数控机床可用性研究综述

冉琰 张根保 庾辉 章小刚 黎新龙

摘 要：数控机床可用性是可靠性、维修性和维修保障性的综合反映，是用户最为关心的一个特性。它不仅受数控机床功能故障的影响，也受诸如精度退化、性能波动、漏油等性能故障的影响，因此，孤立地研究国产数控机床的可靠性（功能故障）不足以维持产品的“可用好用状态”。分析了国产数控机床可用性的现状及研究意义，对数控机床可用性建模方法和数控机床维修决策方法的国内外研究现状进行了阐述，总结了数控机床可用性研究存在的问题和发展动态，对基于元动作单元的数控机床可用性系统化建模和以可用性为中心的数控机床主动维修决策两个亟需解决的关键科学问题提出了见解，以期为数控机床可用性研究提供思路。

关键词：数控技术；数控机床；可用性；建模；维修决策

中图分类号：TH17 文献标志码：A

文章编号：1008-1542（2018）05-0379-07

作为制造业的母机，数控机床的技术水平和产品质量对中国经济发展发挥着重要作用。目前全球经济形势严峻复杂、贸易不确定性影响因素众多，在这样的环境下，机床用户最关注的产品可用性就成了企业突围制胜、抢占市场的重要法宝。数控机床可用性是可靠性、维修性和维修保障性的综合反映[1]，不仅受功能故障的影响，也受性能故障的影响。一般情况下，为保障机床具有高的可用性可以从两个方面入手，一是提高可靠性（Reliability），即不断提高可靠性特征指标平均故障前时间（MTTF，mean time to failure），尽量做到少出或不出故障；二是保证高效的维修，即缩短平均维修时间（MTTR，mean time to repair），保证尽量用最短的时间来修复故障。

中国在《高档数控机床与基础制造装备》科技重大专项和《中国制造2025》规划纲要中，都将提升机床的可靠性作为主要目标。然而对数控机床来说，因为它是可修复的复杂机电产品，因此不仅应要求它在加工过程中不容易发生故障，还应要求在它发生故障后，比较容易进行识别以及修复，并能够准确地预报预测，采用科学合理的维修策略来预防下一次故障的发生。也就是说，不仅研究数控机床的可靠性，还要同时研究数控机床的维修性，并将两者结合起来。据统计，在两班制工作状态下，国外的数控机床开动率大约为60%～70%；但中国一般只能达到30%左右[2]，且数控机床的维修保养费用占整个寿命周期费用的20%～30%。每年因维修不当引起的故障数约占数控机床总故障数的20%，而由于数控机床的操作、保养和调整不当等引起的故障数大概占整个系统故障数的57%[3]。可以看出，孤立地研究国产数控机床的可靠性不足以维持产品的“可用好用状态”。

对制造企业来说，随着产品发展趋于成熟，企业生产过程中的质量和成本将难以再进行很大程度的提高，此时，产品的可用性将会对企业的地位产生重要影响，能够使生产者比竞争对手获得更大的商业优势[4]。而对机床企业来说，社会越进步，科技越发展，人们对数控机床可用性的要求就会越来越高，为了保证机床的市场竞争力，企业在提高数控机床可靠性的同时必然也需要提高维修效率。因此，研究数控机床的可用性，尤其是可用性建模和维修决策方法具有非常重要的理论意义和实用价值。

1 数控机床可用性建模方法

可用性建模是可用性评估的核心环节，是维修决策的重要前提。数控机床结构复杂、工况多变、故障模式繁多，直接对整机进行可用性评估和维修决策是比较困难的。常用的可用性建模方法是将数控机床按“整机—部件—组件—零件”或“产品—功能—行为—结构”进行分解，以产品结构（或零部件）体系为基础进行故障分析和可用性建模，为可用性评估和维修决策提供依据。目前，国内外对数控机床可用性建模的研究主要集中在对可靠性或维修性某一方面进行建模，包括功能部件模型、基于部件的系統模型和基于故障时间的动态系统模型。

