简介围绕纯电动汽车电池包线上装配这一主题这份PDF资料面向新能源汽车制造、总装工艺规划及相关研发人员聚焦电池包体积重量大、装配节拍紧张而难以在传统底盘线高效合装的实际问题给出从工位布局到随行设备选型的完整参考。资源为1个PDF文件大小3.28MB内容源自期刊文章结合奇瑞商用车案例梳理了电池包常见布置形式、纯电动汽车与传统燃油车装配线的差异并重点阐述底盘线合装方案改造L形吊具至2t承载能力、预留四个工位以及引入AGV合装小车实现线上装配。文章提供了AGV循环运行时间不超过320秒、随行同步精度±10mm、驱动与安全保护系统等关键设计参数也包含吊装、举升、预拧紧等具体操作流程可帮助读者快速理解工艺改造要点。目前已有100人学习/下载适合汽车制造技术人员作为工艺设计、产线升级或相关课题研究的参考资料。1. 电池包线上装配真正卡住产能的不是机器人而是拧紧和追溯一条纯电动汽车总装线开始爬产的时候卡住产能的往往是那个看起来最简单的工位电池包合装。20 多颗螺栓每一颗都要按设定扭矩拧紧、记录角度、上传数据。一次返工意味着整台车下线、拆包、重新检测代价远高于其他任何工位。这也是为什么「电池包线上装配」在整车厂里跟外行想的不一样——它不是靠一台机器人把电池包举起来对上就完事而是一整套从定位基准、拧紧策略、视觉补偿、防错互锁到质量追溯的工艺与数据链路。这篇按这条链路从头拆到尾适合正在做产线规划、工艺开发或装配数据系统的人看。2. 线上装配的工艺分解定位基准、拧紧体系与节拍计算电池包线上装配之所以难在于它同时面对两个约束来料状态波动和整车主线节拍。电池包壳体是铝挤压型材焊成的框架自身公差比车身底板大而从分装区运到合装工位的输送过程还会引入二次定位误差。所以第一步不是急着选机器人而是把「装什么、怎么定位、怎么拧紧、多长时间拧完」这几件事用参数定下来。2.1 为什么电池包一定要走线上装配常见做法是电池包由分装线或 AGV 输送到合装工位在主线上完成与车身底板的对接和紧固而不是在分装区预先装好再整体上线。原因有三个。第一电池包重量大、体积大带包上线会把分装线的输送、举升和精度要求全部抬高第二电池包与车身的连接面有多处密封和定位特征必须在整车姿态下对位预先拧紧会在后续车身调整中产生附加应力第三从质量追溯角度看线上装配意味着每一颗螺栓的拧紧数据可以和整车 VIN 绑定这是售后追溯的硬要求。定位基准通常选电池包壳体上的两个定位销孔加一个平面。车身侧则是底板上的螺纹套筒。装配时先视觉拍照确认来料位置再举升合模最后按顺序拧紧。这套顺序不能乱乱了就会出现密封面压偏、螺纹拉伤甚至拧紧时壳体变形的问题。2.2 拧紧策略不是扭矩越大越好扭矩-转角法才是主流电池包与车身的连接螺栓典型规格是 M10 或 M12 的结构螺栓常见的目标扭矩范围在 80 到 120 N·m 之间具体要以设计验证为准。但这里有一个核心问题单纯扭矩控制并不可靠。同一颗螺栓螺纹摩擦系数波动 0.02同样的扭矩下夹紧力就可能差出 15% 以上。所以现在线上装配普遍采用「扭矩-转角法」先以较低扭矩将螺栓拧到贴合点再转一个预设角度让螺栓进入弹性区用角度来控制伸长量从而获得更稳定的夹紧力。这里有一个常见误解扭矩-转角法不是「拧到目标扭矩再拧多少度」。正确的顺序是——先施加一个较小的贴合扭矩比如 30 N·m确认连接面已经贴合然后从贴合点开始以角度为目标继续拧紧同时监控最终扭矩是否落在窗口内。扭矩超上限说明摩擦异常或连接面有问题扭矩低于下限说明角度还没达到预期夹紧。参数项典型设定备注控制模式扭矩-转角法贴合扭矩 目标角度贴合扭矩30 N·m以克服连接面间隙为准目标角度45° ± 10°需按样件标定弹性区斜率监控扭矩窗口80~120 N·m超出即报警拧紧转速5~20 rpm转速过快会影响扭矩读数判定规则角度到 扭矩在窗口内二者同时满足才合格另外屈服点控制在电池包装配里不推荐。电池包壳体是铝合金型材屈服行为一致性差用屈服点法容易误判而且整套标定和维护成本高。线上大批量生产要的是「可预测、可追溯」扭矩-转角法在这两点上最合适。2.3 用节拍倒推工位数量一个最小计算脚本节拍计算决定这条线需要几套拧紧轴、几个合装工位。我一般会先用一个 Python 脚本把上下游工序的周期时间拉出来计算理论工位数和负荷率再回去跟工艺对方案。