摘要：螺栓在制造业中起到了至关重要的作用，本文以汽车行业为切入点，介绍了在整车制造行业螺栓拧紧的原理及应用，常见的螺栓拧紧方式以及控制方法，并对于在汽车行业数字化转型下进行了初步的探索，对于制造业尤其是汽车行业中大数据及质量控制方法的结合应用有一定的指导意义。

关键词：汽车;螺栓;拧紧;质量;大数据

前言

螺栓在工业产品中是最常见的零件，螺栓拧紧工艺的过程质量管控对机械质量管理水平十分重要。在汽车制造行业中，大量的关键部件，都是需要通过螺纹连接方式来实现，例如，打铁线与车身的螺栓拧紧质量关系着车辆的电器设备能否正常运行，螺栓的预紧力过大或者过小，会造成线路接触不良，从而产生车辆无法启动等严重问题。据不完全统计，因螺栓拧紧的质量问题导致的车辆大规模召回数量超过10万辆/年。如何在制造业数字化转型的大背景下建立更加有效的螺栓质量控制方法对于企业的质量和效益提升十分关键。

一、螺栓拧紧质量控制方法

1.常见的螺栓拧紧方式

螺栓拧紧模型一般由螺栓、螺母及被连接件组成，螺栓拧紧的根本目的是为了保证被连接件能够良好的被螺栓和螺母夹紧，螺栓拧紧的直接目的就是为了得到足够的夹紧力。常见的拧紧模型，其中摩擦系数0.09≤ μ ≤ 0.15，μ表示总装摩擦系数μges、螺栓头下摩擦系数μk 、螺栓摩擦系数μg。

目前常见的螺栓拧紧方式包括以下2种：

1）扭矩控制法：即直接拧紧到指定目标扭矩;例如某种车型安全带的拧紧力矩要求为40Nm，则拧紧时将从0Nm直接拧紧至40Nm，螺栓的拉伸状态处于弹性范围内。

2）扭矩+转角控制法：将螺栓拧紧到目标扭矩后，再继续施加转角至目标角度;例如某种方向盘的拧紧力矩为30Nm+90°，即在拧紧的过程中首先需要将螺栓拧紧到30Nm，到达30Nm后继续施加转角90°，螺栓基本已经处于屈服状态。

2.螺栓拧紧的质量控制方法

螺栓拧紧在制造业中被广泛应用，仅总装装配过程就需要拧紧超过1000个螺栓/车，而螺栓拧紧质量涉及人员、设备、零件、拧紧方法及环境等多方面，因此需要建立全过程的拧紧控制流程，目前整车制造行业的螺栓拧紧质量控制往往在以下几个方面开展工作：

1）分类管理：螺栓拧紧因为其便利、性价比高、易于控制等特点，被各大汽车厂广泛应用，单台车辆装配过程中往往需要进行上千次拧紧，需要针对不同的螺栓进行重要程度的分类，如根据失效后造成后果的严重程度进行分类，一些失效后对车身安全和功能无明显影响的螺栓可以降低其在质量控制过程中的投入;而涉及安全带、气囊、轮胎、电器元件、传感器类型的螺栓其风险等级较高，需要对其拧紧装配过程进行重点监控。

2）数据管理：拧紧过程十分关键，目前已有部分车企开展数据积累工作，这些数据包括但不限于操作者信息、拧紧工艺信息、车辆信息、零件信息等等，其目的在于将与拧紧相关的全过程信息进行采集、留存，便于后续追溯，其存储时间往往在10年以上，在整个车辆全生命周期内数据都可追溯。

3）状态检测：目前大部分汽车企业执行的拧紧后，检验法往往是紧固法，即对已经完成拧紧的螺栓使用可显示力矩值的数显扳手沿继续拧紧的方向再施加一个角度，记录螺栓发生旋转时的最小扭矩值。

