轨道装备制造业质量管理数字化探索

轨道装备制造业面临着供应链协同管控难度大、生产过程质量控制复杂、产品质量追溯缺乏支撑等挑战。如何通过数字化技术来推动轨道装备制造业质量管理转型,是增强企业高质量发展和提升核心竞争力的重要手段。本文以青岛中车四方机车车辆股份有限公司为例,就轨道装备制造业质量管理数字化所面临的问题和主要的做法进行了探索。研究从规范数据结构、生产质量控制与运维、质量检测检验和数据赋能4个方面展开,探讨了质量管理数字化的主要方向和做法,为轨道装备制造业质量管理数字化提供了借鉴。

工业机器人在轨道车辆检测技术上的应用

使用工业机器人,结合线阵扫描技术及运用图像自动识别技术,对轨道车辆关键部件进行图像采集,利用图像分割技术以及模型先验知识将关键部件按照刚性件、柔性件分割并归类。采用先配准后对比的方式与模板库中对应的部件寻找差异,通过对各部件的颜色信息结合图像处理与模式识别技术进行差异判别、自动报警。可有效识别部件错漏及表面状态缺陷,同时实现全寿命周期内的溯源追踪。

CPK在动车组车体内高尺寸PQM模型中的应用

搭建PQM模型的主要目的是为了推动产品质量管控模式由符合性向优质一致性转变,助力数据驱动型企业建设。过程能力指数(CPK)是现代企业用于表示制造能力的指标,通过CPK计算规则结合动车组车体内高尺寸数据的实际情况可计算出日CPK值,再根据一定的标准来判定CPK的结果值对生产过程的影响,并增设预警功能,可使生产过程的稳定性处于可控状态;更可及时发现生产过程稳定性的波动,对波动的处理就会更具主动性,在一定情况下还可以达到降低质量成本的目的。

智能装备制造业质量管理成熟度模型研究

本研究以某轨道交通装备制造业企业为研究对象,结合经营管理现状构建符合企业管理特色的评价模型框架,融合多种统计算法,充分考虑企业经营实际和未来发展规划构建具有企业特色的评价体系,并对研究过程进行总结,提出具有高可操作性的质量管理成熟度评价方法,为行业研究提供可平移、可借鉴的方法指导。

大数据在质量显性化中的应用与探索

质量数据显性化是利用大数据技术能力,结合业务管理现状,针对性打造个性化、一站式的质量数据决策分析平台。文章通过聚合质量数据,基于业务需求搭建一站式质量分析能力,实现质量数据的显性化支撑,为质量管理提供了创新支撑。

基于双目视觉技术的车轮接触面损伤检测方法

伴随着我国高铁铁路的迅猛发展以及高速列车车速的不断提升,高速列车的行车安全问题也广泛受到关注。其中车轮踏面对高速列车行进中的安全问题以及高速列车车速的提升都有关键影响,目前使用最广泛的人工观察安全检测容易出现观察不到位、漏检以及耗时严重等问题,已经不能满足目前我国高速列车迅速发展的现状。而伴随着高速铁路的迅速发展,计算机人工视觉领域近年来也有较大突破与进展,其中双目视觉系统也被广泛应用于不同条件下的人工视觉系统中。利用双侧成像方法对车轮踏面进行拍摄,根据拍摄图像以及双目视觉系统,重新构建车轮踏面的三维立体信息,由此判断踏面擦伤故障,且较之人工检测可以全方位的对车轮踏面进行检测并且大幅度提升检测效率。

装备制造业标准化质量数据应用与研究

本研究通过数据采集、数据治理、数据应用、应用框架等流程构建治理数据应用标准化体系,建立装备制造业质量数据分类标准的应用流程和指南,规范质量数据产生、收集、清洗、分析和应用活动,指导企业有效利用质量数据推动质量改进,降低企业解决问题的成本。

基于K-means聚类的WSN异常数据检测算法分析

本文以K-means聚类为理论基础,参照无线设备的数据特征,以欧式距离为参数类型,对比数据相似性,制定有效的聚类方案,排查异常数据。经测算实践发现:数据量大于1000后,相比噪声密度算法,K-means方法的异常数据测定灵敏性较高,误报次数较少;将K-means方法用于车辆生产、供应商管理等程序中,表现出较强的异常数据测定能力,可显著增强企业决策管理的科学性。