专利名称：车身制造尺寸质量评价的数据处理方法
技术领域：
本发明涉及一种车身制造尺寸质量评价的数据处理方法，用于车身装配尺寸质量评价和汽车装配生产线的工艺能力评价，属于汽车车身制造质量控制技术领域。
汽车是中国机械产业的主干行业，1999年我国汽车工业共完成产值2300亿元，2000年预期完成产值2500亿。当前汽车市场的国际化竞争日益激烈，质量成为企业的生命，这就迫使汽车企业提高汽车的制造质量来提高企业自身的竞争力。
质量的控制与提高首先要有一个准确、迅速的质量评价方法。对于车身而言，装配的尺寸精度是主要的装配质量要求，而目前国内的主要整车厂均没有一套系统的分析评价方法。车身装配过程是一个大批量生产的过程，由于目前在大多数生产企业难以做到100％的检测，尺寸质量的评价只能采用离线小样本抽检的方法。因此，通过对采样的规范和测量数据的数学分析来准确地对车身装配尺寸质量进行评价，并发掘出有用的信息以进行故障的诊断是一个必然趋势，具有很强的现实意义。同时也对采样理论和数据的发掘技术提出了挑战。
车身装配尺寸质量的评价主要是客观地对生产线的不稳定性给出一个指标。这种不稳定性是一种随机的数据波动。对于这种随机变化的数据进行分析的基础是统计方法，而统计方法的应用要求样本的总体为平稳随机过程，且往往需要30台以上的样本来保证统计的有效性。对于每天只有1-2个样本的小样本情况，积累到合适的样本容量要近一个月的时间。在如此长的时间内，通常会有工装夹具的调整和其它确定性影响因素，这些都会在数据上反映出一定的趋势，这种确定性的趋势与稳定生产过程中的一些干扰因素，如定位销的磨损、夹具的松动等造成的呈随机状态的波动混在一起，难以区分。直接影响到尺寸波动变差的评价和故障根本原因的确定。
传统的质量控制方法用统计控制技术，监控产品的制造过程，分析生产过程中存在的特殊原因变差和普通原因变差，帮助消除特殊原因，使过程处于受控状态，所有工序都达到稳态。但是这种技术仅适用于单变量控制，对于车身一类的大型装配结构产品，其尺寸质量往往通过布置的上百个测点的偏差来反映。对于这一类具有多个参数的多变量情况，需要有更科学的方法来对整体的尺寸状况进行有效地评价，并且发掘出其中的偏差规律，提供故障诊断的依据。
在实际生产质量评价中，汽车装配生产线工艺能力的评价是另一个难题，目前没有一个合理的指标来切合实际地反映整个生产线的尺寸工艺水平，也没有发现相关文献报道。
本发明的目的在于针对现有技术的上述不足和实际应用的需要，提供一种科学有效的车身制造尺寸质量评价的数据处理方法，能够对车身制造尺寸质量精度给出即时及阶段的评价，并且给出生产线装配尺寸质量的整体工艺能力评价方法，为生产质量的控制与提高提供依据。
为实现这样的目的，本发明的技术方案中采用面向大批量生产的小样本采样技术，利用先验贝叶斯方法估计当天的即时通过率，利用Daubichies小波滤波法和指数加权滑动平均方法对测量数据进行趋势项与波动项的分离，建立尺寸波动质量的即时评价指标和阶段评价指标，并给出生产线尺寸控制工艺能力的多元滑动6σ指标，对生产线尺寸控制工艺能力进行评价。
本方法面向整个测量－分析－评价过程，解决小样本采样频次与样本容量规范、测量数据的波动偏差分离提取技术、尺寸质量的动态即时评价与阶段评价方法、生产线整体工艺能力评价等多项关键技术，通过对采样方法、数据误差分离、数据多维统计评价技术有机集成，建立起尺寸质量系统分析评价方法。
测量采样时，白车身的尺寸通过三坐标测量机进行测量，主要分总成的尺寸通过专用的检测夹具和便携式测量仪进行测量，这些测量的数据送入中央计算机进行存贮和处理，处理后的结果通过打印、绘图设备进行输出。本方法通过中央计算机的分析软件系统，实现数据处理和质量评价。