对数控机床可靠性建模的研究，国外学者开始的比较早。KELLER等[5]对数控机床可靠性和维修性进行了系统的研究，用了3年的时间完成了35台数控机床的跟踪，记录了现场故障数据，并采用对数正态分布和威布尔分布对故障间隔时间MTBF和维修时间MTTR进行了建模分析。PALUMBO等[6]针对一种执行机构控制系统建立了功能模型，通过描述系统结构及组成单元特性，利用逻辑推理的方式对失效故障模式进行自动分析。KIM等[7]和SUNG等[8]开发了一种基于网络的分析系统，构建了机床的可靠性评估模型，对系统各组件的故障模式进行了分析，改进了机床伺服电机的可靠性。LANZA等[9]研究了机器部件的可靠性和预防性维修问题，估计了不同机械部件的可靠性参数，提出了一种基于负荷相关的随机优化算法来计算预防性维修和备件提供的最优时间，建立了相应的可靠性模型；LI等[10]、MORIDA等[11]、NEIL等[12]在假定系统的各单元的故障率与修复率都为常数的情况下，采用马尔可夫、遗传算法、混合贝叶斯网络等构建可用度评估模型，得出可修复系统的瞬时可用度解析表达式； JUAN等[13]和CATELANI等[14]采用蒙特卡罗等仿真方法对结构可靠性和可用性进行研究，对故障率和可靠性进行评估。

中国以吉林大学、东北大学、北京机床所、清华大学、华中科技大学、北京航空航天大学、南京理工大学、上海交通大学、西安交通大学、电子科技大学、重庆大学、济南铸锻所等为代表的可靠性团队对数控机床寿命周期内的可靠性、维修性建模技术及评估应用进行了深入研究，也取得了大量成果。申桂香和张英芝等[15-18]对数控机床的可用度模型进行了研究，分析了各个子系统对整机的可用性影响，计算了可用性影响度，评价了机床的可用性并给出了优化维修策略。杨兆军等[19-21]构建了数控机床可靠性综合分配模型，将区间分析、模糊综合评判和层次分析法集合起来，对加工中心的可靠性分配和评估以及维修性进行了研究，将加工中心整机可靠性分配到各子系统。WANG等[22]针对多台数控机床，采集现场试验故障数据，建立了可靠性评估模型和预防维修策略。黄洪钟等[23]针对重型数控机床不确定性分析难的特点，基于应力-强度干涉理论，提出了针对机床零部件的不精确可靠性建模与分析的一般方法，并将其应用在某型号重型数控落地铣镗床铣轴上。陈殿生等[24]对数控车床故障分布规律进行了定量研究，分析了故障率曲线的特征，对数控车床建立了故障分布模型并进行了参数估计，同时对数控车床的早期故障期进行了计算。任丽娜等[25]分析了数控机床故障发生时间，建立了数控机床最小维修情况下的非齐次泊松过程和边界强度过程模型，讨论了模型的特性并推导计算了模型参数，给出了模型计算准则。张根保和冉琰等[26-29]提出了一种元动作分解方法，将数控机床按“功能—运动—动作”分解到最基本的元动作，以产品运动（功能）体系为基础进行建模，目前已成功运用到数控机床装配过程可靠性建模和质量特性关联关系分析中，但尚未解决基于元动作单元的机床故障机理分析、可用性建模和维修决策等问题。

2 数控机床维修决策方法

数控机床的维修一般包括两种类型：一种是被动维修，另一种是主动维修。被动维修就是在产品出现故障后再对其进行维修，是非计划性的停机。主动维修又包括预防性维修和预测性维修，预防性维修一般是计划性的停机，具有周期性，包括对数控机床及其零部件进行检测、修理、更换、清洗等；预测性维修则是通过采集一系列数据进行诊断分析，估计数控机床的维修时机，尽量将修复或更换动作提前到零部件发生故障前，以减少事后修复性维修工作。数控机床维修的发展经历了3个阶段：事后维修，定期翻修和综合维修。以可靠性为中心的维修（reliability centered maintenance， RCM）是20世纪60年代美国提出的一种全新的综合维修决策理论，也是目前数控机床领域应用最为广泛的一种维修方法。其工作思路是首先了解系统的功能，对其常见故障进行分析，明确其主要故障模式、故障原因以及局部和整体影响，其次针对引起每一个故障的原因分别确定其预防性维修的工作类型，然后将这些预防性维修工作集合在一起，形成一个系统科学的预防性维修大纲。

