劉明周　邢玲玲　劉從虎　張　淼

合肥工業(yè)大學(xué)，合肥，230009

面向再制造復(fù)雜機械產(chǎn)品裝配過程的質(zhì)量控制點公差帶在線優(yōu)化方法

劉明周邢玲玲劉從虎張淼

合肥工業(yè)大學(xué)，合肥，230009

為提高再制造零部件利用率并提升再制造復(fù)雜機械產(chǎn)品的裝配精度，提出了一種面向再制造復(fù)雜機械產(chǎn)品裝配過程的質(zhì)量控制點公差帶在線優(yōu)化方法。在分析再制造復(fù)雜機械產(chǎn)品裝配特點的基礎(chǔ)上，對關(guān)鍵工序的質(zhì)量控制點公差帶進行細粒度劃分；從裝配精度角度出發(fā)，綜合考慮裝配過程中的質(zhì)量損失和成本差異，以尺寸鏈為約束，構(gòu)建了公差帶優(yōu)化模型，并研究了基于遺傳算法的模型求解過程；在此基礎(chǔ)上，提出了基于歷史數(shù)據(jù)的正向推理模式，以及基于裝配實時信息的逆向推理模式，推導(dǎo)出裝配優(yōu)化方案集并對車間異常情況作出及時響應(yīng)；最后，開發(fā)出再制造發(fā)動機裝配過程在線質(zhì)量控制系統(tǒng)原型，驗證了該方法的可行性和有效性。

再制造； 裝配過程；質(zhì)量；公差帶在線優(yōu)化

0　引言

再制造是廢舊產(chǎn)品高科技修復(fù)和升級的產(chǎn)業(yè)化，其產(chǎn)品質(zhì)量問題一直備受關(guān)注。近年來，國內(nèi)外學(xué)者從不同角度對再制造產(chǎn)品質(zhì)量控制機制問題進行了研究：在生產(chǎn)計劃調(diào)度方面，Jin等[1]對回收產(chǎn)品質(zhì)量不確定性條件下的再制造系統(tǒng)最優(yōu)控制策略進行了研究；Tang等[2]在回收產(chǎn)品質(zhì)量不確定情況下，運用開放排隊網(wǎng)絡(luò)構(gòu)建了再加工系統(tǒng)模型；蘇春等[3]研究了質(zhì)量成本和需求替代的再制造生產(chǎn)計劃；文獻[4-5]對再制造多產(chǎn)品經(jīng)濟批量排產(chǎn)問題進行了研究。在再制造設(shè)計方面，牛同訓(xùn)[6]提出了一種再制造公差設(shè)計優(yōu)化數(shù)學(xué)模型，該模型能夠有效保證和提高再制造產(chǎn)品質(zhì)量。在廢舊零部件回收方面，F(xiàn)erguson等[7]考慮到回收廢舊毛坯質(zhì)量的不同，研究了再制造過程中質(zhì)量分級的價值。在再制造零部件質(zhì)量評價方面，Zhou等[8]基于模糊層次分析法提出了量化廢舊輪式裝載機零部件可重用度的質(zhì)量評價模型。

上述研究為再制造產(chǎn)品質(zhì)量控制作出了極大貢獻。但是，由于誕生時間較短，多學(xué)科交叉的再制造工程仍然存在一些基礎(chǔ)技術(shù)問題沒有解決[6]。再制造裝配不僅是決定再制造產(chǎn)品質(zhì)量和性能的重要環(huán)節(jié)，而且對再制造工期和再制造成本等具有重要的影響。再制造裝配過程具有高度復(fù)雜性和動態(tài)不確定性[9]，在環(huán)保節(jié)約的大前提下，如何在動態(tài)不確定環(huán)境中實現(xiàn)批量化、規(guī)?；脑僦圃煅b配過程準(zhǔn)確、實時的在線質(zhì)量控制，在可控成本范圍內(nèi)提高再制造產(chǎn)品質(zhì)量，成為再制造企業(yè)面臨的主要問題之一。

