基于測量大數(shù)據(jù)的白車身尺寸控制方法

摘 要：通過采用可視化系統(tǒng)和自動預(yù)警程序的綜合方法，實現(xiàn)了數(shù)據(jù)處理的從“人找數(shù)據(jù)”轉(zhuǎn)向“數(shù)據(jù)找人”，顯著提升了尺寸質(zhì)量控制的效率和準(zhǔn)確性，為汽車制造業(yè)提供了更為精確的白車身尺寸控制解決方案。在大數(shù)據(jù)背景下，持續(xù)研究和開發(fā)智能化數(shù)據(jù)處理方法，以更好地應(yīng)對汽車生產(chǎn)中的尺寸管理控制需求，具有重要意義。

關(guān)鍵詞：白車身；尺寸控制；大數(shù)據(jù)；可視化系統(tǒng)；自動預(yù)警；數(shù)據(jù)處理

白車身尺寸質(zhì)量控制整體概述

車身制造是整車制造中非常重要的環(huán)節(jié)，在最終的產(chǎn)品上第一眼呈現(xiàn)在客戶面前的便是車身狀態(tài)，白車身的制造水平是質(zhì)量控制中的重中之重，車身尺寸的控制影響著車身相關(guān)的間隙和面差以及相關(guān)零部件的裝配，這些都是客戶評價整車質(zhì)量的重要組成。隨著工藝不斷地優(yōu)化提升，設(shè)備逐年升級，生產(chǎn)規(guī)模不斷擴大，在數(shù)據(jù)量爆發(fā)的當(dāng)下，過去白車身尺寸控制方法中面臨著來自多方面的挑戰(zhàn)[1]。

1.數(shù)據(jù)量擴大

白車身尺寸數(shù)據(jù)主要來源于測量，尺寸數(shù)據(jù)就是通過測量獲取的相關(guān)測量特征的數(shù)據(jù)。選擇測量特征的依據(jù)包括：功能尺寸目錄、夾緊和安裝概念、車身鈑金件的通用技術(shù)規(guī)范以及公差規(guī)范（PMI 數(shù)據(jù)記錄）。測量范圍（特征或測點數(shù)量）則由質(zhì)量部根據(jù)這些文件確定。對車身總成及分總成進(jìn)行幾何尺寸測量的目的是驗證尺寸精度是否符合研發(fā)的幾何規(guī)范。某主機廠測量的數(shù)據(jù)內(nèi)容按不同類別劃分包括Audit審核（QZ）相關(guān)測量特征，其他測量特征以及間隙、平順相關(guān)的尺寸測量。

上面描述了白車身尺寸相關(guān)的測量內(nèi)容，而這些尺寸數(shù)據(jù)當(dāng)下主要來源于三部分：手持測量設(shè)備、生產(chǎn)在線測量和離線三坐標(biāo)測量。光學(xué)測量已經(jīng)是測量工作的主要測量技術(shù)類型，通過光學(xué)測量使測量效率大幅提升，與傳統(tǒng)的接觸式測量設(shè)備相比，機器將在完成所有的元素掃描之后進(jìn)行統(tǒng)一的計算，計算過程不足1min。

以三坐標(biāo)測量后門總成為例，掃描式光學(xué)測量可以節(jié)約將近70%的時間，從1.5h縮減到0.5h，得到的測點數(shù)更是從不到1000個上升到數(shù)萬個。

可以看到，隨著光學(xué)測量的普及，測量能力的提升，可測量件數(shù)大幅上漲，測量的數(shù)據(jù)量隨之爆炸式增長。雖然可用數(shù)據(jù)增多了，但是在日常監(jiān)控上如何在大數(shù)據(jù)中更高效地甄別不合格測點的信息，以及后期的數(shù)據(jù)如何更精準(zhǔn)地追溯有用數(shù)據(jù)，帶來了更高的挑戰(zhàn)。