美国是对维修性研究较多的国家。美国空军在20世纪80年代开始推行了一个关于可靠性维修性的行动计划《R&M2000》，提出了到20世纪末实现“可靠性增倍，维修性减半”的目的，在海湾战争和科索沃战争中该计划已经初步见到成效。20世纪90年代，美国汽车工程学会和福特公司共同提出了汽车行业中第一部关于机器设备的可靠性与维修性准则，并且将该方法成功运用到了克里弗兰发动机厂的 V6 发动机上，这是较早的一部可靠性与维修性准则，虽然该准则并不是专门针对数控机床的，但是作为制造工业的工作母机，对数控机床可靠性研究也有一定的指导意义。2003年，美国学者MERRICK等[30]通過建立贝叶斯半参数模型对数控机床的失效模式进行了描述，通过在贝叶斯分析中引入半参数设置，为小样本数控机床失效数据分析提供了方法，并开发了数控机床的最优替换维修策略。2006年，美国Ford汽车公司的HAGEN[31]提出了一种以可靠性为中心的维修计划，用来提高Ford公司机床的可用性。作为公司的可靠性工程师，HAGEN充分考虑了公司制造系统的可靠性和维修性条件，在确保公司能够具有最大产值的情况下提出该方案，同时他还分析了所提出的可靠性方案对数控机床的影响。

此后，RCM理论在数控机床方面得到了广泛应用。在国外，ROESCH[32]发现了一种新的浴盆曲线方法来分析质量和可靠性之间的关系预测可靠性。HEO等[33]将颗粒群优化方法运用到传动系统以可靠性为中心的维修决策中。NGUYEN等[34]运用经典故障模式、影响及危害性分析（FMECA）方法，结合机床运行现场实际故障数据，对数控机床进行了FMECA分析，由此找到了机床的典型薄弱部位以及危害性较高的故障模式，对维修决策的制定和执行有着重要的指导意义。在中国，曲玉祥等[35]对维修费用和预防性维修周期进行了研究，建立了对应的函数关系，并基于最低维修费用对两种维修策略进行了讨论。HOU等[36]建立了基于维修费用的维修策略模型，充分考虑了不完全维修状态，从失效率的角度出发，对预防性维修和机会维修两种维修策略进行了优化。苏春等[37]采用遗传算法、蒙特卡洛仿真等对设备的维修策略进行了优化。WANG等[38]对故障模式与原因之间关系进行了考虑，重新评定了故障的严酷度，采用改进的FMECA对加工中心进给系统的故障进行了优先排序，为维修决策提供了依据。

3 存在的问题及发展动态分析

通过上述国内外研究现状分析可以看出，目前中国对数控机床可用性的研究分散性和局部性特征比较明显，单独研究可靠性和维修性的多，系统化研究可用性的少，在可用性评估和维修决策方面大多是延用国外的方法，创新又实用的成果很少，具体存在的问题如下。

1） 建模方法没有充分体现“运动”和“动作”的概念

长期以来，中国数控机床的可靠性研究主要沿用国外于20世纪40年代提出的面向电子产品的工作方法。但数控机床是一种机电产品，除了控制部分，还有很大一部分是机械，而电子产品与机械产品从功能到原理结构，再到故障模式等方面都有本质性的区别。例如，电子产品是在一块电路板上焊接各种电子元件，元件之间靠电路连接，元件间没有相对运动、传动和力的作用。而机械产品（例如数控机床）的主要特点是靠部件之间的相对运动来实现产品的功能，部件的运动是靠其内部众多的运动单元在力或力矩的传递作用下完成的。要保障产品整体功能正确实现，就要首先保障各个运动单元不出故障。因此，与电子产品不同，机械产品可靠性工作的出发点应该是运动单元而不是孤立的单个元器件，建模过程要充分体现运动单元中各个零部件的相互作用（力、力矩、摩擦、磨损、振动、运动精度等）。如果机械产品继续照搬电子产品的可靠性工作方法，必然会带来各种各样的问题。

