CN115338693B - 一种自动车床的加工损耗规避方法及系统 - Google Patents
一种自动车床的加工损耗规避方法及系统 Download PDFInfo
- Publication number
- CN115338693B CN115338693B CN202211269597.0A CN202211269597A CN115338693B CN 115338693 B CN115338693 B CN 115338693B CN 202211269597 A CN202211269597 A CN 202211269597A CN 115338693 B CN115338693 B CN 115338693B
- Authority
- CN
- China
- Prior art keywords
- workpiece
- quality
- loss
- correctable
- data
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q23/00—Arrangements for compensating for irregularities or wear, e.g. of ways, of setting mechanisms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/20—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring workpiece characteristics, e.g. contour, dimension, hardness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种自动车床的加工损耗规避方法及系统,包括以下步骤:步骤S1、在所述自动车床重要工序的前置工序中选取多个测量工序,实时筛选出品质可订正的工件作为可订正损耗件和品质不可订正的工件作为不可订正损耗件;步骤S2、将所述可订正损耗件的品质表征数据与标准工件的品质表征数据进行品质差距检测,并依据品质差距检测结果对可订正损耗件进行品质的定向修正以使得可订正损耗件转为标准工件,实现工件材料损耗的规避。本发明实现工件材料损耗的规避,以及将不可订正损耗件和可订正损耗件从自动车床的工序中剔除以避免占用自动车床的工序资源,实现自动车床工序损耗的规避。
Description
技术领域
本发明涉及车床加工技术领域,具体涉及一种自动车床的加工损耗规避方法及系统。
背景技术
高压输电中的各种器件包括滚花加工后的销子、均压环、防振锤和间隔棒,而生产这些部件需要利用自动车床,产品精度偏差是指产品在加工过程中受各种偏差源的影响,随着部件通过生产线,尺寸精度偏差不断地产生、累积和传递,最终形成产品的实际精度相对于设计精度的偏离差值。随着生产过程越来越复杂,产品经过一道工序就加工完成的情况变得很少,且产品质量受到多个偏差源的影响。复杂产品的加工系统往往是一个并行与串行相结合的多源多工序系统,最终产品质量受到加工过程中所有工序上多个偏差源的影响,除了单个工序上的各种偏差外,如零件材料特性、工装设备、夹具元素特征等对产品偏差产生不同程度的影响,不同工序间存在复杂的耦合关系,并可能引入偏差,这些质量偏差不断产生、传递、增长、消减、累积和传递,形成了最终产品的精度偏差。因为产品精度偏差是直接影响产品质量、生产率和市场响应时间等的最重要因素之一,所以在生产过程中不可避免的需要进行工件精度质检,将需要进行修复的工件筛选出来进行修复至符合设计的标准精度。
现有技术对于滚花加工后的销子、均压环、防振锤和间隔棒等部件的质检通常都是在成品阶段进行质检,但是此时质检出残次品只能作为生产损耗,成品不合格会造成较大的资源浪费,不能在生产过程中及时止损。
发明内容
本发明的目的在于提供一种自动车床的加工损耗规避方法,以解决现有技术中通常都是在成品阶段进行质检,但是此时质检出残次品只能作为生产损耗,成品不合格会造成较大的资源浪费,不能在生产过程中及时止损的技术问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种自动车床的加工损耗规避方法,包括以下步骤:
