汽车变速器生产制造过程中废品优化方法探索

宋涛

摘要：聚焦汽车变速器生产制造过程中的废品优化方法，介绍了某变速器产品废品单台成本逐年降低的全过程，包含废品思维的转变、废品优化方法、典型问题的解决措施以及“零工废”目标思路的拓展。归纳总结了理论废品的优化措施，并介绍了利用本方法分别解决某变速器产品理论废品和异常废品的实例，最后阐述了此方法在其他领域的拓展。方法适用于发动机、变速器、电驱动等大批量生产制造企业的废品优化。通过对某变速器产品废品优化实例的介绍，为其他生产制造企业的废品优化提供参考。

关键词：汽车变速器；废品优化；废品思维；理论废品；异常废品

目前对于生产制造企业废品的研究主要集中在几个方面：

1）从会计学的角度对于完善废品损失核算的探讨，如廖荣华[1]的文章介绍了财务上应该如何对正常废品和非正常废品进行记账，在文章中划分正常和非正常废品的标准是行业废品损失率（或公司自行制定的标准），如果实际废品损失率低于这个数值，则为正常废品损失，否则为非正常损失。

2）从设备的角度，介绍如何降低废品率，如张彦明，沈杰等人[2]的文章对数控铣床加工过程中废品产生原因进行深度解析，从六个维度出发，分别是加工工序错误、刀具用错、程序调错、原点设错、加工坐标系参数偏差大和对刀值输错，这六个维度可以统一归纳为初始加工（当班首件、换刀、换线）的废品优化，属于大批量生产中的标准化操作卡中的操作方法的内容。

3）从成本管理方法的角度，介绍如何控制成本，如何春艳的文章[3]以A公司Ｘ项目的成本管理为研究对象，提出了“全过程、全要素和全员”的全面成本管理的思路和方法。袁扬、钟小剑等人[4]的文章应用“佩恩特图”统计方法来加强总装车间对废品的管理与控制。

何春艳的文章侧重的是项目成本管理方法，袁扬、钟小剑等人的文章侧重的是废品统计方法，本文要介绍的废品优化方法即是一种管理方法，也是一种技术实现手段，从生产制造过程全局角度出发，研究如何有效地对生产制造过程的废品进行优化。本文所研究的废品是指生产线的工废，不包含料废（原材料缺陷导致的废品）。

在某变速器制造成本构成中，在投产初期生产制造过程中的废品成本占总成本的比例较高，每年的废品优化目标值是基于前一年的实际值进行制定的，引申出以下几条信息：

1）单台废品实际值在投产后的第一年有较大降幅，之后生产比较平稳，废品几乎持平。

2）废品控制指标逐年在下降，控制目标值和实际值在逐渐接近，差额从投产初期较高的废品率降到目前较低水平。

这些信息说明了两方面：通过目标管理某变速器废品控制目标值和实际值在逐渐接近，能够实现废品的逐步优化和下降。

废品思维转变

废品是可以控制的，没有对数据进行深入的挖掘与分析，没有对每一个问题锱铢必较，根本无法知道优化潜力究竟有多大。“变不可能为可能”是废品优化过程中思维转变最关键的一步。生产线的废品目标不应该仅仅是完成年度优化目标值，而是应该去探索它的最低底线，达到或者接近达到“零工废”的目标。

废品优化方法

本文介绍的废品优化方法将废品划分为两部分，理论废品和异常废品。理论废品是指在工艺设计上或人员操作上必然或者大概率会产生的废品；异常废品是指由于设备原因、人为因素等随机因素导致的废品。对于本文介绍的某变速器批量生产线，理论废品主要聚焦在刀具更换导致的废品、生产线品种切换导致的废品与破坏性检验导致的废品三方面；异常废品主要聚焦在由于设备原因、测量原因、原料原因、人为因素、环境原因及其他异常原因导致的废品。这样划分的原因是采用两种不同的管理方法和技术手段去实现废品的优化。

接下来介绍废品优化方法的具体步骤。控制废品的第一步是深究废品的来源，变速器的每一个重点零件都是由多道工序组成，每道工序都有可能产生废品。通过对每种零件废品构成的统计汇总，可以知道整个产品的废品构成情况，再进行成本排序之后，就可以得到整个变速器产品的废品重点优化方向，如图1所示。

了解了廢品构成和重点优化方向后，第二步是利用不同的技术手段来分别解决理论废品和异常废品。理论废品不区分零件、工序和设备等因素，其方法可以统一进行归纳，且不同零件、不同设备之间可以进行相互借鉴，取长补短，见表1。异常废品相对比较复杂，不同零件、不同工序、不同设备及不同时间段等所产生的异常废品是不相同的，需要具体问题具体分析。

第三步是对理论废品和异常废品问题解决进度的跟踪，制作措施效果跟踪图。这一步相当于PDCA循环中的最后一步，用于评估措施是否有效。在本文介绍的某变速器废品优化案例中，每个重点TOP问题的措施都有几十条之多，但最终真正发挥作用的只有关键几条措施。

典型问题的解决措施

本文将重点介绍两个案例，利用本方法解决某变速器产品理论废品和异常废品的案例。

1.解决轴类零件车削工序理论废品

如图2所示，零件车削工序理论废品是该零件工艺流程中数量最大的理论废品。产生废品主要原因是：数控车床安装新刀片，首件加工及调整过程中零件尺寸超差。取得成效的几个关键措施见表2，未取得明显成效的措施未列出。