不管是静态建模还是动态建模，目前数控机床可用性分析与建模方法的基础几乎都是产品结构（或零部件），将整机按照“整机—部件—零件”的方法进行分解分析，没有从其基本特性——“运动”出发，忽略了动态影响因素，无法反映零件之间的相对运动、传动精度和作用力的传递，比较适合于电子产品的可用性建模。机电产品主要通过零部件之间的相互作用，按照“动作—运动—功能”的方式来实现整机的功能和性能，因此，在建模中必须体现“动作”和“运动”这两个核心概念。

2） 缺乏全面准确的维修决策方法

针对数控机床的维修，目前国内外应用较为广泛的是美国以可靠性为中心的维修理论（reliability centered maintenance， RCM），采用故障诊断技术，围绕狭义可靠性制定维修策略，对于保障机床可用性具有一定作用。然而，RCM针对的是功能故障，并未考虑诸如精度退化、性能波动、漏油等性能故障问题，而这些却恰恰是最为困扰国产机床用户的可用性难题，既不易诊断，又不易维修，同时还为功能故障的发生埋下隐患，如图1所示。此外，维修评估不够全面、故障的分析又与功能（运动）脱节、定位不够准确，维修决策不够主动、维修方法落不到实处等，都使得维修效果不够理想。

[8] SUNG B J， LEE J B. Reliability improvement of machine tool changing servo motor [J]. Journal of International Council on Electrical Engineering， 2011， 1（1）：28-32.

[9] LANZA G， NIGGESCHMIDT S， WERNER P. Optimization of preventive maintenance and spare part provision for machine tools based on variable operational conditions [J]. CIRP Annals -Manufacturing Technology， 2009， 58： 429-432.

[10]LI Ruiying， LIU Xiaoxi，HUANG Ning. Availability allocation of networked systems using markov model and heuristics algorithm [J]. Mathematical Problems in Engineering， 2014（1）：1-9.

[11]MORADI E， ZANDIEH M. Minimizing the makespan and the system unavailability in parallel machine scheduling problem： A similarity-based genetic algorithm [J]. The International Journal of Advanced Manufacturing Technology， 2010， 51（5）：829-840.

[12]NEIL M，MARQUEA D. Availability modelling of repairable systems using Bayesian networks [J]. Engineering Applications of Artificial Intelligence， 2012， 25（4）：698-704.

[13]JUAN A A， FERRER A， SERRAT C， et al. Potential applications of discrete-event simulation and fuzzy rule-based systems to structural reliability and availability [J]. Reliability Engineering， 2010， 41（1）：199-214.

[14]CATELANI M， CIANI L， VENZI M. Sensitivity analysis with MC simulation for the failure rate evaluation and reliability assessment [J]. Measurement， 2015， 74：150-158.

[15]申桂香，樊少華，张英芝，等. 数控机床子系统可靠性影响度分析[J]. 吉林大学学报（工学版），2010，40： 266-269.

SHEN Guixiang， FAN Shaohua， ZHANG Yingzhi， et al. Reliability influence analysis of subsystem in NC machine tools [J]. Journal of Jilin University（Engineering and Technology Edition）， 2010，40： 266-269.

[16]WEI Ling，SHEN Guixiang，ZHANG Yingzhi， et al. Research on the availability model of NC machine tool[C]//2010 International Conference on Computer， Mechatronics， Control and Electronic Engineering. [S.l.]：IEEE Computer Society， 2010：526-529.

[17]申桂香，孙曙光，张英芝，等. 数控机床可用性屋中用户可用性需求分析的合成方法[J]. 机床与液压，2016，44（12）：31-38.

