目标 CH-53K STA 315 舱壁上的 T 型法兰复合材料部件由于高压釜固化而出现大量废品率。在固化周期内,袋侧低压区会反复出现缺陷(凸起),导致 T 型法兰半径出现折痕。这些缺陷导致舱壁袋侧半径上的 T 型法兰废品率为 20%。为了消除这些反复出现的缺陷并最终将废品率降至最低,ManTech 开发了此项目,以评估三角填料成型工具方法在带有 T 型法兰的 CH-53K 部件制造过程中的应用,确保形成足够的三角区域和袋侧半径。评估了使用成型三角填料(形状与填料区域(包括榫接)相匹配)的情况。这样做是为了确保在铺层过程中重复应用准确数量且形状正确的材料。
在支架制造过程中,会发生不同类型的废品。本研究探讨了降低支架制造电解抛光过程中废品率的策略。在电解抛光过程中,减少支架制造中的废品对于确保行业的成功和竞争力至关重要。支架制造是医疗器械行业中的关键部门,为心血管疾病患者提供救命的解决方案。电解抛光是增强这些复杂设备表面性能和生物相容性的重要步骤。电解抛光是一种阳极溶解工艺,目前在工业中用于降低金属表面粗糙度以获得明亮光滑的外观 (1)。电解抛光工艺经常遇到挑战,导致废品率高,给制造商带来操作障碍,制造时间几乎没有增加,并且能够生产具有优化拓扑或复杂内部设计的零件,而这在传统制造中是无法实现的 (2)。电解抛光过程中支架的废品可能源于多种因素,包括材料不一致、工艺控制不足和参数配置不理想。每个被拒收的支架不仅会造成经济损失,还会妨碍及时交付和维持产品质量标准。因此,解决电解抛光过程中的拒收率问题对于提高生产效率、降低成本和确保产品质量稳定至关重要。心脏或血管疾病被称为心血管疾病,它们被认为是全世界健康问题和死亡的主要原因。自从进行球囊扩张手术以来,心血管血管成形术一直是冠心病的主要治疗方法。心血管疾病是涉及心脏或血管的疾病,被认为是全世界发病率和死亡率的主要原因 (3)。冠状动脉疾病 (CAD) 的症状是动脉狭窄,由内皮中的斑块引起,由于心肌中的血流和氧气受限,细胞、钙和其他物质可能会在这些沉积物中积聚。这最终可能导致短暂性脑缺血发作和中风。冠状动脉疾病的特征是动脉因内皮下斑块沉积而变窄。细胞、脂肪、钙、细胞碎片和其他物质可能在这些沉积物中积聚,引发一系列事件——血管动脉管腔缩小、血流受限、心肌营养和氧气供应不足——最终可能导致心肌梗死或短暂性脑缺血发作和中风 (4)。本文探讨了支架制造中减少废品的问题,特别关注电解抛光阶段。通过研究当前的做法、分析废品的潜在原因以及探索创新的解决方案,本研究旨在提供有效降低废品率的见解和策略。此外,了解电解抛光过程中废品的潜在机制可以为开发强大的质量控制措施和优化技术铺平道路。
无损检测 (NDT) 在工业中的引入和应用被严重歪曲和误解。人们常说,引入这种昂贵的技术不会带来任何有形回报,或者至少不会带来与投资成比例的回报。然而,事实与这种观念和想法完全相反。事实上,如果正确应用 NDT,可以通过降低最终的废品率来节省废料,节省宝贵的制造时间,提高制成品的整体质量和可靠性,通过预防性维护延长工厂寿命,避免不必要的停机(特别是通过在线检查),以及提高特定行业的声誉并因此增加销售额和利润,从而带来巨大的回报。因此,即使从纯粹的商业角度来看,NDT 对工业企业来说也是至关重要的。考虑到 NDT 在安全、故障和随之而来的事故预防中的作用,毫无疑问 NDT 的价值和必要性。
然后将其计入每个 KPA 的平均分。任何低于 7 的 KPA 平均分都被视为弱点。项目的 SEI 级别定义为所有相关 KPA 均被视为优势的级别,即所有 KPA 平均分必须等于或大于 7。GED 使用质量、周期时间和生产率来评估开发计划,因为我们的客户看重这些属性。此外,摩托罗拉一直重视其所有产品和流程的质量:其六西格玛质量重点多年来一直是公司计划。六西格玛是一种质量流程,旨在将废品率低至每百万次机会中只有几次。此流程最初始于制造领域,现已扩展到摩托罗拉的软件领域。最近,摩托罗拉公司一直在倡导 10X 周期时间计划,该计划旨在让所有业务要素将产品周期时间缩短 10 倍,以加速新产品的推出。生产率直接关系到我们能否从美国国防部的传统客户那里赢得新项目,并推动我们在新兴商业产品中的盈利能力。表 1 总结了摩托罗拉 GED 质量、周期时间和生产率按 SEI 级别改进的趋势。摩托罗拉从其内部指标中获得了每个项目在这些领域的绩效数据,并根据每个项目的内部自我评估确定的 SEI 级别对其进行分类。T
