绿色铸造材料研究现状论文

将金属熔炼成符合一定要求的液体并浇进铸型里，经冷却凝固、清整处理后得到有预定形状、尺寸和性能的铸件（零件或毛坯）的工艺过程。现代机械制造工业的基础工艺。铸造生产的毛坯成本低廉，对于形状复杂、特别是具有复杂内腔的零件，更能显示出它的经济性；同时它的适应性较广，且具有较好的综合机械性能。但铸造生产所需的材料（如金属、木材、燃料、造型材料等）和设备（如冶金炉、混砂机、造型机、造芯机、落砂机、抛丸机等）较多，且会产生粉尘、有害气体和噪声而污染环境。 铸造是人类掌握较早的一种金属热加工工艺，已有约6000年的历史。公元前3200年，美索不达米亚出现铜青蛙铸件。公元前13～前10世纪之间，中国已进入青铜铸件的全盛时期，工艺上已达到相当高的水平，如商代的重875千克的司母戊方鼎、战国的曾侯乙尊盘和西汉的透光镜等都是古代铸造的代表产品。早期的铸造受陶器的影响较大，铸件大多为农业生产、宗教、生活等方面的工具或用具，艺术色彩较浓。公元前513年，中国铸出了世界上最早见于文字记载的铸铁件——晋国铸鼎（约270千克重）。公元8世纪前后，欧洲开始生产铸铁件。18世纪的工业革命后，铸件进入为大工业服务的新时期。进入20世纪，铸造的发展速度很快，先后开发出球墨铸铁，可锻铸铁，超低碳不锈钢以及铝铜、铝硅、铝镁合金，钛基、镍基合金等铸造金属材料，并发明了对灰铸铁进行孕育处理的新工艺。50年代以后，出现了湿砂高压造型，化学硬化砂造型和造芯、负压造型以及其他特种铸造、抛丸清理等新工艺。 铸造种类很多，按造型方法习惯上分为：①普通砂型铸造，包括湿砂型、干砂型和化学硬化砂型3类。②特种铸造，按造型材料又可分为以天然矿产砂石为主要造型材料的特种铸造（如熔模铸造、泥型铸造、铸造车间壳型铸造、负压铸造、实型铸造、陶瓷型铸造等）和以金属为主要铸型材料的特种铸造（如金属型铸造、压力铸造、连续铸造、低压铸造、离心铸造等）两类。铸造工艺通常包括：①铸型（使液态金属成为固态铸件的容器）准备，铸型按所用材料可分为砂型、金属型、陶瓷型、泥型、石墨型等，按使用次数可分为一次性型、半永久型和永久型，铸型准备的优劣是影响铸件质量的主要因素；②铸造金属的熔化与浇注，铸造金属（铸造合金）主要有铸铁、铸钢和铸造有色合金；③铸件处理和检验，铸件处理包括清除型芯和铸件表面异物、切除浇冒口、铲磨毛刺和披缝等凸出物以及热处理、整形、防锈处理和粗加工等。

铸造生产的统计过程控制摘要：本文讨论统计过程控制和数据收集带来的好处，它们能够提高各种铸件的质量和降低成本。许多人错误地认为SPC实施困难，既费时、费力和费钱又回报得益不多。实际情况并非如此，SPC和数据收集的实施很容易，而且回报远远超过投资。本文将提供经验判断对质量的影响，并与采用统计方法作比较。本文将回顾SPC的历史和基本原理，数据收集的必要性，以及如何确定最适合每个工序运作的方法。本文还探索可用的简单有效的实施方法，以及提高数据收集过程自动化和效率的基本途径。关键词：SPC，过程控制，质量，数据收集，铸造生产1 前言面对今天竞争激烈的市场，质量既是确定的又是有差异的。说它是确定的，因为任何人不能为客户提供质量好的产品将很快从业界消失。但是，质量同样能够让你从竞争对手区分开。结构良好和实施质量管理系统可降低返修量和废品，达到节约成本和得到更低报价。对铸造企业来说，这就需要重新考虑现行的质量和实现质量的最佳方法。2 旧的质量控制方法与新的质量控制方法旧的质量控制方法对许多铸造企业来说，质量可简单地用以下方式表示（以熔化为例）:1）按工序制造过程产品（配料、熔化铁水）；2）检查产品缺陷（化验）；3）需要时返工（一次成分不合格，调整）；4）检验返工产品（重复化验）；5）进入下一工序（浇注）；6） 回到第一步，重复操作第1到第5步。