手机版 欢迎访问热点新闻网(www.hotxww.com)网站

当前位置:热点新闻 > 汽车 >

2021车身大会 | 束玛君:ATOS ScanBox在车身制造中的应用

时间:2021-03-31 18:32:59|来源:|编辑:网络|点击:

2021年3月23日-24日,由盖世汽车主办的“2021年中国车身大会”隆重召开。本次大会重点围绕整车轻量化、汽车安全法规、车身结构设计、车身先进材料、仿真技术、模块化架构车身等行业焦点话题展开探讨,为产业发展出谋划策。会议期间,高慕光学测量技术(上海)有限公司自动化方案经理 束玛君表了精彩演讲,内容如下。

高慕光学测量技术(上海)有限公司自动化方案经理 束玛君

各位领导,各位朋友,大家上午好,首先非常感谢盖世给我们一个机会,把我们在行业的应用分享给大家。今天我讲的主题是“助力智能工厂——ATOS ScanBox在车身制造中的应用。”

众所周知,GOM也是一家在光学测量领域非常前沿的科技型公司。整个汽车生产供应链中,GOM在设计端,模具制造,仿真成型设计,首件检测,系列检测,装配夹具当中起到了非常重要的作用。

首先在材料端FLC成型曲线当中可以看到它发生什么样的效应,我们可以用高速相机进行分析。在设计和CAD当中也起到非常重要的作用,我们可以把重要的塑模做逆向工程。

模具和试模非常重要,很多公司在这方面花了上百万的费用,反复试模,修模,制模,如果有3D就可以起到非常重要的作用。

主机厂都会涉及到首件检测,即用彩图与过程控制来看生产过程当中首件检测会出现什么样的情况。系列检测,高效的测量和高批次的通过率将会是今后所有主机厂都要面对的一大问题,因此如何将零件从测量室搬到生产线上,如何让这个零件从抽检变成白检是未来面对的挑战。装夹,我们试图将零件摆脱工装情况进行测量,也可以将全域数据在整车状态下进行虚拟装配,同时看零件和零件之间的关系。

讲了这么多PPT内容,我们来看一段视频,希望能够将ScanBox在主机厂的应用涵盖一些。

这个封装可以将两套不同的零件放到同一工位同时测量,如果说以往是10-15分钟测量一个工具,我们只要用这么一个简单的方式将效率提高1倍。

这是我们在波兰的工厂,在十年以前就开始采用光学的测量设备。现在我们使用的是光学技术,它在零件测量当中可以大大缩短效率。这是德国的欧宝公司,拥有非常多我们的设备。这里展示的是VMR虚拟计量室概念,我们可以把机器人和测量室以1:1形式还原在软件当中,同时可以实现一键式编程。

机器人搭载在垂直的轨道当中,这也是我们的专利,它的优势是机器人手臂伸入汽车内部,可以测量车辆的顶部,底部,内部以及外部。

这种三维数据的呈现也是非常多样化,既可以像传统测量报告一样以点的形式出现,同时也可以用全域的形式出现,换言之,只要你有三维的数据,所有的检测还是比较容易的。同时三维数据也有一定的优势,比如说可以实现曲线的检测,甚至像特征线的检测,也是目前行业内非常关注的。

装配也是车身制造当中非常重要的一个点,如果我们在虚拟端进行装配的话,可以预先解决80%的问题,将20%最困难的问题依旧留给QB来做。

初步了解ScanBox后,大家感觉非常酷炫对吧,其实ATOS ScanBox在工业4.0中早期就把这个话题引出来了。我们早期有些这样的概念,就是智能工厂的蓝图,可能在国内很多工厂目前还没有达到这个水平,但是我相信总有一天也会往这个方向努力。智能工厂具备如下几个特点:首先是智能化自动化,这在工业3.0已经达到了;同时我们要达到过程数字化处理,这也是非常重要的一个点。其次是自修正环节,最后达到自适应制造。

光学计量在智能工厂的过程中也是起到非常重要的作用,首先我们需要对这个结果进行数字化的反馈,其次将数字孪生技术和数字化复刻技术融入老产线当中来。

那么我们对生产计量有那些要求呢?首先是自动化,第二是测量集成到生产中,尽可能将传输成本降低。第三是绝对精度,可溯源,目前集成在生产线上的数字化还没有做到绝对的精度,往往是相对的测量。第四是信息密度大,数据完整,这也是目前在线测量当中最难的难点。

传统的在线集成系统具有如下特点,自动化已经达到了,与生产线结合毫无疑问,但是绝对的精度和可溯源目前还没有完全达到,信息密度大数据完整也是目前传统测量的痛点。GOM将ScanBox完整集成到生产线上,左侧是黑盒方案,ScanBox是一个自动测量机。左侧红色部分是测量支架,机器人模块,测量头,标定板,转台模块,电脑和PLC控制柜是测量系统,而蓝色的上下料机器人,零件,安全光栅,防护栏,隔离门是生产线上的线体。

这是德国的欧宝工厂,我们可以看到机器人将零件装夹下来,同时把它夹到测量工装上。右上角就是虚拟测量室,1:1还原对这个零件整体进行测量。这个测量头是早一代测量头(十年前),但是当时自动化技术也推到了比较高的高度。由于保密,我们不可以展示太多的LOGO,这其实就是大众的后盖,测量完成之后,我们会将这个零件机器人自动抓取回到生产线上。