步骤S1、在所述自动车床重要工序的前置工序中选取多个测量工序,并利用检测装置对工件在测量工序处的品质状态进行测量得到工件的一组品质表征数据,并基于一组所述品质表征数据对工件进行实时的品质预判,以及实时筛选出品质可订正的工件作为可订正损耗件和品质不可订正的工件作为不可订正损耗件;
步骤S2、将所述可订正损耗件的品质表征数据与标准工件的品质表征数据进行品质差距检测,并依据品质差距检测结果对可订正损耗件进行品质的定向修正以使得可订正损耗件转为标准工件,实现工件材料损耗的规避;
步骤S3、将不可订正损耗件和可订正损耗件筛选出的同时将不可订正损耗件和可订正损耗件从自动车床的工序中剔除以避免占用自动车床的工序资源,实现自动车床工序损耗的规避。
作为本发明的一种优选方案,所述步骤S1中,所述测量工序的选取方法包括:
选取前置于重要工序的N个前置时序,并将N个前置时序中相邻前置时序/>和/>的时长间隔设置为动态趋势以使得前期测量时长间隔长且后期测量时长间隔短,实现与重要工序越接近损耗代价越高的趋势相匹配,所述时长间隔的动态趋势拟合函数为:/>;
式中,表征为相邻前置时序/>和/>的时长间隔,i为计量常数,无实质意义,A为常系数,无实质含义,/>和/>分别表征为第i个和第i+1个前置时序;
将所述重要工序的所在时序作为已知时序,利用所述已知时序/>分别根据动态趋势拟合函数求得N个前置时序/>,并将N个前置时序所对应的N个前置工序作为用于测量工件的品质状态的测量工序,其中,/>表征为第i个测量工序。
作为本发明的一种优选方案,所述步骤S1中,所述品质预判的方法包括:
将位于测量工序处的所有工件作为一个工件群组/>,并在工件群组/>中选取一个工件/>对应的品质表征数据/>分别与工件群组/>的剩余工件/>对应的品质表征数据/>进行工件相似度比对得到工件/>与工件群组/>的群组相似度,其中,
若工件与工件群组/>的群组相似度高于等于群组相似度阈值,则工件/>的品质等级高;
若工件与工件群组/>的群组相似度低于群组相似度阈值,则工件的品质等级低;
所述工件与工件/>的工件相似度的计算公式为:/>;
式中,表征为位于测量工序/>处的工件/>与工件/>的工件相似度,/>、分别表征为位于测量工序/>处的工件/>与工件/>的品质表征数据;
所述工件与工件群组/>的群组相似度的计算公式:;
式中,表征为位于测量工序/>处的工件/>与工件群组/>的群组相似度,I表征于工件相似度阈值,/>为自定义函数,在/>时,/>,在/>时,/>。
作为本发明的一种优选方案,所述步骤S1中,所述工件的品质筛选方法包括:
将所述品质等级低的工件的品质表征数据与标准工件的品质表征数据进行比较,其中,
若品质等级低的工件的品质表征数据中的每个数据项均大于等于标准工件的品质表征数据中的对应数据项,则将品质等级低的工件作为可订正损耗件;
若品质等级低的工件的品质表征数据中存在至少一个数据项小于标准工件的品质表征数据中的对应数据项,则将品质等级低的工件作为不可订正损耗件。
作为本发明的一种优选方案,所述步骤S2中,所述品质差距检测的方法包括:
将所述可订正损耗件的品质表征数据中大于标准工件的品质表征数据的数据项标记为订正数据项;
将所述可订正损耗件的订正数据项与标准工件的订正数据项进行差值计算得到订正数据项的修正值。
作为本发明的一种优选方案,所述步骤S2中,所述可订正损耗件品质的定向修正方法包括:
自动车床获取所述订正数据项的修正值,并根据订正数据项的修正值对所述可订正损耗件的定向修正;
在所述可订正损耗件的定向修正完成后将可订正损耗件的品质表征数据与标准工件的品质表征数据进行比较判定定向修正完成与否,其中,
若可订正损耗件的品质表征数据中的每个数据项均大于等于标准工件的品质表征数据中的对应数据项,则将可订正损耗件完成定向修正,将可订正损耗件返回至对应的测量工序处加入自动车床后续的工序加工;
若可订正损耗件的品质表征数据中存在至少一个数据项小于标准工件的品质表征数据中的对应数据项,则将可订正损耗件未完成定向修正,返回至品质差距检测进行定向修正。
作为本发明的一种优选方案,所述工件的品质筛选方法还包括:
若品质等级低的工件的品质表征数据中的每个数据项均等于标准工件的品质表征数据中的对应数据项,则将品质等级低的工件作为误判损耗件,并将误判损耗件返回至对应的测量工序处加入自动车床后续的工序加工。
作为本发明的一种优选方案,所述品质表征数据中的各个数据项在采集完成后均经过归一化处理。
作为本发明的一种优选方案,本发明提供了一种根据所述的自动车床的加工损耗规避方法的规避系统,包括:
