摘 要：智能裝配產(chǎn)線通過自動化和實時監(jiān)控提升了生產(chǎn)效率和裝配可靠性。針對航天某產(chǎn)品的智能裝配產(chǎn)線進行了可靠性研究。首先，采用過程失效模式與影響分析（PFMEA）方法，對立體庫倉儲系統(tǒng)、自動導(dǎo)引車（AGV）送料系統(tǒng)、機器人夾取系統(tǒng)、傳感器檢測系統(tǒng)、測量系統(tǒng)及運送線的關(guān)鍵失效模式和潛在風(fēng)險進行了識別和評估。利用故障樹分析（FTA）方法，對識別出的關(guān)鍵失效模式進行了系統(tǒng)分析，深入探討了各系統(tǒng)的失效概率，并提出了相應(yīng)的優(yōu)化措施，以提升智能裝配產(chǎn)線的可靠性和穩(wěn)定性。
關(guān)鍵詞：智能裝配產(chǎn)線；可靠性；過程失效模式與影響分析；故障樹分析
作者：蘇永超；王夢姣；魏潔；王惠民；張正巖
作者單位：北京新風(fēng)航天裝備有限公司
引 言
智能裝配產(chǎn)線依托自動化、信息化和智能化技術(shù)，提高生產(chǎn)效率和裝配一致性，減少人為干預(yù)帶來的誤差。然而，智能裝配產(chǎn)線的復(fù)雜性也導(dǎo)致設(shè)備故障和系統(tǒng)失效風(fēng)險增加，進而影響裝配質(zhì)量。因此，提高智能裝配產(chǎn)線的可靠性至關(guān)重要。
智能裝配產(chǎn)線可靠性是指智能制造系統(tǒng)在長期運行過程中保持高效、穩(wěn)定、低故障率運行的能力。其衡量指標(biāo)包括：設(shè)備平均無故障時間（MTBF）、失效率、生產(chǎn)節(jié)拍穩(wěn)定性、關(guān)鍵組件的穩(wěn)定性等。
在現(xiàn)代制造業(yè)中，裝配是確保產(chǎn)品質(zhì)量和性能的關(guān)鍵，尤其在航天制造業(yè)，裝配精度和可靠性直接影響產(chǎn)品安全。自動化技術(shù)推動了智能裝配的發(fā)展，提高了效率和一致性，減少了人為錯誤，但設(shè)備故障與系統(tǒng)復(fù)雜性仍影響其可靠性。為應(yīng)對這些挑戰(zhàn)，一些國外航天企業(yè)借鑒汽車行業(yè)生產(chǎn)線理念，提升了裝配質(zhì)量與效率并降低了成本。美國雷錫恩公司根據(jù)需求建立了包含柔性生產(chǎn)單元和數(shù)字化管理系統(tǒng)的先進裝配線[1]。
失效模式與影響分析（FMEA），失效模式、影響及危害分析（FMECA） ，以及故障樹分析（FTA）是航空、航天和核工業(yè)常用的可靠性分析方法。M Sadeghi 等人提出了結(jié)合 FTA、FMECA和貝葉斯法提升醫(yī)用氣體出口可靠性的模型[2]。顧煜炯等人通過FMECA和FTA方法分析風(fēng)電設(shè)備故障，排列主要故障因素，支持維修決策[3]。雷啟龍等人利用FMEA和FTA方法制定風(fēng)電機組故障維修策略[4]。
FTA與FMEA（或 FMECA）在可靠性分析中相輔相成，形成互補關(guān)系。FTA通過自上而下的邏輯推演識別導(dǎo)致系統(tǒng)失效的關(guān)鍵路徑， 適用于系統(tǒng)級故障分析；而FMEA采用自下而上的方法，從組件級別識別潛在失效模式及其影響，通過風(fēng)險優(yōu)先級數(shù)（RPN）評估單個失效模式的風(fēng)險等級。適用于早期設(shè)計優(yōu)化。將兩者結(jié)合起來，可以既從整體上分析系統(tǒng)的薄弱環(huán)節(jié)，又能深入識別具體失效模式的影響，確保風(fēng)險評估的全面性[5]。兩者結(jié)合有助于精準(zhǔn)制定改進措施，提升智能裝配系統(tǒng)的可靠性。