本文結(jié)合筆者所在項目組在再制造質(zhì)量管理[9]、公差帶在線優(yōu)化[10]和質(zhì)量控制模型[11]方面前期研究的基礎(chǔ)上，以再制造發(fā)動機為背景，針對再制造復(fù)雜機械產(chǎn)品裝配的特點，對裝配過程的質(zhì)量控制點公差帶在線優(yōu)化方法進行了研究，為提升再制造產(chǎn)品裝配質(zhì)量提供理論和技術(shù)支持。

1　方法概述

1.1再制造復(fù)雜機械產(chǎn)品裝配的特點

再制造復(fù)雜機械產(chǎn)品裝配具有以下幾個特點。

(1)再制造復(fù)雜機械產(chǎn)品裝配零部件主要由三種零部件組成：再利用件、再修復(fù)件和新件。其中，再利用件和再修復(fù)件的質(zhì)量控制點的公差帶離散程度大、中心偏移，導(dǎo)致再制造裝配質(zhì)量不穩(wěn)定程度較傳統(tǒng)制造大。

(2)使用新件和再利用件或?qū)⒘悴考迯?fù)到不同等級的成本和質(zhì)量損失不同，并且使用不同公差帶等級零部件的質(zhì)量損失和裝配成本不同。

(3)為了有效利用再制造資源，減少生產(chǎn)成本，再制造裝配總是盡可能使用再利用件和再修復(fù)件，導(dǎo)致再制造裝配過程質(zhì)量控制不確定因素增加，裝配精度難以保障，進而導(dǎo)致產(chǎn)品返修率和售后服務(wù)成本增大。

(4)不同公差帶等級零部件裝配在一起導(dǎo)致裝配方案呈現(xiàn)多樣化、質(zhì)量控制點屬性不確定等特點，影響裝配質(zhì)量。

同時，再制造復(fù)雜機械產(chǎn)品裝配過程實際情況復(fù)雜，訂單需求變化、零部件短缺、質(zhì)量事故等異常狀況時有發(fā)生。這種高不確定性的再制造裝配過程，迫切需要一種再制造裝配在線質(zhì)量策略，來綜合考慮再制造零部件的利用率和再制造裝配精度。

1.2在線優(yōu)化方法

在對上述再制造復(fù)雜機械產(chǎn)品裝配特點進行研究的基礎(chǔ)上，本文提出了面向再制造復(fù)雜機械產(chǎn)品裝配過程的質(zhì)量控制點公差帶在線優(yōu)化方法，其基本流程如圖1所示。該方法以再制造裝配精度、裝配成本、質(zhì)量損失、裝配尺寸鏈和質(zhì)量控制點公差帶為約束條件，建立公差帶優(yōu)化模型，在智能優(yōu)化算法的支持下，綜合考慮歷史數(shù)據(jù)和車間實時信息，推導(dǎo)出再制造裝配優(yōu)化方案集，目的是提高再制造復(fù)雜機械產(chǎn)品的裝配精度和再制造零部件利用率。

圖1　在線優(yōu)化方法流程

2　面向再制造復(fù)雜機械產(chǎn)品裝配過程的質(zhì)量控制點公差帶優(yōu)化模型

面向再制造復(fù)雜機械產(chǎn)品裝配過程的質(zhì)量控制點公差帶優(yōu)化模型是在尺寸鏈約束條件下，以質(zhì)量損失和裝配成本最小化為目標(biāo)，通過公差帶分級選配減少再制造裝配質(zhì)量的不穩(wěn)定性，運用遺傳算法動態(tài)配置方案，優(yōu)化裝配過程，確保產(chǎn)品裝配精度。

2.1基于質(zhì)量控制點公差帶細粒度劃分的分級選配

假設(shè)某再制造復(fù)雜機械產(chǎn)品裝配過程共有n道關(guān)鍵工序，即S1,S2,…,Si,…,Sn，工序Si上對應(yīng)m個質(zhì)量控制點，對第i道工序中的第j個質(zhì)量控制點公差帶進行細粒度劃分，將原始公差帶分為γ個公差等級，即