数据检测单元,用于在所述自动车床重要工序的前置工序中选取多个测量工序,并利用检测装置对工件在测量工序处的品质状态进行测量得到工件的一组品质表征数据;
品质预判单元,用于基于一组所述品质表征数据对工件进行实时的品质预判,以及实时筛选出品质可订正的工件作为可订正损耗件和品质不可订正的工件作为不可订正损耗件;
损耗修正单元,用于将所述可订正损耗件的品质表征数据与标准工件的品质表征数据进行品质差距检测,并依据品质差距检测结果对可订正损耗件进行品质的定向修正以使得可订正损耗件转为标准工件,实现工件材料损耗的规避;
损耗剔除单元,用于将不可订正损耗件和可订正损耗件筛选出的同时将不可订正损耗件和可订正损耗件从自动车床的工序中剔除以避免占用自动车床的工序资源,实现自动车床工序损耗的规避。
本发明与现有技术相比较具有如下有益效果:
本发明在重要工序的多个前置工序处利用检测装置对工件的品质状态进行测量,并将相邻前置工序时长间隔设置为动态趋势以使得前期测量时长间隔长且后期测量时长间隔短,实现与重要工序越接近损耗代价越高的趋势相匹配,从而实现在损耗代价高的前置工序上对工件进行密切关注,同时在各个前置时序上进行工件的品质判定和筛选,可实现对对可订正损耗件进行品质的定向修正以使得可订正损耗件转为标准工件,实现工件材料损耗的规避,以及将不可订正损耗件和可订正损耗件从自动车床的工序中剔除以避免占用自动车床的工序资源,实现自动车床工序损耗的规避。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的加工损耗规避方法流程图;
图2为本发明实施例提供的规避系统结构框。
图中的标号分别表示如下:
1-数据检测单元;2-品质预判单元;3-损耗修正单元。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,高压输电中的各种工件包括滚花加工后的销子、均压环、防振锤和间隔棒等,目前的高压输电中的各种工件质检大多在制成高压输电中的各种工件成品时进行,这种质检方法可能导致高压输电中的各种工件在生产过程中造成品质瑕疵的加工工艺后的所有工艺步骤均是无效加工操作,会导致极大的车床加工资源占用以及工件材料的浪费,本发明提供了一种自动车床的加工损耗规避方法,在重要工艺的前置工序中选取多个测量工序进行品质监测,并将工件在品质瑕疵产生的工艺步骤后较短时间内从车床加工工艺上进行筛选剔除,避免了后续的无效生产,达到及时止损的作用,而且对可订正的耗损件进行定向修复,避免工件材料的损耗。
一种自动车床的加工损耗规避方法,包括以下步骤:
步骤S1、在自动车床重要工序的前置工序中选取多个测量工序,并利用检测装置对工件在测量工序处的品质状态进行测量得到工件的一组品质表征数据,并基于一组品质表征数据对工件进行实时的品质预判,以及实时筛选出品质可订正的工件作为可订正损耗件和品质不可订正的工件作为不可订正损耗件;
工件加工的重要工序通常是对于工件性能具有至关重要的工艺步骤,也通常是比较复杂精密且占用自动车床大量运行资源的工艺步骤,因此如果工件在重要工序前出现了品质瑕疵(比如尺寸、形状等不达标),即工件的实际集合参数与图纸要求的理想几何参数不符合,而存在品质瑕疵的工件进入了重要工序进行加工,对于建立在存在品质瑕疵的工件所进行的重要工序的工艺步骤是无效操作,仅仅是浪费且占用了自动机床的工艺运行资源,而且如果存在品质瑕疵的工件可以在进入重要工序前进行订正后使实际几何参数恢复至图纸要求的理想几何参数,但是未订正直接进入重要工序的加工会导致品质瑕疵的工件出现瑕疵叠加,甚至造成不可修复的结果,因此本发明在重要工序前设定了多个测量工序进行存在品质瑕疵的工件的筛选。
步骤S1中,测量工序的选取方法包括:
选取前置于重要工序的N个前置时序,并将N个前置时序中相邻前置时序/>和/>的时长间隔设置为动态趋势以使得前期测量时长间隔长且后期测量时长间隔短,实现与重要工序越接近损耗代价越高的趋势相匹配,时长间隔的动态趋势拟合函数为:/>;
式中,表征为相邻前置时序/>和/>的时长间隔,i为计量常数,无实质意义,A为常系数,无实质含义,/>和/>分别表征为第i个和第i+1个前置时序;
将重要工序的所在时序作为已知时序,利用已知时序/>分别根据动态趋势拟合函数求得N个前置时序/>,并将N个前置时序/>所对应的N个前置工序作为用于测量工件的品质状态的测量工序/>,其中,/>表征为第i个测量工序。