針對上述問題及研究方法，本文將過程失效模式與影響分析（PFMEA）方法應(yīng)用于智能裝配產(chǎn)線，對某航天產(chǎn)品的智能裝配產(chǎn)線的可靠性進行深入評估，涉及自動導(dǎo)引車（AGV） 送料系統(tǒng)、機器人夾取系統(tǒng)、傳感器檢測系統(tǒng)等模塊，識別出可能影響裝配可靠性的關(guān)鍵失效模式，并結(jié)合FTA方法進行失效概率分析，提出針對性的改進措施。
1 基于PFMEA的智能裝配產(chǎn)線可靠性分析
1.1 智能裝配產(chǎn)線構(gòu)成
智能裝配產(chǎn)線的可靠性涉及設(shè)備的穩(wěn)定性、生產(chǎn)過程的持續(xù)性、故障檢測與響應(yīng)能力，以及自我修復(fù)和維護機制。通過實時監(jiān)控和故障診斷，智能裝配產(chǎn)線能夠及時發(fā)現(xiàn)問題并減少停機時間，確保生產(chǎn)系統(tǒng)高效運作，從而提高產(chǎn)品質(zhì)量和生產(chǎn)效率。
某航天產(chǎn)品的智能裝配產(chǎn)線由立體庫倉儲系統(tǒng)、AGV送料系統(tǒng)、機器人夾取系統(tǒng)、傳感器檢測系統(tǒng)、測量系統(tǒng)和運送線組成，各系統(tǒng)協(xié)同工作，實現(xiàn)全自動化裝配。
1.2 智能裝配產(chǎn)線工作流程
智能裝配產(chǎn)線集成了多個高度自動化的系統(tǒng)，以實現(xiàn)高效、精準(zhǔn)的裝配作業(yè)。首先，立體庫倉儲系統(tǒng)通過自動化設(shè)備管理物料和零部件的存儲和取用，確保倉儲過程的高效和準(zhǔn)確，并為后續(xù)裝配提供及時的物料支持。然后，AGV送料系統(tǒng)利用AGV將零部件從倉儲區(qū)域精準(zhǔn)運輸?shù)街付ǖ难b配工位上，減少了物料配送過程中的人工干預(yù)，提高了生產(chǎn)線的靈活性和響應(yīng)速度。
在裝配工位上，機器人夾取系統(tǒng)或自動化夾取設(shè)備將零部件從上料區(qū)中拾取并精準(zhǔn)定位到裝配位置上。與此同時，傳感器檢測系統(tǒng)布置在裝配線的各個關(guān)鍵環(huán)節(jié)中，實時監(jiān)測裝配過程中的各項參數(shù)，例如零部件位置、裝配尺寸等，并且還能夠檢測裝配過程中是否有人員誤入，確保任何潛在的錯誤能夠被及時發(fā)現(xiàn)和糾正。
1.3 故障模式識別及失效原因
采用PFMEA方法，識別出以下智能裝配產(chǎn)線的主要失效模式。
（1）傳感器故障。在傳感器長期運行過程中，內(nèi)部的電子元件和機械部件會逐漸老化和磨損，導(dǎo)致精度下降、失效風(fēng)險增加，并且傳感器暴露在惡劣環(huán)境中（例如過高的溫度、濕度、灰塵、振動或電磁干擾），會導(dǎo)致其性能下降，使測量數(shù)據(jù)出現(xiàn)偏差或失準(zhǔn)。
（2）AGV故障。AGV的導(dǎo)航系統(tǒng)（例如激光雷達、攝像頭或傳感器）可能因外部干擾、傳感器故障或地圖誤差而失效，導(dǎo)致無法正確識別路徑，偏離或停止工作，并且AGV的電池、電機或驅(qū)動系統(tǒng)在長時間運行后可能發(fā)生故障（例如電池過度放電、電機損壞或驅(qū)動故障），導(dǎo)致其失去移動能力。
（3）工具磨損。工具故障同樣可能影響生產(chǎn)線的穩(wěn)定性，長期使用可導(dǎo)致工具磨損（例如刀具變鈍或夾具松動），可能影響裝配精度。工具若未定期校準(zhǔn)或校準(zhǔn)過程不規(guī)范，也會導(dǎo)致裝配過程中出現(xiàn)偏差，從而影響最終產(chǎn)品的一致性和質(zhì)量。