这种方式可认为是质量控制的“检验法”。对于利用这种最基本的质量控制系统的企业来说，它们以昂贵的费用：“检验”产品质量，但无助于改正引起产品缺陷的根本原因。我们经常做的事情，就是采用收集基本缺陷数据的方式，这是一种主要将缺陷的产生推回到操作人员的做法。这种错误概念来自认为操作人员通常是产生质量问题的起因。它不能找到产生缺陷的真正原因，而只在缺陷已经产生之后才检验出质量不好的产品，即事后把关。这种方式同样非常依赖于本身就缺少一致性和准确性的经验判断。经验判断经常会让漏检的缺陷进入下一道工序，如果在组芯中或下芯时发现砂芯缺陷，则返工成本更可观，此时组合砂芯可能要额外的拆卸更换有缺陷的砂芯。更糟糕的是不合格的铸件产品可能引起汽车零部件使用寿命缩短，并失去良好的客户信誉。无论在哪里检验出缺陷，返修和报废的材料都增加了产品的生产成本。 新的质量控制方法更好的方法是采用统计过程控制（SPC）法实时监控在铸造生产过程中最容易产生铸件缺陷的关键工序。这里含有用于预防代替检验的概念，并且减少对经验判断的依赖。经验仍然在总体质量方法中起作用，有助于在FEMA分析中由现有过程导致的一贯性缺陷。这使得过程控制首先注意到最能够实施“防犯于未然”的区域，最终检验员不再是查找缺陷的“警察”，而变为帮助工作人员防止缺陷发生的同事。这种方法同样考虑到生产过程的各个方面，包括人、机、料、法和环境，并且清楚地认识到人只是过程中众多资源之一。这个方法把防止不良质量放在首位，以便减少废品和浪费，最终达到生产率和收益的增加。3 工业与质量历史回顾19世纪初期，美国工业正在寻找提高生产率的方法来降低成本和增加收益，但没有想到质量对这种关系的冲击力。此时最广泛采用的是1911年泰勒（Fredrick Taylor）在他的著作《科学管理的原理》中提及的技巧。作为一名工业工程师和顾问，他以顾问身份服务于早期的工业家，如亨利•福特等人。他不断寻求提高机器和工人工作效率的方法，他使用的基本假定是大部分工人又笨又懒，金钱是他们主要的动力来源，因而在工人与管理之间应有严格的区分。他观察到工人会放慢他们的作业，害怕工作太有效而变成失业。他相信可以利用工人以金钱作为工作的动力来克服他们的惧怕和提高生产率。基于这种信念，他创立了“计件”工资制，对工人支付定量生产件数的基本工资，对超过定量的生产件数付给额外奖金。现今还有一部分行业使用这种体制。工人被当作机器，他们很快变得疏远和不满足。产品的生产主要根据数据量而不是质量，管理采用“胡萝卜加大棒”的办法来降低成本和增加利润。到19世纪20年代，得益于休哈特（Walter Schewart）博士的工作和努力，质量变成公司降低成本的整体计划的组成部分。他作为西方电气公司工程部的著名科学家，被誉为统计过程控制之父。在1924年他计划了一种抽样图表，“设计用来指示在给定类型的缺陷部件中观察到的变化百分比，这是很有意义的，亦即指出对产品是否满意”。他认为产生缺陷的原因可分为“偶然原因”（生产过程中固有的可预测的变化，现在经常称为“普遍原因”）和“异常原因”（由特殊的不可预测的原因或事件引起的变化，现在经常称为“特殊原因”）。据此应该着重研究和消除异常原因，以便改进质量，但不必浪费资源去解决对整个过程和生产质量影响不大的偶然原因。这种方法亦可用来确定某一工序的固有能力，此时“控制界限”可作为一个工序的合格率的控制线。当贝尔实验室科学家将休哈特的概念付诸实施时，他的方法使几项废品降低了50％，和节省西方电气公司几百万美元的开销和材料。利用他的统计技术证明通过质量改进能够节约成本和增加利润，并且引起许多大型工业公司的注意。管理部门开始认识到人不能生产出工序所允许的更多的产品和更好的质量。在他1931年的著作《控制产品质量的经济检验》中全文述他的统计抽样方法的研究结果，并且这个结果仍然是现代统计过程控制的基础。