王朴,王欣,安静胜,贾凯凯,赵帅
(北京奔驰汽车有限公司,北京 100176)
装焊车间涉及前门、后门、机盖、后备箱和翼子板的装配,在早些时候,大多数装配工作都是由工人完成,他们按照规定的装配工艺拧紧,自动化率、生产效率和质量合格率都相对较低。然而,电动拧紧工具具有精度高、拧紧程序可编程、工艺质量监控等功能,并可以与辅助质量监控设备通讯(例如信号灯、工艺质量显示屏等),实现通过Profinet与PLC通讯进行生产过程控制、通过PLUS上传拧紧数据至服务器和IPM系统等多种通讯方式。下面将分别对APEX和BOSCH生产应用和智能制造实现方式进行详细分析。
在装焊车间,APEX专门用来拧紧前门,为了提高线速和保证拧紧质量的稳定性,在吊具工装和控制气路组成的夹持机构赋能下,吊具工装如图1所示,可同时实现左右车门8个拧紧位置的拧紧,吊具控制气路如图2所示。其工作流程为:吊具固定在桁架上,初始状态电磁阀控制锁销实现升降支架保持在上升位,当白车身到位后,解除锁销,升降支架通过吊具轨道向下运动,升降支架下降到工作位,气缸夹紧后锁销,加工人通过拉把手向两侧将拧紧基座拉至拧紧工作位后传感器检测到该位置,锁止气缸将拧紧基座锁住,拧紧基座机械自适应寻找符合该车身的拧紧位置,APEX系统开始拧紧工艺,拧紧完成后加工人上拧紧螺栓,之后锁止气缸和销子解锁,升降支架回到初始状态,整个过程由PLC进行电气控制。
图1 吊具工装结构示意图
图2 吊具控制气路示意图
因为车身拧紧位置都会有轻微变化,关于拧紧基座如何实现自适应寻找拧紧位置以使APEX套筒套入螺栓,其原理为:从选材上,为使加工人能较轻松的拉动整个拧紧基座,拧紧基座选材为铝7075,既能保持一定的强度也能保证轻量化;从结构上,拧紧基座通过滑块与轨道实现上下左右移动,在拧紧轴被拉向工作时在外力的作用下会通过移动至车身孔,此外主定位销和导向销会在拉向车身时起到横向导向作用,拧紧基座结构如图3。
图3 拧紧基座结构图
APEX通过气路、机械、PLC、传感器组成的综合载体具有自适应功能、断气保护功能、锁止功能、逻辑控制功能,能够寻找合适拧紧位置达到规定扭矩,实现半自动半柔性的拧紧工艺,具备一定的智能化水平。
BOSCH拧紧系统应用在全机器人四门两盖高度自动化生产线,与VMT在线检测系统、机器人系统、PLC、PLUS、IPM组成高度智能化拧紧工艺,是智能制造领域里程碑式的技术模式。其工作流程如图4。
图4 BOSCH拧紧工艺通讯控制过程
与APEX拧紧流程相比,VMT和机器人是实现高度自动化和柔性化的关键,BOSCH拧紧工艺通讯控制过程如图4,其具体实现路径为:白车身到位后,机器人1带着拧紧轴去IFSYS自动送钉站取钉,机器人2抓着工件到达测量位置,VMT检测工件与车身之间的间隙、平顺度、距离、轮廓等尺寸数据,计算与理论数据之间的偏差,VMT输出偏移值给机器人,机器人1到达在“原定轨迹数据+偏移值”得出的拧紧位置,浮动机构自适应到达最终拧紧位置,BOSCH拧紧系统进行拧紧,拧紧完毕后,VMT再次测量车身数据然后将数据上传至PLUS。
其高度智能水平体现在以下几个方面:(1)VMT可携带线激光传感器、点传感器、工业照相机等传感设备,可显示拧紧前后具体测点车身尺寸数据偏差值,每辆白车身、四门两盖都有尺寸值波动,在VMT系统算法计算下,BOSCH也能针对每辆车寻找最合适的位置实施拧紧工艺;(2)车身拧紧结果可在博图HMI界面中显示具体拧紧位置工艺质量,车身尺寸数据可追溯,且四门两盖装配车身数据与每辆白车身绑定;携带VMT机器人在sensor tree处实现自动传感器位置校准,保证及时发现传感器位置变化,也可反过来证明车身来件是否有尺寸波动;(3)BOSCH拧紧控制柜最多可以带四根拧紧轴,并且控制柜与拧紧轴都是模块化制造,如遇设备故障,皆可以更换具体模块代替更换整个系统,在更换质量相关零件或者扭矩校核有效期过期后,质量部门可实现拧紧系统在线扭矩校核;(4)无需人工上拧紧螺栓,IFSYS送钉站实现自动送钉,机器人实现自动取钉与卸钉;全线机器人作业,工艺质量稳定性和生产节拍得到保障。
为保证拧紧工具拧紧质量,分为以下多个途径综合保证车身拧紧质量:(1)质量部工具室会定期将每把拧紧工具进行扭矩校核并贴有效期标签;(2)在拧紧工具控制器实现的质量监控是动态扭矩,拧紧工具后续工位会有二手紧对车身残余静态扭矩进行校核;(3)如果拧紧工具需要保养或者损坏,供应商和维修部门将进行修复和保养并通知质量相关部门进行扭矩校核;(4)内外部质量审核工作会对整个质量体系进行检查审核,保证每一个环节都在标准化工作。
根据本文分析可知,随着PLC技术、拧紧技术、机器人技术、在线监测技术的应用和发展,越来越多的汽车生产厂引进并使用智能制造技术,多种技术的综合运用在时间效益、经济效益、拧紧质量、智能水平等方面表现出优势,已经成为一种先进制造领域的常规设计,制造工艺的自动化率、工艺质量稳定性、工艺数据可追溯性、人机交互程度、数据可追溯性等可作为评价智能制造水平的指标。