（4）機器人故障。機械臂的伺服電機、關(guān)節(jié)軸承或傳動機構(gòu)可能因過度使用、潤滑不足或磨損引發(fā)故障，導(dǎo)致動作失準(zhǔn)或無法正常操作，而且機器人的控制單元（例如控制器、傳感器反饋系統(tǒng)）出現(xiàn)故障時，可能導(dǎo)致指令執(zhí)行錯誤或反應(yīng)滯后，影響操作精度。
（5）環(huán)境因素。環(huán)境條件對生產(chǎn)線的影響不可忽視。車間溫度過高或過低都可能影響設(shè)備的正常運行或工人的工作狀態(tài)，導(dǎo)致裝配故障。濕度過高可能導(dǎo)致零件生銹或設(shè)備短路， 濕度過低則可能引起靜電問題，這些都會影響裝配質(zhì)量和最終產(chǎn)品的性能。
以上因素可引發(fā)裝配失效的問題，應(yīng)根據(jù)上述故障模式和失效原因進行PFMEA。
1.4 智能裝配產(chǎn)線PFMEA
PFMEA 是一種系統(tǒng)化的方法，用于識別、評估和優(yōu)先處理潛在的失效模式及其對系統(tǒng)的影響，包括失效模式、其可能的后果、嚴(yán)重性評分、失效原因、發(fā)生概率評分、現(xiàn)有控制措施、檢測方法、檢測評分和RPN等要素。
1.4.1 PFMEA措施風(fēng)險優(yōu)先級評價
在PFMEA中，RPN是用來幫助確定所有風(fēng)險中需要優(yōu)先采取行動的一個方法。它基于嚴(yán)重性（S）、發(fā)生概率（O）及檢測評分（D） 的組合，并結(jié)合工程判斷來確定行動的優(yōu)先級。通過計算這3個因素的乘積，可以得到RPN的值，用于確定哪些風(fēng)險應(yīng)該優(yōu)先處理。RPN的計算公式為
RPN=S·O·D （1）
RPN的值越高，表示風(fēng)險越嚴(yán)重，需要更緊急地進行處理。通常，RPN值的范圍為1～1000，超過某個閾值的風(fēng)險須立即采取措施。
1.4.2 智能裝配產(chǎn)線PFMEA表
根據(jù)PFMEA手冊的要求和專家組的評定，得出了各失效模式的S，O，D評分，從而形成了智能裝配產(chǎn)線PFMEA表（見表1）。
表1 智能裝配產(chǎn)線PFMEA表
通過表1的數(shù)據(jù)分析可以看出，傳感器故障、AGV故障和工具磨損對系統(tǒng)可靠度的影響相對較高，因而被認(rèn)定為主要因素。這3種失效模式的RPN值分別為192，150，140，明顯高于其他失效模式，表明其失效可能導(dǎo)致更嚴(yán)重的后果（例如裝配錯誤和生產(chǎn)效率下降，因此需要予以優(yōu)先關(guān)注。在進行FTA時，應(yīng)將這些主要因素作為根事件，進一步識別其潛在的底事件及相互關(guān)系。 例如：傳感器故障可能源于老化和遮擋，導(dǎo)致物體檢測錯誤，從而影響裝配質(zhì)量；AGV故障則可能是由于系統(tǒng)失效和路徑規(guī)劃不合理，從而導(dǎo)致物料無法及時送達， 進而影響生產(chǎn)流程；而工具磨損主要是由于使用時間過長和缺乏維護，進而造成裝配精度下降。基于FTA的結(jié)果，應(yīng)重點引入環(huán)境適應(yīng)性更強的傳感器，增加工具的維護頻率，并優(yōu)化AGV的路徑規(guī)劃和維護機制，以提高智能裝配產(chǎn)線的整體可靠性。
2 智能裝配產(chǎn)線FTA
2.1 智能裝配產(chǎn)線故障樹建立
本文根據(jù)故障樹的建立要求，基于表1的失效模式最終都會造成的一個結(jié)果———裝配質(zhì)量不合格，選擇裝配質(zhì)量不合格作為故障樹的頂事件T，中間事件M對應(yīng)表1中這些失效模式，按由上而下的順序逐級細(xì)化，分析出造成頂事件的底事件X，最終得到故障模式。基于前面的PFMEA，繪制智能裝配產(chǎn)線的失效故障樹（見圖1），故障樹編號釋義見表2。
