汽车制造知识库系统及质量控制方法技术方案

本发明专利技术公开了汽车制造知识库系统，包括知识库、数据库、数据分析模块、人机交互界面；知识库用于收集车辆的设计信息，以及历史数据；数据库用于存储从知识库模块中提取出的设计数据、历史数据以及生产数据；数据分析模块用于对数据库中的数据进行筛选、对比、分析，输出汽车生产质量的关键指标评价；人机交互界面用于用户对知识库、数据库的数据以及数据分析结果的编辑、检索、查看。本发明专利技术还公开了基于汽车制造知识库系统的质量控制方法。本发明专利技术建立了汽车制造的知识库系统，知识库用于智能控制，增加了生产控制的科学性，有利于提高质量控制水平；本发明专利技术的质量控制方法，可进行异常预测，便于提高生产质量，降低零件、总成缺陷率。总成缺陷率。总成缺陷率。

【技术实现步骤摘要】
汽车制造知识库系统及质量控制方法


[0001]本专利技术涉及智能制造
，具体领域为汽车制造知识库系统及质量控制方法。

技术介绍

[0002]近年来，中国的汽车工业发展非常的迅速，但是绝大数国内汽车生产厂商采用的是引进外来国家的汽车产品生产模式。由于国内汽车行业起步较晚，数据知识和经验也显得不足。
[0003]虽然目前对整车开发数据有一定的积累，但由于缺少规范化的知识库，造成大量的数据、经验的丢失甚至浪费，也限制了对后期汽车生产加工中质量缺陷、异常的预测，降低生产效率的同时增加质量控制的成本。
[0004]汽车生产数据的积累其核心是尺寸数据、尺寸链数据的经验与积累，所以基于尺寸链的知识库的构建对汽车生产行业发展具有重大意义。因此，研究基于尺寸链的知识库系统，将汽车的尺寸链作为知识进行管理，对汽车制造的设计数据、历史数据、生产数据进行管理并通过数据挖掘、知识发现，生成用于质量控制、缺陷预测的规则，将规则作为知识，凭借人工智能实现汽车制造的智能控制；提供基于知识库系统的质量控制方法，计算在线生产的误差累积、传递情况和偏差发展趋势，进行异常预测。为此，我们提出一种汽车制造知识库系统及质量控制方法。

