宋廷宇 梁月 李冰 李金龙 盛雪莹 苏丹
中车长春轨道客车股份有限公司 吉林长春 130062
摘 要 ：近几年来，轨道交通车辆在生产过程中，越来越多的过程数据需要记录，主要分为两类：1、符合项数据；2、不符合项数据。但现有的各项数据没有统一的管理，导致大部分数据失去再次利用的价值，造成极大的资源浪费，因此开发出一种数据集成、分类、分析、预判、共享的系统尤为重要。
关键词：符合项数据、不符合项数据、集成、分析、预判、共享
一 前言
借助轨道交通车辆实际生产中各项数据库、标准等资源，进行数理统计、分析，对数据进行过程监控，及时发现由于系统性因素导致数据趋于偏差的征兆，并采取措施消除其影响，使监控过程维持在仅受随机因素影响的受控状态，以达到数据有效率用的目的。
二 符合项数据管理方法
1、数据的智能集成
以企业智能化发展为契机，结合公司正在建立的PLM、ERP、MES/MOM等数字化平台，开发公司各种智能设备，使其数据端口与各系统有效连接，对各项数据进行智能化集成。
2、数据的管理范围
分装配、机加、焊接、涂装4个专业进行管理，确定数据的管控范围，已实现智能化的工序可优先进行数据收集，建立数据库如下；
装配数据统计表
螺栓规格 终紧角度区间（力矩值80%-100%） 螺栓数量 占比
M8-M12 3~4 10 10%
3~5 20 20%
3~6 30 30%
3~7 40 40%
表一
涂装数据统计表
漆膜厚度 漆膜厚度区间 点位数量 占比
底漆厚度 40-50 3 30.00%
50-60 3 30.00%
60-70 2 20.00%
70-80 2 20.00%
表二
机加数据统计表
部位名称 实测公差值区间 数量 占比
齿轮箱座安装孔距离构架中心距离 0.01-0.05 1 25%
0.05-0.1 1 25%
0.1-0.2 1 25%
0.2-0.3 1 25%
表三
焊接数据统计表
焊接工序 焊缝 数量 占比
闸片托吊座焊接 5.00 1 25.00%
5.50 1 25.00%
6.00 1 25.00%
6.50 1 25.00%
表四
3、数据的分析预判
根据各工序的设计标准，确定管控范围的上下限，并根据数据性质，制定数据汇总分析表模板如下：
.png)
根据相关标准要求，智能拧紧的角度须＞3°方为合格数据，若在数据监控过程中存在接近3.1°的拧紧角度时，则需启动故障排查方案，可能为扭矩扳手的陀螺仪存在精度偏差等问题，需根据实际情况采取适合的解决方案，将此偏差趋势消除，使监控过程维持在仅受随机因素影响的受控状态。
.png)
根据相关标准要求，底漆漆膜厚度须＞30um，方为合格数据，若在数据监控过程中存在接近31um的厚度时，则需启动故障排查方案，可能为喷漆设备油漆流量控制系统存在精度偏差等问题，需根据实际情况采取适合的解决方案，将此偏差趋势消除，使监控过程维持在仅受随机因素影响的受控状态。
.png)
根据相关标准要求，按照国家标准GB/T1184-1996加工公差，平均公差为±0.2mm，若在数据监控过程中存在接近0.19mm的公差时，则需启动故障排查方案，可能为刀具本身的磨损导致精度偏差的问题，需根据实际情况采取适合的解决方案，将此偏差趋势消除，使监控过程维持在仅受随机因素影响的受控状态。
.png)
根据EN15085标准要求，焊角大小须＞5mm，方为合格数据，若在数据监控过程中存在接近5.1mm时，则需启动故障排查方案，可能为焊接机械手送丝量控制系统存在精度偏差等问题，需根据实际情况采取适合的解决方案，将此偏差趋势消除，使监控过程维持在仅受随机因素影响的受控状态。
4、数据的实时共享
开发PC端和移动端数据共享软件，可实现随时随地的数据维护及共享。
三 不符合项数据管理方法
对产品的不符合项数据进行收集、识别、分类，形成不符合项数据库，为符合项数据存在偏差时提供有力数据支撑，收集产品在制造过程中出现的典型问题，按照数据的重要程度进行分级，包括一级不符合项数据、二级不符合项数据、三级不符合项数据、四级不符合项数据、五级不符合项数据共五类。
1、一级不符合项数据：问题非常严重，包含安监报故障、清客、掉线、救援，批量返厂、召回以及重大质量问题投诉,被国铁集团（包括路局）通报或被安监报通报但没构成事故的质量问题以及公司下达的运营事故及故障等质量指标未完成等；
2、二级不符合项数据：问题一般严重，包含公司级的“杜绝项”质量问题；中心经分析确定属于低级、或职业操守性的“杜绝项”质量问题;
3、三级不符合项数据：问题不严重，包含公司级质量问题；中心经分析确定属于三级的质量问题；
4、四级不符合项数据：问题一般轻微，问题可以补救，甚至可以在车辆运行期间进行周期性处理；
5、五级不符合项数据：问题非常轻微，不处理不会对产品运行造成安全隐患，但需保证数据准确性。
序号 题目 质量数据概要 问题部位 程度等级 原因分析 纠正预防措施
1（例） 关于XX车间xx的问题 检查XX车间XX班组，发现XXX问题。 动车构架（例） 一级 根据分析，发生原因为 XX车间（班组）按XX报告要求进行整改。
2（例） 关于XX车间xx的问题 根据XX单位反馈XX车间发生XXX问题。 动车构架（例） 二级 根据分析，发生原因为 XX车间（班组）按XX报告要求进行整改。
3（例） 关于XX车间xx的问题 XX检查XX班组XX发现XXX问题。 动车构架（例） 三级 根据分析，发生原因为 XX车间（班组）按XX报告要求进行整改。
4（例） 关于XX车间xx的问题 XX检查XX班组XX发现XXX问题。 动车构架（例） 四级 根据分析，发生原因为 XX车间（班组）按XX报告要求进行整改。
5（例） 关于XX车间xx的问题 检查XX班组XX发现XXX问题。 动车构架（例） 五级 根据分析，发生原因为 XX车间（班组）按XX报告要求进行整改。
四 结语
在符合项数据出现偏差的趋势时，系统将及时按照不符合数据进行预判，并采取合理的解决措施进行处理，纠正偏差的趋势。同时利用符合项数据预判、降低不符合项数据的发生概率。相信随着智能制造的发展，数据智能管理会得到更全面的改进与提升。
参考文献：
【1】工业大数据 机械工业出版社 2015
【2】数据库完整性的应用探索 中外企业家 2020
【3】并行数据库下的海量数据分析方法 中国新通信 2020
【4】智能制造 中信出版集团 2015