我们前面看到的一个小型方案,对于8系列整车方案是不是能解决这个大问题呢?情况也是一样的,我们将8系整车方案移植到生产线上,目前在大众也有两套工位整合在生产线上,它的理念和这个是相同的。对于整车测量来说难点是什么?即在包含庞大的数据量同时,又要做到快速精准的数据传输,这是非常大的问题。GOM在车身外围设置了这样一个参考立方的框架,在立方框架上面贴参考点,没有任何人工参与其中,我们用数据来说话,可以做到整车所有数据在一定次数的测量当中达到97.9%的数据是重复精度在0.1毫米之内。具体的数据一共有535个点,其中524个点达到这个数据,同时用面的方式,以整体的曲面内部外部都可以达到这个精度。右上角公差带是0.15毫米为单位。GOM可以达到自动化,与生产线结合,绝对精度可溯源,信息密度大,数据完整,这将是未来智能工厂所必备的特点。

我们来看看三维数据究竟可以在哪些方面对产业链进行推动?在GOM公司里面有200多名软件设计者,我们来看看数据端到底能做哪些应用和分析。

首先色差图是我们最直观的特点,这是一个非常简单的检测图,在右侧轮罩部分有些区域生产并不是特别地完美。对于批量也可以做到,比如说以正负0.5mm公差为例,右侧下端有一个数据,按照批次来看一定有1-2件产品出现了问题,对于批次来讲是第六片数据出现了偏差比较大的情况,我们可以用趋势情况来测量出到底是哪个批次出现了问题。

同时在装配端也非常重要,比如说有测维的数据,这个时候只要测量后门的数据,有些评判的标准,这个后门在组装端是没有问题的。也许有一个前门,但前门在组装端是有问题的,这个时候我们会迅速给出反馈,这个优势在于,我们并不像很多分总成的零件再去做样板人工的工作,我们可以用数据端来说话。

面差和间隙也是汽车端QB部门唯一或唯二评判的标准,当有了三维数据之后,我们只需要将它定位在一个正确的坐标系下,同时就可以判断这个零件在车身坐标系下面面差和隙平是否有问题,或者说是哪些地方有问题。

我们以一字板来举例,它与前盖接触,与测维接触,也与前门接触,我们可以看到在前半段有些问题,后半段没有问题,同时与测维有问题,我们可以通过某种方式来调整一字板从而来降低人工的成本。

特征线测量是装配端用户关注的问题,特征线质量可以适当放宽一些,但是特征线位置很重要,GOM可以提供这个数据,这个例子当中后门特征线是有点下沉的,变相去看,如果Z方向在不修改冲压模情况下,有没有可能将这个模具向Z方向向上抬一些,当然大前提是在缝隙和面差能够接受的情况下才可以这样去做。

再给大家带来一个表面缺陷的检测,也是一个非常新颖的话题。表面缺陷可能是大家主观的去判断,我们有一个小小的视频可以带给大家了解,什么是表面缺陷,GOM是怎么做的。

GOM在面平检测上是基于游尺检测来的,在视频最后有一个比较有趣的现象就是我们不单单可以给钣金件做面片检测,同时也可以给塑料件做面片检测,塑料件有它固定的设计,希望在仪表盘区域有固定的颗粒设计,如何将颗粒设计均匀,哪些是出问题的也可以被检测出来,这种方法往往只能用光学的方法去检测比较高效。

首先,完全基于尺寸去测量,其次用软件评估缺陷等级,用软件来做有一个优势就是定量,而不单单只是定性。同时参数是手动可调可设置的,往往在一块钣金上面我们只能用一种游尺刮蹭,但是在数据端这些都不再是问题,同时可以对一块钣金用两种甚至多种不同的游尺进行测量,从而检测不同等级的期望缺陷。参数化的模板,这是一劳永逸的过程,你只要做一遍模板,将不会再反复对同一种零件进行多次面片的检测,下一次只需要将数据替换过来再计算一下即可完成。最后是面平分级,我们对缺陷等级进行分级,当然这个等级是用户可自定义可编辑的。

算法既简单也复杂,我尽可能用简单的方式给大家解释。有些缺陷可能比较宽,在阳光下做清洗底漆之后并不明显,可能比较容易接受。有些缺陷比较锐,这种缺陷在阳光下,触感下非常明显,至于如何定义GOM也打开开源,你可以将方程和公式自己来定义,可以基于缺陷的深度、面积、长度、宽度等等,当你制定这样一个方程之后,还可以制定一些语句,有些缺陷可以被过滤,有些缺陷可以被留下来,同时我们对这些缺陷进行了ABC等级的区分,也可以加入类权重的概念,比如说B类用户专业人士可以分辨出来,A类缺陷是购买客户一眼就可以辨别出来,这种缺陷我们认为是比较致命的缺陷,它的权重会占的比较高。

最后我们将同一块面片或者不同面片的缺陷进行数据合并,最终希望表达的是将一个面片定量去分析,比如说超过500分就认为这个面片是不合格的。有了这种定量分析之后,就少了以往用游尺人类主观的定性存在的很多争议,从而建立起更完善的测量体系。

我们在展台搭载了一个设备,也有我们的公众号,如果大家感兴趣可以添加我们的公众号,我们会在公众号里面不定期添加文章和应用,感谢大家能够再次倾听我的演讲,谢谢各位。

性感可爱丝袜女郎高清写真
High definition photo of sexy and lovely stockings girl

Copyright © 2020-2025 本站内容均来源于网络汇总,如有侵权请及时联系站长删除,谢谢。