劉建春,劉子安,鄒朝圣,江駿杰
(1.廈門理工學院機械與汽車工程學院,福建 廈門 361024;2.廈門理工學院電氣工程與自動化學院,福建 廈門361024;3.廈門萬久科技股份有限公司,福建 廈門 361024;)
國際標準ISO規(guī)定刀具的磨損程度以磨鈍標準(磨損值VB)作為判斷依據(jù)[4]。文獻[5]提出了一種基于刀具磨損圖像的刀具磨損表面積檢測方法。文獻[6]通過對刀具邊緣半徑、刀具直徑、刀具側(cè)面磨損寬度的測量來判斷刀具磨損過程。在刀具磨損預估方面,由于收集完整的刀具磨損與壽命之間的關系數(shù)據(jù)是有困難的,所以預估剩余加工時間成為了研究的難點。文獻[7]提出了一種基于徑向基函數(shù)結(jié)合核主成分分析的刀具磨損評估方法。文獻[8]在機器學習的基礎上將粒子濾波技術(shù)引入刀具磨損分析模型。從研究成果看,以上的研究并未形成一個完整的CNC機床刀具的動態(tài)調(diào)度系統(tǒng)來監(jiān)控刀具的實時情況,因此設計基于共享數(shù)據(jù)庫的統(tǒng)一平臺,集成信息追蹤、生產(chǎn)調(diào)度、能耗預測、故障預警、流程報表等管理功能,可以有效地縮短上層計劃層與下層控制層之間的信息交互距離,在保障質(zhì)量的前提下提升效率,節(jié)約制造成本。
當車間在工作狀態(tài)時,機床的刀具需頻繁地流轉(zhuǎn)于各生產(chǎn)環(huán)節(jié)中。刀具監(jiān)控管理的任務就是要建立實時通信數(shù)據(jù)庫,實現(xiàn)MES系統(tǒng)內(nèi)的刀具實體狀態(tài)信息化。由于各類刀具的庫存數(shù)量有限,不同工件加工時所要求的刀具規(guī)格均不相同,必須對每把刀具進行編碼,編碼關聯(lián)刀具的出廠信息、規(guī)格材料及加工信息,對調(diào)度所需的所有刀具進行全生命周期內(nèi)的信息追蹤。整個過程從車間接到訂單開始,對投產(chǎn)計劃進行分析,預測得出刀具的需求量并和現(xiàn)有倉儲量進行比對,上傳采購需求至ERP系統(tǒng),由ERP系統(tǒng)下達采購信息反饋給庫存管理系統(tǒng)進行核對,以保證加工所需刀具的倉儲余量在合理的范圍內(nèi)。
在刀具入庫階段,錄入刀具的主要屬性參數(shù)并分配編號作為刀具流轉(zhuǎn)的唯一識別標準。在備刀階段,驅(qū)動RFID讀寫器自動更新刀具的位置、狀態(tài)等信息,將對刀儀與MES 系統(tǒng)接口連接,上傳刀補信息至數(shù)據(jù)庫。在加工作業(yè)階段,通過在機檢測裝置,利用換刀間隙檢測刀具磨損情況,結(jié)合機床內(nèi)部加工參數(shù)實時預測刀具剩余使用時間,在保證生產(chǎn)效率的前提下有效地降低刀具磨損。刀具下線時,再次錄入刀具的處理信息,自動生成刀具全生命周期報表反饋給倉管系統(tǒng)形成閉環(huán)。面向MES的刀具智能調(diào)度系統(tǒng)框架,如圖1所示。
圖1 刀具調(diào)度管理系統(tǒng)框架Fig.1 Tool Scheduling Management System Framework
判斷刀具生命周期的依據(jù)主要是刀具磨損程度,而刀具磨損程度受加工工藝參數(shù)的影響較大,但企業(yè)又要考慮經(jīng)濟效益,因此必須綜合考慮加工效率和刀具磨損為優(yōu)化目標。
對機床的切削參數(shù)使用遺傳算法求解,先通過歷史數(shù)據(jù)人工選定加工參數(shù)的一定范圍作為運算邊界,再進行遺傳操作,當平均適應度持續(xù)低于某一常數(shù)且不再大幅震蕩時,判定收斂,將最大適應度的個體作為優(yōu)化后的結(jié)果輸出形成優(yōu)化方案,在相同的生產(chǎn)計劃下不斷完善運行流程。
當檢測到刀具的磨損值VB大于設定值時,判定其不再適用于精加工環(huán)節(jié),通過RGV小車裝載的上下料機器人將刀具隨性夾具移至半精加工或粗加工環(huán)節(jié)備用,根據(jù)系統(tǒng)內(nèi)錄入的刀具編碼,自動更新數(shù)據(jù)庫中刀具的裝機位置,記錄刀具在不同時段的工作目的及狀態(tài),管控各環(huán)節(jié)刀具的備用量。AGV用于把刀具從立體倉庫運送到車間全自動生產(chǎn)線。由6臺加工中心組成的刀具動態(tài)調(diào)度系統(tǒng)結(jié)構(gòu),如圖2所示。
