航空制造數(shù)控銑削效率測評及管控研究

（航空工業(yè)成都飛機工業(yè)（集團）有限責(zé)任公司數(shù)控加工廠，成都 610091）

隨著經(jīng)濟全球化發(fā)展趨勢，國內(nèi)外航空制造企業(yè)都期望持續(xù)獲得良好的經(jīng)濟效益。然而，許多企業(yè)看似良好運作的生產(chǎn)車間實際上并沒有以最好的狀態(tài)運轉(zhuǎn)，設(shè)備和操作人員的價值存在很大的改善空間，這無形中為企業(yè)帶來了巨大的損失。短時期內(nèi)主導(dǎo)生產(chǎn)能力的軟硬件客觀條件是有限的，因此，如何在有限的條件下最大化地整合利用各方資源，充分挖掘車間生產(chǎn)效率顯得尤為重要，甚至將成為企業(yè)是否贏利的決定性因素[1-8]。

工藝作為輸出源頭，低效的數(shù)控程序流入生產(chǎn)現(xiàn)場將導(dǎo)致大量的時間浪費，如不嚴(yán)格加以控制，將增加工時成本、能源消耗，耽誤產(chǎn)品準(zhǔn)時交付，引起客戶不滿甚至退單，長此以往，必然造成企業(yè)生存危機。本文以某航空制造企業(yè)鋁合金數(shù)控程序為研究對象，將從程序效率表象簡要分析并探索數(shù)控銑削效率的測評方法及管控機制的構(gòu)建思路。

1 現(xiàn)狀分析

對于制造業(yè)特別是流水線型企業(yè)，國際制造業(yè)提出了設(shè)備綜合效率（Overall Equipment Effectiveness，OEE）的概念，是一個獨立的國際通用測量工具，是生產(chǎn)系統(tǒng)效率的多維度量標(biāo)準(zhǔn)，是精益生產(chǎn)下TPM 管理模式下的工具之一，通過OEE 關(guān)鍵指標(biāo)分析可以多角度立體地審視生產(chǎn)過程效能利用情況，進而分析效率損失，找出生產(chǎn)效率的瓶頸，提高產(chǎn)能利用率。

OEE由可用率（Availability Time）、表現(xiàn)性（Performance）、質(zhì)量指數(shù)（Quality）組成：

國內(nèi)OEE測評管控模式起步較晚，大部分制造型企業(yè)仍停留在產(chǎn)品質(zhì)量管控階段，對效率關(guān)注較少，缺乏可量化的評價方法和管控模式，零件加工周期普遍偏長和存在制品積壓現(xiàn)象。

2 效率基線

2.1 基線引入

效率基線反映零件加工的快慢，以粗加工材料去除率（MRR）的大小以及精加工表面及形成的快慢（SMR）來衡量，結(jié)合OEE計算公式，性能開動率得到如下轉(zhuǎn)化：

其中，實際速度表示零件銑削的速度，由MRR、SMR計算所得。設(shè)計速度表示基于機床性能、刀具性能、材料性能等應(yīng)該達到的合理速度，由機床硬件性能及銑削經(jīng)驗參數(shù)庫計算所得。為了更好地描述設(shè)計速度，此處提出切削效率基線的概念。

2.2 基線定義

效率基線是“減材加工”模式下程序切削速率的階梯性判定標(biāo)準(zhǔn)，衡量一個程序的效率主要有粗加工MRR和精加工SMR 2個指標(biāo)評價，如圖1所示。

基線的制定需結(jié)合刀具、切削參數(shù)、機床、零件特征、毛坯材料等因素進行綜合考慮，簡化表達式為：

其中，K1、K2是修正系數(shù)，取決于粗加工與精加工時間占比。本文統(tǒng)計樣本均值為0.7，即K1=41%，K2=59%。

2.3 基線計算

效率基線非恒定不變，隨著工藝技術(shù)以及機床性能的提升，基線也不斷提高，反映出當(dāng)前狀態(tài)下的較高或極限水平，利用公式及當(dāng)前機床切削參數(shù)庫計算可以得出。以低速或亞高速的主軸機床切削參數(shù)庫為例，如表1所示。

式中，AP為切深；AE為切寬（常為50%刀具直徑）；F為進給速度；S為面積；T為時間，計算得表2的數(shù)據(jù)。

圖1 效率基線定義Fig.1 Definition of efficiency baseline

表1 某機床切削參數(shù)庫示例Table1 Example of machine tool cutting parameter library

表2 機床MRR及SMR數(shù)據(jù)Table2 Date of MRR and SMR of machine tool

考慮到零件幾何特征的多樣性，為確定各機床SMR 基線，需進行零件特征權(quán)重分析：

其中，P1～P4為側(cè)壁、腹板、轉(zhuǎn)角、行切面特征面積占比，Q1～Q4為刀具使用時間占比，由以上公式計算并局部修正得出鋁合金在各機床的理論效率基線，如圖2所示。