本发明的具体操作步骤如下1、测量采样在离线测量的情况下，采样的时间及样本的大小对于质量的评估是非常重要的。本方法针对常用的测量条件，提出了适合于汽车车身生产厂离线测量质量评估的采样方法，根据不同的评价要求进行采样。
样本大小的确定对于即时评价，根据当天的测量样本进行分析评价，白车身样本数为1-2，分总成样本数为3-5；对于阶段评价，统计样本应在17台以上，推荐为30台；对于生产线尺寸工艺能力评价，取测量数据的整体作为样本，即从量产开始的所有数据。
采样时间的确定1)每天在固定的时间抽样；2)分总成采样可以连续完成，一般取3～5台/天，白车身采样频率1～2台/天；3)特殊需求的装配关系采样为不定期采样，且要保证准确的装配关系；2、测量数据的误差分离本发明对测量数据进行误差分离处理，采取两种方式，对于分总成检测数据，采用指数加权滑动平均(EWMA)方法进行误差分离的计算，对于白车身的检测数据的误差分离，采用Daubechies离散形式的小波滤波方法处理。
(1)．分总成检测数据的误差分离对于分总成的检测数据，本发明采用指数加权滑动平均(EWMA)方法进行误差分离的计算。该方法将过去的测量数据通过加权的形式引入对当前测量数据的估计中来，从而减弱测量数据中的随机信号的影响，获得数据变化的主要趋势及纯波动状况。
具体按以下步骤1)分组平均以每天的测量样本为一组，从第一次测量开始，对每天新的一组数据计算平均值Xi；2)递推计算EWMA方法具有以下的的递推运算型式来获得数据中的趋势项X′i=X′i-1+w(Xi-X′i-1)递推运算适合于随数据的增加而及时地完成数据的分离工作，具有一定的实时性。第一个数据的获得根据EWMA的基本公式X‾i′=Σj=0s-1wjXi-j]]>(0＜w＜1)得到，此后就用递推公式进行快速计算。
3)指数加权滑动平均的关键参数在进行EWMA计算时，有两个关键的参数要给出，这两个参数是a)引入的历史数据的个数S；本方法中，S取为4；b)加权系数W本方法中，加权系数的选择对于处理的准确度有很大的影响，当w→0时，权系数(1-w)wj→w，表示所有的数据具有相同的权，相当于简单平均。当w→1时，权系数(1-w)wj随j的增长迅速衰减，表示只考虑了最近数据对X′i的影响。对于汽车车身装配，本发明取0.2-0.4。
4)波动提取计算的趋势序列中的每一点的值代表了数据变化的趋势，本方法通过计算原始数据与趋势数据之差的方法来获得一个点的高频波动数据。这种数据反映了在没有调整情况下，工装的偏差和零件的偏差对测量数据的影响。
(2)．白车身检测数据的误差分离由于白车身采用三坐标测量机进行测量，测量样本更少，使得测量的数据中反映出更加明显的趋势性变化。对于白车身而言，测点数据的趋势变化所引进的漂移并不影响最终产品的尺寸功能。因此，对于白车身的尺寸评价重点在于给出波动水平的指标。
为了对白车身尺寸的波动给出一个准确的评价，需要从大量的测量数据中，将波动信息提取出来，作为评价的依据。由于车身测量原始信号的非平稳性，使得传统的将信号变换到频域进行滤波处理的方法不能奏效。为此，引入了变尺度加窗处理的小波滤波方法。
本方法中采用了Daubechies离散形式的小波滤波法进行滤波处理。
3、阶段6σ评价对于某一尺寸的波动，在正负三倍标准差的范围内的可能性为99.73％，可以认为6σ就是尺寸变化的范围，所有的尺寸都是在这一范围内变化的。阶段6σ反映的是一段时间内去除人为调整等因素造成的尺寸突变后所得到的高频波动的强度。高的6σ说明生产状态不稳定，需要采取措施进行控制。进行阶段6σ计算时应用数据分离以后的波动项。
在进行阶段6σ评价中，本方法依据以下的步骤进行1)根据前面的样本大小的规定，并结合具体的时间(如按月统计)，确定样本的统计容量。