2. 考核模式改變

在白車身尺寸方面，根據(jù)控制計劃，通過在線測量、裝焊產(chǎn)品考核及白車身三坐標(biāo)測量等手段，以監(jiān)控整個生產(chǎn)流程的穩(wěn)定性，也是通過質(zhì)量反饋環(huán)來達(dá)到問題能快速追溯分析的目的。但當(dāng)下整車制造環(huán)節(jié)復(fù)雜，車身零部件繁多，全部涉及尺寸考核的環(huán)節(jié)覆蓋多個數(shù)據(jù)源及數(shù)據(jù)終端。

以前，考核部門與生產(chǎn)部門數(shù)據(jù)缺乏互通，聯(lián)動效率差。生產(chǎn)部門自身主要通過Audit審核，即QZ評分作為自己的考核指標(biāo)，QZ評分區(qū)別于SPC方法考核Cp、Cpk[2]，主要由于Cp、Cpk對于車身尺寸數(shù)據(jù)水平評估存在局限性。一是車身測點眾多，單獨測點一一評估不易于識別尺寸波動，且并非所有測點的重要性一致；二是整車生產(chǎn)線工藝、工裝及人員調(diào)整不定，不利于SPC評估的取樣。所以某主機廠應(yīng)用QZ這種形式作為考核的方式，它是根據(jù)設(shè)計規(guī)范（公差和優(yōu)先級限制），對一些定義好的功能相關(guān)尺寸和客戶相關(guān)特性進(jìn)行評估匯總及打分，這里包含的源自研發(fā)提供的設(shè)計規(guī)范的測量內(nèi)容就是Audit審核（QZ）相關(guān)測量特征，公差規(guī)范會完全體現(xiàn)在這些測量特征中。

QZ的計算方式是“1+10×超差測點數(shù)量/全部測點數(shù)量”，核心是超差點數(shù)占比，可以看出QZ基本含義為合格率的一種特殊表示形式，用來評估缺陷等級，“乘十加一”是為了讓結(jié)果更加可視可讀，它的評估目標(biāo)是最小化缺陷的邊際。序列化生產(chǎn)后通常生產(chǎn)會定義“1.8”為目標(biāo)分值，即8%的測點超差則整體QZ評價為不合格，完美狀態(tài)的QZ為1，但實際生產(chǎn)中很難達(dá)到這樣的狀態(tài)，缺點還在于如果計算中的測量特征量過低，QZ分值反應(yīng)非常敏感，造成最終結(jié)果的誤判。QZ的優(yōu)勢在于即使在不同的工廠，QZ 所涉及的測量特征、法向和功能特性以及權(quán)重系數(shù)也可以保持在同一車型系列中一致。還有一些其他的可用測量特征則來自PE、可制造性或下游流程提出的一些需求，這些測量特征可以使用內(nèi)部的通用公差但不作為QZ評分所用，實際應(yīng)用中卻往往包含了當(dāng)前重點關(guān)注的區(qū)域。

以降低QZ分值為基礎(chǔ)目標(biāo)的生產(chǎn)部門概念和最終考核出的實際問題在當(dāng)前環(huán)境下存在著諸多不匹配。例如某區(qū)域白車身尺寸沒有問題，QZ分值也達(dá)到預(yù)期，但最終的成品車發(fā)生某區(qū)域尺寸問題，需要配合調(diào)整，調(diào)整可能會影響原始的QZ分值。又或是QZ分值沒有達(dá)到要求，某區(qū)域點也非QZ考核點，但卻最終影響了成品車尺寸，這樣的問題發(fā)生的頻率隨著車型增多，產(chǎn)量的上升而凸顯的越來越多。可以看出單以QZ作為控制手段已無法滿足當(dāng)下的尺寸控制需要，而根據(jù)實際的問題參照，增加數(shù)據(jù)篩選，更有效地識別出風(fēng)險尺寸點的波動，更為精準(zhǔn)地監(jiān)控預(yù)警可能發(fā)生問題的區(qū)域顯得尤為重要。