一位西方电气公司的同事戴明（Edware Deming）在参加美国作战部和后来在日本讲授质量基本原理时，将休哈特的成果加以扩展。戴明在他的“管理的14项职责”中将统计过程控制和质量论述为管理哲学，并把它作为一种工具使工人参与搞好机构的活动。他采用这种统计工具和管理哲学去鼓励工人负责在他们控制下的工序的质量。休哈特的实践和戴明的哲学相结合至今还在不断提高美国工业的质量和生产率。4 SPC的基础——各种控制图过程控制图可分为两大类别：用于测量变量的图表和用于测量属性的图表。根据监控的过程和收集数据的来源，它们的用途各不相同。变量图的实例：监控型砂紧实率。两碾砂之间通常会出现紧实率的少量变化。比照控制允许值来跟踪这种变化可以确定工序是否在合格范围之内，或者在不合格紧实率的型砂出现能迅速指出那些需要检查或改正的，因“特殊原因”而产生的事件。属性图的实例：在制芯操作中跟踪有缺陷的砂芯数目，计算在一个班次砂芯成品率。跟踪与控制范围有关的数据可以保证前面各工序的总体质量，或者在下一个缺陷砂芯产生之前指出需要检查和改正芯盒或制芯工艺参数设置。变量控制图：最常用的变量控制图表是X控制图和R控制图，它们经常一起使用。X控制图用来监控工序的位置或者工序的计量值，而R控制图用来监控工序的范围或者分布。在正常运用中，获取一个样本的多个读数，然后相加及求平均值后产生绘在图上的数据点。任何落在上控制限（UCL）或下控制限（LCL）之外的数据点表示由于特殊原因引起的不合格的工序变化，在进行下一步生产之前需要检查和改正。除了数据点超出UCL或LCL表示有特殊原因之外，还有其他规律可指出在没有超出UCL或LCL时存在的特殊原因。这些规律的依据是变量的统计概率，并可以对很快失控的工艺过程作出预先提示。这样就能够在生产出有缺陷产品之前进行检查和改正。一些常用的实例包括：●2个以上接近UCL或LCL的连接续点● 6个增加或降低的连续点●8个在中间值一边的连续点● 14中间值两边交替出现的连续点还有其他限制更多的规律，由控制图的特殊区域来决定，而且对于刚开始SPC计划的铸造厂来说还不需要这些规律。这些规律随工序的不同而有差别。应该记住，过多规律可能产生大量的“伪报警”，但规律太少又可能在生产过程中漏检有关的问题。当第一次建立一个生产工序的X控制图或R控制图时，UCL、LCL和中值数控线必须确定下来而不是随意规定。这就需要实时运行和测量，然后采用测量值计算出UCL、LCL和中间值。为确保计算值为有效性，工序的生产过程必须是稳定的和可重复的，否则所提数据有偏移，在以后可能对生产过程产生错误的反馈。采用著名的平方律可从读数值来验证生产过程的稳定性，具有“钟形曲线”的正态分布即表明生产过程是稳定的。用于生产过程控制的步聚和计算在本文提及的参考书中有许多介绍，当首次建立图表时必须遵守这些文献。属性控制图：属性图用于不可计量的特性的控制。这些特性通常用“好”或“不好”等来表达，正如在化妆品检验或测试运行中所遇到的情况那样。这种特性称为属性，用简单的计数数据来制表。属性图表有三种主要类型：● P图，测量某批产品中缺陷部件的百分比● np图，测量某批产品中缺陷部件的数目● C图，监控某批产品中缺陷部件的总数对于X直方图和R曲线图的控制界限要建立在对稳定运行的工艺过程的初始计算上。这是一个连续生产产品的过程，所有的缺陷来自工艺过程内部的固有的普遍原因，而不是由需要检查和改正的特殊原因所引起来。在某些例子中，例如铁素体球铁Mn的含量，可以规定一个控制上限，当材质缺陷达到不可接受的水平生产时过程必须中断。其他数据收集方法：虽然统计过程管理可用来减少，甚至可能取消中间经验判断的操作，但是所有实施的经验判断应尽量收集和编制最有意义的数据。如前所述，当需要建立工序控制点时，这些数据对首先应在何处加强控制提供了巨大的帮助。