MSA测量系统分析法在铁路货车轮对轴颈自动化检测中的运用

陆超峰，任建辉

(中国铁路上海局集团有限公司 杭州北车辆段，浙江 杭州 310000)

随着铁路的发展，工业自动化智能化在铁路货车检修系统越来越普及，越来越多的铁路货车检修单位引进了配件自动化检测设备。随着自动化检测设备使用时间的增加，设备发生老化，其各项性能指标下降，如何及时发现设备检测失准，防止产生批量质量问题，是检测自动化实施过程中面临的突出问题。

1 既有自动化检测设备性能评估方法

自动化检测设备首末件鉴定法，是通过对首末两个时间点的鉴定来确认这两个时间点之间的检测数据有效，该方法效果不理想。而依据设备每次使用前的日常性能校验来判断该设备的性能状态是否良好的方法也并不能反映设备的稳定性。因此需要制定一个科学合理的自动化检测设备稳定性评判方法。

2 MSA测量系统分析法

目前质量分析学最常用的分析测量过程的方法是测量系统分析法，也称MSA(Measurement System Analysis)，就是对整个测量系统的重复性和再现性进行评估。重复性EV(Repeatability)研究指以同一测量设备、同一测量人员，测量同一批待测物之同一品质特性所产生的测量差异；再现性AV(Reproducibility)研究指以同一测量设备、不同测量人员，测量同一批待测物之同一品质特性所得平均测量值差的最大值，此类研究也称为GRR或R&R研究。自动化检测设备已极大地规避了人员和环境的影响，故无须做整个测量系统的GRR研究,只需研究设备本身的重复测量稳定性，即MSA分析法中最常用的量具能力指数Cg/Cgk评估方案。该方案是通过多次重复测量标准件，基于测量数据的标准差进行公式计算，再根据计算得出的值来评估测量系统中量具的偏倚和测量标准件时的重复性是否合格。计算公式如下：

Cg=KT/6S

(1)

Cgk=(0.1T-|Bi|)/3S

(2)

(3)

式中：Cg——量具重复精度能力系数；

Cgk——量具准确精度能力系数；

K——缩小系数，一般取0.2；

T——被测工件的公差；

S——标准差；

Bi——偏差，平均值与标准值的差值;

X——样本数据；

n——样本个数。

由公式(1)中的KT乘积可知允许测量结果分布宽度，由6S可知实际达到的测量结果分布宽度，且根据正态分布理论，事件发生在6个标准差之内的概率在99%以上，因此由公式(1)能科学地反映出数据的离散度。公式(2)是由公式Cgk=Cg-|Bi|/3S演变而来，考虑了偏差，能同时反映数据的离散度和准确性。

由公式(1)～(3)可知，Cg值与公差T成正比，与标准差S成反比，值越大，说明数据越集中；Cgk值与公差T成正比，与偏差Bi和标准差S成反比，值越大，数据越准确且越集中。

根据评估方案判定标准,Cg/Cgk值均不小于1.33时表明测量系统性能状态重复性合格；若小于1.33时，则表明设备状态不稳定，应及时进行调修。

3 MSA的运用实践

3.1 总体方案

以铁路货车轮对轴颈自动测量机为研究对象，通过连续多次的日常性能校验，获取25组检测标准样环数据作为计算检测设备量具能力的数据，通过Cg/Cgk值判断设备重复测量的稳定性。

3.2 数据采集

铁路货车轮对轴颈自动测量机的日常性能校验是设备自带功能，通过左右2个高精度磁栅尺分别测量配套样环尺寸,左端样环标准值为149.992 mm，右端样环标准值为149.993 mm，每次性能校验测量3次，每端获取3组数据(表1)，同时收集连续日常性能校验测量样环25组数据(表2)。该设备日常性能校验是通过比对测量值与标准值的差值来判定设备状态是否良好，设备管理标准要求差值不大于0.005 mm。一般情况下，每日上午、下午使用前各进行一次日常性能试验。

表1 轮对轴颈自动测量机的日常性能校验采集数据 mm

表2 连续日常性能校验检测样环25组数据示例 mm

3.3 数据分析

3.3.1 数据分析软件

使用Minitab软件对数据进行MSA分析。将左端测量装置所得的25组最新数据录入到工作表中，从工具栏中找到“统计”→“质量工具”→“量具研究”→“类型1量具研究”，使用Minitab软件自带量具分析功能，在参数设置界面输入标准值和公差，所得分析结果如图1所示。

图1 Minitab软件分析结果

3.3.2 数学模型的适配

轮对轴颈自动测量机有左右两套测量装置，Minitab每次只能进行单端分析，数据更新的方式相对繁琐。为了方便现场实际运用，在Excel软件中搭建了Minitab数学模型。

参照Minitab的数学模型，并根据Cg/Cgk计算公式,利用Excel软件表格与图表的设计功能，将左右两组数据的数学模型结合在一起，定义为轮对轴颈自动测量机MSA数学模型，将表2中数据代入后，所得分析结果如图2所示。

图2 Excel软件建立的MSA数学模型分析结果

3.3.3 数据分析

由图2可知，轮对轴颈自动测量机左端测量装置的尺寸运行图波动较大，且波动处于变大的趋势，最新的几组数据都突破了尺寸运行图的下限，继续查看左端装置Cg/Cgk值，均小于1.33，判断为设备稳定性不合格。右端装置数据稳定，Cg/Cgk值达标，判断为设备稳定性合格。对比这几日的日常性能校验记录，轮对轴颈自动测量机左端的检测数据波动虽然不超过日常性能校验合格判断标准的0.005 mm,但是数据波动比右端要明显偏大。

为了验证MSA分析的有效性，暂未停用设备进行维修调整，继续观察设备后续日常性能校验情况。次日，轮对轴颈自动测量机左端日常性能校验就显示了不合格，有两次数据都超过了允许范围。为了进一步验证左端测量装置的性能状态，排查了2020年初至今的所有日常性能校验记录，发现轮对轴颈自动测量机左端测量装置共发生5次不合格，右端测量装置采集数据均合格，再次表明该设备左端测量装置不符合测量要求，须进行调整。表3为2020年历次轮对轴颈自动测量机日常性能校验不合格记录。

表3 2020年历次轮对轴颈自动测量机日常性能校验不合格记录

3.5 检修调整

根据MSA分析结果,更换了测量机左右两侧的样环，并对左端测量装置进行了调整。调修后连续做了9次性能校验，并取25组数据再次进行分析，图3为分析结果。由图3可知，左端尺寸运行图比调修前稳定，且Cg/Cgk值均超过了1.33，符合测量要求。

图3 调修后的轮对轴颈自动测量机MSA分析结果

由此可知，MSA测量系统能力指数Cg/Cgk评估法能在设备日常性能校验的基础上评估设备自动化检测装置的稳定性，更好地监测设备的性能状态。

4 结语

目前，检修现场已经将MSA测量系统分析法与日常性能校验同步开展，使用FineReport软件实现MSA数学模型的信息化，自动获取最新的数据并同步至MSA数学模型中，实现对轮对轴颈自动检测设备稳定性的监控。并计划对轴承自动测量装置及轮对自动检测机进行MSA数学模型适配，实现对各个自动化检测设备的性能状态监控，提升测量精准度，保证高水平的检修质量。建议将MSA测量系统分析法在全路货车自动化检测设备中推广使用。