下面的脚本就是一个最小版本def line_balance(tasks, takt): tasks: list of (工序名, 周期时间秒) takt: 客户需求决定的节拍时间秒 返回: 理论最少工位数与预估负荷率 total_time sum(cycle for _, cycle in tasks) min_stations math.ceil(total_time / takt) # 按负载均衡的粗略分配每个工位尽量接近 takt stations [0] * min_stations for name, cycle in sorted(tasks, keylambda x: -x[1]): idx stations.index(min(stations)) stations[idx] cycle utilization max(stations) / takt return min_stations, stations, utilization tasks [ (电池包上线输送, 25), (视觉拍照定位, 10), (举升对位, 20), (20颗螺栓拧紧, 95), (数据上传与放行, 8), ] takt 120 # 单班产出目标换算得到这段代码先算总工时除以节拍得到工位数下界再按最长作业优先做一次粗分配。运行后你会看到拧紧工序占了大头视觉拍照只有 10 秒这说明瓶颈不在视觉而在拧紧。此时要么增加一套拧紧轴做双枪并行要么把 20 颗螺栓拆成两组工位而不是去优化视觉算法。节拍计算的目的就是这个在动设备之前先用数据找出瓶颈。3. 数据驱动的装配执行视觉引导、伺服拧紧与防错互锁工艺参数定完之后落地到设备层有三个环节必须打通视觉引导纠正来料偏差、伺服拧紧轴输出可追溯数据、PLC 防错逻辑保证操作顺序不可被绕过。这三件事任何一个做不扎实前面算好的节拍都会被返工吃掉。3.1 视觉引导用相机坐标纠正来料偏差电池包从输送线到合装工位后位置不可能每次都一模一样。常见做法是在举升前用 2D 相机对电池包上的基准孔拍照计算出实际位置与理论位置在 X、Y、Rz 三个方向上的偏差再把偏差补偿给举升台或机器人。视觉的作用不是「看螺栓」而是看定位特征。下面是用 OpenCV 对基准孔做圆检测并输出偏移量的简化代码import cv2 import numpy as np def locate_hole_offset(image_path, template_center, roi(0, 0, 1280, 1024)): 在ROI区域内检测基准孔圆心并计算与理论位置的偏差。 template_center: 理论圆心坐标 (x, y) img cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) x, y, w, h roi roi_img img[y:yh, x:xw] # 二值化后找轮廓取面积接近的圆 _, thresh cv2.threshold(roi_img, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) contours, _ cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) best None for cnt in contours: area cv2.contourArea(cnt) if area 500: continue (cx, cy), radius cv2.minEnclosingCircle(cnt) if best is None or abs(radius - expected_radius) abs(best[2] - expected_radius): best (cx x, cy y, radius) if best is None: return None offset_x best[0] - template_center[0] offset_y best[1] - template_center[1] return {dx: offset_x, dy: offset_y, radius: best[2]}这段代码的核心逻辑是在电池包基准孔可能出现的小区域内用阈值分割把孔洞从背景里分离出来再通过最小外接圆拟合得到圆心最后和理论位置做差。注意实际产线上不会只拍一个孔而是至少两个孔联合解算 Rz 旋转量。偏移量输出后PLC 通过 Profinet 或 EtherCAT 把增量写入举升台的位置补偿寄存器。