3. 產(chǎn)品開發(fā)周期的數(shù)據(jù)容量

在新能源汽車時代，新車型不斷推出，產(chǎn)品開發(fā)周期相較傳統(tǒng)的模式有所縮短，產(chǎn)品會更快速地進(jìn)入投產(chǎn)階段，生產(chǎn)能力不斷爬坡。在零號線試裝及產(chǎn)品試裝階段由于產(chǎn)量并不高，尺寸問題追蹤與解決會更加快速，且由于數(shù)據(jù)量較小，對于車身尺寸問題來說相對容易溯源查找，而在正式投產(chǎn)后，考核數(shù)據(jù)量會大幅攀升，如在尺寸數(shù)據(jù)量擴大的挑戰(zhàn)中提到的，此時數(shù)據(jù)用作監(jiān)控尺寸波動，覆蓋面會非常全，但當(dāng)終端考核檢驗出整車尺寸問題時，很難去一一快速對應(yīng)找到需要的各個批次的零部件、沖壓件、白車身等的數(shù)據(jù)信息。

4.質(zhì)量控制的分析與挑戰(zhàn)

根據(jù)上面所列舉的白車身尺寸控制，在序列化生產(chǎn)階段面臨著來自數(shù)據(jù)量擴大、考核模式改變以及尺寸問題分析三方面的挑戰(zhàn)，綜合來看，這些挑戰(zhàn)帶來了日常監(jiān)控上如何在大數(shù)據(jù)中更高效地甄別不合格測點的信息，后期如何更精準(zhǔn)地追溯過往有用數(shù)據(jù)的問題以及如何更有效地識別風(fēng)險尺寸信息，監(jiān)控預(yù)警未來可能會發(fā)生問題的區(qū)域的問題。在當(dāng)前大數(shù)據(jù)背景下，本文將根據(jù)現(xiàn)有的軟件應(yīng)用以及自主開發(fā)的方法結(jié)合，通過可視化系統(tǒng)和自動預(yù)警程序綜合解決上述提到的諸多問題。

可視化應(yīng)用系統(tǒng)搭建

1.數(shù)據(jù)的存儲管理

針對如何在大數(shù)據(jù)中更高效地甄別不合格測點的信息及更精準(zhǔn)地追溯有用數(shù)據(jù)，對數(shù)據(jù)庫中數(shù)據(jù)的可視化顯示至關(guān)重要，但在可視化前，數(shù)據(jù)的積累存儲是非常重要的環(huán)節(jié)。隨著技術(shù)升級，某公司用作尺寸數(shù)據(jù)采集的軟件眾多，包括IQ-VIS、PiWeb及QDA等等，數(shù)據(jù)雜亂，在后期查詢時往往需要調(diào)用多個客戶端，把數(shù)據(jù)統(tǒng)一到一個平臺是亟需的。

對比各個軟件優(yōu)劣，選擇基于其中的質(zhì)量數(shù)據(jù)軟件PiWeb（供應(yīng)商為德國卡爾蔡司）開發(fā)出了相應(yīng)的報告可視化匯總平臺。PiWeb作為質(zhì)量數(shù)據(jù)軟件提供了基于微軟SQL的中央數(shù)據(jù)庫，用于存儲和管理質(zhì)量相關(guān)數(shù)據(jù)。企業(yè)可以將整車制造過程中的包括供應(yīng)商、生產(chǎn)線及試制等環(huán)節(jié)的測量數(shù)據(jù)集中儲存。通過集中的數(shù)據(jù)存儲和管理系統(tǒng)的建立更好地跟蹤產(chǎn)品的整個生命周期尺寸數(shù)據(jù)狀態(tài)，進(jìn)行數(shù)據(jù)分析和比較，并從中獲取有價值的經(jīng)驗，幫助改進(jìn)產(chǎn)品質(zhì)量。

