立式加工中心早期故障期研究

羅靜 李佰川 劉詩喻

摘要：為了確定數(shù)控機床的早期故障試驗時間，本文以某立式加工中心現(xiàn)場試驗數(shù)據(jù)為例，首先通過對數(shù)據(jù)的線性相關(guān)性檢驗，初步判斷其故障間隔時間的分布類型。在浴盆曲線的基礎(chǔ)上，建立兩重威布爾分段模型。再通過極大似然法求解模型參數(shù)，并結(jié)合Minitab軟件進行擬合優(yōu)度檢驗，從而確定立式加工中心的早期故障期，為企業(yè)排除早期故障，進行可靠性試驗提供一定的理論依據(jù)。

關(guān)鍵詞：立式加工中心;早期故障期;威布爾分布

數(shù)控機床作為大型、復(fù)雜、可修的機電產(chǎn)品，在整個運行周期內(nèi)各類故障層出不窮。其中機床在使用初期所產(chǎn)生的故障嚴(yán)重影響著機床企業(yè)的信譽度和用戶的經(jīng)濟效益。[1]企業(yè)如何在機床出廠前排除早期故障，提高產(chǎn)品的可靠度和品牌的信任度成為了當(dāng)前急需解決的問題。本文以某企業(yè)立式加工中心所收集到的23條有效數(shù)據(jù)，對其早期故障期進行了計算求解。

1 模型初選

利用收集到的23條有效數(shù)據(jù)，進行故障間隔時間統(tǒng)計，結(jié)果如表1所示。

2.3 擬合優(yōu)度檢驗

Minitab軟件中概率圖（Probability Plots）圖形是用于評價某種分布擬合數(shù)據(jù)的優(yōu)劣。[5]選用概率圖中的Anderson-Darling統(tǒng)計量來檢驗故障間隔時間分布與所選模型的擬合度。

由圖3可以看出，威布爾分布概率圖顯示數(shù)據(jù)散點基本都處于95%的置信區(qū)間內(nèi)。威布爾分布通過Anderson-Darling檢驗的P值為0.167>0.05，因此，確定立式加工中心的壽命分布類型為威布爾分布。

3 早期故障期的確定

根據(jù)兩重威布爾分布模型，計算其拐點值t1=2165h，即立式加工中心的早期故障一般為2165h左右，根據(jù)每天三班制原則，大約三個多月，這與企業(yè)根據(jù)用戶反饋的情況基本符合，即機床在剛開始使用的三個多月所發(fā)生故障次數(shù)比之后幾個月發(fā)生的次數(shù)多。

4 結(jié)語

本文以立式加工中心為例，先通過故障數(shù)據(jù)的相關(guān)性檢驗，初步確定其符合的分布類型，建立相應(yīng)的可靠性分析模型。最后基于Minitab的威布爾分布概率圖檢法，以AD（Anderson-Darling）值最小原則來確定立式加工中心的分布模型符合威布爾分布，從而確定其早期故障期，為企業(yè)進行可靠性試驗，排除早期故障提供了理論依據(jù)。

參考文獻：

[1]楊兆軍，陳傳海，陳菲，等.數(shù)控機床可靠性技術(shù)的研究進展[J].機械工程學(xué)報，2013，49（20）：130-139.

[2]冷建飛，高旭，朱嘉平.多元線性回歸統(tǒng)計預(yù)測模型的應(yīng)用[J].統(tǒng)計與決策，2016（07）：82-85.

[3]叢明，王冠雄，謝書文，等.加工中心早期故障的兩重威布爾模型研究[J].組合機床與自動化加工技術(shù)，2015（04）：78-82.

[4]顧國梁，王景芹.失效數(shù)據(jù)的威布爾分布建模與參數(shù)估計方法[J].河北工業(yè)大學(xué)學(xué)報，2015，44（03）：7-16.

[5]陳振中，賈宇航，李海峰，等.基于MINITAB的飛機輔助動力裝置的壽命分析[J].航空維修與工程，2018（09）：93-95.