措施效果跟踪图的作用十分关键，它既是从技术层面上在滚动跟踪各个措施的有效性，也是从管理层面上施加管理压力。只有不断去研究和应用新的措施才能实现每个零件废品的逐步优化，直至“零工废”或接近“零工废”。在该变速器产品废品优化过程中，技术工程师及工长每周会共同查看关键零件的措施效果跟踪图，并对未完成目标的项目进行现场分析。

2.解决齿轮零件珩齿工序异常工废

该齿轮的工艺流程大致为：滚齿倒棱→清洗→焊接结合齿→热处理→珩内孔→珩齿→清洗→抛丸→磨锥面→清洗。珩齿异常废品主要有：珩齿预检不合格产生的废品、珩齿打刀产生的废品、齿面黑皮产生的废品、加工尺寸不合格产生的废品，本文将重点介绍齿面黑皮废品是如何降低的。

影响齿面黑皮最主要的因素是：加工余量和热处理变形。解决齿面黑皮问题和解决许多其他问题相互制约。为了降低珩齿打刀可能性，珩齒加工单边余量设定值是图样下限，因此不能通过增加齿面加工余量的方式来降低齿面黑皮废品率。为了降低预检不合格产生的废品，采用了分级预检的方式，根据径向圆跳动和跨棒距的大小将预检划分为三个等级，满足第一个等级的零件可以通过预检正常加工（即正常零件），满足第二个等级而又不超过第三个等级的零件不能通过预检，采用两次加工的方式，超过第三个等级的零件直接报废，因此也不能通过提高预检阀值来降低齿面黑皮废品率。

如图3所示，通过对齿面黑皮零件的观察，发现其和正常零件还有一个重要特征：齿面黑皮零件左右侧棱宽不一致，差异很大，缺陷零件左右侧棱宽相差了0.247mm。进一步分析棱宽差异性的原因，主要是珩齿前齿轮径向圆跳动大和设备“对齿准确性”出现了问题。

（1）解决珩齿前齿轮径向圆跳动大而产生的黑皮零件  通过对工艺过程逐步分析，发现热处理前和热处理后零件径向圆跳动尺寸都能够满足图样要求，而零件通过内孔珩磨机后，齿轮径向圆跳动进一步被放大。对比齿轮内孔珩磨机和珩齿机的加工定位形式，见表3，发现定位形式不同导致齿轮中心和内孔中心出现了不同轴现象，同时在工艺设计方面又缺少对内孔珩磨后齿轮径向圆跳动的监控，从而导致这些零件流入下道工序。为此在内孔珩磨工序增加了一套在线检具，用于抽检齿轮外齿的径向圆跳动，同时填写SPR过程记录卡，发现超差或有超差趋势，及时检查和调整内孔珩磨机的夹具精度，并将夹具定期检查纳入到设备预检修清单中。

（2）解决由于“对齿准确性”而产生的黑皮零件  珩齿设备具有自动对刀系统，传感器通过分辨零件齿顶部的上升和下降趋势产生的脉冲，零件旋转一周后，找到齿与齿的中心位置，完成自动对齿。自动对刀受零件的精度影响比较大。为了控制“对齿准确性”，操作者每日进行一次手动对齿，对自动对齿结果进行校正，并将此项内容固化到设备的点检记录中。

通过这两个重点措施的实施，齿轮零件珩齿工序齿面黑皮异常废品被彻底解决。

废品思路的拓展

从2018年开始采用全新废品优化方法以来，某变速器产品的废品金额实现了大幅度的优化，2020年比2017年降低了15%以上。废品优化方法还可以扩展到其他领域，比如刀具成本优化，依据刀具耐用度和产量，可以得出刀具理论消耗量，实际消耗量减去理论消耗量即为异常消耗量。类比废品优化，刀具成本优化可以分为理论消耗量优化和异常消耗量优化。同样理论消耗量具有一定的通用性，对于某变速器产品，无论是滚刀、插齿刀、剃齿刀、刀片、砂轮、珩磨轮和修整轮等，它们要研究的方向都可以概括为：刀具耐用度的确定方式、刀具耐用度如何提高、加工余量的优化和标准换刀方法等，不同工序、不同设备、不同刀具之间还可以进行相互参考借鉴。异常消耗量和异常废品相似，需要具体问题具体分析。对于变速器产品，生产制造过程中的废品成本占比只是其中的一部分，因此后续将废品思路进行拓展应用到其他领域可以节约更多的制造成本。

结语

本文以某变速器产品为例，介绍了解决理论废品和异常废品的两个典型案例，并对比了该变速器产品两个不同阶段的废品数值，渗透了废品优化思维转变中“变不可能为可能”的关键思想。最后提出了废品思路可以在其他领域进行进一步拓展。

随着数字化技术的不断应用，废品优化方法中的第一步“废品数据源统计工作”完全可以数字化自动分析出整个产品/零件的废品率分布及趋势、成本分布及趋势、重点废品问题以及措施效果跟踪图。那么该方法将变得更为“轻巧”和更加适用于大批量生产制造企业。

参考文献

[1] 廖荣华.完善废品损失核算探讨[J].财经管理，2018（9）：122-123.

[2] 张彦明，等.数控铣床加工过程中废品产生原因的深度解析[J].自动化应用，2020（11）：170-172.

[3] 何春艳.某制造型企业X项目全面成本管理研究[D].西安：电子科技大学，2019：1-3.

[4] 袁扬，等.一种废品管控的统计方法[J].时代汽车，2019（19）：57-58.