统，其中性能数据与冷却膜的热性能有关。

15.根据任何在前条项的系统，其中性能数据与热障涂层或环境屏障涂层的厚度分布有关。

16.根据任何在前条项的系统，其中性能数据与第二部分的热效率有关。

17.根据任何在前条项的系统，其中第二部分是发动机的热气路径中的部件。

18.根据任何在前条项的系统，其中制造过程不会仅仅根据第二部分的几何特征而被优化。

19.根据任何在前条项的系统，其中根据来自多个现场零件的性能数据来优化制造过程。

20.根据任何在前条项的系统，其中根据与飞行器发动机有关的性能数据来优化制造过程。

Claims (10)

1.一种用于优化制造过程的方法，其特征在于，所述方法包括：

由配置为驱动所述制造过程的系统执行第一部分的一组制造功能，所述执行包括：

由所述系统从现场评分系统中获取与第二部分有关的性能数据；

根据与所述第二部分有关的性能数据构建数字模型；

基于所述数字模型，生成代表所述第一部分的性能的预测；

基于所述数字模型和所述预测生成所述一组制造功能；以及

根据所述一组制造功能制造所述第一部分。

2.根据权利要求1所述的方法，其特征在于，进一步包括经由至少一个检查装置收集所述性能数据。

3.根据权利要求1所述的方法，其特征在于，进一步包括经由与所述第二部分相关联的压敏涂料，蓝光检查装置，白光检查装置和基于红外的检查装置中的一个来收集所述性能数据。

4.根据权利要求1所述的方法，其特征在于，其中所述性能数据与所述第二部分的热性能有关。

5.根据权利要求1所述的方法，其特征在于，其中所述性能数据与冷却膜的热性能有关。

6.根据权利要求1所述的方法，其特征在于，其中所述性能数据与热障涂层或环境屏障涂层的厚度分布有关。

7.根据权利要求1所述的方法，其特征在于，其中所述性能数据与所述第二部分的热效率有关。

8.根据权利要求1所述的方法，其特征在于，其中所述第二部分是热气路径部件。

9.根据权利要求1所述的方法，其特征在于，其中所述制造过程不会仅仅根据所述第二部分的几何特征而被优化。

10.一种用于执行制造过程以制造第一零件的系统，其特征在于，所述系统包括：

处理器；

包含指令的存储器，当所述指令被所述处理器执行时，使所述处理器执行操作，所述操作包括：

执行用于制造第一零件的一组制造功能，所述执行包括：

从现场评分系统中获取与第二部分有关的性能数据；

根据与所述第二部分有关的所述性能数据构建数字模型；

基于所述数字模型，生成代表所述第一部分的性能的预测数据；

基于所述数字模型和所述预测数据生成所述一组制造功能；以及

根据所述一组制造功能制造所述第一部分。

Images