时长间隔的动态趋势拟合函数随着i由1增到N时,函数呈现递减趋势,因此在重要工序的所在时序确定的情况下,可求得重要工序的N个前置时序分别为:,/>,/>,……,/>,,并将/>~/>映射至位于自动车床的重要工序处的前N个前置工序并设置为N个测量工序/>~/>,可以看出在距离重要工序越近的时序上将测量工序(比如/>、/>、)的测量时长间隔设置的更短,而将距离重要工序越远的时序上将测量工序(比如/>、、/>)的测量时长间隔设置的更长,损耗代价高是指工件经历了较多的加工工序,一旦出现品质瑕疵会导致之前的加工工序等同于无效加工,而且工件材料就算可订正修复为标准件也会增添更多的修复步骤,造成的工件材料和工序资源的浪费程度较高,损耗代价低工件经历了较少的加工工序,一旦出现品质瑕疵会导致之前的加工工序虽然也等同于无效加工,工件材料修复为标准件的修复步骤较少,造成的工件材料和工序资源的浪费程度较低,由于位于距离重要工序越近时序处的工件出现品质瑕疵造成的损耗代价更大,因此需要较为频繁的对工件进行品质状态的监测,而位于距离重要工序越远时序处的工件出现品质瑕疵造成的损耗代价较小,因此无需较为频繁的对工件进行品质状态的监测,可以一定程度的释放下对工件进行品质状态监测的监测资源,因此利用动态趋势拟合函数进行时长间隔的设置,能够与重要工序越接近损耗代价越高的趋势相匹配,从而实现在损耗代价高的前置工序上对工件进行密切关注。
步骤S1中,品质预判的方法包括:
将位于测量工序处的所有工件作为一个工件群组/>,并在工件群组/>中选取一个工件/>对应的品质表征数据/>分别与工件群组的/>剩余工件/>对应的品质表征数据/>进行工件相似度比对得到工件/>与工件群组/>的群组相似度,其中,
若工件与工件群组/>的群组相似度高于等于群组相似度阈值,则工件/>的品质等级高;
若工件与工件群组/>的群组相似度低于群组相似度阈值,则工件的品质等级低;
工件与工件/>的工件相似度的计算公式为:/>;
式中,表征为位于测量工序/>处的工件/>与工件/>的工件相似度,/>、分别表征为位于测量工序/>处的工件/>与工件/>的品质表征数据;
工件与工件群组/>的群组相似度的计算公式:;
式中,表征为位于测量工序/>处的工件/>与工件/>群组的群组相似度,I表征于工件相似度阈值,/>为自定义函数,在/>时,/>,在/>时,/>。
位于同一测量工艺处的工件都在原则上应该具有一致的几何参数(本实施例中的品质表征数据),因此位于同一测量工艺处的工件都在原则上也应该具有一致的品质状态,实际上位于同一测量工艺处的所有工件存在包含品质瑕疵的工件,因此所有工件的品质表征数据难以保持完全一致,但是具有品质瑕疵的工件属于小概率事件,不具有品质瑕疵的工件属于大概率事件,则可将位于同一测量工艺处的所有工件组成一个工件群组作为一个整体筛选出该测量工艺处存在品质瑕疵的工件,工件群组中的大部分工件不具有品质瑕疵,因此会具有一致的品质表征数据,而小部分工件具有品质瑕疵,因此品质表征数据存在差异性,可通过品质表征数据的差异性来判定工件的品质状态。
若某一工件具有品质瑕疵,则该工件的品质表征数据与工件群组中大部分品质表征数据都具有差异性,即工件群组中与该工件具有高相似度的品质表征数据对应的工件比例较低,若某一工件不具有品质瑕疵,则该工件的品质表征数据与工件群组中大部分品质表征数据都具有相似性,即工件群组中与该工件具有高相似度的品质表征数据对应的工件比例较高,因此本实施例将工件群组中与单个工件具有高相似度的品质表征数据对应的工件比例进行量化为单个工件与工件群组的群组相似度,即计量与单个工件与工件群组中具有高相似度的品质表征数据对应的工件比例,若比例高,则判定该单个工件与工件群组的群组相似度高,若比例低,则判定单个工件与工件群组的群组相似度低,反映射至品质状态得到单个工件与工件群组的群组相似度低,则单个工件具有品质瑕疵,品质等级低,单个工件与工件群组的群组相似度高,则单个工件不具有品质瑕疵,品质等级高。
步骤S1中,工件的品质筛选方法包括:
将品质等级低的工件的品质表征数据与标准工件的品质表征数据进行比较,其中,
若品质等级低的工件的品质表征数据中的每个数据项均大于等于标准工件的品质表征数据中的对应数据项,则将品质等级低的工件作为可订正损耗件,品质等级低的工件的品质表征数据中的每个数据项均大于等于标准工件的品质表征数据中的对应数据项,表明品质等级低的工件实际的几何参数高于标准工件理想的几何参数,比如,品质等级低的工件比标准件偏高、偏长,可通过进一步的切削加工将偏长、偏高的部分进行切除,使得品质等级低的工件定向修复成标准工件的理想几何参数,因此将此类品质等级低的工件作为可订正损耗件;