Tij={Tij[1],Tij[2],…,Tij[γ]}

i=1,2,…,nj=1,2,…,mγ=1,2,…

Tij將原始公差帶劃分成γ段連續(xù)區(qū)域。公差帶等級γ主要由長期從事再制造復(fù)雜機械裝配工作的專家的知識和經(jīng)驗，以及國內(nèi)外有關(guān)再制造機械產(chǎn)品質(zhì)量控制和優(yōu)化的專著和文獻決定。

2.2優(yōu)化模型

模型中的約束函數(shù)和目標(biāo)函數(shù)如下。

(1)尺寸鏈約束函數(shù)。用戶輸入系統(tǒng)的尺寸數(shù)據(jù)xij主要滿足尺寸鏈約束：假設(shè)復(fù)雜機械產(chǎn)品裝配過程中第i道關(guān)鍵工序的第j個質(zhì)量控制點處尺寸鏈共有p+q+1個環(huán)，其中增環(huán)的數(shù)量為p，減環(huán)的數(shù)量為q，封閉環(huán)基本尺寸為Aij。為確保裝配質(zhì)量，采用極值法，即封閉環(huán)的基本尺寸必須大于或等于增環(huán)的基本尺寸之和減去減環(huán)的基本尺寸之和，即

(1)

(2)目標(biāo)函數(shù)。各個不同等級的零部件由于公差帶的不同，偏離目標(biāo)值的程度不同，造成的質(zhì)量損失不同。不同等級零部件的裝配成本(包括設(shè)備、人力、能源、管理等成本)不同，因此,不同等級的零部件裝配成組件的成本也不同。為保證再制造產(chǎn)品裝配精度，同時降低裝配成本，本文以質(zhì)量損失和裝配成本最小化為目標(biāo)建立目標(biāo)函數(shù)。

①第i道工序的第j個質(zhì)量控制點公差帶等級為φ的質(zhì)量損失函數(shù)為

Lij=k(dij[φ]-Dij[φ])2/Cpmi

(2)

k=Aij/(Δij[φ])2φ=1,2,…,γ

式中，φ為公差帶等級；k為質(zhì)量損失常數(shù)；Δij[φ]為公差帶等級φ對應(yīng)的公差帶范圍；dij[φ]、Dij[φ]分別為第i道工序的第j個質(zhì)量控制點的測量值、公差帶等級φ的目標(biāo)值；Cpmi為第i道工序基于田口質(zhì)量損失的工序能力指數(shù)[10]。

②第i道工序的第j個質(zhì)量控制點公差帶等級為φ的裝配成本函數(shù)為

Gij=Gij[φ]

(3)

式中，Gij[φ]為第i道工序的第j個質(zhì)量控制點公差帶等級為φ零部件的裝配成本。

③目標(biāo)函數(shù)為

(4)

ωl+ωg=10≤ωl≤10≤ωg≤1

式中，ωl、ωg分別為質(zhì)量損失、裝配成本對總損失的影響系數(shù)；xij φ為第i道工序的第j個質(zhì)量控制點選用公差帶等級為φ的零部件。

2.3基于遺傳算法的模型求解

鑒于遺傳算法[12]在尋求全局最優(yōu)解方面具有高效率參數(shù)優(yōu)化的特點，本文采用遺傳算法求解面向再制造復(fù)雜機械產(chǎn)品裝配過程的質(zhì)量控制點公差帶優(yōu)化模型，求解過程如下。

(1)編碼。本文采用浮點數(shù)進行編碼，根據(jù)模型的假設(shè)條件，其編碼規(guī)則如下：①按再制造復(fù)雜機械產(chǎn)品關(guān)鍵裝配工序排列順序，并進行編碼，依次為1,2,…,n。②對裝配工序中的質(zhì)量控制點按一定的順序排列，并進行編碼，依次為1,2,…,m。③按照質(zhì)量控制點公差帶進行細粒度劃分，并進行編碼，依次為1,2,…,γ。④抗體的一個基因值對應(yīng)一個裝配工序質(zhì)量控制點的公差等級的配置方案。⑤一個抗體對應(yīng)再制造裝配工序質(zhì)量控制點的公差等級配置的一個方案。