这套流程里最常见的坑是光照变化导致阈值不稳所以现场光源一般用低角度环形光并且每次拍照前先做一次亮度校准。3.2 拧紧数据的采集字段与合格判定规则伺服拧紧轴的优势不是「能拧」而是每一颗螺栓都能输出完整的扭矩-角度曲线。线上装配的追溯系统要存的不只是合格/不合格而是曲线上的关键点。字段设计上我一般会保留下面这些字段示例值用途VINLSVXXXXX123456789整车唯一标识station_idTP-03工位编号bolt_idBT-007螺栓点位编号program_noP-2024-01拧紧程序版本target_torque105.0目标扭矩 N·mactual_torque106.8实际最终扭矩target_angle45.0目标角度 °actual_angle47.2实际最终角度peak_torque108.3拧紧过程峰值扭矩fit_torque30.1贴合点扭矩resultPASS合格与否判定规则不是简单地「实际扭矩在窗口内就 PASS」。扭矩-转角法的判据是「角度到位且扭矩在窗口内」。角度不到位说明螺栓可能已经滑牙扭矩超上限说明摩擦异常。把判定逻辑写在 PLC 里还是数据库里我的建议是PLC 只做实时拦截谁不合格立即停线报警数据库负责事后分析和批量追溯。两层职责分开避免 PLC 程序里塞一大堆统计逻辑。3.3 防错互锁让装配顺序变成硬逻辑线上装配最怕的是操作工或机器人跳过某个步骤。比如没拍照就举升或者拧紧顺序错乱。防错不能只靠操作规范要在 PLC 里做成硬互锁。下面是一个简化版的互锁逻辑描述用结构化文本ST 语言写会更直观// 合装工位主互锁逻辑 IF NOT vision_result_valid THEN // 视觉未给出有效补偿值禁止举升 lift_enable : FALSE; ELSIF position_compensated FALSE THEN // 补偿值已计算但未写入伺服驱动器 lift_enable : FALSE; ELSE lift_enable : TRUE; END_IF // 拧紧完成且数据上传后才允许放行 IF tightening_complete AND upload_ack THEN station_release : TRUE; ELSE station_release : FALSE; END_IF这个逻辑的关键在于把「数据确认」和「物理动作」绑在一起。举升允许的前提是视觉已经出了有效结果并且补偿值写入了驱动器。放行允许的前提是拧紧完成而且数据上传得到了确认。哪怕某一颗螺栓的数据因为网络延迟没传上去工位也不会放行从源头杜绝了「先放走再补数据」这种情况。4. 拧紧质量追溯与 SPC 分析从合格率到过程能力装配数据存下来不是为了应付审核而是用来发现设备和工艺的隐性劣化。合格率只告诉你好坏比例SPC 能告诉你过程什么时候开始变差。这一章讲追溯粒度怎么设计以及怎么用均值-极差图盯住每把拧紧轴的稳定性。4.1 追溯粒度单颗螺栓匹配整车 VIN追溯的基础是一张主表把每次拧紧事件作为一行记录主键用 VIN bolt_id 拧紧时间。建表 SQL 可以这样写CREATE TABLE tightening_result ( id BIGINT PRIMARY KEY AUTO_INCREMENT, vin VARCHAR(17) NOT NULL, station_id VARCHAR(10) NOT NULL, bolt_id VARCHAR(10) NOT NULL, program_no VARCHAR(20), target_torque DECIMAL(6,2), actual_torque DECIMAL(6,2), target_angle DECIMAL(6,2), actual_angle DECIMAL(6,2), fit_torque DECIMAL(6,2), result ENUM(PASS,FAIL,RETRY), operator_id VARCHAR(20), tool_sn VARCHAR(30), created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP, INDEX idx_vin (vin), INDEX idx_tool_time (tool_sn, created_at) );这里的粒度是「每一颗螺栓」而不是「每一个电池包」。