在工廠內(nèi)白車身尺寸數(shù)據(jù)主要來源于在線測量、三坐標(biāo)測量以及手持測量設(shè)備。三坐標(biāo)測量數(shù)據(jù)包括裝焊件及沖壓件等白車身相關(guān)測量數(shù)據(jù)，數(shù)據(jù)量也是三個來源中比例較大且作為主要參考基準(zhǔn)的數(shù)據(jù)。對于手持測量設(shè)備，生成的結(jié)果可通過輸出時定義可接受的固定格式——“txt文本”，通過軟件上傳端口自動上傳。而在線測量的數(shù)據(jù)定期會通過“xml格式”從IQ-VIS導(dǎo)出，傳入PiWeb平臺匯總存儲。除工廠內(nèi)的尺寸數(shù)據(jù)，部分零件數(shù)據(jù)來自供應(yīng)商，這部分?jǐn)?shù)據(jù)依托供應(yīng)商尺寸考核KTMA協(xié)議，規(guī)定供應(yīng)商定期發(fā)送既定格式的數(shù)據(jù)原始文件提供給主機廠，數(shù)據(jù)原始文件格式根據(jù)供應(yīng)商測量設(shè)備不同，包括txt、xml、dmo及dfq等格式文件，收到后統(tǒng)一上傳至平臺端口，通過這一步的操作基本可以覆蓋全部白車身相關(guān)零部件的尺寸檢測數(shù)據(jù)。

2.可視化呈現(xiàn)及快速追溯

數(shù)據(jù)統(tǒng)一存儲管理后，下一步則是更好地可視化呈現(xiàn)報告。目前所有應(yīng)用軟件的數(shù)據(jù)均已匯總至PiWeb處理，通過統(tǒng)一的規(guī)范標(biāo)準(zhǔn)定義報告模板的形式，使沖壓件、裝焊件及供應(yīng)商來件報告以統(tǒng)一格式標(biāo)準(zhǔn)呈現(xiàn)，通過快速篩選可隨時查看任意歷史數(shù)據(jù)，對于試制或批量階段也可定義不同篩選，如果使用光學(xué)設(shè)備掃描的點云評價出的色差圖也可以呈現(xiàn)在報告中，同時應(yīng)用軟件自身功能也能快速查看CP＼CPK及QZ分值（見圖1），這樣不同的責(zé)任工程師可以通過同一報告規(guī)則，更直觀清晰地查看所有需要的尺寸數(shù)據(jù)。

不過，這只是解決了數(shù)據(jù)呈現(xiàn)的問題，盡管統(tǒng)一了報告模板，閱讀報告效率得以提升，但當(dāng)問題發(fā)生時翻找報告找尋歷史數(shù)據(jù)依舊耗時耗力，所以再次基于PiWeb軟件開發(fā)了Q-platform平臺，在此除了工廠基礎(chǔ)的尺寸數(shù)據(jù)的快速鏈接，終端考核部門的報告也匯總至此，此時日常監(jiān)控與考核數(shù)據(jù)形成閉環(huán)。同時海外工廠數(shù)據(jù)也關(guān)聯(lián)至此平臺，使后期數(shù)據(jù)查看使用時更加快速便捷，能夠通過數(shù)據(jù)關(guān)聯(lián)，根據(jù)考核結(jié)果快速找到不合格點所在位置區(qū)域。

自動預(yù)警系統(tǒng)的搭建

1.尺寸控制模式

通過可視化系統(tǒng)（見圖2）的搭建，即Q-platform系統(tǒng)的投入使用可以解決如何高效的甄別不合格測點的信息的問題。但如何更精準(zhǔn)地追溯有用數(shù)據(jù)的問題，更有效地識別出風(fēng)險尺寸點的波動，監(jiān)控預(yù)警常發(fā)問題的區(qū)域的問題還未解決。正如白車身考核模式改變中所提到，依靠QZ評分，即合格率考核，更趨近事后發(fā)現(xiàn)問題解決問題，當(dāng)前質(zhì)量降本增效的背景下，能更早地根據(jù)大數(shù)據(jù)預(yù)警可能發(fā)生的問題是更為迫切的需求。