(2)個體適應(yīng)度函數(shù)。由于本文為最小值的優(yōu)化問題，且應(yīng)用均勻排序選擇，故能保證適應(yīng)度函數(shù)在選擇中概率非負，又能保證種群中個體適應(yīng)度在數(shù)值上相差不是太大進而影響計算性能，設(shè)適應(yīng)度函數(shù)為

fit(F)=1/(F+c)

由于目標(biāo)函數(shù)始終為正值，故c=0。由適應(yīng)度函數(shù)可以看出，目標(biāo)值越小，適應(yīng)度值就越大，在選擇遺傳算法操作中被選中的相對概率就會越大。

(3)編碼與種群初始化。為了保證在遺傳算子操作過程中不產(chǎn)生候選裝配工序質(zhì)量控制點的公差等級以外的個體，采用裝配工序質(zhì)量控制點的公差等級在其初始空間中的排列序號進行編碼，并用二進制表示。為避免陷入局部最優(yōu)而出現(xiàn)“早熟”現(xiàn)象，本文采用隨機方式生成初始種群。

(4)遺傳算子。①選擇算子：為保護優(yōu)秀個體，本文對群體中的所有個體按照其適應(yīng)度從大到小進行排序，基于上述排序結(jié)果來分配各個體被選中的概率。②交叉算子：本文采用均勻交叉方式，交叉概率在[0,1]內(nèi)選取。③變異算子：對應(yīng)于均勻交叉算子，采用均勻變異進行變異操作，變異概率則選擇一個較小的值。

(5)遺傳優(yōu)化步驟。根據(jù)以上設(shè)置，基于遺傳算法求解面向再制造復(fù)雜機械產(chǎn)品裝配過程的質(zhì)量控制點公差帶優(yōu)化模型，其求解步驟如圖2所示。

圖2　遺傳算法求解步驟

3　在線優(yōu)化推理策略

3.1推理原理

推理過程是再制造復(fù)雜機械產(chǎn)品裝配過程質(zhì)量控制點公差帶在線優(yōu)化系統(tǒng)的核心。推理方法主要有正向推理、逆向推理或正逆向結(jié)合的雙向推理，并包含精確推理和非精確推理[13]。由于再制造裝配生產(chǎn)過程中零部件屬性的差異及復(fù)雜、動態(tài)、非線性耦合的不確定因素對產(chǎn)品裝配質(zhì)量的影響，本文提出的再制造復(fù)雜機械產(chǎn)品裝配過程質(zhì)量控制點公差帶在線優(yōu)化系統(tǒng)推理策略采用正向和逆向相結(jié)合的混合推理模式，即基于歷史數(shù)據(jù)的正向推理模式以及基于裝配實時信息的逆向推理模式。3.2基于歷史數(shù)據(jù)的正向推理

再制造裝配方案具有多樣化特點，如何在諸多裝配方案中按照既定的目標(biāo)選出最理想的方案用以指導(dǎo)修復(fù)作業(yè)和生產(chǎn)計劃是正向推理策略需要解決的問題?；跉v史數(shù)據(jù)的正向推理過程如圖3所示。

圖3　正向推理過程

(1)啟動在線優(yōu)化系統(tǒng)，根據(jù)生產(chǎn)任務(wù)選擇工藝，預(yù)先設(shè)置精度等級、成本及質(zhì)量損失系數(shù)等參數(shù)。

(2)系統(tǒng)根據(jù)歷史數(shù)據(jù)對零部件進行整合編碼，按照第2節(jié)建立的模型和約束，運用遺傳算法進行優(yōu)化計算，推導(dǎo)出最優(yōu)配置方案。

正向推理推導(dǎo)出的裝配方案主要用以指導(dǎo)再制造零部件修復(fù)作業(yè)和裝配車間生產(chǎn)計劃的制定，為生產(chǎn)過程管理、車間各類資源優(yōu)化配置以及物料實時供應(yīng)等提供指導(dǎo)。

