0 引言
A器件是变流器模块中的关键器件之一，在运行时会产生大量的热量，对导热性能的要求极高。因此，A器件的导热硅脂涂覆质量会直接影响到变流器产品的稳定性，需要对产品的质量特性进行实时监控以确保过程质量的稳定性[1]。
目前，在工业信息化的大背景下，统计过程控制（Statistical Process Control，SPC）被广泛应用于汽车、电子等行业的质量管控，但在铁路交通领域尚无很好的应用案例。结合变流器模块自动化产线的过程检测数据，利用SPC工具对A器件导热硅脂涂覆过程进行了分析研究。
1 SPC基本原理
统计过程控制是使用数学统计技术对生产过程进行分析，一边采取适当的措施达到并保持统计控制状态从而提高过程能力，最终达到改进与保证质量的目的的质量工具。其中最常用的数学统计工具是控制图和过程能力（性能）指数[2]。
2 导热硅脂涂覆过程的SPC分析
SPC的应用通常分为质量特性确认、测量系统分析、初始过程分析、过程能力提升、生产过程控制5步[3]。
2.1 质量特性确认
对于导热硅脂涂覆过程，目前采用钢网涂覆的工艺方法，要求涂覆过后A器件散热表面的导热硅脂分布均匀。由于A器件紧固之后导热硅脂的涂覆状态无法确认，因此利用视觉检测系统在A器件安装之前对导热硅脂涂覆的点数进行测量，目前的测量过程及判断规则如下：
①拍摄涂覆后的A器件照片，对照片进行二值化处理，根据灰度将照片分为黑白两种颜色；
②在设定的区域内寻找预设的特征点位置，根据特征点位置确定其它搜寻区域的位置；
③计算每个搜寻区域内的白色像素点数量，如果搜寻区域内的白色像素点数量满足设定范围，则判断该点合格；不同位置的点涂覆上下限值略有不同。
从导热硅脂视觉检测系统的工作原理可以看出，可以使用导热硅脂涂覆点数作为质量特性评价导热硅脂涂覆过程。
2.2 测量系统分析
在对过程能力进行分析之前需要对测量系统进行分析[4]，确认测量系统满足要求后方可进行SPC分析。前期已经运用MSA分析方法对测量系统的稳定性、重复性与再现性进行了分析。其中稳定性分析证明在仅考虑产线不倒班的情况（即生产时间段集中在10点至21点之间），此视觉检测系统的稳定性满足要求；GRR分析结果分级数ndc =22、GRR≈6.34%，可以判定A器件涂覆点数的重复性满足要求。
2.3初始过程分析
初始过程分析是指利用控制图对一段时间的生产数据进行分析，确认加工过程的状态。主要包括控制图选择、控制图分析、异常点原因分析三个步骤。对2019年4月生产过程的数据进行了收集，并以此为研究对象对导热硅脂的涂覆过程进行分析。
2.3.1 控制图选择
由于两种A器件的数据偏差方向相同，偏差程度相近，可以通过相对偏差计算方法将每个点实测的涂覆点数值转化为相对目标值的偏差之后，再运用Xbar-R控制图进行控制，标准化值的计算方法如下：
标准化值=（实际值-目标值）/目标值
经过标准化处理后，原本规格限不同的两种产品可以用在同一张控制图中进行控制，可以避免间隔生产导致的控制图误判。
2.3.2控制图分析
基于采集到的数据，利用Minitab软件绘制控制图，见图1。
图1 导热硅脂涂覆点数的标准化Xbar-S控制图
对涂覆过程的控制图进行分析，可以得出以下结论：
1）图中共有43个点超过控制限，占总点数的7%，但整个4月并未出现A器件涂覆不良需要重新涂覆的问题，说明导致涂覆过程本身并未失控，导致控制图失控的主要原因是检测系统的不稳定；
2）均值图中连续8点位于中心线同一侧的情况出现5次，但从实际数据来看未发现异常，说明为误报，可以适当放宽连续位于中心线同一侧的点数要求；
3）图中未出现连续上升或下降的点，说明涂覆系统状态良好，未出现磨损前兆。
