《“工业4.0”时代到来 中国数控机床如何弯道超车?》

  • 来源专题:数控机床与工业机器人
  • 编译者: 杨芳
  • 发布时间:2017-06-20
  • 一年一度的德国工业博览会于今年4 月底在德国汉诺威隆重开幕。即将迈入70 周年的汉诺威工业博览会,已成为当今规模最大的国际工业盛会。今年德国工业博览会将以工业4.0 为核心,重点展出工业自动化、数字化工厂、工业零部件等工业领域的领先产品成果。数控机床作为工业自动化和数字工厂的重要组成部分,被广泛应用于汽车制造、金属加工、航天航空等多个领域,是工业现代化的基石。数控机床的技术能力体现了一个国家制造业的核心竞争力。

      中国作为全球最大的制造业大国,近年来数控机床产业得到快速发展,2014 年产量达到39.1 万台,比2010 年增长65%。但与德、日等领先国家相比,仍存在较大差距,功能部件、自动化刀具、数控系统依靠国外技术支撑。例如,2014 年国内高档数控系统仍有90% 需要依赖进口。数控机床领域的技术研发与突破成为了“中国制造2025”战略重要工作。本文通过枯燥的专利申请数据,透视全球数控机床技术竞争格局,尝试探讨我国数控机床产业发展之路。

      工业4.0 时代到来,数控机床技术进入新一轮更新周期,产业格局面临洗牌

      截止2016 年12 月,数控机床领域全球申请量达到10708 件。从申请趋势来看,自2006 年后呈现爆发式的增长,并在2012 年前后达到高峰。目前数控机床专利申请量进入了阶段性的回落,2016年更是出现了大幅度下滑。随着工业4.0 的深入推进,数控机床技术进入新一轮的更新周期,技术的更新换代必将导致产业格局的重新洗牌。

      中国成为最大专利产出国,但技术的国际竞争力不足

      在新一轮的技术更新中,世界主要工业国家都积极开展技术和专利布局。目前,中国、日本、美国、德国是数控机床专利的主要产出地,四国的专利产出量超过专利总量的85%。而其中,中国成为了最大专利产出国,专利产出量为6586 件,约占总申请量的60%。从专利受理情况来看,中国、日本和美国是当前数控机床技术竞争最为激烈的地区。

      虽然中国专利产出量巨大,但对外输出量少,只有26 件,技术的国际竞争力弱。相比之下,日本专利对外输出高达1121 件,其中向中国输出82 件( 占输出总量4.06%),向美国输出247 件( 占输出总量12.24%),向德国输出224 件( 先输出总量11.10%),其技术能力展现出很强的国际竞争力。此外,美国和德国数控机床专利输出量也比较大,分别是506 件和220 件,也展示了较强的国际竞争力。

      日本、德国技术沉淀凸显工匠精神,中国技术积累根基尚浅

      从各国的专利申请趋势来看,日本、德国数控机床专利从上世纪70 年代后一直维持较为稳定的输出,一方面反映出这两个国家的数控机床技术具有较长时间积累,另一方面说明了日本、德国对技术的持续研发和完善,凸显出日本和德国企业对技术精益求精的工匠精神。中国数控机床专利申请主要集中在2005 年以后,得益于“十一五”后,国家推动了制造业产业升级和发展,数控机床技术因此得到长足发展。但是与日本、德国超过40 年的技术沉淀相比,中国技术积累有所欠缺,根基尚浅。

      关键技术关联度高,技术研发需要全面突破

      数控机床专利分主要有控制技术、加工技术、机床零件、相关附件等。从专利申请量来看,数控机床技术集中在控制技术(2827 件)、加工技术

      (3505 件) 和机床部件(3286 件) 三大方面。从控制技术、加工技术和机床部件技术的专利申请态势来看,这三种关键技术具有明显的相关性,相关系数约为0.95。由于各类型技术关联度高,关键技术的发展需要全面突破,才能实现协同发展。

