立式加工中心早期故障期研究

罗静 李佰川 刘诗喻

摘要：为了确定数控机床的早期故障试验时间，本文以某立式加工中心现场试验数据为例，首先通过对数据的线性相关性检验，初步判断其故障间隔时间的分布类型。在浴盆曲线的基础上，建立两重威布尔分段模型。再通过极大似然法求解模型参数，并结合Minitab软件进行拟合优度检验，从而确定立式加工中心的早期故障期，为企业排除早期故障，进行可靠性试验提供一定的理论依据。

关键词：立式加工中心;早期故障期;威布尔分布

数控机床作为大型、复杂、可修的机电产品，在整个运行周期内各类故障层出不穷。其中机床在使用初期所产生的故障严重影响着机床企业的信誉度和用户的经济效益。[1]企业如何在机床出厂前排除早期故障，提高产品的可靠度和品牌的信任度成为了当前急需解决的问题。本文以某企业立式加工中心所收集到的23条有效数据，对其早期故障期进行了计算求解。

1 模型初选

利用收集到的23条有效数据，进行故障间隔时间统计，结果如表1所示。

2.3 拟合优度检验

Minitab软件中概率图（Probability Plots）图形是用于评价某种分布拟合数据的优劣。[5]选用概率图中的Anderson-Darling统计量来检验故障间隔时间分布与所选模型的拟合度。

由图3可以看出，威布尔分布概率图显示数据散点基本都处于95%的置信区间内。威布尔分布通过Anderson-Darling检验的P值为0.167>0.05，因此，确定立式加工中心的寿命分布类型为威布尔分布。

3 早期故障期的确定

根据两重威布尔分布模型，计算其拐点值t1=2165h，即立式加工中心的早期故障一般为2165h左右，根据每天三班制原则，大约三个多月，这与企业根据用户反馈的情况基本符合，即机床在刚开始使用的三个多月所发生故障次数比之后几个月发生的次数多。

4 结语

本文以立式加工中心为例，先通过故障数据的相关性检验，初步确定其符合的分布类型，建立相应的可靠性分析模型。最后基于Minitab的威布尔分布概率图检法，以AD（Anderson-Darling）值最小原则来确定立式加工中心的分布模型符合威布尔分布，从而确定其早期故障期，为企业进行可靠性试验，排除早期故障提供了理论依据。

参考文献：

[1]杨兆军，陈传海，陈菲，等.数控机床可靠性技术的研究进展[J].机械工程学报，2013，49（20）：130-139.

[2]冷建飞，高旭，朱嘉平.多元线性回归统计预测模型的应用[J].统计与决策，2016（07）：82-85.

[3]丛明，王冠雄，谢书文，等.加工中心早期故障的两重威布尔模型研究[J].组合机床与自动化加工技术，2015（04）：78-82.

[4]顾国梁，王景芹.失效数据的威布尔分布建模与参数估计方法[J].河北工业大学学报，2015，44（03）：7-16.

[5]陈振中，贾宇航，李海峰，等.基于MINITAB的飞机辅助动力装置的壽命分析[J].航空维修与工程，2018（09）：93-95.