3.3基于裝配實時信息的逆向推理

再制造裝配過程復(fù)雜，訂單需求變化、零部件短缺和質(zhì)量事故等異常狀況時有發(fā)生，如何在環(huán)保節(jié)約的前提下對其作出及時響應(yīng)，在提高裝配產(chǎn)品質(zhì)量的同時降低成本，是逆向推理過程需要解決的主要問題?；谘b配實時信息的逆向推理過程如圖4所示。

圖4　逆向推理過程

(1)啟動在線優(yōu)化系統(tǒng)，根據(jù)生產(chǎn)任務(wù)選擇工藝，預(yù)先設(shè)置精度等級、成本及質(zhì)量損失系數(shù)等參數(shù)。(同3.2節(jié)中(1))

(2)利用在線實時信息采集技術(shù)獲得再制造裝配零部件廣義尺寸數(shù)據(jù)及其他屬性信息，并將其錄入系統(tǒng)。系統(tǒng)根據(jù)約束條件判斷該零部件是否滿足裝配要求。若不滿足則系統(tǒng)給出質(zhì)量報警，提示該零部件存在質(zhì)量問題并將該零部件進行標(biāo)記暫存處理，然后繼續(xù)輸入其他零部件信息；若滿足裝配約束條件，系統(tǒng)根據(jù)數(shù)據(jù)庫中參數(shù)及規(guī)則判斷零部件公差帶級別，動態(tài)修改不同等級零部件的數(shù)量和其他信息。

(3)當(dāng)所有再制造裝配零部件指定信息錄入系統(tǒng)后，系統(tǒng)根據(jù)實際生產(chǎn)需求，針對整個裝配工藝流程或者某道工序按照模型中的目標(biāo)和約束推導(dǎo)裝配優(yōu)化方案，標(biāo)記該方案號為1，記錄該方案并統(tǒng)計方案1裝配產(chǎn)品的數(shù)量。

(4)判斷方案1完成的裝配產(chǎn)品數(shù)量是否滿足訂單需求。若滿足則輸出方案1；若不滿足則將各等級零部件數(shù)量減去方案1使用各類零部件數(shù)量。

(5)系統(tǒng)對更新后的零部件數(shù)量進行判斷，判斷是否出現(xiàn)某類零部件件數(shù)量為零的情況，即該類零部件各等級數(shù)量均為零。若某類零部件數(shù)量為零，則系統(tǒng)給出報警提示零部部件短缺；若各類零部件均有剩余則進入下一步。

(6)系統(tǒng)對剩余零部件再次進行智能計算，推導(dǎo)出裝配優(yōu)化方案，標(biāo)記該方案號為2，記錄該方案并統(tǒng)計方案1和方案2完成裝配產(chǎn)品的數(shù)量總和。

(7)判斷方案1和方案2完成的裝配產(chǎn)品數(shù)量總和是否滿足訂單需求。若滿足則輸出方案1和方案2；若不滿足則動態(tài)更新零部件數(shù)量信息，然后判斷是否出現(xiàn)零部件數(shù)量為零的情況，重復(fù)步驟(5)。

(8)若完成方案1和方案2后各類零部件均有剩余，則重復(fù)步驟(6)，推導(dǎo)出方案3。依次迭代，直到滿足訂單需求。

逆向推理過程能夠?qū)τ唵涡枨笞兓?、零部件短缺和質(zhì)量問題做出及時響應(yīng)，動態(tài)輸出裝配優(yōu)化方案集，實現(xiàn)對再制造復(fù)雜機械產(chǎn)品裝配過程質(zhì)量控制點公差帶的在線優(yōu)化，指導(dǎo)實際裝配過程，并向車間生產(chǎn)管理人員提供科學(xué)決策支持。同時逆向推理推導(dǎo)出的裝配優(yōu)化方案集考慮到再制造資源利用的問題，提高了再制造件和再利用件的利用率。