若品质等级低的工件的品质表征数据中存在至少一个数据项小于标准工件的品质表征数据中的对应数据项,则将品质等级低的工件作为不可订正损耗件,品质等级低的工件的品质表征数据中的每个数据项均小于标准工件的品质表征数据中的对应数据项,表明品质等级低的工件实际的几何参数低于标准工件理想的几何参数,比如,品质等级低的工件比标准件偏短、偏薄,难以通过进一步的加工将偏短、偏薄的部分进行还原,无法使得品质等级低的工件定向修复成标准工件的理想几何参数,因此将此类品质等级低的工件作为不可订正损耗件。
步骤S2、将可订正损耗件的品质表征数据与标准工件的品质表征数据进行品质差距检测,并依据品质差距检测结果对可订正损耗件进行品质的定向修正以使得可订正损耗件转为标准工件,实现工件材料损耗的规避;
步骤S2中,品质差距检测的方法包括:
将可订正损耗件的品质表征数据中大于标准工件的品质表征数据的数据项标记为订正数据项;
将可订正损耗件的订正数据项与标准工件的订正数据项进行差值计算得到订正数据项的修正值,比如比标准件偏高10mm、偏长5mm,则订正数据项为长度数据项、高度数据项,并且长度数据项、高度数据项的修正值分别为切短10mm和5mm。
步骤S2中,可订正损耗件品质的定向修正方法包括:
自动车床获取订正数据项的修正值,并根据订正数据项的修正值对可订正损耗件的定向修正;
在可订正损耗件的定向修正完成后将可订正损耗件的品质表征数据与标准工件的品质表征数据进行比较判定定向修正完成与否,其中,
若可订正损耗件的品质表征数据中的每个数据项均大于等于标准工件的品质表征数据中的对应数据项,则将可订正损耗件完成定向修正,将可订正损耗件返回至对应的测量工序处加入自动车床后续的工序加工,可实现对耗损件的回收再利用,有效的避免了工件材料的损耗;
若可订正损耗件的品质表征数据中存在至少一个数据项小于标准工件的品质表征数据中的对应数据项,则将可订正损耗件未完成定向修正,返回至品质差距检测进行定向修正。
工件的品质筛选方法还包括:
若品质等级低的工件的品质表征数据中的每个数据项均等于标准工件的品质表征数据中的对应数据项,则将品质等级低的工件作为误判损耗件,并将误判损耗件返回至对应的测量工序处加入自动车床后续的工序加工,进行筛选审核,避免在步骤S1中的品质预判时将品质等级高的工件误判为品质等级低的工件。
品质表征数据中的各个数据项在采集完成后均经过归一化处理。
步骤S3、将不可订正损耗件和可订正损耗件筛选出的同时将不可订正损耗件和可订正损耗件从自动车床的工序中剔除以避免占用自动车床的工序资源,实现自动车床工序损耗的规避。
如图2所示,基于上述自动车床的加工损耗规避方法,本发明提供了一种规避系统,包括:
数据检测单元1,用于在自动车床重要工序的前置工序中选取多个测量工序,并利用检测装置对工件在测量工序处的品质状态进行测量得到工件的一组品质表征数据;
品质预判单元2,用于基于一组品质表征数据对工件进行实时的品质预判,以及实时筛选出品质可订正的工件作为可订正损耗件和品质不可订正的工件作为不可订正损耗件;
损耗修正单元3,用于将可订正损耗件的品质表征数据与标准工件的品质表征数据进行品质差距检测,并依据品质差距检测结果对可订正损耗件进行品质的定向修正以使得可订正损耗件转为标准工件,实现工件材料损耗的规避;
损耗剔除单元,用于将不可订正损耗件和可订正损耗件筛选出的同时将不可订正损耗件和可订正损耗件从自动车床的工序中剔除以避免占用自动车床的工序资源,实现自动车床工序损耗的规避。
本发明在重要工序的多个前置工序处利用检测装置对工件的品质状态进行测量,并将相邻前置工序时长间隔设置为动态趋势以使得前期测量时长间隔长且后期测量时长间隔短,实现与重要工序越接近损耗代价越高的趋势相匹配,从而实现在损耗代价高的前置工序上对工件进行密切关注,同时在各个前置时序上进行工件的品质判定和筛选,可实现对对可订正损耗件进行品质的定向修正以使得可订正损耗件转为标准工件,实现工件材料损耗的规避,以及将不可订正损耗件和可订正损耗件从自动车床的工序中剔除以避免占用自动车床的工序资源,实现自动车床工序损耗的规避。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (6)
1.一种自动车床的加工损耗规避方法,其特征在于,包括以下步骤:
步骤S1、在所述自动车床重要工序的前置工序中选取多个测量工序,并利用检测装置对工件在测量工序处的品质状态进行测量得到工件的一组品质表征数据,并基于一组所述品质表征数据对工件进行实时的品质预判,以及实时筛选出品质可订正的工件作为可订正损耗件和品质不可订正的工件作为不可订正损耗件;
步骤S2、将所述可订正损耗件的品质表征数据与标准工件的品质表征数据进行品质差距检测,并依据品质差距检测结果对可订正损耗件进行品质的定向修正以使得可订正损耗件转为标准工件,实现工件材料损耗的规避;
步骤S3、将不可订正损耗件和可订正损耗件筛选出的同时将不可订正损耗件和可订正损耗件从自动车床的工序中剔除以避免占用自动车床的工序资源,实现自动车床工序损耗的规避;
所述测量工序的选取方法包括:
选取前置于重要工序的N个前置时序,并将N个前置时序中相邻前置时序/>和/>的时长间隔设置为动态趋势以使得前期测量时长间隔长且后期测量时长间隔短,实现与重要工序越接近损耗代价越高的趋势相匹配,所述时长间隔的动态趋势拟合函数为:
;
式中,表征为相邻前置时序/>和/>的时长间隔,i为计量常数,无实质意义,A为常系数,无实质含义,/>和/>分别表征为第i个和第i+1个前置时序;
将所述重要工序的所在时序作为已知时序,利用所述已知时序/>分别根据动态趋势拟合函数求得N个前置时序/>,并将N个前置时序,所对应的N个前置工序作为用于测量工件的品质状态的测量工序,其中,/>表征为第i个测量工序;
所述步骤S1中,所述品质预判的方法包括:
将位于测量工序处的所有工件作为一个工件群组/>,并在工件群组/>中选取一个工件/>对应的品质表征数据/>分别与工件群组/>的剩余工件/>对应的品质表征数据/>进行工件相似度比对得到工件/>与工件群组/>的群组相似度,其中,
若工件与工件群组/>的群组相似度高于等于群组相似度阈值,则工件/>的品质等级高;
若工件与工件群组/>的群组相似度低于群组相似度阈值,则工件/>的品质等级低;
所述工件与工件/>的工件相似度的计算公式为:
;
式中,表征为位于测量工序/>处的工件/>与工件/>的工件相似度,/>、/>分别表征为位于测量工序/>处的工件/>与工件/>的品质表征数据;
所述工件与工件群组/>的群组相似度的计算公式:
;
式中,表征为位于测量工序/>处的工件/>与工件群组/>的群组相似度,I表征于工件相似度阈值,/>为自定义函数,在/>时,/>,在时,/>。
2.根据权利要求1所述的一种自动车床的加工损耗规避方法,其特征在于:所述步骤S1中,所述工件的品质筛选方法包括:
将所述品质等级低的工件的品质表征数据与标准工件的品质表征数据进行比较,其中,
若品质等级低的工件的品质表征数据中的每个数据项均大于等于标准工件的品质表征数据中的对应数据项,则将品质等级低的工件作为可订正损耗件;
若品质等级低的工件的品质表征数据中存在至少一个数据项小于标准工件的品质表征数据中的对应数据项,则将品质等级低的工件作为不可订正损耗件。
3.根据权利要求2所述的一种自动车床的加工损耗规避方法,其特征在于:所述步骤S2中,所述品质差距检测的方法包括:
将所述可订正损耗件的品质表征数据中大于标准工件的品质表征数据的数据项标记为订正数据项;
将所述可订正损耗件的订正数据项与标准工件的订正数据项进行差值计算得到订正数据项的修正值。
4.根据权利要求3所述的一种自动车床的加工损耗规避方法,其特征在于:所述步骤S2中,所述可订正损耗件品质的定向修正方法包括:
自动车床获取所述订正数据项的修正值,并根据订正数据项的修正值对所述可订正损耗件进行定向修正;
在所述可订正损耗件的定向修正完成后将可订正损耗件的品质表征数据与标准工件的品质表征数据进行比较判定定向修正完成与否,其中,
若可订正损耗件的品质表征数据中的每个数据项均大于等于标准工件的品质表征数据中的对应数据项,则可订正损耗件完成定向修正,将可订正损耗件返回至对应的测量工序处加入自动车床后续的工序加工;
若可订正损耗件的品质表征数据中存在至少一个数据项小于标准工件的品质表征数据中的对应数据项,则可订正损耗件未完成定向修正,返回至品质差距检测进行定向修正。
5.根据权利要求4所述的一种自动车床的加工损耗规避方法,其特征在于,所述工件的品质筛选方法还包括:
若品质等级低的工件的品质表征数据中的每个数据项均等于标准工件的品质表征数据中的对应数据项,则将品质等级低的工件作为误判损耗件,并将误判损耗件返回至对应的测量工序处加入自动车床后续的工序加工。
