汾西重工基于 MBD 的质量数字化转型实践
1 装备制造企业质量检验数字化过程存在的普遍问题
装备制造企业在质检领域数字化信息化建设水平不高，质检环节存在重复抄录设计工艺、图纸技术要求，检验过程无控制、手工填写质检数据，质检报告以文档分结构化甚至直接以文件的方式管控的情况。
主要问题体现在：
1）质量策划效率低。复杂装备制造产品质量要求高，检验记录单种类多，人工进行填写维护，工作量大，标准要求、未注公差等需要人工查询手册，工作效率低。
2）检验要求下发衔接不顺畅。目前检验要求和质检数据基本是以文本、图片等形式存储，而生产过程的精细化管理需要检验要求以数据的形式精准下发还需质检人员参与干涉，才能完成质检数据的转换。
3）质检信息孤岛。质检要求和质检数据多存于纸质，数据无法实时查看或进行数据再次利用，无法检索和重现测量过程中的数据，不利于质量追溯。
4）实测记录效率低。现场实测数据大多采用人工手动记录，工作量大，手工抄录效率低，人工判断合格性，且存在滞后性问题。
5）缺乏有效分析。数据查询和统计通常需要手工计算，计算速度慢、准确率低、实时性差。不具备对实测数据趋势分析以及实时质量结果原因判定和分析。文件存储和管理质量数据，不具备有效检索和数据复用能力，数据的可追溯性较差，无法形成质量改进优化的 PDCA 闭环。
因此，在具备基于 MBD 数字化应用扩展的复杂装备制造业企业中，有必要探索基于 MBD 数据实现设计—工艺—质量—生产—检测环节的业务模式研究和数字量传递相关技术，解决质检人工重复工作太多、数据难以有效管控和利用等问题，提升质量策划、检验要求、现场测量等相关业务的执行效率。
2 基于 MBD 数字化质量检验技术分析
山西汾西重工有限责任公司在装备产品的数字化方面实现了基于 MBD 技术的产品设计、工艺设计、现场基于 MBD 的轻量化工艺看板，为了打通数字化研制全过程，数字化检测检验是其中一个关键环节，检测是制造的眼睛，通过基于 MBD 的数字化检测检验技术推进产品设计、工艺、制造的优化应用。
检测包括检测工艺规划和检测执行两部分，其检测对象是最终的加工结果或加工过程中的工序模型。检测工艺规划将基于检测的对象，确定检测的内容和方式。检测的内容在检测工序模型上根据相关标准进行描述，例如对检测的尺寸和几何形位公差进行分类编号等。检测执行则是根据检测工艺规定的内容进行实际的检测，并将检测结果返回保存。
基于 MBD 数字化质量检验关键技术主要包括：获取、解析并转换设计 / 工艺环节的模型数据，实现数字化、结构化的解析；质量检测与企业其他业务环节质检的关联关系；检测工艺策划与检验执行规程的自动生成逻辑。
2.1 基于 MBD 检验信息及解析表达
复杂装备制造业多是“多品种、单件或小批量”的生产模式，产品应用环境条件对零件加工、产品装配精度要求较高。汾西重工是典型的多品种、小批量制造企业，设计环节三维数字化应用走在企业前端，从设计的数字化应用向工艺、制造、质检等环节的逐步应用。
基于 MBD 的模型解析与表达，通过数字化手段实现基于模型的质检工艺策划，利用数字化工艺模型进行结构化抽取，是实现数字化质检业务的重要输入，同时也有效降低人工重复的质量策划工作。基于模型的检验信息表达，是在设计模型基础上形成的一套面向质检环节的工艺模型，其中检验工艺模型主要包括：设计模型、零件（模型）属性、检验信息标注及注释。
基于面向检验应用的模型数据信息表达需求，对于检测应用数据进行转换—识别—解析—提取—完善等系列工作，应将当前多格式模型数据进行解析和转换。按照模型数据提取筛选、显示数据表示、模型简化、数据组织管理、存储压缩的流程，结合任务需求将轻量化数据转换为轻量化模型。
2.2 质检与产品生命周期其他环节的关联业务分析
在复杂装备制造企业，从业务之间关联可以发现，质量检验数据与工艺、产品以及企业检验装备资源、知识积累等数据对象间存在强关联。质检策划的技术要求，通常来自于产品和工艺数据以及产品和工艺关联的 MBD 模型中表达的技术要求。质量策划及检验任务的策划，又通常与企业的质量管理规则既有的，面向自制、外购、外协的，标准化的检验要求有较强的关联关系。
2.3 质量策划与检验规划业务及数据分析
以质量策划与检验规划的业务环节开展分析，梳理其业务、数据、规则、标准进行抽象分析规划，分析其质量策划、检验规划以及面向复杂装备制造企业的质量数据的内置结构化与表格化，展示相关技术。
质量策划主要实现的两项数据包括基于 MBD模型自动抽取写入质量对象的数据以及根据企业自主的工艺知识和资源库基于业务关联规则设置的数据。
检验规划：基于质量策划各项条目，规划创建的数据：包括测量频次、采样计算方案、质量合格方案等。
报表样式（检测规程文件模板）与检测业务模型的关联规则的定义，通过界面化的后台模型与报表格式的配置，实现业务模型与报表样式的配置关联，为检测数据的自动获取提供基础的数据抽取机制。
业务模型属性的关联规则定义，例如典型零件尺寸类型与质检标准以及采样方案质检是存在关联关系的，可以通过规则的解构，关联条件设置实现交互匹配。