4　系統(tǒng)實現(xiàn)

發(fā)動機具有較好的再制造性[14]，本文以某重載發(fā)動機再制造企業(yè)為依托，開發(fā)出面向再制造復(fù)雜機械產(chǎn)品裝配過程的質(zhì)量控制點公差帶在線優(yōu)化系統(tǒng)原型。該企業(yè)生產(chǎn)的再制造發(fā)動機種類很多，以斯太爾系列發(fā)動機為例，其裝配零部件大部分是再利用件和再修復(fù)件，種類繁多，零件公差帶離散程度大，導(dǎo)致裝配質(zhì)量不穩(wěn)定程度增大，并且裝配方案呈現(xiàn)多樣化特點。為此，根據(jù)本文提出的再制造復(fù)雜機械產(chǎn)品裝配過程質(zhì)量控制點在線優(yōu)化方法，設(shè)計開發(fā)了該企業(yè)再制造發(fā)動機裝配過程在線質(zhì)量控制系統(tǒng)原型，以活塞連桿組裝配序列為例，介紹系統(tǒng)集成運行和應(yīng)用情況。

(1)系統(tǒng)首先根據(jù)生產(chǎn)任務(wù)選擇WD615再制造發(fā)動機裝配工藝流程，活塞連桿組裝配為第四個裝配序列，工序號為20。編號為KMSX-002連桿的關(guān)鍵質(zhì)量控制點是大頭孔徑，該質(zhì)量控制點的標(biāo)準(zhǔn)公差帶范圍是[87.5,89]mm，設(shè)一級公差帶范圍是[87.5,88]mm，二級公差帶范圍是(88,88.5]mm，三級公差帶范圍是(88.5,89]mm。利用在線實時信息采集技術(shù)獲得連桿基本信息，并按要求錄入系統(tǒng)，如圖5所示。

圖5　再制造發(fā)動機連桿實時信息錄入

(2)由圖5可知，該連桿的大頭孔徑為88.03mm，該值滿足裝配要求，并根據(jù)事先劃分的公差帶等級判斷該值屬于二級，動態(tài)更新數(shù)據(jù)庫中各等級零件數(shù)量。當(dāng)活塞連桿組所有裝配零件指定信息錄入系統(tǒng)后，系統(tǒng)根據(jù)實際生產(chǎn)需求，針對工序20，根據(jù)在線質(zhì)量控制策略推理模型中的目標(biāo)和約束推導(dǎo)出最優(yōu)裝配方案，標(biāo)記該方案號為1，記錄該方案并統(tǒng)計方案1裝配活塞連桿組的數(shù)量為9。如圖6、圖7所示。

(3)顯然方案1完成的9件活塞連桿組不能滿足訂單需求，系統(tǒng)記錄方案1詳情并在原各等級零件數(shù)量的基礎(chǔ)上減去方案1使用的零件數(shù)，動態(tài)更新各等級零件數(shù)量信息。完成方案1后各類零件均有剩余，系統(tǒng)再次推導(dǎo)剩余零件的最優(yōu)裝配方案，即方案2。統(tǒng)計方案1和方案2完成活塞連桿組的總數(shù)量，并判斷是否滿足訂單需求，重復(fù)步驟(3)，直到滿足訂單100臺的要求。最后輸出WD615再制造發(fā)動機活塞連桿組裝配優(yōu)化方案集，如圖8所示。

若在推理過程中出現(xiàn)零部件供應(yīng)不足、質(zhì)量屬性值不滿足裝配條件等異常情況，則系統(tǒng)會及時給出報警提示，圖9所示為報警信息設(shè)置情況。