4）智能系统：大部分车企在一条生产线上会生产多种车辆，国内Y车企通过拧紧智能系统实现了车辆配置自动识别、工艺自动调整、可视化指导、系统自动收集等，同时采用可记录拧紧过程数据的设备，采集拧紧过程中扭矩和螺栓旋转角度的数据，并通过提前设置的监控程序判断是否合格。

二 、大数据和智能化在拧紧质量控制中的应用探索

1.智能化在设备故障识别中的应用

以合资车企Y公司为例，当出现设备故障导致生产现场无法拧紧时，需要生产一线人员第一时间联系维修相关负责人及相关拧紧专业人员到达现场。去逐个排除故障点，工作效率低下。

通过拧紧设备联网，可以实现对设备运行状态的实时监控，形成车间的拧紧设备应用地图，一旦出现设备故障，设备地图将会把设备故障信息显示，从而做到快速响应，针对性解决故障。

2.大数据和智能化在异常拧紧结果的预警中的应用

2.1异常曲线预警

以合资车企Y公司为例，平均每台整车包括重点力矩拧紧点300-350个，每天生产1250台，会产生40万条以上的拧紧数据及拧紧曲线，我们只能针对单一的拧紧曲线状态进行监控。例如，在Y公司的生产过程中员工疏忽漏油箱吊带未安装，通过对缺陷车拧紧曲线与合格车辆曲线对比，发现最终拧紧角度偏大.

在智能化管控中，利用同一工艺拧紧曲线最终角度与合格车辆角度作对比，判断车辆是否存在缺陷的方法自动判断报警能够及时拦截缺陷车辆流出。

2.2异常力矩值预警

工艺要求控制方式是角度控制法，如30Nm+90°的拧紧工艺，螺栓拧紧力矩在合格范围内产生波动，拧紧结果会随着零件的状态变化而变化，需要对每个零件摩擦系数进行检查。我们已经能通过选择时间、车型、螺栓编号等，利用拧紧结果最终力矩的散点图分析，当出现异常波动时，系统将提前预警提醒人员注意，控制不合格产生。

2.3异常合格率预警

以合资车企Y公司为例，车间135项工艺重点力矩工艺点，拧紧专业人员对车间所有拧紧点合格率查询、排序，每天至少4个小时，无法实时跟踪当天发生的问题。

在大数据智能化的应用探索中，实时显示车间所有螺栓一次拧紧合格率、返修率、不合格流出率;利用拧紧合格率重点岗位选择信息，实时跟踪状态，可以分车型、岗位、螺栓编号、生产线，便于问题及时发现。

3.大数据和智能化在曲线与分析预警中的应用

以合资车企Y公司为例，制造过程中常见的拧紧缺陷产生的原因往往包括很多因素，专业人员通过对人、机、料、法、环，逐一排查，对问题进行分解，工作效率较低。

在分析过程中我们发现，如螺纹异常，其产生的拧紧曲线往往具有相同或相似的特征值，通过对曲线的斜率、扭矩峰值、角度峰值等9个特征值的计算，可通过机器学习的方法代替人工进行分析，从而提高缺陷分析效率。当明确缺陷原因后，直观的指导现场质量优化。

4.拧紧质量控制实时可视化管理

在生产过程中，如何快速识别到各种变化点从而快速应对十分关键，随着制造行业数字化转型的发展，驾驶舱的应用越来越广，其中的功能包括设备状态监控、设备异常提醒、合格率监控、合格率异常提醒、人员状态监控、人员异常提醒等等，目前此类驾驶舱因其对硬件的要求较高，还处于研究阶段，未能实现大范围应用。

结论

螺栓拧紧质量对于制造业中机械的功能及安全都至关重要，本文通过介绍螺栓拧紧的基本原理及常见的螺栓拧紧控制，结合实际的整车制造过程介绍了大数据和智能化在拧紧质量控制过程中的应用，对从事螺栓拧紧工作的技术人员有一定的指导作用。