只有拆到单螺栓粒度才能回答售后问题比如某个批次的某把套筒出现了批量扭矩偏低。索引设计上idx_vin用于单车全量曲线上查idx_tool_time用于按工具和时间段做 SPC 分析。两个索引覆盖了追溯和监控两条主查询路径。4.2 用 SPC 看过程稳定性而不是只盯合格率SPC 的基本对象是子组。常见做法是每班次、每把枪、按螺栓点位分组每组连续取 5 颗螺栓的最终扭矩计算均值Xbar和极差R再画控制图。控制界限的计算代码如下import numpy as np def xbar_r_control_limits(groups): groups: list of samples每个 sample 是同一工具连续 5 次拧紧的扭矩值 返回: Xbar 控制限与 R 控制限 # n5 时的查表系数 A2, D3, D4 0.577, 0, 2.114 xbars [np.mean(g) for g in groups] ranges [np.max(g) - np.min(g) for g in groups] xbar_bar np.mean(xbars) r_bar np.mean(ranges) ucl_x xbar_bar A2 * r_bar lcl_x xbar_bar - A2 * r_bar ucl_r D4 * r_bar lcl_r D3 * r_bar return { xbar: xbar_bar, r_bar: r_bar, ucl_x: ucl_x, lcl_x: lcl_x, ucl_r: ucl_r, lcl_r: lcl_r, }注意控制限和规格限完全是两回事。规格限是设计给定控制限是从数据里算出来的。很多人一上来就把规格上限 120 N·m 画进控制图这不叫 SPC叫公差带对比。SPC 关心的是过程本身是否稳定有没有点超出控制限有没有连续 7 点在一侧有没有连续 7 点单调上升或下降。出现这些形态说明过程里有系统性原因哪怕所有点的扭矩都还在规格范围内也必须停下来找原因。Cpk 范围评级处置建议Cpk ≥ 1.67优秀维持现状例行监控1.33 ≤ Cpk 1.67正常按周期做 SPC关注趋势1.00 ≤ Cpk 1.33不足缩小扭矩窗口或排查摩擦变异Cpk 1.00严重立即停线重新标定拧紧参数4.3 从数据反推设备问题扭矩均值漂移意味着什么SPC 的价值在异常趋势。比如一把拧紧轴的扭矩均值连续三个小时缓慢下移虽然每个单点都合格但极差在变大。这个时候大概率是套筒磨损或拧紧轴内部的扭矩传感器出现温漂。再比如某个螺栓点位的极差突然变小不一定是好事——可能是螺栓螺纹被之前的装配拉伤摩擦系数变得异常稳定但夹紧力已经不对了。这类问题在装配数据系统里很常见只看合格率问题要等到 PPM 超标才会暴露用 SPC 做每日巡检提前两天就能发现。数据反哺设备的做法是把控制图计算做成定时任务每天凌晨跑一遍前一天所有拧紧轴的 Xbar-R 图把失控点位自动推给设备工程师。5. 线上装配的进阶技巧虚拟调试与拧紧参数标定线上装配最难的不是第一台车装出来而是批量生产时的稳定性。这里有两个进阶做法值得投入一是用离线仿真提前验证干涉和极限偏差二是在样件上系统性地标定拧紧参数。离线仿真方面我一般会在产线设计阶段建一套数字模型把电池包的三维数模、举升机构、拧紧轴和套筒全部放进去重点跑两个场景电池包来料在公差极限位置时套筒能否顺利套上螺栓头拧紧轴进给路径是否与电池包高压线束或冷却管路干涉。这些干涉问题如果在设备制造前发现改的就是模型等设备到位再发现改的就是工期和成本。拧紧参数标定是另一个容易被忽视的环节。扭矩-转角法的核心参数——贴合扭矩、目标角度、监控窗口——不能靠经验拍脑袋要在试制样件上做扭矩-角度曲线。做法是先用低转速把连接副拧过贴合点记录完整曲线找到弹性线性段的起点和终点然后以线性段中点为基准设定目标角度监控窗口取线性段斜率的正负 15%。这个标定过程每换一批电池包壳体或螺栓批次都要重新验证一次因为铝型材的硬度和螺纹涂层的摩擦特性会变。最后还有一个实用技巧把拧紧曲线的拐点数据存下来作为来料质量的间接信号。比如同一位置螺栓的贴合点扭矩突然集体升高说明壳体螺栓孔的毛刺变多或螺纹涂层不均匀。这时候问题可能不在拧紧设备而在上游零件供应商。装配线能做的就是把这些信号变成数字化的报警规则让工艺人员在问题扩大之前介入。本文还有配套的精品资源点击获取 