QZ打分的核心是判斷測量特征是否滿足公差要求，公差內(nèi)就是合格；公差外則是不合格。但就真實的生產(chǎn)狀況，這樣的模式在序列化生產(chǎn)之后會有很大局限，這里有兩種情況，一種情況是隨著生產(chǎn)時間推進(jìn)，不同來自成品車問題的優(yōu)化需求，部分區(qū)域白車身尺寸均值會有所偏移，相較設(shè)計公差區(qū)間會有一定變化，有一些超差點實際有利于最終的生產(chǎn)問題，通常這種情況下會應(yīng)用研發(fā)的公差變更流程做出優(yōu)化，但在變更流程審核通過前，需要避免相關(guān)測點在QZ打分中被重點提出，通過尺寸控制工程師對PiWeb數(shù)據(jù)庫中公差范圍做臨時公差偏移，并在可視化報告中做詳細(xì)偏移背景的文字標(biāo)注來實現(xiàn)短期管控，等待變更流程審核通過再為取消。

另一種情況是在尺寸測量點在合格范圍內(nèi)，但測點的某個方向波動會對最終成品車裝配造成很大影響。例如尾燈安裝孔的位置，假設(shè)Y向偏差在公差內(nèi)波動0.5mm，但由于尺寸鏈上多重因素疊加可能會造成最終裝配時尾燈的配合間隙出現(xiàn)質(zhì)量問題，回看白車身相關(guān)位置尺寸卻沒有超差，也沒有預(yù)警顯示。上述提到的兩種情況僅通過QZ打分是無法幫助白車身尺寸問題在早期得到有效的監(jiān)控，所以需要增加前期數(shù)據(jù)篩選，更精準(zhǔn)的預(yù)警會最終影響成品車尺寸問題的波動點。

優(yōu)化后的流程結(jié)合了QZ與波動點兩方面，尺寸工程師需對結(jié)果進(jìn)行確認(rèn)和分析，將異常風(fēng)險信息反饋給生產(chǎn)工程師及后續(xù)的QFL考核部門，這里的異常風(fēng)險信息是對發(fā)生過歷史問題的區(qū)域點（內(nèi)部定義為白車身單點尺寸公差占成車間隙平順匹配點的公差范圍，如果占比過高，則車身的波動會對成車有更高概率造成影響）、當(dāng)前生產(chǎn)頻發(fā)問題的區(qū)域以及定義的敏感度高的區(qū)域這三部分的精準(zhǔn)化尺寸波動篩選，篩選出的波動點再依據(jù)高中低風(fēng)險的判定特點（如高風(fēng)險是對產(chǎn)品質(zhì)量有重大影響，需裝焊立即優(yōu)化，同時總裝需提前采取遏制手段等）根據(jù)預(yù)警流程處理，要求對風(fēng)險點做出反饋并提供優(yōu)化解決問題的計劃。但新的尺寸控制流程過程繁多，雖然結(jié)果上可以使尺寸控制的精準(zhǔn)度和有效性得到提升，卻給尺寸控制人員帶來了巨大的數(shù)據(jù)篩選工作量，同時也存在著誤篩誤判的可能性，如何依據(jù)優(yōu)化的尺寸控制流程高效精準(zhǔn)的完成數(shù)據(jù)篩選則成為了需要解決的問題。

2. 自動預(yù)警系統(tǒng)的搭建

根據(jù)尺寸控制模式需要優(yōu)化的方向，主要的工作量在于數(shù)據(jù)篩選這一步，評估現(xiàn)有數(shù)據(jù)庫和應(yīng)用平臺，需要專業(yè)的人員去根據(jù)實際問題情況去逐一篩選測點數(shù)據(jù)，但數(shù)據(jù)量龐大，人工模式處理既增加成本又效率不高，耗費大量時間還容易漏查，且在篩選出波動點后，后續(xù)工作對下一步做尺寸預(yù)警的人員有較高專業(yè)背景的知識要求，而現(xiàn)有的數(shù)據(jù)處理軟件均無法滿足上述提到的需求，所以考慮通過算法實現(xiàn)數(shù)據(jù)篩選，自主開發(fā)自動預(yù)警系統(tǒng)。