6.根据权利要求5所述的一种自动车床的加工损耗规避方法,其特征在于,所述品质表征数据中的各个数据项在采集完成后均经过归一化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211269597.0A CN115338693B (zh) | 2022-10-18 | 2022-10-18 | 一种自动车床的加工损耗规避方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211269597.0A CN115338693B (zh) | 2022-10-18 | 2022-10-18 | 一种自动车床的加工损耗规避方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115338693A CN115338693A (zh) | 2022-11-15 |
CN115338693B true CN115338693B (zh) | 2023-08-11 |
Family
ID=83957182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211269597.0A Active CN115338693B (zh) | 2022-10-18 | 2022-10-18 | 一种自动车床的加工损耗规避方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115338693B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105415093A (zh) * | 2015-12-11 | 2016-03-23 | 青岛职业技术学院 | 一种数控加工自检方法 |
CN105573250A (zh) * | 2016-01-15 | 2016-05-11 | 深圳吉兰丁智能科技有限公司 | 机械加工在线品质管控方法和系统以及加工机床 |
CN106826392A (zh) * | 2017-04-20 | 2017-06-13 | 嘉泰数控科技股份公司 | 一种基于工件在线检测自动补偿方法 |
CN107511718A (zh) * | 2017-09-13 | 2017-12-26 | 哈尔滨工业大学深圳研究生院 | 单品大批量重复加工过程的智能刀具状态监测方法 |
CN108088363A (zh) * | 2016-11-21 | 2018-05-29 | 克林格伦贝格股份公司 | 用于自动化加工和测试齿轮部件的方法和装置 |
CN109531273A (zh) * | 2018-11-15 | 2019-03-29 | 北京星航机电装备有限公司 | 一种基于精密检测技术的铸造舱段加工方法 |
CN111113147A (zh) * | 2020-01-09 | 2020-05-08 | 威世特汽车部件(常州)有限公司 | 用于齿轮自动检测自动补偿的工艺 |
CN112059726A (zh) * | 2020-08-31 | 2020-12-11 | 西安精雕精密机械工程有限公司 | 一种多基准特征工件的在机测量与补偿加工方法 |
CN113021076A (zh) * | 2021-04-09 | 2021-06-25 | 杭州秋瑞自动化科技有限公司 | 一种机械加工自动适应控制方法 |
-
2022
- 2022-10-18 CN CN202211269597.0A patent/CN115338693B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105415093A (zh) * | 2015-12-11 | 2016-03-23 | 青岛职业技术学院 | 一种数控加工自检方法 |
CN105573250A (zh) * | 2016-01-15 | 2016-05-11 | 深圳吉兰丁智能科技有限公司 | 机械加工在线品质管控方法和系统以及加工机床 |
CN108088363A (zh) * | 2016-11-21 | 2018-05-29 | 克林格伦贝格股份公司 | 用于自动化加工和测试齿轮部件的方法和装置 |
CN106826392A (zh) * | 2017-04-20 | 2017-06-13 | 嘉泰数控科技股份公司 | 一种基于工件在线检测自动补偿方法 |
CN107511718A (zh) * | 2017-09-13 | 2017-12-26 | 哈尔滨工业大学深圳研究生院 | 单品大批量重复加工过程的智能刀具状态监测方法 |