长河君 · 2026/9/17 16:24:43 · 阅读 1.2k 电池包线上装配工艺与拧紧质量追溯全解析
简介围绕纯电动汽车电池包线上装配这一主题这份PDF资料面向新能源汽车制造、总装工艺规划及相关研发人员聚焦电池包体积重量大、装配节拍紧张而难以在传统底盘线高效合装的实际问题给出从工位布局到随行设备选型的完整参考。资源为1个PDF文件大小3.28MB内容源自期刊文章结合奇瑞商用车案例梳理了电池包常见布置形式、纯电动汽车与传统燃油车装配线的差异并重点阐述底盘线合装方案改造L形吊具至2t承载能力、预留四个工位以及引入AGV合装小车实现线上装配。文章提供了AGV循环运行时间不超过320秒、随行同步精度±10mm、驱动与安全保护系统等关键设计参数也包含吊装、举升、预拧紧等具体操作流程可帮助读者快速理解工艺改造要点。目前已有100人学习/下载适合汽车制造技术人员作为工艺设计、产线升级或相关课题研究的参考资料。1. 电池包线上装配真正卡住产能的不是机器人而是拧紧和追溯一条纯电动汽车总装线开始爬产的时候卡住产能的往往是那个看起来最简单的工位电池包合装。20 多颗螺栓每一颗都要按设定扭矩拧紧、记录角度、上传数据。一次返工意味着整台车下线、拆包、重新检测代价远高于其他任何工位。这也是为什么「电池包线上装配」在整车厂里跟外行想的不一样——它不是靠一台机器人把电池包举起来对上就完事而是一整套从定位基准、拧紧策略、视觉补偿、防错互锁到质量追溯的工艺与数据链路。这篇按这条链路从头拆到尾适合正在做产线规划、工艺开发或装配数据系统的人看。2. 线上装配的工艺分解定位基准、拧紧体系与节拍计算电池包线上装配之所以难在于它同时面对两个约束来料状态波动和整车主线节拍。电池包壳体是铝挤压型材焊成的框架自身公差比车身底板大而从分装区运到合装工位的输送过程还会引入二次定位误差。所以第一步不是急着选机器人而是把「装什么、怎么定位、怎么拧紧、多长时间拧完」这几件事用参数定下来。2.1 为什么电池包一定要走线上装配常见做法是电池包由分装线或 AGV 输送到合装工位在主线上完成与车身底板的对接和紧固而不是在分装区预先装好再整体上线。原因有三个。第一电池包重量大、体积大带包上线会把分装线的输送、举升和精度要求全部抬高第二电池包与车身的连接面有多处密封和定位特征必须在整车姿态下对位预先拧紧会在后续车身调整中产生附加应力第三从质量追溯角度看线上装配意味着每一颗螺栓的拧紧数据可以和整车 VIN 绑定这是售后追溯的硬要求。定位基准通常选电池包壳体上的两个定位销孔加一个平面。车身侧则是底板上的螺纹套筒。装配时先视觉拍照确认来料位置再举升合模最后按顺序拧紧。这套顺序不能乱乱了就会出现密封面压偏、螺纹拉伤甚至拧紧时壳体变形的问题。2.2 拧紧策略不是扭矩越大越好扭矩-转角法才是主流电池包与车身的连接螺栓典型规格是 M10 或 M12 的结构螺栓常见的目标扭矩范围在 80 到 120 N·m 之间具体要以设计验证为准。但这里有一个核心问题单纯扭矩控制并不可靠。同一颗螺栓螺纹摩擦系数波动 0.02同样的扭矩下夹紧力就可能差出 15% 以上。所以现在线上装配普遍采用「扭矩-转角法」先以较低扭矩将螺栓拧到贴合点再转一个预设角度让螺栓进入弹性区用角度来控制伸长量从而获得更稳定的夹紧力。这里有一个常见误解扭矩-转角法不是「拧到目标扭矩再拧多少度」。正确的顺序是——先施加一个较小的贴合扭矩比如 30 N·m确认连接面已经贴合然后从贴合点开始以角度为目标继续拧紧同时监控最终扭矩是否落在窗口内。扭矩超上限说明摩擦异常或连接面有问题扭矩低于下限说明角度还没达到预期夹紧。参数项典型设定备注控制模式扭矩-转角法贴合扭矩 目标角度贴合扭矩30 N·m以克服连接面间隙为准目标角度45° ± 10°需按样件标定弹性区斜率监控扭矩窗口80~120 N·m超出即报警拧紧转速5~20 rpm转速过快会影响扭矩读数判定规则角度到 扭矩在窗口内二者同时满足才合格另外屈服点控制在电池包装配里不推荐。电池包壳体是铝合金型材屈服行为一致性差用屈服点法容易误判而且整套标定和维护成本高。线上大批量生产要的是「可预测、可追溯」扭矩-转角法在这两点上最合适。2.3 用节拍倒推工位数量一个最小计算脚本节拍计算决定这条线需要几套拧紧轴、几个合装工位。我一般会先用一个 Python 脚本把上下游工序的周期时间拉出来计算理论工位数和负荷率再回去跟工艺对方案。