圖6　WD615再制造發(fā)動機活塞連桿組BOM全信息詳情

圖7　WD615再制造發(fā)動機活塞連桿組最優(yōu)裝配方案

圖8　WD615再制造發(fā)動機活塞連桿組裝配優(yōu)化方案集

圖9　報警信息設(shè)置

裝配車間機車試車后2011年傳統(tǒng)選配和2012年實行在線優(yōu)化方法后的裝配不合格率、發(fā)動機返修率、售后賠償金額對比見表1。2012年統(tǒng)計數(shù)據(jù)顯示：與2011年相比，裝配車間實施在線優(yōu)化方法以來，裝配車間再制造發(fā)動機合格率提高了0.87%；裝配車間再制造發(fā)動機返修率平均下降5.22%；企業(yè)售后索賠成本降低280.5萬元，同比下降29.7%。

表1　2011年和2012年裝配不合格率、發(fā)動機返修率和售后賠償金額對比

注：為保護企業(yè)權(quán)益，表中數(shù)據(jù)是經(jīng)過處理后的數(shù)據(jù)。

5　結(jié)論

(1)本文在研究再制造復(fù)雜機械產(chǎn)品裝配特點的基礎(chǔ)上，從裝配精度角度出發(fā)，對關(guān)鍵工序的質(zhì)量控制點公差帶進行細粒度劃分，綜合考慮裝配過程中質(zhì)量損失和成本差異，以尺寸鏈為約束，構(gòu)建了公差帶優(yōu)化模型，并研究了基于遺傳算法的模型求解過程。

(2)提出了基于歷史數(shù)據(jù)的正向推理模式，以及基于裝配實時信息的逆向推理模式，推導(dǎo)出再制造裝配優(yōu)化方案集，提高了資源利用率，并根據(jù)推理規(guī)則和約束條件對零部件質(zhì)量問題、零部件短缺等異常情況做出及時響應(yīng)，實現(xiàn)了對再制造復(fù)雜機械產(chǎn)品裝配過程的在線質(zhì)量控制，動態(tài)指導(dǎo)實際裝配過程。

(3)以某重載發(fā)動機再制造企業(yè)為依托，開發(fā)出再制造發(fā)動機裝配過程在線質(zhì)量控制系統(tǒng)原型，驗證了該方法的可行性和實用性，為提高再制造復(fù)雜機械產(chǎn)品的裝配精度與再制造資源利用率提供了理論與技術(shù)支撐。

[1]JinXiaoning,NiJun,KorenY.OptimalControlofReassemblywithVariableQualityReturnsinaProductRemanufacturingSystem[J].ManufacturingTechnology, 2011, 60(1):25-28.

[2]TangXifeng,MaoHaijun,LiXuhong.EffectofQualityUncertaintyofPartsonPerformanceofReprocessingSysteminRemanufacturingEnvironment[J].JournalofSoutheastUniversity(EnglishEdition), 2011, 27(1):92-95.

[3]蘇春, 沙洋娟. 基于混合不確定性和證據(jù)理論的再制造生產(chǎn)計劃[J].東南大學(xué)學(xué)報(自然科學(xué)版), 2010, 40(4):712-716.

SuChun,ShaYangjuan.RemanufacturingProductionPlanningBasedonMixed-uncertaintyandEvidenceTheory[J].JournalofSoutheastUniversity(NaturalScienceEdition), 2010, 40(4):712-716.

[4]TeunterR,KaparisK,TangOu.Multi-productEconomicLotSchedulingProblemwithSeparateProductionLinesforManufacturingandRemanufacturing[J].EuropeanJournalofOperationalResearch, 2008,191:1241-1253.

[5]ZanoniS,SegerstedtA,TangOu,etal.Multi-productEconomicLotSchedulingProblemwithManufacturingandRemanufacturingUsingaBasicPeriodPolicy[J].Computers&IndustrialEngineering, 2012, 62(4):1025-1033.

[6]牛同訓(xùn).再制造公差設(shè)計優(yōu)化模型及其應(yīng)用[J].計算機集成制造系統(tǒng), 2011, 17(2):232-238.

NiuTongxun.OptimalModelforRemanufacturingToleranceDesignandItsApplication[J].ComputerIntegratedManufacturingSystems, 2011, 17(2):232-238.

[7]FergusonM,GuideVD,KocaE,etal.TheValueofQualityGradinginRemanufacturing[J].ProductionandOperationsManagementSociety, 2009, 18(3):300-314.