      中国企业技术研发能力有待加强,技术产业转化能力有待提升

      全球专利申请人前20 名中,日本企业占11 个,中国企业( 大学) 共4 个,与日本企业相比,中国企业的技术实力存在明显劣势,企业技术研发能力有待加强。此外,从中国专利申请人前20 看,中国的高校和科研院所具有较强的知识和技术产出能力,但是并未能真正转化为产业成果,需要加强产学合作,提升技术产业转化能力。

      结语

      数控机床作为工业4.0 重要发展领域,已经成为主要工业国家重点竞争领域。中国数控机床产业在国家战略的支持下,近年来呈现出快速发展态势,技术追赶势头不可阻挡。在新一轮产业发展周期中,中国有望通过加大技术研发实现产业的弯道超车。然而德国、日本企业的技术优势是几十年精益求精、不断沉淀的成果,中国企业的劣势并非朝夕可改,中国企业只有以同样的工匠精神,几十年如一日地保持对高端工艺的追求和技术的渴望,才能打造出过硬的企业竞争力,不断迈向产业高端领域,在新一轮的产业竞争中占据有利位置。

相关报告
  • 《工业机器人:中国创造如何弯道超车?》

    • 来源专题:数控机床——前沿技术
  • 《数控机床如何实现智能化?》

    • 来源专题:数控机床与工业机器人
    • 编译者:杨芳
    • 发布时间:2017-06-20
    •  智能机床最早出现在赖特(P·K·Wright)与伯恩(D·A·Bourne)1998年出版的智能制造研究领域的首本专著《智能制造》(Manufacturing Intelligence)中。由于对先进制造业具有重要作用,智能技术引起各个国家的重视。美国推出了智能加工平台计划(SMPI);欧洲实施 “Next Generation Production System”研究;德国推出了“Industry 4.0”计划;中国中长期科技发展对“数字化智能化制造技术”提出了迫切需求,并制定了相应的“十三五”发展规划;在2006年美国芝加哥国际制造技术展览会(IMTS2006)上,日本Mazak公司推出的首次命名为“Intelligent Machine”的智能机床和日本Okuma公司推出的命名为“thinc”的智能数控系统,开启了数控机床智能化时代。 本文从传感器出发,将数控机床的智能技术按层次划分为智能传感器、智能功能、智能部件、智能系统等部分,对智能技术进行了总结,指出不足,揭示了发展方向,并对未来进行了展望。   智能传感器由机床、刀具、工件组成的数控机床制造系统在加工过程中,随着材料的切除,伴随着多种复杂的物理现象,隐含着丰富的信息。在这种动态、非线性、时变、非确定性环境中,数控机床自身的感知技术是实现智能化的基本条件。 数控机床要实现智能,需要各种传感器收集外部环境和内部状态信息,近似人类五官感知环境变化的功能,如表1所示。对人来讲,眼睛是五官中最重要的感觉器官,能获得90%以上的环境信息,但视觉传感器在数控机床中的应用还比较少。随着自动化和智能化水平的提高,视觉功能在数控机床中将发挥越来越重要的作用。表1数控机床可用传感器   随着MEMS(微机电系统)技术、嵌入技术、智能材料与结构等技术的发展,传感器趋向小型化。MEMS微传感器、薄膜传感器以及光纤传感器等微型传感器的成熟应用,为传感器嵌入数控机床奠定了基础。 由于制造过程中存在不可预测或不能预料的复杂现象和奇怪问题,以及所监测到的信息存在时效性、精确性、完整性等问题,因此,要求传感器具有分析、推理、学等智能,这要求传感器要有高性能智能处理器来充当“大脑”。美国高通公司正在研制能够模拟人脑工作的人工智能系统微处理器。将来可通过半导体集成技术,将高性能人工智能系统微处理器与传感器、信号处理电路、I/O接口等集成在同一芯片上,形成大规模集成电路式智能传感器,不但具有检测、识别、记忆、分析等功能,而且具有自学甚至思维能力。