同时它也提供了与SPC图表、数据相关的反馈，使管理层确信SPC计划正在改进质量和降低成本。缺陷记录可用来收集目视检查的数据，还可以提供与SPC实施无关的有用数据。合理使用缺陷记录，并配合对过程的周密计划，则缺陷记录可以指明改进过程的方向。记录应设计成易于单个产品缺陷输入，以便减少对总体工作流程的影响，但又能涵盖过程中所能出现的各个缺陷。缺陷记录中的数据可以一个生产班次为单位计算，将结果制成排列图（Pareto图）格式制成图表。在排列图中缺陷记录按照出现频次从高向低排列，以保证重点改进项目得以优先解决。同样可以直观地反映出那些有效产品缺陷的尝试。使用EXCEL电子表格很容易绘制排列图。5 如何实施 我厂应用SPC的历史和现状我厂从80年代就开始引进和实施全面质量管理，对过程中影响产品质量的关键工序建立工序质量监控点，对关键的过程指标采用控制图等SPC的应用，但长期以来，一直存在一些认识上的误区。以为收集一些的质量数据，做几个控制图，挂在墙上展示一下，计算一下Cpk，就算使用了SPC，这样其实只能应付公司质量部门的审核，很少有人不觉得这样做是个负担。 98年通过QS9000质量体系认证后，我们的客户和体系的要求，必须在过程控制中有效使用SPC，控制计划和作业指导书保留原有的工序质量控制点的应用，为了减少数据收集和统计的“麻烦”，将原有的SPC控制图表人为减少，以利于审核的通过，这些认识都是很初级的，完全没有理解SPC动态过程控制的核心，根本不能达到对过程质量动态、连续监控的目的。 有些人员在接触了SPC后，试图寄望它不只能发现过程的异常波动，更应该给出导致异常的过程要素和原因。如异常情况是由设备、原料或操作上的什么问题引起的？其实这些想法是不切实际的，也是没有理论依据的。SPC工具是用统计学方法对过程质量数据进行处理、使工序质量状态可视化。而可视化的控制图只反映当前过程的运行状态或者未来趋势，并不能反映导致这种状态出现的内在原因。异常原因还要由人去查找，究竟哪道工序是导致异常的根源这样的特殊情况。所以，理想化的期望必将影响质管人员对SPC的信心，也将阻碍工厂实施SPC的进程。 SPC计划着手开展SPC和数据收集计划时，要留意打好基础以减少执行中出现的问题。采用一次涉及太多问题的“猎枪”法会遇到要求高级支援的困难，占用质量和工程小组的日常生产支持时间，虽然大公司有钱请专人执行和支持SPC和数据收集，较小的公司常会增加现有雇员的任务。最好的方法是全面推广前，先在便于管理的小范围内运行和获得成功的执行经验。实施SPC前，先开始检查现有的数据，寻找产生铸件主要缺陷的关键过程。如果没有过硬的数据，也可非正式评估某一个正在花费技术人员许多时间去解决问题的过程。它通常会是某一方面如砂芯质量的问题，并随着设备、原材料、方法、人力和工作环境本身的变化而变化。一旦选择某一过程作为重点，即入下一个步骤。根据所监控的过程来决定你要收集变量数据还是属性数据。这些作为运作选择适当的控制图表。如果收集变量数据，通常使用X直方图和R曲线图。如果收集属性数据，往往选择P或NP图，在这两大类图中还有各种不同式的样图，技术人员和质量工程师在开发和需要进一步深入时会再使用这些图。在开展SPC工作初期，可用人工计算数据和作图，而不要用电子数据表格的图表或自动软件包。人工作图让操作人员对数据收集过程有实际的感受。并且最终获得主宰过程和参与数据收集的感受，经过一段时间之后，系统可停止对操作人员的数据收集任务和理顺整个SPC过程。必须对操作人员提供为什么和怎样实施SPC和数据收集的充分训练。以小组活动的形式解释清楚他们承担的特定过程的变化对最终产品总质量的影响。然后，对统计过程管理作审查，使用简单的练习来说明过程内的变化，以及如何监控让他们制作测试图图表和跟踪过程数据。