汽车涂装喷涂机器人自动化生产线工艺优化研究

王海平

（1.浙江大学工程师学院，浙江杭州 310015；2.亚欧汽车制造（台州）有限公司，浙江台州 318057）

0 引言

随着汽车智能制造新技术的不断推进，加速了国内汽车制造业的飞速发展，同时也推动国内汽车制造业不断地转型升级。随着汽车制造在科技上不断进步和创新，对产品的需求也提出了更高的要求。汽车制造业在经历“新冠疫情”冲击和“汽车芯片”紧缺的影响后，市场竞争变得更加激烈。在强大的市场竞争压力下，企业只能通过提升生产效率、降低制造成本来提升企业的竞争优势。现以某新能源A汽车公司B1B2涂装工艺的机器人自动化喷涂生产线工艺优化为例，利用约束理论找出影响喷涂机器人自动化生产线效率的瓶颈问题，通过对其进行改善来提升生产线效率。

1 约束理论方法

约束理论（Theory of Constraints，简称“TOC”）是企业识别并消除在实现目标过程中存在的制约因素（即约束）的管理理念和原则。它是在20世纪80年代由以色列物理学家、企业管理大师艾利·高德拉特博士（Dr. Eliyahu M. Goldratt）提出的。约束理论是管理活动中关于进行改进和如何最好地实施的一套管理理念和方法，可以帮助制造企业识别出自动化生产线在实现目标过程中存在的“瓶颈”，并进一步指出如何实施必要的改进措施来消除这些“瓶颈”，从而更有效地实现企业目标。约束理论的主要目的就是如何找出自动化生产线的生产瓶颈，并消除生产线各工序存在的瓶颈制约，通过对生产线各瓶颈工序进行持续改进来提高整条生产线的生产效率。约束理论的主要实施步骤如图1所示。

图1 约束理论改善步骤Figure 1 Improvement steps of TOC theory

2 涂装车间B1B2机器人喷涂生产线工艺流程

A公司涂装车间有5条生产线体，分别为：前处理电泳生产线、电泳打磨生产线、机器人涂胶生产线、机器人自动化喷涂生产线和终检报交返修生产线等。涂装车间具体工艺流程如图2所示。

图2 A公司涂装车间的工艺流程图Figure 2 Process flow chart of painting shop of company A

其中喷涂机器人自动化生产线是A公司涂装车间的一条关键生产主线，整条生产线的设备程序和工艺控制较复杂，生产工艺全部通过自动化联锁设备按照设定的程序完成相应的作业。整条生产线共设8个工作站，每个工作站设备都是按照既定的设备程序自动进行作业并完成生产任务。机器人喷涂生产线的具体工艺流程如图3所示。

图3 机器人喷涂生产线工艺流程图Figure 3 Process flow chart of robot spraying production line

机器人喷涂生产线每个工作站的设备数量及工艺任务详见表1。

表1 机器人喷涂生产线的工艺流程简介Table 1 Brief introduction of the process flow of robot spraying production line

3 机器人喷涂生产线工艺优化

机器人自动化喷涂生产线工艺优化的方法及改进步骤具体如下：

（1） 利用大数据统计工具对机器人自动化喷涂生产线设备作业时间进行实时在线统计，通过Power BI工具进行数据分析；

（2） 通过约束理论方法去识别制约机器人喷涂生产线效率提升的瓶颈问题点并对其进行分析，找出影响生产线效率提升的瓶颈工序和设备；

（3） 非瓶颈工序要迁就瓶颈工序，对瓶颈工序进行标记，使用大数据工具对识别输出的瓶颈工序或瓶颈设备进行实时跟踪统计，最终锁定制约生产线效率提升问题的真因；

（4） 利用机器人喷涂优化数学模型和“ECRSI”精益改善原则，即：取消（Eliminate，E）、合并（Combine，C）、重排（Rearrange，R）、简化（Simplify，S）和增加（Increase，I）。对制约生产线效率提升的瓶颈工序和设备进行改善，并对实施效果进行跟踪验证；