圖2 刀具車間動態(tài)調(diào)度系統(tǒng)結(jié)構(gòu)圖Fig.2 Structural Diagram of Tool Shop Dynamic Scheduling System
當通過檢測未通過鑒定后,判定刀具報廢,記錄并計入折舊系統(tǒng)形成報表。分析生成的報表,評估全生命周期內(nèi)各環(huán)節(jié)耗時異常的部分,優(yōu)化整體管理方案,通過數(shù)據(jù)庫連接倉管系統(tǒng)與上層資源管理層形成閉環(huán)連接,為車間的刀具調(diào)度及購置預留合理的時間。
根據(jù)刀具編號進行信息追蹤,分析刀具歷史數(shù)據(jù),判斷出刀具的非正常損耗原因,提升刀具的使用效率。如果刀具狀態(tài)信息出現(xiàn)異常時,發(fā)出報警信號至車間控制層,傳喚工作人員到機檢測,保護機床安全,有效降低工件次品率。
傳統(tǒng)的刀具專用檢測儀器不是在線實時檢測,影響檢測效率,無法嵌入智能控制系統(tǒng)。針對惡劣的加工環(huán)境會對在線檢測儀器造成影響,提出一種將檢測設備與機臺隔離的在機檢測方法[9],使用基于機器視覺的自動識別檢測刀具磨損,在機床的側(cè)部搭建移動機構(gòu)、工業(yè)攝像頭、光源等構(gòu)成的實驗平臺,提取刀具加工后的圖片,裝載在機床的裝置,如圖3所示。
圖3 刀具磨損檢測裝置實物圖Fig.3 Tool Wear Detection Device Physical Map
加工周期結(jié)束后,控制電機驅(qū)動搖臂移動兩個工業(yè)攝像頭圍繞CNC刀具刀頭互相垂直擺放,分別拍攝正刀面與側(cè)刃面,先通過正刀面相機圖像處理獲取側(cè)刃角度,移動第二相機到相應角度進行檢測,獲取與刀具刀刃數(shù)同等數(shù)量的照片量,將兩個相機取得的圖像傳至上位機進行模板匹配定位,獲取感興趣區(qū)域,進一步去中心化增強對比和灰度值上下閾值處理,提取磨損區(qū)域,通過對磨損區(qū)域和正常區(qū)域的對比計算出刀具的平均磨損值VB,以不同程度的VB值判斷刀具的磨損情況。檢測磨損情況流程,如圖4所示。
圖4 機器視覺檢測刀具磨損情況流程圖Fig.4 Machine Vision Detection Tool Wear Situation Flow Chart
由于刀具磨損是切削速度、切削熱、刀具與工件接觸位置等多因素耦合作用下的結(jié)果,為保證建立的預測模型在不同的環(huán)境參數(shù)下,均有良好的泛化能力,需要考慮盡可能多的特征量對結(jié)果的影響,但又面臨處理高維數(shù)據(jù)集的情況。因此減少資源監(jiān)控任務對數(shù)據(jù)計算資源的消耗,從復雜的刀具監(jiān)控信號中提取有用的信息顯得尤為重要。該部分主要是將機床及檢測機構(gòu)輸出的信息進行匹配篩選。
針對刀具剩余生命預測存在時序性、震蕩性等特點,建立人工神經(jīng)網(wǎng)絡模型。該預測模型探尋了在不同加工需求下,刀具狀態(tài)數(shù)據(jù)非線性增強的特點,比較不同加工條件造成的刀具磨損結(jié)果,優(yōu)化加工參數(shù),通過數(shù)據(jù)匹配訓練神經(jīng)網(wǎng)絡進行學習,提升數(shù)據(jù)分析的準確性。
分析流程是數(shù)據(jù)處理模塊進行兩次數(shù)據(jù)匹配的過程:第一次是在檢測系統(tǒng),將檢測數(shù)據(jù)傳遞并初選之后,將特征數(shù)據(jù)(如磨損所在區(qū)域及面積)與數(shù)據(jù)進行匹配訓練,建立預測模型,測試匹配百分比,當匹配度達到一定等級后,將相應的參數(shù)直接輸出,若匹配度不足,則將誤差反向傳播進行修正學習;第二次數(shù)據(jù)匹配則是在下一次加工之后將數(shù)據(jù)反饋回分析系統(tǒng),通過反饋的數(shù)據(jù)進行算法準確度的驗證,若準確度符合要求,則進入機器學習階段,對算法進行微調(diào)。若準確度不符合要求,則作為特殊數(shù)據(jù)樣本進行存儲,并統(tǒng)計特殊樣本數(shù)量,若樣本較少,則將該數(shù)據(jù)作為奇異數(shù)據(jù)單獨存儲,反之,則保留詳細的相關數(shù)據(jù),交由人工進行分析處理。整體流程,如圖5所示。
圖5 數(shù)據(jù)分析流程圖Fig.5 Data Analysis Flow Chart
MES系統(tǒng)的優(yōu)化目標面向整個生產(chǎn)過程,為實現(xiàn)在機檢測和刀具裝配的協(xié)同調(diào)度,所設計車間刀具的全生命周期MES系統(tǒng)內(nèi)部架構(gòu)分為四層,與計劃層和執(zhí)行層保持實時互聯(lián)通信。刀具管理系統(tǒng)采用C/S和B/S混合架構(gòu),顯示層C/S模式實現(xiàn)管理人員的刀具調(diào)度,B/S模式實現(xiàn)操作人員的信息查詢和共享;控制層作為整個系統(tǒng)的驅(qū)動單元,接收反饋到的各種信號并做出動作;關系型數(shù)據(jù)層存儲了刀具全生命周期內(nèi)的所有信息數(shù)據(jù),作為數(shù)據(jù)訪問的終端提供數(shù)據(jù)的錄入、修改、提取等操作;業(yè)務層負責給數(shù)據(jù)層、控制層和顯示層提供信息基礎。整個MES 系統(tǒng)上接ERP 計劃層,接收計劃層下達的生產(chǎn)計劃并及時將生產(chǎn)實況上報;下接車間DNC執(zhí)行層,接收機床的加工數(shù)據(jù)并反饋控制機床進行動態(tài)調(diào)度。整個服務架構(gòu)內(nèi)數(shù)據(jù)共享,消除信息孤島。其整體系統(tǒng)架構(gòu),如圖6所示。
圖6 車間通信系統(tǒng)架構(gòu)Fig.6 Workshop Communication System Architecture
工件、工具材料的選擇和機床的加工狀態(tài)是影響刀具生命的主要因素,而切削參數(shù)需要從CNC系統(tǒng)中獲取,為此需要制定對加工狀態(tài)參數(shù)進行實時采集的技術(shù)方案?,F(xiàn)有的DNC系統(tǒng)正在向OPC的方向發(fā)展,所以采用支持OPC的機床進行實驗,通過機床的OPC接口連接到CNC內(nèi)存,獲取機床加工的工藝參數(shù)。
以三菱M系列CNC系統(tǒng)為例,使用與三菱系統(tǒng)兼容的OLE/COM接口實現(xiàn)數(shù)據(jù)采集,使用擴展宏指令實現(xiàn)自定義調(diào)用過程,可以方便的提取到CNC系統(tǒng)內(nèi)部相關加工工藝參數(shù),加工工藝參數(shù)采集界面,如圖7所示。面向整個車間時,MES系統(tǒng)中的信息接口連接車間控制器,對機床設備群的工作過程進行時序性的信息采集,采集車間內(nèi)每臺機床的加工信息。
圖7 加工工藝參數(shù)采集Fig.7 Processing Parameter Acquisition
刀具在不同空間的流轉(zhuǎn)以數(shù)據(jù)傳遞的形式存儲在服務器中,使用SQL Server關系型數(shù)據(jù)庫進行大數(shù)據(jù)管理,通過接口更新數(shù)據(jù)庫中的數(shù)據(jù)并實現(xiàn)刀具管理系統(tǒng)與多個外部系統(tǒng)的數(shù)據(jù)集成。以銑刀購置入庫的系統(tǒng)運行為例,如圖8 所示。刀具經(jīng)采購入庫開始,實行編碼終身制,在刀具的生命周期內(nèi),逐一建立刀具規(guī)格、刀具補償、機床加工信息、故障及倉儲預警等生產(chǎn)關系數(shù)據(jù)庫,計劃層管理人員可查看刀具歷史使用情況和預警分析結(jié)果。
圖8 數(shù)據(jù)庫界面Fig.8 Database Interface
針對車間生產(chǎn)現(xiàn)場刀具信息更新不及時、損耗嚴重等實際情況,開發(fā)了面向MES的刀具數(shù)字化調(diào)度系統(tǒng)。立足于刀具全生命周期后端的管理系統(tǒng)優(yōu)化問題,將RFID編碼調(diào)制技術(shù)、CNC技術(shù)和機器視覺、大數(shù)據(jù)分析充分融合,在這里介紹了系統(tǒng)整體架構(gòu)、數(shù)據(jù)采集處理、數(shù)字化業(yè)務集成方案,優(yōu)化了生產(chǎn)過程所涉及的整體調(diào)度系統(tǒng),構(gòu)建完整的閉環(huán)生產(chǎn)過程。
此系統(tǒng)已在企業(yè)的工具管理系統(tǒng)中初步試用,從刀具的采購入庫、生產(chǎn)過程的跟蹤追溯、磨損預測、故障預警等多個維度對刀具設備進行全生命周期管理,實現(xiàn)刀具在線檢測磨損,提供預警信息,為制造企業(yè)將經(jīng)營計劃和生產(chǎn)過程統(tǒng)一起來提供了一種可行方案。