基于IIoT的发动机生产制造过程管控系统构建及应用

华菱汽车针对发动机生产制造过程难以管控问题,提出一种基于工业物联网(Industry Internet of Things,IIoT)技术的发动机生产制造过程管控系统。     

大数据在拧紧数据分析中的应用

拧紧问题分析是提升拧紧质量的重要手段,目前的方法为人工查看拧紧曲线,然后运用专业能力分析,费时费力,且拧紧问题分析准确率依赖分析人员经验。通过引入大数据技术,将拧紧曲线进行聚类,生成多个拧紧数据场景(后文简称拧紧场景或场景),并对拧紧场景进行人工标注(缺陷类型),最终由质保对各拧紧场景进行最终审核认证,得到可指导人员分析拧紧缺陷的拧紧场景。通过采用认证的拧紧场景对拧紧曲线进行分析,可以节省查看拧紧曲线和分析拧紧缺陷的时间,提高解决问题的时效性,不依赖分析人员的经验,能够快速提升车间的拧紧合格率。     

摩托车和轻便摩托车辐条式车轮标准简介

摩托车和轻便摩托车辐条式车轮标准从3个方面对辐条式车轮的技术要求及试验方法进行了编制:1)对车轮的基本要求;2)对轮毂辐条孔的极限拉力、辐条、条母组件的极限拉力、条母的拧紧力矩等限值作出了规定;3)辐条式车轮的4项性能要求。通过试验验证,径向冲击试验合格率为60%,径向载荷疲劳试验合格率为83.3%,扭转疲劳试验合格率为100%,证明标准是可行的。     

基于六西格玛的汽车塑料件涂装合格率的改善

文章主要阐述了汽车塑料件中的保险杠零部件涂装合格率提升的改善项目,采用六西格玛系统管理思想为指导,在项目开展过程中注重数据收集和统计,以数据为基础按照六西格玛DMAIC五步循环改进法分别进行项目问题的定义、测量、分析、改进和控制,并在各阶段选用合适的六西格玛工具,最终确定三个关键影响因数和最佳因子组合,通过对涂装相关因素的改进和参数的优化,实现了涂装合格率的大幅提升,达成了项目初期设定的项目目标,同时有效降低了Y企业由于涂装质量原因造成的成本损失。     

双质量飞轮螺栓拧紧不对轴原因及解决方案

简单阐述了双质量飞轮常见的拧紧不合格问题,结合实际问题案例调查分析,运用相应质量工具进行数据分析。针对如何提升双质量飞轮拧紧合格率,进行措施实施验证。最终更换定位工装,优化调整支撑托盘的固定螺栓,并对拍照相机进行角度补偿值、圆心补偿值及修正量参数设定,通过数据验证及结果对比,最终达到提升双质量飞轮拧紧合格率的目的。     

德派:专注拧紧与装配

专业化解决方案 工业拧紧装配工艺中的安全性是装配工业最重要的品质,装配生产工艺上的缺陷可能会造成部件失效等不安全因素.德派在对技术产品进行量产的同时,兼顾了安全性的需求,实现了生产过程自动化和装配自助化.以中国汽车业为例,在各类连接件装配工艺中使用拧紧装配技术的零部件超过60％以上,整车拼装生产中80％的工业拧紧装配工艺是在前端的各大汽车零部件工厂先期完成的.     

图纸拧紧信息识别技术的研究

本文研究了图纸拧紧信息识别技术在工业制造中的应用,旨在通过对图纸拧紧工艺信息的提取和识别,实现对拧紧工艺参数的自动化录入。本文首先介绍了拧紧信息识别技术的背景和意义,然后阐述了拧紧信息提取和识别的原理和方法,包括图像处理、特征提取、模式识别等。最后,通过实验验证了该技术的可行性和优越性,并对同类技术进行了比较分析,为工业制造领域提供有益的参考和指导。     

公差分析在无框车门车型中的应用

针对无框车门玻璃一次装配合格率低的问题,文章使用5W2H法对问题进行分析,借助公差分析来明确一次装配合格率目标、确定优化措施、指导实车优化。确定B柱饰板定位方案、零件公差和DTS公差3个影响因子作为优化方向,优化后X、Y、Z 3个方向的合格率分别提升了29%、10%、21%。在起步生产中对合格率进行验证,实车验证有效。     

轮胎螺母拧紧机的设计及应用

为了解决轮胎螺母拧紧机在应用中出现的无法柔性化对轮胎五个螺母在分度圆不同的情况下同线拧紧问题,在对现场工况和要求进行充分的分析后,对轮胎螺母拧紧机的各个组成部分重新进行设计,提出了通过气缸与直线滑轨结合的方式驱动拧紧轴进行五轴自动变径的设计方案,并且分析了该方案的可行性。经现场使用表明,该设计方案切实可行,设备运行稳定,可以满足轮胎五个螺母在分度圆不同的情况下同线拧紧要求,在保证质量的同时提高了生产效率。     

基于数据分类的高速铁路运营事故预测方法

高速铁路运营事故预测方法是度量铁路安全管理水平的重要指标.为提高高速铁路的安全运营水平,引入工业数据分类方法,分析反向传播(BP)神经网络和灰色模型在高速铁路安全运营事故预测过程中的适应性.首先,运用事故次数、事故联动系数、月均事故率3个参数对高速铁路安全运营水平进行度量;然后,根据工业数据分类方法判别高速铁路运营事故数据属于块状型,据此建立反向传播(BP)神经网络运营事故预测模型;针对运营事故数据具有波动大的特点,利用均值聚类方法建立K-GM(1,3)预测模型.以近年来高速铁路运营事故数据为样本对模型进行训练和分析,结果表明:BP神经网络、K-GM(1,3)、GM(1,3)预测模型的预测误差分别为8.92%,13.68%,345.25%,BP神经网络在高速铁路安全运营事故预测过程中的适应性要优于灰度模型.