精密制造正在经历一场变革性的演变,其推动力来自先进计量技术和智能监控系统的融合。本摘要通过这些技术的融合探索了精密制造的未来发展轨迹,重点关注它们在工艺优化中的协同作用。先进的计量技术,包括高分辨率成像、激光扫描和非接触式表面测量,在捕获尺寸数据方面提供了前所未有的精度和细节。这些技术使制造商能够精确分析组件的几何形状、表面光洁度和公差,从而促进以卓越的精度和质量生产零件。此外,将计量技术集成到制造过程中可以实现实时反馈,从而实现快速调整和更正,以确保遵守设计规范。智能监控系统通过不断从嵌入在制造设备中的各种传感器收集数据来补充先进的计量技术。这些系统利用人工智能 (AI) 和机器学习算法实时分析大量数据,检测异常,预测设备故障并优化工艺参数。通过利用数据驱动的洞察力,制造商可以提高生产效率,最大限度地减少停机时间并降低废品率。先进计量与智能监控之间的协同作用不仅限于质量控制,还涵盖了整体流程优化。通过这些技术的无缝集成,制造商可以在运营中实现无与伦比的精度、效率和灵活性。例如,实时计量反馈与人工智能驱动的监控相结合,可以实现自适应制造流程,根据不断变化的环境条件或材料特性动态调整参数。此外,精密制造的未来在于采用数字孪生方法,即创建物理制造系统的虚拟副本并与实时数据同步。这可以实现预测性维护、虚拟原型设计和基于仿真的优化,从而大幅节省成本并加快创新周期。精密制造的未来取决于先进计量和智能监控技术的集成。通过利用这些创新之间的协同作用,制造商可以实现前所未有的精度、效率和灵活性,推动数字时代制造业的发展。
[1] E.H. Baalbergen, E. Moerlan, W.F.Lammen, P.D.Ciampa (2017) 支持未来飞机高效协同设计的方法。NLR-TP-2017-338。[2] A.J.de Wit, W.F.Lammen, H.S.Timmermans, W.J.Vankan, D. Charbonnier, T. van der Laan, P.D.Ciampa (2019) 飞机供应链的协同设计方法:多级优化。NLR-TP-2019-202。[3] W.F.Lammen, P. Kupijai, D. Kickenweitz, T. Laudan (2014) 将发动机制造商的知识整合到初步飞机尺寸确定过程中。NLR-TP-2014-428。[4] E. Amsterdam, J.W.Wiegman, M. Nawijn (2021) 铝合金疲劳裂纹扩展速率的幂律行为和转变。国际疲劳杂志,待提交。[5] F.P.Grooteman (2020) 使用光纤布拉格光栅传感器进行多载荷路径损伤检测。NLR-TP-2020- 415。[6] F.P.Grooteman (2019) 概率故障安全结构风险分析。NLR-TP-2020-416。在 2019 年 ASIP(飞机结构完整性计划)会议上发表。[7] F.P.Grooteman, E. Lee, S. Jin, M.J. Bos (2019) 极限载荷系数降低。在 2019 年 ASIP(飞机结构完整性计划)会议上发表。[8] E. Amsterdam, F.P.Grooteman (2016) 应力状态对疲劳裂纹扩展幂律方程指数的影响。NLR-TP-2016-064。[9] E. Amsterdam (2021) 金属合金拉伸-拉伸疲劳裂纹扩展速率的现象学模型。待提交。[10] W.J.Vankan, W.M.van den Brink, R. Maas (2017) 飞机复合材料机身结构模型的验证与相关性——初步结果。NLR-TP-2016-172。[11] J.W.van der Burg, B.B.Prananta, B.I Soemarwoto (2005) 几何复杂飞机配置的气动弹性 CFD 研究。NLR-TP-2005-224。[12] J. van Muijden, B.B.Prananta, R.P.G.Veul (2008) 疲劳分析参数化程序中的高效气动弹性模拟。NLR-TP-2008-587。[13] H. Timmermans, B.B.Prananta (2016) 飞机设计过程中的气动弹性挑战。第六届飞机设计合作研讨会,波兰华沙。NLR-TP-2019-368。[15] L. Paletti, W.M.[14] L. Paletti、E. Amsterdam (2019) 增材制造对航空航天部件结构完整性方法的影响。van den Brink、R. Bruins、E. van de Ven、M. Bosman (2020) 航空航天增材制造设计:拓扑优化和虚拟制造。NLR-TP-2020-285。[16] J.C. de Kruijk (2018) 使用机器人技术实现复合材料自动化制造可降低成本、交货时间和废品率 - STO- MP-AVT-267-12。NLR-TP-2018-143。[17] W.M.van den Brink、R. Bruins、C.P.Groenendijk、R. Maas、P. Lantermans (2016) 复合热塑性水平稳定器扭力箱的纤维引导蒙皮设计。NLR-TP-2016-265。[18] P. Nijhuis (2020) 复合格栅加固板的环保生产方法。在 2020 年阿姆斯特丹 SAMPE 欧洲会议上发表。[19] M.H.Nagelsmit、C. Kassapoglou、Z. Gürdal (2010) 一种用于提高损伤容限的新型纤维放置架构。NLR-TP-2010-626。[20] A. Clarke、R.J.C.Creemers, A. Riccio, C. Williamson (2005) 全复合材料耐损伤翼盒的结构分析与优化。NLR-TP-2005-478。