下面的脚本就是一个最小版本def line_balance(tasks, takt): tasks: list of (工序名, 周期时间秒) takt: 客户需求决定的节拍时间秒 返回: 理论最少工位数与预估负荷率 total_time sum(cycle for _, cycle in tasks) min_stations math.ceil(total_time / takt) # 按负载均衡的粗略分配每个工位尽量接近 takt stations [0] * min_stations for name, cycle in sorted(tasks, keylambda x: -x[1]): idx stations.index(min(stations)) stations[idx] cycle utilization max(stations) / takt return min_stations, stations, utilization tasks [ (电池包上线输送, 25), (视觉拍照定位, 10), (举升对位, 20), (20颗螺栓拧紧, 95), (数据上传与放行, 8), ] takt 120 # 单班产出目标换算得到这段代码先算总工时除以节拍得到工位数下界再按最长作业优先做一次粗分配。运行后你会看到拧紧工序占了大头视觉拍照只有 10 秒这说明瓶颈不在视觉而在拧紧。此时要么增加一套拧紧轴做双枪并行要么把 20 颗螺栓拆成两组工位而不是去优化视觉算法。节拍计算的目的就是这个在动设备之前先用数据找出瓶颈。3. 数据驱动的装配执行视觉引导、伺服拧紧与防错互锁工艺参数定完之后落地到设备层有三个环节必须打通视觉引导纠正来料偏差、伺服拧紧轴输出可追溯数据、PLC 防错逻辑保证操作顺序不可被绕过。这三件事任何一个做不扎实前面算好的节拍都会被返工吃掉。3.1 视觉引导用相机坐标纠正来料偏差电池包从输送线到合装工位后位置不可能每次都一模一样。常见做法是在举升前用 2D 相机对电池包上的基准孔拍照计算出实际位置与理论位置在 X、Y、Rz 三个方向上的偏差再把偏差补偿给举升台或机器人。视觉的作用不是「看螺栓」而是看定位特征。下面是用 OpenCV 对基准孔做圆检测并输出偏移量的简化代码import cv2 import numpy as np def locate_hole_offset(image_path, template_center, roi(0, 0, 1280, 1024)): 在ROI区域内检测基准孔圆心并计算与理论位置的偏差。 template_center: 理论圆心坐标 (x, y) img cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) x, y, w, h roi roi_img img[y:yh, x:xw] # 二值化后找轮廓取面积接近的圆 _, thresh cv2.threshold(roi_img, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) contours, _ cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) best None for cnt in contours: area cv2.contourArea(cnt) if area 500: continue (cx, cy), radius cv2.minEnclosingCircle(cnt) if best is None or abs(radius - expected_radius) abs(best[2] - expected_radius): best (cx x, cy y, radius) if best is None: return None offset_x best[0] - template_center[0] offset_y best[1] - template_center[1] return {dx: offset_x, dy: offset_y, radius: best[2]}这段代码的核心逻辑是在电池包基准孔可能出现的小区域内用阈值分割把孔洞从背景里分离出来再通过最小外接圆拟合得到圆心最后和理论位置做差。注意实际产线上不会只拍一个孔而是至少两个孔联合解算 Rz 旋转量。偏移量输出后PLC 通过 Profinet 或 EtherCAT 把增量写入举升台的位置补偿寄存器。