圖1 智能裝配產(chǎn)線失效故障樹
表2 故障樹編號釋義
2.2 故障樹定性分析
故障樹定性分析旨在識別引發(fā)頂事件的原因，找出可能導(dǎo)致頂事件的故障模式，揭示潛在故障和設(shè)計薄弱環(huán)節(jié)，以便改進設(shè)計。同時，可用于指導(dǎo)故障診斷和優(yōu)化設(shè)備維護。在FTA中，定性分析的關(guān)鍵任務(wù)是識別最小割集。本文采用下行法求最小割集，發(fā)現(xiàn)裝配質(zhì)量問題的直接原因來自X1至X10的基本事件， 針對這些原因提出改善措施，以提高智能裝配產(chǎn)線的可靠性。
2.3 故障樹定量分析
本文采用線性映射法對故障樹中各個底事件的發(fā)生概率進行估算。線性映射法基于式（2）所示的線性插值公式計算。
將線性映射法應(yīng)用于獲得故障樹底事件的發(fā)生概率，是一種將RPN值轉(zhuǎn)化為具體故障概率的有效方法，有助于更直觀地量化風(fēng)險。在這一過程中，首先確定RPN值的最小值和最大值，以及底事件的最大值與最小值；然后針對每個中間事件的RPN值，通過線性插值公式將其映射到底事件的故障概率上。這樣，線性映射法將各個底事件的潛在故障風(fēng)險量化為具體的概率，使其能夠更準(zhǔn)確地進行FTA的定量評估。
2.3.1 底事件失效概率估算
按照線性映射法將底事件的RPN值轉(zhuǎn)化為失效概率，即x為RPN值，f(x)為失效概率， 可得
式中，P為失效概率， 其最小值Pmin=0.001，最大值Pmax=0.1；RPN∈[0，1000]。
各個底事件之間通過“與門” 連接，對其中間事件貢獻是均等的，根據(jù)中間事件的RPN值，計算底事件的RPN值分別為： RPNX1=96，RPNX2=96，RPNX3=75， RPNX4=75，RPNX5=70，RPNX6=70，RPNX7=60，RPNX8=60，RPNX9=42， RPNX10=42
按照式（3）計算各個底事件的失效概率分別為：PX1 ≈ 0.010 5， PX2 ≈ 0.010 5， PX3 ≈ 0.008 4，PX4 ≈ 0.008 4， PX5 ≈ 0.007 9， PX6 ≈ 0.007 9， PX7 ≈ 0.006 9， PX8 ≈ 0.006 9， PX9 ≈ 0.005 2， PX10 ≈ 0.005 2
由上述底事件失效概率可知，X1和X2的失效概率最高，X9和 X10的失效概率最低。首先，X1和X2的高失效概率主要歸因于傳感器的高使用頻率、元件的自然老化及外部環(huán)境的累積影響。在智能裝配產(chǎn)線中，傳感器扮演著至關(guān)重要的角色，負(fù)責(zé)實時監(jiān)測和反饋系統(tǒng)狀態(tài)。然而，由于傳感器在高頻率工作環(huán)境中的持續(xù)運行，其元件逐漸老化，導(dǎo)致性能下降。 這種老化不僅是物理磨損的結(jié)果，也受到溫度、濕度、灰塵等環(huán)境因素的影響。因此，定期的維護和更換傳感器，以及合理的使用策略，對降低 X1的失效概率至關(guān)重要。
相對而言，X9和X10的低失效概率表明工廠在環(huán)境控制和設(shè)備防護設(shè)計方面采取了有效的措施。良好的環(huán)境控制系統(tǒng)能夠確保車間內(nèi)的溫濕度保持在設(shè)備的最佳工作范圍內(nèi)，可減少因環(huán)境波動引起的設(shè)備故障。此外，設(shè)備的防護設(shè)計，例如防塵、防水和防震等功能，顯著降低了外界因素對設(shè)備的影響。這些措施的實施，不僅提升了設(shè)備的可靠性，也為保持高效的生產(chǎn)環(huán)境提供了保障。