[1] EH Baalbergen、E. Moerlan、WF Lammen、PD Ciampa (2017) 支持未来飞机高效协同设计的方法。NLR-TP-2017-338。[2] AJ de Wit、WF Lammen、HS Timmermans、WJ Vankan、D. Charbonnier、T. van der Laan、PD Ciampa (2019) 飞机供应链的协同设计方法:多层次优化。NLR-TP-2019-202。[3] WF Lammen、P. Kupijai、D. Kickenweitz、T. Laudan (2014) 将发动机制造商的知识整合到初步飞机尺寸确定过程中。NLR-TP-2014-428。 [4] E. Amsterdam、JW Wiegman、M. Nawijn (2021) 铝合金疲劳裂纹扩展速率的幂律行为和转变。国际疲劳杂志,待提交。[5] FP Grooteman (2020) 使用光纤布拉格光栅传感器进行多载荷路径损伤检测。NLR-TP-2020-415。[6] FP Grooteman (2019) 概率故障安全结构风险分析。NLR-TP-2020-416。在 2019 年 ASIP(飞机结构完整性计划)会议上发表。[7] FP Grooteman、E. Lee、S. Jin、MJ Bos (2019) 极限载荷系数降低。在 2019 年飞机结构完整性计划 (ASIP) 会议上发表。 [8] E. Amsterdam,FP Grooteman (2016) 应力状态对疲劳裂纹扩展幂律方程指数的影响。NLR-TP-2016-064。 [9] E. Amsterdam (2021) 金属合金拉伸-拉伸疲劳中裂纹扩展速率的现象学模型。待提交。 [10] WJ Vankan、WM van den Brink、R. Maas (2017) 飞机复合材料机身结构模型的验证与相关性——初步结果。NLR-TP-2016-172。 [11] JW van der Burg、BB Prananta、BI Soemarwoto (2005) 几何复杂飞机配置的气动弹性 CFD 研究。NLR-TP-2005-224。 [12] J. van Muijden、BB Prananta、RPG Veul (2008) 疲劳分析参数化程序中的高效气动弹性模拟。NLR-TP-2008-587。[13] H. Timmermans、BB Prananta (2016) 飞机设计过程中的气动弹性挑战。第六届飞机设计合作研讨会,波兰华沙。[14] L. Paletti、E. Amsterdam (2019) 增材制造对航空航天部件结构完整性方法的影响。NLR-TP-2019-368。[15] L. Paletti、WM van den Brink、R. Bruins、E. van de Ven、M. Bosman (2020) 航空航天中的增材制造设计:拓扑优化和虚拟制造。NLR-TP-2020-285。 [16] JC de Kruijk (2018) 使用机器人技术实现复合材料的自动化制造,降低成本、缩短交货时间和提高废品率 - STO- MP-AVT-267-12。NLR-TP-2018-143。[17] WM van den Brink、R. Bruins、CP Groenendijk、R. Maas、P. Lantermans (2016) 复合材料热塑性水平稳定器扭力箱的纤维转向蒙皮设计。NLR-TP-2016-265。[18] P. Nijhuis (2020) 复合材料格栅加筋板的环保生产方法。在 2020 年阿姆斯特丹 SAMPE 欧洲展会上发表。[19] MH Nagelsmit、C. Kassapoglou、Z.Gürdal (2010) 一种提高损伤容限的新型纤维铺放结构。NLR-TP-2010-626。[20] A. Clarke、RJC Creemers、A. Riccio、C. Williamson (2005) 全复合材料损伤容限翼盒的结构分析与优化。NLR-TP-2005-478。