3 基于VT的數(shù)據(jù)統(tǒng)計

VERICUT（簡稱VT）仿真軟件應(yīng)用廣泛，能通過二次開發(fā)自動提取去除體積、加工時間、空刀率等信息，用于程序綜合分析。

3.1 VT仿真模板創(chuàng)建

VT中手動建立仿真模板，如表3所示。

3.2 VT銑削效率計算

粗、精加工時間的提取需借助VT 變量并編寫時間記錄的子程序，同時在CATIA編程時對粗、精加工分別以“insert”插入特定字符的形式在前置寫入標(biāo)識符，并在后置輸出的G代碼中表達，實現(xiàn)對粗、精加工的開始及結(jié)束位置的標(biāo)識。當(dāng)VT 讀取G代碼仿真時，利用該字符統(tǒng)計程序粗加工及精加工時間，從而計算MRR、SMR，并輸出結(jié)果。

3.3 VT效率數(shù)據(jù)庫構(gòu)建

匯總各零件程序效率數(shù)據(jù)，如表4所示。通過表4可以準(zhǔn)確把握各數(shù)控程序效率的得分情況，視需要可劃分階梯型判定等級，如優(yōu)、良、及格、待改進等。周期性統(tǒng)計待改進清單可作為工藝優(yōu)化的清單，當(dāng)零件優(yōu)化后都達到合格線，或者有高效的新機床、新技術(shù)介入時，就可以重新定義更高的基線。不斷篩選最低效程序作為工藝優(yōu)化的參考清單，從而實現(xiàn)程序效率的迭代。

圖2 各機床MRR及SMR基線Fig.2 Efficiency baseline of MRR and SMR of different machine tools

表3 NC程序仿真報告模板Table3 NC program simulation report template

表4 程序效率庫樣表Table4 Sample table of program efficiency

4 基于Minitab的數(shù)據(jù)分析

利用Minitab 對程序樣本進行數(shù)據(jù)分析，找到程序效率差異的關(guān)鍵控制點（KPI）。

4.1 總體效率分析

如圖3所示，程序效率平均得分27（百分制），最高95.7，最低僅1.2，均值低，波動大，由圖4可知，低效程序主要為角盒角片、接頭梁、板類零件。

由圖5計算過程能力：

進而繪制圖6，由圖6可知，只有通過技術(shù)手段提高程序軌跡參數(shù)，以管理手段控制程序下發(fā)才能實現(xiàn)程序提效。

4.2 MRR與SMR對比分析

（1）MRR 平均值32cm3/min，最大值116cm3/min，最小值8cm3/min，百分制平均得分34。

（2）SMR平均值10cm2/min，最大值62cm2/min，最小值1.4cm2/min，百分制平均得分22。

MRR波動明顯大于SMR，MRR需要重點控制波動，約束刀具選用及參數(shù)設(shè)置。

SMR均值偏低，但波動相對較小，需要從宏觀層面改變現(xiàn)有加工方式才能總體提高。

4.3 空刀率分析

樣本平均空刀率為26%，即26%的走刀不參與切除。無效刀具軌跡造成時間浪費，高效的程序空刀率可以控制在10%以下，對于離散型制造企業(yè)，不同特征的產(chǎn)品在加工時由于工藝方案和走刀策略不同，程序效率也有區(qū)別。為探究結(jié)構(gòu)對空刀率影響，進行了單因子方差分析，如圖7所示。圖7（b）中數(shù)據(jù)顯示P=0.074<0.05，結(jié)構(gòu)類型對空刀率的有影響，但影響較小，僅為2.69%。

圖3 程序總效率運行圖Fig.3 Overall running chart of program

4.4 切削時間與毛坯體積的回歸分析

通過對總切削時間與毛坯體積的回歸分析，嘗試建立映射關(guān)系，若回歸方程存在，則可以利用毛坯材料大小預(yù)估加工時間，對于企業(yè)工時定額、生產(chǎn)排程有一定的參考價值。圖8（a）中P<0.05，回歸方程成立，貢獻率>50%?；貧w方程為：

4.5 不同機床型號的效率分析

取每個機床上零件效率得分均值作為該機床上的零件效率得分，綜合車間所有機床，繪制圖9?？梢?，總效率得分相對較低的機床有：B、C、D、F、H、J，對所有機床效率進行宏觀把控，找到短板機床。