2)计算该测点的6σ值；4、总成整体6σ评价总成整体6σ评价是对总成在一定时期内全部数据波动水平进行整体的评价。为了将一些偶然的因素去除掉，本方法取95百分位的6σ值作为总成整体6σ评价指标。
5、即时通过率评价通过率的评价所使用的数据为不经过分离的原始数据。即时通过率评价反映的是一个一天某一总成上某个测点所有测量值的通过率水平。为了对小样本情况下每天的尺寸通过率进行即时评价，本方法采用了经验贝叶斯Bayes方法，通过将过去已知的通过率的信息作为经验数据构造成通过率的先验分布，再用当天的样本状况进行修正，得到当天通过率分布的估计值。由于引入了稳定生产过程的经验数据，使小样本下的通过率估计更为精确。
在进行EB处理过程中的关键技术为1)先验分布的确定本方法中取先验分布为β分布，取一段稳定的历史测量数据，每10个一组计算其通过率，用矩法求得先验分布的参数a，b。
2)动态递推即时通过率估计以每次的后验分布作为下一次估计的先验分布。
6、阶段通过率评价阶段通过率评价反映的是每个测点在一段时间内通过率的平均水平。评价的时间长度根据企业的具体情况而定。一般可按周，按月进行评价。具体计算为这一段时间在公差带内的测点占全部测点的比例。
7、生产线工艺能力评价生产线的工艺能力评价是对一条装配线的整个尺寸控制能力进行评估。本方法以白车身的测量数据为依据，将进入量产后的全部测量数据进行统计分析，得到以6σ为指标的生产线的工艺能力评价指标。具体如下1)取整个的测量序列作为分析对象；2)对6σ进行滑动计算，得到6σ的动态变化序列；3)对该序列进行统计分析，确定95％的置信区间；4)该置信区间即反映了生产线所能达到的尺寸控制水平；为更好地理解本发明的技术方案，以下通过附图和实施例作进一步详细描述。
图1为本发明的硬件设备连接框图。
图中，白车身及主要分总成检具1连接到三坐标测量机2，白车身的尺寸通过三坐标测量机2进行测量，分总成检测夹具3连接到便携式测量仪4，主要分总成的尺寸通过专用的检测夹具3和便携式测量仪4进行测量，三坐标测量机2和便携式测量仪4的输出连接到数据分析计算机5，白车身及主要分总成三坐标测量数据由专用线路送入计算机5进行存储和处理，分总成测量数据人工下载至计算机5进行存储和处理，数据分析计算机5的输出连接企业内部网7和输出设备6，计算机处理后的结果可通过输出设备6打印、绘图进行输出。
图2为本发明数据分析流程示意图。
图中，首先根据本发明的采样方法对测量数据进行采样，然后进行波动质量的评价、趋势状态图的绘制，以及通过率的评价。采样后的数据进行高频信号与低频信号的分离，得到趋势数据与波动数据。将趋势数据绘制成趋势图，作为工装调整状况的监控依据。波动信号为进一步进行质量评价的依据。主要给出单个测点的阶段波动指标、总成整体的阶段波动指标及生产线尺寸波动控制的工艺能力指标。通过率的评价采用的是未经分离的数据，主要给出反映当天通过率水平的即时通过率和反映一段时间内通过率水平的阶段通过率。
图3为本发明的工作流程框图。
图3给出如图2所示的数据流程中的具体实现流程。根据本发明的采样方法对分总成和白车身进行测量。通过率的计算中，采用本发明给出的Bayes动态通过率估计方法进行计算，得到每天的通过率指标。经过一段时间后，将所有测量的数据用阶段通过率计算方法进行处理，得到阶段通过率指标。此后，将分总成的测量数据和白车身的测量数据分别用指数加权滑动平均方法和小波滤波的方法进行数据分离，得到波动数据与趋势数据。其中，小波滤波的方法每间隔一定的时间进行计算，如每月计算一次或二次，视企业的实际要求而定。由于指数加权滑动平均的算法为递推算法，则每天进行一次处理。当达到规定的时间间隔时，就截取这期间分离后的波动数据，对每个测点进行6σ的计算，得到反映单个测点波动水平的阶段6σ值。将该分总成或白车身上所有测点的6σ由大到小进行排序，位于95百分位的测点的6σ就是反映总成尺寸波动质量的总成阶段6σ值。将分析时间段扩大为自量产开始至统计时止，然后再对白车身测点波动数据进行滑动6σ计算，取每天的95百分位的值为分析对象，将所有的分析对象进行统计分析，其统计分布的95％置信区间即为生产线尺寸波动控制的工艺能力指标。数据分离后得到的分总成和白车身测量的趋势数据作为进行工装调整状态监控的依据。