这套流程里最常见的坑是光照变化导致阈值不稳所以现场光源一般用低角度环形光并且每次拍照前先做一次亮度校准。3.2 拧紧数据的采集字段与合格判定规则伺服拧紧轴的优势不是「能拧」而是每一颗螺栓都能输出完整的扭矩-角度曲线。线上装配的追溯系统要存的不只是合格/不合格而是曲线上的关键点。字段设计上我一般会保留下面这些字段示例值用途VINLSVXXXXX123456789整车唯一标识station_idTP-03工位编号bolt_idBT-007螺栓点位编号program_noP-2024-01拧紧程序版本target_torque105.0目标扭矩 N·mactual_torque106.8实际最终扭矩target_angle45.0目标角度 °actual_angle47.2实际最终角度peak_torque108.3拧紧过程峰值扭矩fit_torque30.1贴合点扭矩resultPASS合格与否判定规则不是简单地「实际扭矩在窗口内就 PASS」。扭矩-转角法的判据是「角度到位且扭矩在窗口内」。角度不到位说明螺栓可能已经滑牙扭矩超上限说明摩擦异常。把判定逻辑写在 PLC 里还是数据库里我的建议是PLC 只做实时拦截谁不合格立即停线报警数据库负责事后分析和批量追溯。两层职责分开避免 PLC 程序里塞一大堆统计逻辑。3.3 防错互锁让装配顺序变成硬逻辑线上装配最怕的是操作工或机器人跳过某个步骤。比如没拍照就举升或者拧紧顺序错乱。防错不能只靠操作规范要在 PLC 里做成硬互锁。下面是一个简化版的互锁逻辑描述用结构化文本ST 语言写会更直观// 合装工位主互锁逻辑 IF NOT vision_result_valid THEN // 视觉未给出有效补偿值禁止举升 lift_enable : FALSE; ELSIF position_compensated FALSE THEN // 补偿值已计算但未写入伺服驱动器 lift_enable : FALSE; ELSE lift_enable : TRUE; END_IF // 拧紧完成且数据上传后才允许放行 IF tightening_complete AND upload_ack THEN station_release : TRUE; ELSE station_release : FALSE; END_IF这个逻辑的关键在于把「数据确认」和「物理动作」绑在一起。举升允许的前提是视觉已经出了有效结果并且补偿值写入了驱动器。放行允许的前提是拧紧完成而且数据上传得到了确认。哪怕某一颗螺栓的数据因为网络延迟没传上去工位也不会放行从源头杜绝了「先放走再补数据」这种情况。4. 拧紧质量追溯与 SPC 分析从合格率到过程能力装配数据存下来不是为了应付审核而是用来发现设备和工艺的隐性劣化。合格率只告诉你好坏比例SPC 能告诉你过程什么时候开始变差。这一章讲追溯粒度怎么设计以及怎么用均值-极差图盯住每把拧紧轴的稳定性。4.1 追溯粒度单颗螺栓匹配整车 VIN追溯的基础是一张主表把每次拧紧事件作为一行记录主键用 VIN bolt_id 拧紧时间。建表 SQL 可以这样写CREATE TABLE tightening_result ( id BIGINT PRIMARY KEY AUTO_INCREMENT, vin VARCHAR(17) NOT NULL, station_id VARCHAR(10) NOT NULL, bolt_id VARCHAR(10) NOT NULL, program_no VARCHAR(20), target_torque DECIMAL(6,2), actual_torque DECIMAL(6,2), target_angle DECIMAL(6,2), actual_angle DECIMAL(6,2), fit_torque DECIMAL(6,2), result ENUM(PASS,FAIL,RETRY), operator_id VARCHAR(20), tool_sn VARCHAR(30), created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP, INDEX idx_vin (vin), INDEX idx_tool_time (tool_sn, created_at) );这里的粒度是「每一颗螺栓」而不是「每一个电池包」。