相信随着计算机技术、信号处理技术、MEMS技术、高新材料技术、无线通信技术等不断进步,智能传感器将会在数控机床智能感知方面带来全新变革。   智能功能数控机床向高速、高效、高精化发展,要求数控机床具有热补偿、振动监测、磨损监测、状态监测与故障诊断等智能功能。融合几个或几种智能传感器,采用人工智能方法,通过识别、分析、判断及推理,实现数控机床的智能功能,为智能部件的实现打下基础。 数控机床的误差包括几何误差、热(变形)误差、力(变形)误差、装配误差等。研究表明,几何误差、热误差占到机床总误差的50%以上,是影响机床加工精度的关键因素,如图1所示。其中,几何误差是制造、装配过程中造成的与机床结构本身有关的误差,随时间变化不大,属于静态误差,误差预测模型相对简单,可以通过系统的补偿功能得到有效控制,而热误差随时间变化很大,属于动态误差,误差预测模型复杂,是国际研究的难点和热点。   数控机床在加工过程中的热源包括轴承、滚珠丝杠、电机、齿轮箱、导轨、刀具等。这些部件的升温会引起主轴延伸、坐标变化、刀具伸长等变化,造成机床误差增大。由于温度敏感点多、分布广,温度测试点位置优化设计很重要,主要方法有遗传算法、神经网络、模糊聚类、粗糙集、信息论、灰色系统等[6]。在确定了温度测点的基础上,常用神经网络、遗传算法、模糊逻辑、灰色系统、支持向量机等来进行误差预测与补偿。   在航空航天领域,随着钛合金、镍合金、高强度钢等难加工材料的广泛应用,以及高速切削条件下,切削量的不断增大,刀具、工件间很容易发生振动,严重影响工件的加工精度和表面质量。由于切削力是切削过程的原始特征信号,最能反映加工过程的动态特性,因此可以借助切削力监测与预报进行振动监测。借助测力仪、力传感器、进给电机的电流等,利用粒子群算法、模糊理论、遗传算法、灰色理论等对切削力进行建模和预测。考虑到引起机床振动的原因主要有主轴、丝杠、轴承等部件,也可以采集这些部件的振动、切削力、声发射等信号,利用神经网络、模糊逻辑、支持向量机等智能方法直接进行振动监测。   刀具安装在主轴前端,与加工工件接触,直接切削工件表面,对加工质量的影响是最直接和关键的。刀具磨损、破损等异常现象影响加工精度和工作安全。鉴于直接测量法需要离线检测的缺陷,常采集电流、切削力、振动、功率、温度等一种或多种间接信号,采用RBF神经网络、模糊神经网络、小波神经网络、支持向量机等智能算法对刀具磨损状态进行智能监测。 随着自动化程度的提高,数控机床集成越来越多的功能,复杂程度不断提高。为了高效运行,对数控机床的内部状态进行监测与性能评价、对故障进行预警与诊断十分必要。由于故障模式再现性不强,样本采集困难,因此BP神经网络等要求样本多的智能方法不适合这种场合。状态监测与故障诊断常采用SOM神经网络、模糊逻辑、支持向量机、专家系统和多Agent等智能方法。 研究人员不断探索和研究智能功能的新方法或多种方法的混合,但大部分集中在实验室环境下,缺少实时性高、在线功能强的方法,尚需深入发展简洁、快速、适应性强的智能方法。   智能部件数控机床机械部分主要包括支撑结构件、主传动件、进给传动件、刀具等部分,涉及到床身、立柱、主轴、刀具、丝杠与导轨以及旋转轴等部件。这些部件可以集成智能传感器的一种或几种智能功能构成数控机床智能部件。   主轴是主传动部件,作为核心部件,直接关系到工件加工精度。由于主轴转速较高,特别是电主轴,发热、磨损、振动对加工质量影响很大,因此,越来越多的智能传感器被集成到主轴中,实现对工作状态的监控、预警以及补偿等功能。日本山崎马扎克研制的“智能主轴”,装有温度、振动、位移及距离等多种传感器,不但具有温度、振动、夹具寿命监控和防护功能,而且能够根据温度、振动状态,智能协调加工参数。瑞士Step-Tec、IBAG等制造的电主轴,装有温度、加速度、轴向位移等多种传感器,如图3所示,能够进行热补偿、振动监测等。