图4为采用离散小波变换对信号进行多层分析的示意图。
图中，采样得到的原始数据通过小波滤波器进行逐层的数据分离。第一层分离后得到一个高频信号和一个低频信号；得到的低频信号作为第二级的输入，进行第二层分离，得到次一层的低频信号和一个高频信号；如此类推，每一层分离后的低频信号都作为下一层的输入信号，最后经过多层的处理，得以理想的反映数据变化趋势的低频信号，再将该信号与原始信号求差，结果即为反映数据波动状况的高频波动信号。
2．数据分离本实施例用小波滤波的方法对测量数据进行分离，取3层Daubichies小波滤波。原始信号中混有工装调整造成的数据突变，如果用这种信号进行6σ计算时，得到的数值与实际偏差很大。经过小波滤波后，波动项的6σ反映出数据的真正随机波动偏差。
图5为小波滤波法进行数据分离的曲线图，其中，图5a为原始测量数据曲线，图5b为分离后的趋势数据曲线，图5c为分离后的波动数据曲线。
3．阶段6σ评价数据取30-60共30个测量数据，计算分离后波动数据的6σ，得到阶段6σ评价值为2.08。表明该点的尺寸波动在±1.04mm以内。
4．总成波动质量指标对于本例而言，总成即是白车身。计算所有测点的阶段6σ值后，进行从大到小的排序，去除最大的5％，其余6σ值中最大的作为白车身的波动质量评价指标。在本例中该指标为3.65，表明整个白车身的主要测点的波动都在±1.8254mm以内。
5．即时通过率选取某点近期已有的140个测量数据，每10个一组计算通过率如下θ=
a．计算经验数据的均值和方差θ‾=1nΣi=1nθ1---Sθ2=1n-1Σi=1n(θ1-θ‾)2]]>b．取先验分布为β分布，由矩法确定超参数a，b确定为a=2.8855，b=5.035，得到先验分布β(2.8855,5.035)。
c．后验分布样本中通过的频数服从二项式分布。样本容量为2，有1台合格，后验分布β(a+1,b+2-1)。
d．根据即时通过率公式E(θ|x)=a+1a+b+2]]>得到通过率为41.29％6．阶段通过率对即时通过率进行了一段时间的记录后，以一定的时间间隔为准，计算通过率的平均值作为阶段通过率。对经验Bayes的多个估计值取平均，得到阶段通过率为66.95％7．生产线工艺能力指标此例为某车身车间用滑动6σ进行生产线尺寸工艺能力评价的实例。对自量产以来的所有测点数据进行滑动6σ的计算，取其95百分位的值作为统计对象，共有487天，因此有487个统计对象。将这487个值进行统计计算，得到统计分布，其95％置信区间为[3.1341,5.3723]；表明该生产线能够有效地将尺寸的波动控制在3.1341-5.3723。
图6为白车身全部测量数据滑动6σ计算结果。其中图6a为得到的统计对象曲线，图6b为统计对象分布图。
本发明在车身尺寸离线小样本测量的情况下，能及时有效地提取装配尺寸质量信息，进行准确评价。给出的评价指标能够对整个白车身尺寸质量及生产线的工艺能力进行评价。通过评价，为试生产阶段装配线工装状态水平的评定给出依据。由于能够及时准确的反�。梢杂行У厮醵坦ぷ暗髡芷冢涌煨鲁敌偷纳鲜兴俣�。并且在正常生产期，能够对生产线状态进行有效监控，及时发现问题和解决问题。