CN109531273A (zh) * | 2018-11-15 | 2019-03-29 | 北京星航机电装备有限公司 | 一种基于精密检测技术的铸造舱段加工方法 |
CN111113147A (zh) * | 2020-01-09 | 2020-05-08 | 威世特汽车部件(常州)有限公司 | 用于齿轮自动检测自动补偿的工艺 |
CN112059726A (zh) * | 2020-08-31 | 2020-12-11 | 西安精雕精密机械工程有限公司 | 一种多基准特征工件的在机测量与补偿加工方法 |
CN113021076A (zh) * | 2021-04-09 | 2021-06-25 | 杭州秋瑞自动化科技有限公司 | 一种机械加工自动适应控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115338693A (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111033710B (zh) | 在透明或半透明晶片上的缺陷检测 | |
CN105458363B (zh) | 手机外观件的高光倒角返工方法 | |
US20150362908A1 (en) | Automatic Recipe Stability Monitoring and Reporting | |
CN113537751B (zh) | 影响磨加工产品质量要素的确定方法和装置 | |
US20240128130A1 (en) | Method for evaluating semiconductor wafer, method for selecting semiconductor wafer and method for fabricating device | |
CN111113147A (zh) | 用于齿轮自动检测自动补偿的工艺 | |
CN105302123A (zh) | 在线测量数据的监控方法 | |
CN115338693B (zh) | 一种自动车床的加工损耗规避方法及系统 | |
CN116698642A (zh) | 一种汽修工具生产用的工作站控制方法及系统 | |
CN116307938B (zh) | 一种加工中心进给系统健康状态评估方法 | |
JP2018112544A (ja) | 歯車部品の自動機械加工と検査のための方法および装置 | |
Shindo et al. | Excursion detection and source isolation in defect inspection and classification [VLSI manufacture] | |
CN111554588A (zh) | 晶圆缺陷监控系统及其监控方法 | |
CN116339262A (zh) | 一种基于人工智能的数控加工生产质量监测系统 | |
EP3290910A1 (en) | Method for judging whether semiconductor wafer is non-defective wafer by using laser scattering method | |
JP2017188015A (ja) | ワークの良否判定方法およびトレーサビリティシステム | |
CN113837983B (zh) | 一种晶圆缺陷分析方法、系统、设备和介质 | |
CN111805301B (zh) | 量测装置及量测方法 | |
TWI399660B (zh) | 偵測半導體製程變異之方法 | |
CN110757260B (zh) | 刀具加工设备周期检测方法 | |
KR20120128251A (ko) | 문제 검출 방법 | |
CN116117587B (zh) | 一种基于数控车床生成的成品品质检测系统 | |
CN110666586A (zh) | 一种数控机床加工零缺陷检验法 | |
US20050075835A1 (en) | System and method of real-time statistical bin control | |
KR20200136822A (ko) | 공작기계의 고장 진단 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |