数据驱动的KDP晶体加工表面质量分类研究

为辅助监控超精密飞切机床对磷酸二氢钾(KDP)精加工过程中偶发的加工误差,结合机床加工过程中的振动数据和温度数据关键特征提取,建立晶体加工表面的预测模型。基于ResNet-18分析振动数据与KDP晶体表面是否合格之间的联系进行二分类预测,最终在测试集上模型准确率达到88.5%。同时,基于XGBoost模型分析温度数据与KDP晶体表面质量低频指标P-V的联系并进行预测,实验结果表明预测模型能较快预测加工元件表面质量,且整体误差在可接受范围内。对加工误差进行溯源分析,构建机床的整机模型,利用有限元分析计算长时间的加工状态下机床的瞬态温度场,仿真结果表明在机床运行8580 s后机床最高温度达26.9℃,并开展实验证明了仿真结果的准确性,证实了“KDP晶体加工后期质量变差”与“机床主轴系统随加工过程持续升温”有关的推论。

基于增值工时占比的总装工时优化研究

在汽车工艺开发过程中,直产人员定额,是指导制造基地确定人员编制的依据。总装工时的优化,直接影响直产人员的确定,直接关系到制造基地人力成本控制的成败。在总装工时优化的过程中,由于弯腰、走动、检查等非增值工时的标准化存在一定的难度,而单纯地控制编成效率不能很好实现人员递减地目标。对标多个汽车企业,通过引入增值工时占比指标,结合编成效率指标,对总装工时优化的流程方法进行研究,进而形成基于增值工时占比的总装工时优化方案,明确总装工时优化改进方向,实现总装直产人员的递减。