基于检测业务模型之间的关联规则定义，可以实现检测规划过程的半自动化，基于检测业务模型数据，与标准检测规程模板样式的数据抽取规则，实现检测规程的自动生成。
3 装备制造企业基于 MBD 数字化质量检测技术解决方案
公司在基于 MBD 数字化检测关键技术与业务分析的基础上，形成数字化质量检测解决方案，面向质检规划与实测数据采集业务环节，全面覆盖质检实测业务过程，实现全过程无纸化、数字化、可视化，提高企业检验工艺编制效率，降低工作量与人为失误，企业实时有效地利用实测数据过程数据。实现质检实测业务环节的全功能准备，包括结构化质量策划，质检方案策划，可视化质检测量引导，实时的质检数据采集，可定制扩展的实测数据分析。
3.1 三维数据轻量化转换
考虑到对异构 CAD 的承接能力，通过 wav 三维轻量化模式转换服务，将设计 PMI 信息、属性信息等同步提取，可以通过三维可视化质检规划工具进行尺寸交互浏览。
支持面向检验规划应用的 PMI 信息（尺寸、表面粗糙度、几何公差、技术要求等）的提取、结构化保存以及与数模中 PMI 的互动高亮。
识别解析检验特征，支持后续基于内置的标准测量规范实现检验方案的智能推荐以及检验工具的智能关联、推荐。
识别基于原模型设计视图的 PMI 信息组织，可以在转换后通过切换原有定义的视图实现质检信息要求的可视化浏览。
3.2 可视化质量策划
三维转换输出的模型及其关联的 PMI 信息是下一步开展可视化质检要求策划的关键输入。根据企业质检策划业务环节需要定义、管理的关键属性信息，定制质检策划界面，将提取出的与模型关联的质检要求信息填充到质检要求策划的相关属性内。结构化质检数据和图中质检信息可双向联动。
基于三维模型中提取的 PMI 信息可以直接在视图区中选择相应的尺寸填充到需要的属性列中，填充后的尺寸列与模型中尺寸保持双向高亮交互。
如前期对于质检要求策划进行充分的分类分解，即可实现基于模型 PMI 信息类型实现尺寸列的自动填充，即尺寸标注、尺寸公差、形位公差、粗糙度、技术条件的获取，判断尺寸类型并进行特征匹配。
此外，系统提供防重复判断机制，防止尺寸填充分配过程中出现错漏、重复等问题。
3.3 检验规划
获取质量要求完成后，需要针对质量要求的不同，定义其检验方法以及检验工具。针对不同的尺寸特征，检验工具多种多样，每种检验工具的使用方法又存在差异。通过知识资源库的创建和持续更新，帮助企业实现质量检测工具和检验方法的标准化和知识沉淀。在检验规划时支持定制符合相关质检标准规则，并实现设计指标、关键 PMI 值与检验要求的关联创建。
质检要求规划完成后，部分业务分工相对明确的企业还需要对具体的测量方案进行进一步的规划分析。测量规划主要涵盖的内容包括：测量方法的设定、取值的选择方式，根据质检项规划测量的方案，如测试的组数、一组测量的数据量、测量方式、测量的仪器通道、测量数据选择规则等。
3.4 实测数据采集
完成检验策划后，在实测数据自动化采集系统中进行实测数据采集填报。实测数据自动化采集系统与数字化量具设备进行集成，配置检验要求与检验工具集成接口和方法。实现实测数据自动化采集系统与硬件设备之间的互联互通，构建在先进的工业控制总线网络上，运行于计算机网络系统与数据库环境下，能够采集工件的质量数据，通过有效的数据分析实现产品制造过程高效有序地流动和科学管理，以满足提升质量和效率的需要。
针对数字化采集设备现状，对待采集设备进行分配包括：支持数字化直连采集设备、可输出报告解析设备以及传统非数字化设备三种情况。
在实测数据自动化采集系统中进行实测数据采集填报。实测数据自动化采集系统与数字化量具设备进行集成，通过与数字化检测工具连接，现场实测数据自动填报到系统中进行计算分析。
在实测数据自动化采集系统中选中要测量的PMI 值，点击实测栏，弹出实测数据表；通过数字化量具按实测数据表中的测量组数进行测量；完成测量后，点击计算，按照提前策划的测量方案得出数值；点击确定，将计算结果返回到实测栏内。同时，也会自动填写到质检实测数据表中。实测结果与理论 PMI 值进行比对，不合格项警告色显示。点击保存数据，测量结果被冻结，不允许进行修改。
4 基于 MBD 数字化检测技术的推广价值
本文通过分析中国对基于 MBD 的数字化质检技术的研究，对 MBD 在产品生命周期质量检测检验环节的关键技术进行了研究。通过基于三维模型的转换和数据采集，解决复杂装备企业质检业务中人工录入工作量大和低效的问题；基于 MBD 的数字化质检方案能够实现质检过程直观可视化，模型图纸中的尺寸与提取列表中双向关联，直观可视化的方式避免歧义问题。基于 MBD 的结构化质检数据建模，以及设计 -工艺 - 质量 - 检验数据关联和自动匹配技术，为质量检验数据的共享、传递、分析奠定了基础，也为企业PDCA 闭环管理和质量追溯提供了业务和数据基础。
此外，可以通过与数字化检测设备集成，实现实测数据自动填报，不仅避免测量后人工填写的大量工作，规避了人为失误，同时也为复杂装备制造业基于CPS 的智能制造提供了典型的落地应用场景。
作者：山西汾西重工有限责任公司栗晚红 赵忠 张虹