綜上所述，X1、X2和X9、X10的失效概率差異揭示了設(shè)備使用和維護管理的重要性，強調(diào)了對傳感器的關(guān)注和對環(huán)境控制措施的重視。
2.3.2 頂事件失效概率計算
根據(jù)故障樹的結(jié)構(gòu)，頂事件是由所有中間事件通過“或門” 連接的，因此頂事件的失效概率PT計算公式為
各個中間事件的失效概率分別為： PM1 ≈ 0.0200，PM2 ≈ 0.016 8，PM3 ≈ 0.015 8，PM4 ≈ 0.013 8，PM5 ≈ 0.010 4。因此，PT ≈ 1-（1 -0.020 0）×（1-0.016 8）×（1-0.015 8）×（1-0.013 8）×（1-0.010 4）≈0.074 5。
2.4 智能裝配產(chǎn)線可靠性改善措施
根據(jù)上述分析得到了各個底事件和頂事件的失效概率，造成智能裝配產(chǎn)線失效和裝配質(zhì)量問題的原因有傳感器故障、AGV故障、機器人故障等，針對這些故障原因，提出如下改善措施。
（1）針對X1和X2失效事件，采取定期校準(zhǔn)和維護傳感器的措施。建立定期的傳感器校準(zhǔn)計劃，加強防護設(shè)計為傳感器增加防塵、防水、防震等保護。另外，采用多傳感器冗余設(shè)計，確保當(dāng)1個傳感器失效時備用傳感器可以繼續(xù)工作，從而避免系統(tǒng)中斷。
（2）針對X3和X4失效事件，采取優(yōu)化AGV導(dǎo)航技術(shù)（例如視覺導(dǎo)航或激光導(dǎo)航）的措施，同時引入多種導(dǎo)航系統(tǒng)以防止單一導(dǎo)航系統(tǒng)失效。定期檢查AGV的動力系統(tǒng)、電池、電機等關(guān)鍵部件。為AGV系統(tǒng)配備實時監(jiān)控系統(tǒng)，監(jiān)測運行狀態(tài)，當(dāng)出現(xiàn)異常時及時預(yù)警并進行故障排除。
（3）針對X5和X6失效事件，采取定期更換和維護裝配工具的措施。根據(jù)工具的使用頻率和磨損情況制定更換計劃，避免因工具磨損影響裝配精度。選用更高質(zhì)量、更耐磨的工具材料，以延長工具的使用壽命，減少頻繁更換的需求。
（4）針對X7和X8失效事件，采取對機器人加強預(yù)測性維護的措施。通過數(shù)據(jù)采集和分析進行機器人系統(tǒng)的預(yù)測性維護，避免伺服電機或機械臂的突發(fā)故障。加強操作人員的技術(shù)培訓(xùn)，確保他們能夠及時發(fā)現(xiàn)并解決機器人故障問題，減少因誤操作引發(fā)的故障。
（5）針對X9和X10失效事件，采取在生產(chǎn)車間安裝環(huán)境溫濕度監(jiān)控設(shè)備的措施，實時監(jiān)測環(huán)境參數(shù)，確保車間的溫濕度在設(shè)備允許的范圍內(nèi)。升級或改進空調(diào)、除濕機等設(shè)備，以更好地調(diào)節(jié)車間的環(huán)境，保證環(huán)境條件穩(wěn)定。 在特定精密裝配場景中，采用封閉式的生產(chǎn)空間，以減少外部環(huán)境對內(nèi)部溫濕度的影響。
2.5 應(yīng)用效果
根據(jù)智能裝配產(chǎn)線的各個底事件和頂事件，提出了一系列改善措施，取得了顯著的應(yīng)用效果。
（1）通過定期校準(zhǔn)和維護傳感器，增強防護設(shè)計并采用多傳感器冗余設(shè)計，成功降低了傳感器的故障率，并在主傳感器失效時確保備用傳感器能夠及時接管，從而避免了生產(chǎn)中斷，提升了裝配系統(tǒng)的可靠性。