只有拆到单螺栓粒度才能回答售后问题比如某个批次的某把套筒出现了批量扭矩偏低。索引设计上idx_vin用于单车全量曲线上查idx_tool_time用于按工具和时间段做 SPC 分析。两个索引覆盖了追溯和监控两条主查询路径。4.2 用 SPC 看过程稳定性而不是只盯合格率SPC 的基本对象是子组。常见做法是每班次、每把枪、按螺栓点位分组每组连续取 5 颗螺栓的最终扭矩计算均值Xbar和极差R再画控制图。控制界限的计算代码如下import numpy as np def xbar_r_control_limits(groups): groups: list of samples每个 sample 是同一工具连续 5 次拧紧的扭矩值 返回: Xbar 控制限与 R 控制限 # n5 时的查表系数 A2, D3, D4 0.577, 0, 2.114 xbars [np.mean(g) for g in groups] ranges [np.max(g) - np.min(g) for g in groups] xbar_bar np.mean(xbars) r_bar np.mean(ranges) ucl_x xbar_bar A2 * r_bar lcl_x xbar_bar - A2 * r_bar ucl_r D4 * r_bar lcl_r D3 * r_bar return { xbar: xbar_bar, r_bar: r_bar, ucl_x: ucl_x, lcl_x: lcl_x, ucl_r: ucl_r, lcl_r: lcl_r, }注意控制限和规格限完全是两回事。规格限是设计给定控制限是从数据里算出来的。很多人一上来就把规格上限 120 N·m 画进控制图这不叫 SPC叫公差带对比。SPC 关心的是过程本身是否稳定有没有点超出控制限有没有连续 7 点在一侧有没有连续 7 点单调上升或下降。出现这些形态说明过程里有系统性原因哪怕所有点的扭矩都还在规格范围内也必须停下来找原因。Cpk 范围评级处置建议Cpk ≥ 1.67优秀维持现状例行监控1.33 ≤ Cpk 1.67正常按周期做 SPC关注趋势1.00 ≤ Cpk 1.33不足缩小扭矩窗口或排查摩擦变异Cpk 1.00严重立即停线重新标定拧紧参数4.3 从数据反推设备问题扭矩均值漂移意味着什么SPC 的价值在异常趋势。比如一把拧紧轴的扭矩均值连续三个小时缓慢下移虽然每个单点都合格但极差在变大。这个时候大概率是套筒磨损或拧紧轴内部的扭矩传感器出现温漂。再比如某个螺栓点位的极差突然变小不一定是好事——可能是螺栓螺纹被之前的装配拉伤摩擦系数变得异常稳定但夹紧力已经不对了。这类问题在装配数据系统里很常见只看合格率问题要等到 PPM 超标才会暴露用 SPC 做每日巡检提前两天就能发现。数据反哺设备的做法是把控制图计算做成定时任务每天凌晨跑一遍前一天所有拧紧轴的 Xbar-R 图把失控点位自动推给设备工程师。5. 线上装配的进阶技巧虚拟调试与拧紧参数标定线上装配最难的不是第一台车装出来而是批量生产时的稳定性。这里有两个进阶做法值得投入一是用离线仿真提前验证干涉和极限偏差二是在样件上系统性地标定拧紧参数。离线仿真方面我一般会在产线设计阶段建一套数字模型把电池包的三维数模、举升机构、拧紧轴和套筒全部放进去重点跑两个场景电池包来料在公差极限位置时套筒能否顺利套上螺栓头拧紧轴进给路径是否与电池包高压线束或冷却管路干涉。这些干涉问题如果在设备制造前发现改的就是模型等设备到位再发现改的就是工期和成本。拧紧参数标定是另一个容易被忽视的环节。扭矩-转角法的核心参数——贴合扭矩、目标角度、监控窗口——不能靠经验拍脑袋要在试制样件上做扭矩-角度曲线。做法是先用低转速把连接副拧过贴合点记录完整曲线找到弹性线性段的起点和终点然后以线性段中点为基准设定目标角度监控窗口取线性段斜率的正负 15%。这个标定过程每换一批电池包壳体或螺栓批次都要重新验证一次因为铝型材的硬度和螺纹涂层的摩擦特性会变。最后还有一个实用技巧把拧紧曲线的拐点数据存下来作为来料质量的间接信号。比如同一位置螺栓的贴合点扭矩突然集体升高说明壳体螺栓孔的毛刺变多或螺纹涂层不均匀。这时候问题可能不在拧紧设备而在上游零件供应商。装配线能做的就是把这些信号变成数字化的报警规则让工艺人员在问题扩大之前介入。本文还有配套的精品资源点击获取