SHEN Guixiang， SUN Shuguang， ZHANG Yingzhi， et al. A synthetic method for the analysis of user availability requirements in CNC machine tools Availability House [J]. Machine Tool & Hydraulics， 2016， 44（12）： 31-38.

[18]张英芝，荣峰，申桂香，等.基于市场竞争及自相关关系的数控机床可用性需求指标权重计算[J].计算机集成制造系统，2016，2（7）：1687-1694.

ZHANG Yingzhi， RONG Feng， SHEN Guixiang， et al. Weight calculation of availability demand index of CNC machine tools based on market competition and self-control [J]. Computer Integrated Manufacturing Systems， 2016， 2（7）： 1687-1694.

[19]杨兆军，郝庆波，陈菲，等. 基于区间分析的數控机床可靠性模糊综合分配方法[J]. 北京工业大学学报，2011，37（3）：321-329.

YANG Zhaojun， HAO Qingbo， CHEN Fei， et al. A comprehensive fuzzy reliability allocation method of nc machine tools based on interval analysis [J]. Journal of Beijing University of Technology， 2011， 37（3）： 321-329.

[20]YANG Zhaojun， ZHU Xiaocui， JIA Yazhou， et al. Fuzzy-comprehensive valuation of use reliability of CNC machine tools[J]. Journal of Key Engineering Materials，2011， 464： 374-378.

[21]杨兆军，李洪洲，陈传海，等. 考虑定时截尾数据的数控机床可靠性Bootstrap区间估计方法[J]. 机械工程学报，2017， 53（7）：129-137.

YANG Zhaojun， LI Hongzhou， CHEN Chuanhai， et al. Bootstrap interval estimation of reliability for numerical controlled machine tools considering the time-censored data [J]. Journal of Mechanical Engineering， 2017， 53（7）： 129-137.

[22]WANG Zhiming， YANG Jianguo. Numerical method for Weibull generalized renewal process and its applications in reliability analysis of NC machine tools [J].Computers & Industrial Engineering， 2012， 63（4）：1128-1134.

[23]黄洪钟，刘征，米金华，等.混合不确定性下机床主轴可靠性建模与分析[J]. 中国科学：物理学力学天文学，2018，48（1）：1-12.

HUANG Hongzhong， LIU Zheng， MI Jinhua， et al. Reliability modeling and analysis of heavy-duty CNC machine ttol spindle under hybrid uncertainty [J]. Scientia Sinica Physica， Mechanica & Astronomica， 2018， 48（1）： 1-12.

[24]陈殿生， 王田苗， 魏洪兴. 数控车床故障分布的两重威布尔分段模型[J]. 北京航空航天大学学报， 2005， 31（7）： 766-769.

CHEN Diansheng， WANG Tianmiao， WEI Hongxing. Sectional model involving two Weibull distributions for CNC lathe failure probabi-lity [J]. Journal of Beijing University of Aeronautics and Astronautics， 2005， 31（7）： 766-769.

[25]任丽娜， 芮执元， 李建华. 故障强度为边界浴盆形状的数控机床可靠性分析[J]. 机械工程学报， 2014， 50（16）： 13-20.

REN Lina， RUI Zhiyuan， LI Jianhua. Reliability analysis of numerical control machine tools with bounded and bathtub shaped failure intensity [J]. Journal of Mechanical Engineering， 2014， 50（16）： 13-20.

[26]张根保，刘佳，葛红玉，等. 基于广义随机Petri网的装配可靠性建模[J]. 计算机集成制造系统，2012，18（3）：507-512.

ZHANG Genbao， LIU Jia， GE Hongyu， et al. Modeling for assembly reliability based on generalized stochastic Petri nets [J]. Computer Integrated Manufacturing Systems， 2012， 18（3）： 507-512.

[27]李冬英， 李梦奇， 张根保，等. 元动作装配单元误差源及误差传递模型研究[J]. 机械工程学报， 2015， 17： 146-155.

LI Dongying， LI Mengqi， ZHANG Genbao， et al. Mechanism analysis of deviation sourcing and propagation for meta-action assembly unit [J]. Journal of Mechanical Engineering， 2015， 17： 146-155.