[8]ZhouJun,HuangPanling,ZhuYaguang,etal.AQualityEvaluationModelofReusePartsandItsManagementSystemDevelopmentforEnd-of-lifeWheelLoaders[J].JournalofCleanerProduction, 2012, 35:239-249.

[9]LiuMingzhou,LiuConghu,XingLingling,etal.StudyonaToleranceGradingAllocationMethodunderUncertaintyandQualityOrientedforRemanufacturedParts[J].Int.J.Adv.Manuf.Technol., 2013, 3:1-8.

[10]劉明周, 趙志彪, 凌先姣, 等. 基于最短路徑的復(fù)雜機械產(chǎn)品裝配過程質(zhì)量控制點公差帶在線優(yōu)化方法[J].機械工程學(xué)報, 2012, 48(10):173-177.

LiuMingzhou,ZhaoZhibiao,LingXianjiao,etal.ResearchonOnlineToleranceOptimizationforComplexMechanicalProductsAssemblyProcessBasedonShortestPath[J].JournalofMechanicalEngineering,2012, 48(10):173-177.[11]劉明周, 任蘭. 面向產(chǎn)品的制造質(zhì)量控制模型研究[J].計算機集成制造系統(tǒng), 2004, 10(7):764-768.LiuMingzhou,RenLan.ManufacturingQualityControlModelOrientedtoProduct[J].ComputerIntegratedManufacturingSystems, 2004, 10(7):764-768.

[12]雷英杰，張善文.MATLAB遺傳算法工具箱及應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2005.

[13]馮定. 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)[M].北京：科學(xué)出版社,2006.

[14]張國慶，荊學(xué)東，浦耿強，等．汽車發(fā)動機可再制造性評價[J].中國機械工程,2005,16(8):739-742.

ZhangGuoqing,JingXuedong,PuGengqiang,etal.AssessmentonRemanufacturabilityoftheAutomobileEngines[J].ChinaMechanicalEngineering, 2005, 16(8): 739-742.

(編輯陳勇)

Online Tolerance Optimization for Remanufactured Complex Mechanical Product Assembly Processes

Liu MingzhouXing LinglingLiu ConghuZhang Miao

Hefei University of Technology,Hefei,230009

To improve the assembly precision of remanufactured complex mechanical products and the utilization ratio of remanufactured parts, an online tolerance optimization approach for remanufactured complex mechanical product assembly processes was put forward. First, the tolerance zone of the key process was divided into several zones with fine granularity based on the analysis of remanufactured complex mechanical product assembly characteristics. Second, under dimensional chain constraints, based on genetic algorithm an online tolerance optimization model was established with the minimum quality loss and comprehensive cost as target. Then a forward inference mode based on historical data and an backward inference mode based on the real-time assemble information were proposed respectively, which can dynamically deduce the optimal assembly scheme set guiding the remanufacturing assembly process and timely response to the abnormal. Finally, an online quality control prototype system for the remanufactured engine assembly in a power corporation remanufacturing assembly line was developed, which shows the feasibility and validity of the proposed strategy.

remanufacturing; assembly process; quality; online tolerance optimization

2013-07-25

國家重點基礎(chǔ)研究發(fā)展計劃(973計劃)資助項目(2011CB013406)

TP315DOI：10.3969/j.issn.1004-132X.2015.01.010

劉明周，男，1968年生。合肥工業(yè)大學(xué)機械與汽車工程學(xué)院教授、博士研究生導(dǎo)師。主要研究方向為制造過程監(jiān)測與控制、制造系統(tǒng)建模與仿真和CIMS等。邢玲玲(通信作者)，女，1989年生。合肥工業(yè)大學(xué)機械與汽車工程學(xué)院碩士研究生。劉從虎,男,1981年生。合肥工業(yè)大學(xué)機械與汽車工程學(xué)院博士研究生。張淼，男，1986年生。合肥工業(yè)大學(xué)機械與汽車工程學(xué)院博士研究生。