圖4 低效程序柏拉圖Fig.4 Plato of inefficient procedures

圖5 長短期過程能力Fig.5 Current capability and potential capability

圖6 過程能力分析Fig.6 Process capability analysis

圖7 單因子方差分析Fig.7 One-way ANOVA

圖8 總切削時間殘差分析Fig.8 Residual analysis of total cutting time

圖9 各機床效率測評Fig.9 Efficiency evaluation of different machines

4.6 不同零件類型的效率分析

零件結(jié)構(gòu)類型多樣，為探索零件結(jié)構(gòu)類型對效率的影響，作出單因子方差分析，分析數(shù)據(jù)如圖10所示。

從圖10的數(shù)據(jù)中，P=0.000<0.05,表明框梁類零件與其他結(jié)構(gòu)零件的效率得分有顯著差異。但結(jié)構(gòu)類型對零件效率的影響只解釋了21.22%，所以還存在其他因素影響著零件效率的高低。

5 程序效率管控

5.1 關(guān)鍵因素確定

通過群策群力繪制魚刺圖如圖11所示，從人、機、料、測、法、環(huán)6個方面找出關(guān)鍵影響因子，比對現(xiàn)有程序下發(fā)流程，引入效率基線要求作為控制點，約束程序效率。

圖10 方差分析Fig.10 Variance analysis

由計算公式可得，效率得分與切寬、切深、進給速度、空刀率等息息相關(guān)，為進一步探究各因子對程序效率的影響作出貢獻度計算。

由圖12可得實際MRR 與其相關(guān)參數(shù)的多元回歸方程，從而找到影響最大的因子，即“關(guān)鍵因子”，注意到，圖12的殘差圖中出現(xiàn)不等變差現(xiàn)象，且不服從正態(tài)分布，將SMR 對數(shù)轉(zhuǎn)換后重算貢獻度，如圖13所示?？梢姡厮愫髿埐罘险龖B(tài)分布，且分布隨機，說明無其他關(guān)鍵X，貢獻度87.61%數(shù)據(jù)可靠。效率得分與切寬、切深、進給速度、空刀率、零件體積、表面積、粗加工與精加工時間占比有關(guān)。如圖14所示，在程序編制階段增加了前端控制，在程序下發(fā)前增加了末端控制，并形成反饋，共同約束程序的效率。

5.2 校審機制構(gòu)建

前端控制：編制程編規(guī)范，固化切削參數(shù)，規(guī)范特征軌跡編制，盡可能消除人員經(jīng)驗誤差。

末端控制：編制校審規(guī)范，增設(shè)基線審核環(huán)節(jié)，駁回低效程序直至改進合格，構(gòu)建PDCA 改進循環(huán)。

5.3 試點項目實施

開展某產(chǎn)品六西格瑪改進活動，得DM（測量定義）、A（分析）、IC（控制改進）階段的時間序列，如圖15所示。采用“雙樣本T”及“等方差”分析法比較改進前后的均值和方差，如圖16所示，數(shù)據(jù)表明改進后均值提高，波動變小，改進有效。由此可見，實現(xiàn)效率基線的評價及管控模式改進能夠有效提高數(shù)控加工效率。

圖11 程序效率魚刺圖Fig.11 Cause-and-effect diagram of program efficiency

6 結(jié)論

以效率基線為標(biāo)尺的程序數(shù)控銑削效率測評辦法，重點在于嚴(yán)格控制MRR、SMR、空刀率等程序的KPI，并以過程能力分析作為未來階段的基線目標(biāo)，以分類統(tǒng)計的方法去找尋不同薄弱零件特征軌跡、薄弱機床，進而開展有針對性的持續(xù)改進活動，以基線達標(biāo)與否作為零件下發(fā)的紅綠燈，構(gòu)建效率數(shù)據(jù)庫，配合看板管理實現(xiàn)程序的綜合管控，同時還可將每月新發(fā)NC效率統(tǒng)計數(shù)據(jù)庫整合到月度OEE數(shù)據(jù)庫。由此，形成TPM模式下的車間級OEE的評估報告，讓每一位員工都能了解并積極投入到生產(chǎn)效率動態(tài)監(jiān)控中，實現(xiàn)全員參與的精益生產(chǎn)模式，保障企業(yè)高效產(chǎn)出，從而加快邁入現(xiàn)代化智能生產(chǎn)、高效生產(chǎn)新時代。

圖12 粗加工關(guān)鍵X貢獻度計算及殘差分析Fig.12 Calibration of critical X contribution and residual analysis of roughing

圖13 重算后的精加工關(guān)鍵X貢獻度計算及殘差分析Fig.13 Calibration of critical X contribution and residual analysis of finishing after recalculation

圖14 改進前后對比Fig.14 Comparison before and after improvement

圖15 各階段效率評分Fig.15 Scores of different statistics efficiency

圖16 “雙樣本T”和“等方差”檢驗Fig.16 Double samples and equal variance test