本发明针对汽车车身生产过程中的离线检测，建立小样本采样－分析－评价流程，利用测量数据误差分离技术，对车身制造尺寸质量精度给出即时及阶段的评价，并且给出生产线装配尺寸质量的整体工艺能力评价方法，为生产质量的控制与提高提供依据，比传统的方法精度有明显的提高。
本发明也适用于其他大批量生产、小样本检测的机械产品装配过程中尺寸质量的检测和评价。
权利要求
1.一种车身制造尺寸质量评价的数据处理方法，其特征在于采用面向大批量生产的小样本采样技术，利用先验贝叶斯方法估计当天的即时通过率，利用小波滤波法和指数加权滑动平均法对测量数据进行趋势项与波动项的分离，建立尺寸波动质量的即时评价指标和阶段评价指标，并给出生产线尺寸控制工艺能力的多元滑动6σ指标，对生产线尺寸控制工艺能力进行评价，具体操作步骤如下1)测量采样采样样本大小的确定对于即时评价，白车身样本数为1-2，分总成样本数为3-5，对于阶段评价，统计样本在17-30台，对于生产线尺寸工艺能力评价，取从量产开始的所有数据，采样时间的确定可以为每天在固定的时间抽样，分总成采样可以连续完成，一般取3～5台/天，白车身采样频率1～2台/天，特殊需求的装配关系采样为不定期采样。2)测量数据的误差分离对于分总成检测数据采用指数加权滑动平均法处理，对于白车身的检测数据采用小波滤波法处理。3)阶段6σ评价统计样本的确定同步骤1，计算时应用数据分离以后的波动项。4)总成整体6σ评价应用数据分离以后的波动项，取95百分位的6σ值作为总成整体6σ评价指标；5)即时通过率评价采用经验贝叶斯方法，使用不经过分离的原始数据，将过去已知通过率作为经验数据构造成通过率的先验β分布，再用当天的样本状况进行修正，得到当天通过率分布的估计值；6)阶段通过率评价可按周，按月进行，具体计算为这一段时间在公差带内的测点占全部测点的比例；7)生产线工艺能力评价取整个的测量序列作为分析对象，对6σ进行滑动计算，得到6σ的动态变化序列，对该序列进行统计分析，以95％的置信区间作为评价指标。
2.如权利要求1所说的车身制造尺寸质量评价的数据处理方法，其特征在于采用指数加权滑动平均法对分总成检测数据进行误差分离处理时，以每天的测量样本为一组，从第一次测量开始，对每天新的一组数据计算平均值，以递推运算获得数据中的趋势项，引入的历史数据的个数S取为4，加权系数W取0.2-0.4，通过原始数据与趋势数据求差获得高频波动数据。
3.如权利要求1所说的车身制造尺寸质量评价的数据处理方法，其特征在于所说的小波滤波法采用Daubechies小波的离散形式，在对白车身检测数据进行误差分离处理时，取三层变换。
4.一种车身制造尺寸质量评价的数据测量设备，其特征在于白车身及主要分总成检具1连接到三坐标测量机2，分总成检测夹具3连接到便携式测量仪4，三坐标测量机2和便携式测量仪4的输出连接到数据分析计算机5，数据分析计算机5的输出连接企业内部网7和输出设备6。
全文摘要
一种车身制造尺寸质量评价的数据处理方法,采用面向大批量生产的小样本采样技术,利用先验贝叶斯方法估计当天的即时通过率,利用小波滤波法和指数加权滑动平均法对测量数据进行趋势项与波动项的分离,建立尺寸波动质量的即时评价指标和阶段评价指标,并给出生产线尺寸控制工艺能力的多元滑动6σ指标,对生产线尺寸控制工艺能力进行评价。本发明为生产质量的控制与提高提供依据,比传统的方法精度有明显的提高,能够对生产线状态进行有效监控。
文档编号G01M17/00GK1297146SQ0013519
公开日2001年5月30日 申请日期2000年12月28日 优先权日2000年12月28日
发明者林忠钦, 来新民, 连军, 朱平, 罗来军, 陈关龙 申请人:上海交通大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