（2）針對AGV故障，優(yōu)化導(dǎo)航技術(shù)并引入多種導(dǎo)航系統(tǒng)，使AGV運行效率顯著提高，同時實施關(guān)鍵部件的定期檢查和實時監(jiān)控，有效縮短了故障處理時間，增強了物料運輸?shù)目煽啃浴?/span>
（3）在裝配工具方面，定期更換和維護工具，結(jié)合使用高質(zhì)量、耐磨的材料，確保工具始終處于良好狀態(tài)，減少了因磨損引起的裝配缺陷，提升了整體裝配質(zhì)量。
（4）為應(yīng)對機器人故障，實施了預(yù)測性維護，利用數(shù)據(jù)分析識別潛在故障，同時加強操作人員的技術(shù)培訓(xùn)，提升了他們對故障的快速識別和處理能力，從而減少了因操作失誤導(dǎo)致的停機時間，確保了生產(chǎn)流程的穩(wěn)定性。
（5）安裝環(huán)境溫濕度監(jiān)控設(shè)備，改善空調(diào)和除濕系統(tǒng)，采用封閉式生產(chǎn)空間，有效保障了車間環(huán)境條件的穩(wěn)定，降低了環(huán)境因素導(dǎo)致的設(shè)備故障率。
通過上述措施的實施，智能裝配產(chǎn)線的設(shè)備故障率得到了有效降低，整體裝配的可靠性顯著提升，為企業(yè)的智能制造提供了更堅實的保障。
3 結(jié)束語
本文根據(jù)現(xiàn)場采集數(shù)據(jù)，基于PFMEA方法對某航天產(chǎn)品的智能裝配產(chǎn)線進行了深入的裝配可靠性評估，識別出了可能影響裝配可靠性的關(guān)鍵失效模式和潛在風(fēng)險。通過對立體庫倉儲系統(tǒng)、AGV送料系統(tǒng)、機器人夾取系統(tǒng)、傳感器檢測系統(tǒng)、測量系統(tǒng)和運送線等模塊的分析，得到了造成故障的失效模式。此外，基于PFMEA方法分析得出的RPN值，通過線性映射法計算了智能裝配產(chǎn)線的FTA 模型和各底事件的失效概率，通過定量計算明確頂事件發(fā)生概率。最后，從系統(tǒng)角度出發(fā)，分析設(shè)計的薄弱環(huán)節(jié)，并提出改進和補償措施，以此來提高智能裝配產(chǎn)線的可靠性，為進一步提升裝配可靠性提供了科學(xué)的依據(jù)和改進方向。
參考文獻
[1] 劉峰，蔡志娟，李霏，等. 面向智能裝配的航天復(fù)雜產(chǎn)品結(jié)構(gòu)設(shè)計標(biāo)準(zhǔn)研究[J]. 航天標(biāo)準(zhǔn)化，2019（4）：1-4.
[2] SADEGHI M，KARBASIYAN M， NAVABAKHSH M. Designing a model for reliability improve-ment with FTA and FMEA techniques on med-ical gas outlet[J]. International journal of logis-tics systems & management，2014，18（ 3） ：322-342.
[3] 顧煜炯，宋磊 ，劉佳 ，等. 基于FMECA和FTA正向綜合分析的風(fēng)電場設(shè)備故障管理[J].可再生能源，2012，30（9）：100-105.
[4] 雷啟龍，賈子文. 基于FMEA風(fēng)險評價和 FTA定量分析的風(fēng)電機組維修決策[J]. 機 械 2017，44（3）：71-77，80.
[5] 岳嵐雪，曾鵬飛，李軒，等. 基于 FMEA與FTA 的合膛檢測設(shè)備可靠性分析[J]. 新技術(shù)新工藝，2023（12）：67-72.
京公網(wǎng)安備11010802046783號