（5） 完成一轮改善循环后，再回过头来对生产线制约因素进行重新识别、改善、优化等，通过对制约整条生产线的瓶颈问题进行持续改善，直至达成整条生产线最终改善目标。

3.1 机器人喷涂生产线各工序制约因素识别

机器人自动化喷涂生产线的设备自动化程度较高，整个生产工艺均通过自动化设备实现，整条生产线上设备与设备之间通过工业以太网进行相互连锁，若其中一台设备出现异常不能正常工作，就会导致整条生产线停线，因此，整条生产线上的所有设备可以看作一个系统整体，即可以将所有连锁的设备视作一台整体大的设备。为了消除人员统计误差，更准确地统计出每个自动化设备的作业时间，利用大数据统计原理［1］，通过在PLC（Program Logix Controller，可编程控制器）程序中设置计时功能，使用Power BI数据统计工具进行实时数据统计，并记录机器人自动化喷涂生产线过程中的详细数据。具体数据收集采集方式，详见机器人喷涂生产线数据统计网络图（图4）。

图4 机器人喷涂生产线数据统计网络图Figure 4 Data statistics network diagram of robot spraying production line

机器人喷涂生产线各工序产能统计表见表2。

表2 机器人喷涂生产线各工序产能统计表Table 2 The production capacity statistics of each process of the robot spraying production line

通过数据统计分析找出制约机器人喷涂生产线产能提升的瓶颈工序分别为：BC0机器人工作站、BC2机器人工作站和CC1机器人工作站，这3个工作站的实际产能均低于设计产能，设备循环时间（CC）均大于设计节拍时间（TT），具体结论如下：

（1） 基于约束理论进行第1个循环分析，找出了机器人喷涂生产线BC0机器人工序是第1个循环需要改善的“瓶颈”工序，整个工序循环时间（CT）为105 s，大于设计节拍时间（TT）100 s。

（2） 基于约束理论进行第2个循环分析，找出了机器人喷涂生产线BC2机器人工序是第2个循环需要改善的“瓶颈”工序，整个工序循环时间（CT）为103 s，大于设计节拍时间（TT）100 s。

（3） 基于约束理论进行第3个循环分析，找出了机器人喷涂生产线CC2机器人工序是第3个循环需要改善的“瓶颈”工序，整个工序循环时间（CT）为102 s，大于设计节拍时间（TT）100 s。

3.2 机器人喷涂生产线“瓶颈”工序问题分析

对制约机器人喷涂生产线的瓶颈工序的工艺问题进行分析，其中机器人喷涂生产线设备循环时间（CT）的计算公式［2］详见公式1。

CT=机器人喷涂时间+机器人清洗换色时间 （1）

式（1）中：CT是指机器人从接收到命令开始喷涂至最终完成喷涂作业所用的时间，包括机器人实际有效喷涂时间和机器人喷涂过程中的等待时间；机器人清洗换色时间是指机器人在喷涂不同颜色车身或工件时，中间需要对雾化器或喷枪进行清洗并更换填充上下各工件需要喷涂的涂料，整个作业过程的时间。

3.2.1 BC0工作站机器人作业时间统计分析

对机器人喷涂生产线BC0工作站机器人喷涂工艺进行分析，其中BC0工作站共计4台喷涂机器人，其喷涂作业顺序为：BL1→BR1→BL2→BR2，机器人喷涂生产线BC0工作站的机器人工艺布局详见图5。

图5 BC0工作站机器人工艺布局图Figure 5 Process layout of BC0 workstation robots

对机器人喷涂生产线BC0工作站各机器人的喷涂作业内容及作业时间进行统计，结果详见表3。

表3 BC0工作站机器人作业时间统计表Table 3 Operation time statistics of BC0 workstation robots

由表3可见，喷涂机器人BL1和BR1的循环时间（CT）超出了设计节拍时间（TT），需要对机器人喷涂轨迹及作业内容进行详细统计分析，并对机器人循环时间进行优化改善。

3.2.2 BC2工作站机器人作业时间统计分析

对机器人喷涂生产线BC2工作站机器人工艺形式及喷涂作业时间进行统计分析，其中BC2工作站共设8台喷涂机器人，整个车身外板喷涂采用2道成膜的喷涂工艺，即整个车身外表面喷涂色漆共计可以分为2个喷涂工作站，每个喷涂工作站由4台机器人组成，详细的机器人喷涂作业顺序如下：

（1） 第1道喷涂工作站的机器人喷涂作业顺序为：BL1→BR1→BL2→BR2；

（2） 第2道喷涂工作站的机器人喷涂作业顺序为：BL3→BR3→BL4→BR4。

BC2工作站机器人喷涂作业工艺布局形式详见图6。

图6 BC2工作站机器人工艺布局图Figure 6 Process layout of BC2 workstation robots

对BC2工作站各机器人的喷涂作业内容及作业时间进行统计，结果详见表4。

表4 BC2工作站机器人作业时间统计Table 4 Operation time statistics of BC2 workstation robots

由表4可见，BL1、BR1、BL3和BR3机器人的循环时间（CT）超出了设计节拍时间（TT），需要对机器人喷涂轨迹及作业内容进行详细统计分析，并对机器人作业时间进行优化改善。