2.3.3初始过程能力分析
对现有生产过程数据进行正态检验计算，计算结果p＜0.05，即数据分布不符合正态分布，且无法使用正态变换方法转换为正态分布。统计所有涂覆点数与目标值的偏差，绘制偏差数据直方图如图2（a）。
（a） （b）
图2 涂覆点数直方图
由图2（a）可以看出，数据明显不符合正态分布，近似于单边正态分布。故以目标值为对称轴，假定每一个涂覆点数均存在一个与目标值偏差相同、方向相反的涂覆点数，绘制直方图如图2（b）所示：
由图2（b）可知，此过程与正态分布的拟合程度较好，可以用常规过程能力公式进行计算。计算此过程的Ppk指数为0.86＜1.33，说明此过程的过程能力不满足要求，需要进行优化。
3 异常点原因分析
在4月涂覆视觉系统NG图像中随机抽取40张图片，选择200个NG点进行分析，统计异常现象出现次数如表1所示。
表1涂覆视觉异常现象分布
搜寻区域未能正确覆盖对应的涂覆区域 涂覆点实际像素数超过设定范围
偏移程度小于100像素 偏移程度大于100像素 超过设定上限 超过设定下限
数量 107 5 13 75
1）搜寻区域未能正确覆盖对应的涂覆区域
部分视觉图像中许多点的搜寻区域只覆盖了部分实际的涂覆区域，如图3所示。
（a） （b）
图3 搜寻区域未能正确覆盖对应的涂覆区域
在这种情况下，搜寻到的涂覆面像素数可能小于设定的最小涂覆像素数，造成检测系统判定此点无效。出现此现象时往往同时出现多个点的搜寻位置偏移，其主要原因为图像定位时，特征点区域的涂覆误差被视觉系统的边缘误差效应放大，造成整个搜寻区域的位置偏移。
2）涂覆点实际像素数超过设定范围
部分视觉图像中的搜寻区域将实际涂覆区域完全覆盖，但实际读取到的像素数略小于设定的像素点数量下限或大于像素点数量上限，如图4所示。
（a） （b）
图4 涂覆点实际像素数超过设定范围
这两种情况说明部分点的像素数设定范围存在不合理的情况，需要结合实际需求进行微调。
4 过程能力提升
针对这些导致涂覆过程能力不足的问题，分别制定对策如下：
1）搜寻区域未能正确覆盖对应的涂覆区域
由表1的统计数据可知，搜寻区域未能正确覆盖对应的涂覆区域且偏移程度较大的情况仅占异常现象的2.5%，而如果需要彻底解决该问题的难度较大、成本较高，因此不对此问题进行处理。
对于偏移程度小于100像素点的图像，可以适当扩大搜寻区域。
2）涂覆点实际像素数超过设定范围
工艺要求中对于单个涂覆点的面积上限其实并无要求，因此在实际引用过程中可以取消对于单个搜寻区域的面积上限限制。对于面积下限设定不合理的情况，则可以对设定下限进行微调，减少误判点。
5 优化措施验证
经过对视觉检测系统的微调，选取调整后的数据绘制控制图并计算过程能力，上控制限由0.009下降到了0.007，ppk指数为1.03，说明过程受控程度有所提升，但仍需继续改进。
6 结论与展望
利用SPC工具对生产过程数据进行了分析，找出了异常点并进行了修正。导热硅脂涂覆的过程性能指数由0.86提高到了1.03，需要。SPC方法可以有效地找出生产过程中存在的异常并进行针对性的分析，
但目前仍存在部分问题没有得到彻底解决：①部分产品上A器件数量不一，无法使用同一张控制图进行控制；②部分异常点由于技术条件限制暂时无法优化。这些需要在之后的研究中进一步分析并加以改善。
参考文献
[1] 郎志正.质量管理及其技术和方法[M].北京：中国标准出版社，2003.
[2] 蔡纯之.SPC控制图技术在生产线质量控制中的应用[J].机械制造，2003，41（7）：15-16.
[3] 刘广第.质量管理学[M].北京：清华大学出版社，2003.