直至他们懂得数据收集的重要性和他们过程的作用。如果培训获得成功，负责该计划的质量和工程小组在真正实施和执行时就比较容易了。 SPC和数据收集的方法只要提供可用于改善现行过程有意义的数据，任何统计过程管理和数据收集方法都可以使用。开始起动一个计划时，特别当员工没有SPC经验时，最好使用人工方法进行运作，与经费多少或易于使用无关，人工方法为在机构内执行统计过程管理和观念提供坚实的基础。有一种错误概念认为，SPC需要高级数学技巧，实际上对于任何会用小型计算器的人员来说，所用大部分计算都是很简单的。对于我厂现阶段的实际情况来说，人工方法就足够了，虽然利用基于电子表格EXCEL的控制图可提高效率。电子数据表格本身可做大量数字的数据收集工作，也可生成控制图，而无需对数据点作连线的例行事务。最后，它还是提供数据可在局域网内实时存取的方法，便于信息的查阅。 SPC实施步骤流程6 网络化SPC是过程质量系统的必然选择铸件的质量是每个工序产品质量的累积，有时微量元素较小的变化也能影响整个产品的使用性能。要全面提升企业的过程质量控制能力，必须从每一个操作、每一道工序的处理做起，形成自始至终的过程控制闭环，实现全面过程质量控制，达到休哈特理论中的全稳生产线。只有形成这样的控制局面，才能保证企业范围生产过程的可控态。有了稳定的工序状态，才会有稳定的产品质量。 过程质量控制不但要处处有，还要人人参与。它不只是现场操作工的事情，企业各层的质量管理人员都应积极参与到这一工作中去，从而形成互相分工、互相关联、互相监督的全员化网络型过程质量保证体系。SPC只有在企业的真正需求的前提下，把网络技术、数据库技术与SPC科学结合了起来，才能为企业提供了一个全面的过程质量解决方案。基于大型数据库的网络化SPC系统，是实现企业全面过程质量控制的优选方案。它以企业局域网设施为基础，以大型数据库为平台，以质量数据采集系统、SPC现场动态监控系统、质管员监督分析系统、管理层质量查阅系统等为应用框架，构成了功能完整、运行有效的企业网络化SPC过程质量控制系统。针对企业生产过程质量参数多（包括产品和工艺参数，计量和计数参数等），数据采集连续性、高频度的情况，只有大型数据库系统能够承担数据的管理工作。网络化的系统框架，可以把质量监控点布置到从办公室到生产现场的任何角落，是全面过程质量系统的思想基础。建立网络化SPC软件，使数据更便于输入，用基于电子数据表格的数据输入图表，能自动求出过程运行中的读数之和并且计算上下控制界限。它可24小时收集数据和自动作出图表，包括X直方图和R曲线图。系统驻留在屏幕打印机旁边的专用计算机内，并且可通过局域网获得可视的数据。SPC系统有多种型式和大小，从互联网获得的免费软件和共享软件到200～1000美元的软件包，提供所需要的各种图表和输出方式。软件包具有许多用户配置选项和作图规则，并考虑到多道工序或多条生产线的监控。最高级的和数据收集是全部硬件/软件结合的集成，它把设备直接连接到软件和网络。这些软件可预设告警界限和用户实施的规则，以及当某一过程超出控制范围时自动告知适当的人员。这种解决方案的价格较高。7 总结仍然使用质量控制的“检测”方法的铸造企业不但浪费时间和金钱，而且面对我们的对手失去竞争优势。统计控制过程和数据收集对我厂在改进质量和降低成本方面都有很大帮助。如果从结构和逻辑性方面着手的话，实施人工SPC和数据收集计划是较简单和有效的。在此基础上计划可以升级，通过基于自已编制的电子数据表、便宜的现成软件包来实现。不管怎样，统计过程控制和数据收集对任何过程和产品都有用处，这时毫无疑问的事情。参考文件：〔1〕公司内部QCD教育手册：质量管理〔2〕爱肯锡公司培训讲义：统计过程控制

推荐你去淘宝的：翰林书店，店主应该能下载到这类论文。我去下过，很及时的