3.2.3 CC2工作站机器人作业时间统计分析

对机器人喷涂生产线CC2工作站机器人工艺形式及喷涂作业时间进行统计分析，其中CC2工作站共设6台喷涂机器人，整个车身外板喷涂采用2道成膜的喷涂工艺，即整个车身外表面喷涂清漆共计分为2个清漆喷涂工作站，每个喷涂工作站由3台机器人组成，详细的机器人喷涂作业顺序如下：

（1） 第1道喷涂工作站的机器人喷涂作业顺序为：CL1→CR1→CL2；

（2） 第2道喷涂工作站的机器人喷涂作业顺序为：CL3→CR3→CR4。

CC2工作站机器人喷涂作业工艺布局形式详见图7。

图7 CC2工作站机器人工艺布局图Figure 7 Process layout of CC2 workstation robots

对CC2工作站各机器人的喷涂作业内容及作业时间进行统计，结果详见表5。

表5 CC2工作站机器人作业时间统计表Table 5 CC2 workstation robot operation time statistics

由表5可见，CL1、CR1、CL2、CL3、CR3和CR4机器人的循环时间（CT）均超出了设计节拍时间（TT），需要对机器人喷涂轨迹及作业内容进行详细统计分析，并对机器人作业时间进行优化改善。

3.3 机器人喷涂生产线工艺优化改善

3.3.1 机器人喷涂工艺优化方法确定

要对机器人喷涂工艺和喷涂轨迹进行优化，前提是在确保实际工件的喷涂膜厚、外观和漆膜质量保持不变的基础上，再对机器人的喷涂时间、喷涂轨迹和喷涂参数等工艺参数进行优化。为了更科学和精确地实现对机器人喷涂仿形轨迹及机器人喷涂工艺参数之间的相互优化，建立机器人喷涂工艺参数和机器人喷涂轨迹的数据优化模型［3］，详见公式2。

式（2）中：P—喷涂的涂料流量，mL/min；δ—干膜厚度，μm；η—机器人喷涂上漆率，%；NV—涂料施工固体分，%；W—机器人喷幅的宽度，mm；v—机器人喷涂移动速度，mm/s。

对机器人喷涂工艺和喷涂工艺参数的优化，可以根据机器人喷涂工艺参数和机器人喷涂轨迹的数据优化模型进行。在不影响车身外观质量的前提下，提升机器人的喷涂速度，可以提升机器人的喷涂效率。对机器人喷涂工艺的优化原则主要依据“ECRSI”改善原则。对机器人喷涂作业时间或动作进行优化时，要重复执行“ECRSI”改善，不断进行优化、实践、分析和再优化来达到更高的效率［4］。

依据“ECRSI”改善原则和机器人喷涂工艺参数和机器人喷涂轨迹的数据优化模型，对机器人喷涂生产线瓶颈工位机器人的喷涂轨迹和喷涂参数进行优化，优化流程详见图8。

图8 机器人喷涂轨迹和工艺参数优化流程Figure 8 Robot spraying trajectory and process parameter optimization process

3.3.2 瓶颈工作站的机器人优化效果验证

对机器人喷涂生产线各工序机器人喷涂工艺进行优化后，BC0机器人工作站、BC2机器人工作站和CC2机器人工作站等的生产效率得到了明显提升，改善后机器人喷涂生产线的产能也相应得到提高。机器人喷涂工艺优化改善前后效果对比见图9。

图9 机器人喷涂工艺优化改善前后效果对比Figure 9 Comparison of the effect before and after the optimization and improvement of robot spraying process

4 结语

随着中国制造2025战略不断推进，正加速制造业向智能化方向转型，企业需要在保证生产质量的基础上，通过在技术和方法上的创新提升生产效率，降低生产制造成本。随着汽车制造业竞争的加剧，企业只能通过提升生产效率降低制造成本来提升企业的竞争优势。在当前新形势下，智能化设备在制造业中发挥的作用越来越重要，面对高自动化的设备管理，不但要有快速反应去接受科技创新，还要能够结合实际需要找到一种科学的方法去提升生产效率和设备管理水平。