自動預(yù)警系統(tǒng)是基于Python語言編寫的應(yīng)用程序，主要實現(xiàn)的功能是自動篩選出異常偏差的測量點，并生成結(jié)果文件和頁碼統(tǒng)計結(jié)果。程序判斷邏輯如圖3所示，比較關(guān)鍵的是其中分?jǐn)?shù)的產(chǎn)生。該數(shù)據(jù)來自兩部分，一個是波動等級和問題等級的乘積，目前定義規(guī)則表1所示的波動分級，所有波動點均是以當(dāng)前測量實測值減去過去30次測量結(jié)果均值的絕對值與公差帶寬度T比對作為評估標(biāo)準(zhǔn)，即表格中的0.5T等。問題分級則是根據(jù)專業(yè)尺寸控制工程師按照三個方面根據(jù)經(jīng)驗與實際情況提前評估賦予相關(guān)測點的權(quán)重。除此之外還需識別單次跳動點，它的邏輯則是判斷當(dāng)前測量實測值減去過去30次測量結(jié)果均值的絕對值是否大于0.2。通過這套算法判斷出的結(jié)果會實時將所有進(jìn)入數(shù)據(jù)庫的測量特征數(shù)據(jù)進(jìn)行打分匯總（見圖4），結(jié)合PiWeb的可視化報告，尺寸工程師可以快速找到風(fēng)險點所在區(qū)域，后續(xù)再依照流程，根據(jù)實際情況人工二次篩選高中低風(fēng)險等級，在這里需要人為二次判斷的數(shù)據(jù)量就已經(jīng)很小了，通過這步可以提高預(yù)警精準(zhǔn)度，最后再告知相關(guān)部門，大幅提高預(yù)警效率，減少人力成本，降低成車的不合格率。

結(jié)語

白車身尺寸控制領(lǐng)域的重點集中在數(shù)據(jù)應(yīng)用方面。多年來，測量數(shù)據(jù)的處理一直是白車身尺寸控制應(yīng)用的一個關(guān)鍵挑戰(zhàn)。在過去幾年中，傳統(tǒng)的數(shù)據(jù)處理方法通常采用了數(shù)據(jù)采油模式，即將大量測量數(shù)據(jù)集中存儲，但需要人工處理以發(fā)現(xiàn)數(shù)據(jù)的實際價值，這種方法效率不高。

然而通過建立可視化系統(tǒng)和自動預(yù)警系統(tǒng)，已經(jīng)實現(xiàn)了數(shù)據(jù)處理采油加煉油的模式。這些系統(tǒng)利用算法實現(xiàn)了數(shù)據(jù)的自動分析、篩選，并以清晰透明的方式呈現(xiàn)白車身尺寸信息。這一創(chuàng)新解決了以下問題：首先，如何在龐大的數(shù)據(jù)集中更高效地識別不合格的測點信息，其次，如何更精確地追溯有用的數(shù)據(jù)，以及如何更有效地識別風(fēng)險尺寸信息，還有如何監(jiān)控并提前警示可能發(fā)生問題的區(qū)域。

這意味著我們從過去的“人工尋找數(shù)據(jù)”階段邁向了“數(shù)據(jù)主動找人”的階段。而在將來，隨著GPT等AI模型的發(fā)展，更加智能化的數(shù)據(jù)處理必將是大勢所趨，當(dāng)下的數(shù)據(jù)“采油加煉油”的模式也將會不滿足實際的尺寸控制需求，后續(xù)也會圍繞該趨勢繼續(xù)深入的研究尺寸數(shù)據(jù)的智能應(yīng)用模式，為白車身尺寸控制提出更優(yōu)的解決方法。

參考文獻(xiàn)：

[1] 黃祥，宗曉亮，何挺，等.基于大數(shù)據(jù)的白車身尺寸控制應(yīng)用[J].時代汽車，2022（5）：149-150.

[2] 李軒，胡雨時，楊楠.淺談統(tǒng)計過程控制在汽車制造白車身關(guān)鍵尺寸控制中的應(yīng)用[J].中國戰(zhàn)略新興產(chǎn)業(yè)，2017（8）：121-123.