技术实现思路

[0005]本专利技术的目的在于提供一种汽车制造知识库系统及质量控制方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：汽车制造知识库系统，包括知识库、数据库、数据分析模块、人机交互界面；所述知识库用于收集车辆的设计信息，以及历史数据；所述数据库用于存储从知识库模块中提取出的设计数据、历史数据以及生产数据；所述数据分析模块用于对数据库中的数据进行筛选、对比、分析，输出汽车生产质量的关键指标和异常预测结果；所述人机交互界面用于用户对知识库、数据库的数据以及数据分析结果的编辑、检索、查看。
[0007]优选地，汽车制造知识库系统还包括分别与所述知识库、数据库连接的管理系统，所述管理系统用于提供人机交互界面，对数据库、知识库的数据进行编辑、解释、分类、检索、管理。
[0008]优选地，汽车制造知识库系统还包括分别与所述知识库、数据库连接的推理机，所述推理机对数据库的数据进行数据挖掘，提取规则，将规则作为知识存入知识库。
[0009]优选地，所述设计数据包括零件数据、主要总成数据、整车数据、装配数据、尺寸链数据、综合数据；所述历史数据为汽车的零件、总成的历史生产数据、故障数据、经验数据、实验数据；所述生产数据包括零件实际数据、总成实际数据、整车实际数据、装配实际数据、
尺寸链实际数据、综合数据。
[0010]优选地，所述尺寸链数据包括总成、分总成尺寸信息，零件偏差、定位偏差、测量偏差，基本尺寸、上下偏差、尺寸封闭类型，累积误差、属性、传递系数。
[0011]基于上述的汽车制造知识库系统的质量控制方法，包括以下步骤：
[0012]步骤1：获取知识库的设计数据、历史数据；采集在线生产数据；
[0013]步骤2：分别将在线生产数据与设计数据、历史数据进行对比分析；
[0014]步骤2.1：将在线生产数据与设计数据进行对比分析，得到在线生产的误差结果；
[0015]步骤2.2：将在线生产数据与历史数据进行对比分析，得到在线生产的偏差结果；
[0016]步骤3：计算在线生产的误差累积、传递情况，判断是否存在误差放大；
[0017]步骤4：将在线生产的偏差结果与历史数据结合，计算偏差发展趋势；
[0018]步骤5：根据步骤3判断的误差累积、放大情况和步骤4计算的偏差发展趋势以及知识库的规则，对在线生产进行异常预测，将预测数据发送给汽车生产质量控制工程师；
[0019]步骤6：根据步骤5的结果，对汽车制造的生产工艺进行改进，以减小在线生产的误差和偏差，提高汽车生产质量。
[0020]如图4所示，汽车制造的影响生产质量的尺寸偏差包括设计偏差、零件制造偏差、装配过程偏差、质量检查偏差。根据偏差结果进行的关键指标相关性分析，应用历史数据的统计分析结果与回归分析来判定所得到的步骤2中的偏差在整个尺寸偏差中所出现的概率，超过概率阈值的尺寸偏差所对应的尺寸偏差来源便是关键指标。
[0021]在本实施例中，知识库的数据包括图5所示的具体数据。
[0022]优选的，步骤5中，根据尺寸偏差的关键指标建立相应的尺寸链误差传递模型，从而实现异常预测。
[0023]关键指标体系具体为:
[0024]根据图4可知：关键指标即为尺寸偏差的4大来源：
[0025]1：设计偏差
[0026]2：零件制造偏差
[0027]3：装配过程偏差
[0028]4:质量检测偏差
[0029]其中每个误差源又可以分为若干个子项误差来源：
[0030]例如：1设计偏差：其关键指标为：1.1干涉、1.2公差定义分配不合理；1.3连接定位方式不合理；1.4GAP&FLUSH设计不合理。
[0031]相关性分析模型或方法为：
[0032]多元线性回归分析方法：Y＝C+a1*X1+a2*X2+a3*X3+
…
+an*Xn
[0033]变量数量n:关键指标数量；
[0034]自变量(解释变量)为关键指标Xn；
[0035]因变量Y等于误差值；
[0036]C与a为回归系数；
[0037]C与a为待定参数，应用spss的强行进入法进行预测。
[0038]例1：应用多元线性回归对设计偏差进行相关性分析；
[0039]Y1＝设计偏差；
[0040]C1、a11、a12、a13、a14分别为待定参数；
[0041]X11、X12、X13、X14分别对应设计偏差中的：干涉、公差定义分配不合理；连接定位方式不合理；1.4GAP&FLUSH设计不合理
[0042]备注：其中a11中下标第一个“1”表示设计偏差，第二个“1”表示设计偏差对应的“干涉偏差”；其他类推，X中的下标相同。
[0043]尺寸链误差传递模型:
[0044]误差传递模型即为将上述相关性分析模型中的C与a值计算出后，整体结果；
[0045]Y1＝(C1+a11*X11+a12*X12+a13*X13+a14*X14)；设计偏差
[0046]Y2＝(C2+a21*X21+a22*X22+a23*X23+a24*X24)；零件制造偏差
[0047]Y3＝(C3+a31*X31+a32*X32+a33*X33+a34*X34+a35*X35)；装配过程偏差
[0048]Y4＝(C4+a41*X41+a42*X42+a43*X43+a44*X44)；质量检测偏差
[0049]传递模型：Ytotle＝C+A1*Y1+A2*Y2+A3*Y3+A4*Y4；对其再次进行回归分析，得出每个Y值对于Ytotle的贡献比。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.汽车制造知识库系统，其特征在于：包括知识库、数据库、数据分析模块、人机交互界面；所述知识库用于收集车辆的设计信息，以及历史数据；所述数据库用于存储从知识库模块中提取出的设计数据、历史数据以及生产数据；所述数据分析模块用于对数据库中的数据进行筛选、对比、分析，输出汽车生产质量的关键指标和异常预测结果；所述人机交互界面用于用户对知识库、数据库的数据以及数据分析结果的编辑、检索、查看。2.根据权利要求1所述的汽车制造知识库系统，其特征在于：还包括分别与所述知识库、数据库连接的管理系统，所述管理系统用于提供人机交互界面，对数据库、知识库的数据进行编辑、解释、分类、检索、管理。3.根据权利要求1所述的汽车制造知识库系统，其特征在于：还包括分别与所述知识库、数据库连接的推理机，所述推理机对数据库的数据进行数据挖掘，提取规则，将规则作为知识存入知识库。4.根据权利要求1所述的汽车制造知识库系统，其特征在于：所述设计数据包括零件数据、主要总成数据、整车数据、装配数据、尺寸链数据、综合数据；所述历史数据为汽车的零件、总成的历史生产数据、故障数据、经验数据、实验数据；所述生产数据包括零件实际数据、总成实际数据、整车实际数据、装配实际数据、尺寸链实际数据、综合数据。5.根据...

【专利技术属性】
技术研发人员：王琪，杨海伟，张天昱，
申请(专利权)人：深圳了然视觉科技有限公司，
类型：发明
国别省市：