📖

术语词典

352 条汽车行业质量管理专业术语,覆盖体系与审核、五大核心工具、供应商质量、工程方法与可靠性、新能源与数字化智造

分类: 全部 📘 通用基础 📜 标准与法规 🏛️ 体系与审核 📊 FMEA 🔄 APQP 📋 PPAP 📈 SPC 🎯 MSA ⚙️ 5M1E 📝 ECN 🔧 8D 🧾 不合格品处置 🤝 供应商质量 📐 工程方法 🔋 新能源与智能网联 🖥️ 数字化与智造
快速跳转: 位 三 校 计 公 蒙 有 模 电 N I T 六 价 质 E 热 软 O 高 制 数 A 智 预 序 荷 健 绝 气 激 超 工 极 卷 化 8
位置度 Position Tolerance
Position Tolerance
控制要素(通常为孔、轴、槽的中心)相对于基准的位置偏差的形位公差,公差带通常是直径等于公差值的圆柱(对孔/轴)或两平行平面之间的区域。标注形如「⌖ ⌀0.2 Ⓜ A B C」。为什么汽车图纸大量用位置度而非坐标正负公差:① 坐标公差给出的是矩形公差带,四个角超出圆形装配需求(等于把不必要的精度要求转成成本);② 位置度可直接用 MMC 获得补偿公差并用功能检具检验;③ 位置度能明确表达「相对于哪几个基准」的完整约束。计算与判定:实际偏差 = 2×√(Δx²+Δy²)(即偏差量的两倍与直径公差带比较);在 MMC 下允许加上补偿量。CMM 测量后须按此换算,直接拿 Δx、Δy 分别与公差比是常见错误(会误判)。与装配的关联:位置度公差通常由「最坏情况公差叠加」反算得出 —— 孔位偏、孔径小、销径大三者叠加仍能装配,才说明公差设定合理;这也是为什么位置度常与 MMC 一起出现。
工程方法
💬 相关讨论 →
三坐标测量机 CMM
Coordinate Measuring Machine
通过探针在三个坐标方向上逐点接触(或光学非接触)工件表面,由软件拟合出几何要素并计算尺寸与形位误差的精密测量设备,是 GD&T 特性的主要测量手段,精度通常在微米级。使用要点:① 测点策略 —— 圆至少 3-4 点、圆柱需多层截面、平面需覆盖整个面(点数不足会拟合出错误结果);② 基准建立必须与图纸基准体系一致(先建坐标系再测,而不是随便找个面建);③ 温度补偿(20±2℃ 标准温度,工件与设备需等温);④ 探针校准与测球半径补偿;⑤ 程序须经 MSA 验证(同一工件重复测量与不同操作员测量的变异)。常见问题:PPAP 的尺寸结果用 CMM 测但程序未验证、基准与图纸不符、薄壁件夹持变形(夹紧力导致测得的尺寸偏小)、把「测出来合格」当作「功能合格」(尺寸合格但装配干涉,因为公差叠加未考虑)。替代与补充:大批量生产常用专用检具(更快但只能判定通止),CMM 更多用于首件、抽检、争议仲裁与模具修正。
工程方法
💬 相关讨论 →
校准 Calibration
Calibration
在规定条件下,将测量设备(或测量系统)的示值与对应的标准器示值进行比较,确定其示值误差的一组操作。注意:校准的产出是「误差值与不确定度」,不是「合格/不合格」判定 —— 是否可用(是否符合使用要求)由使用者按公差与测量要求判断(部分场景下称为「检定」或「计量确认」)。管理要求(IATF 16949 条款 7.1.5.2):① 建立台账,标识校准状态与有效期;② 校准须可溯源至国家或国际基准;③ 校准记录须包含标准器信息、环境条件、误差值与结论;④ 规定校准周期(按使用频次、历史漂移、重要性确定,而非一律一年);⑤ 发现失准时须评估「上次校准以来用该设备检验的产品」的影响范围并处置 —— 这一条是审核高频不符合项。易被忽略的对象:检具与工装上的测量元件(定位销尺寸)、试验设备(拉力机、扭矩扳手、盐雾箱温控)、软件(CMM 程序、视觉算法版本)、以及生产线上的在线量仪。实务提示:校准周期的设定应基于数据(历史校准结果是否总是零漂移),一味缩短周期是浪费,一味延长则会漏掉漂移风险。
工程方法
💬 相关讨论 →
计量溯源 Metrological Traceability
Metrological Traceability
通过一条不间断的、每步均有规定不确定度的校准链,把测量结果与国家或国际测量基准联系起来的性质。链条通常是:工作量具 → 企业最高标准器 → 法定计量机构标准 → 国家基准 → SI 单位定义。为什么必须:若测量结果无法溯源,则「合格」只是相对于某台未知设备的状态,供应商与顾客各用不同的尺子,争议无法裁决。汽车供应链的跨地域供货(不同国家工厂生产同一零件)尤其依赖溯源一致性。实操要求:① 校准证书须由具备资质的机构出具,且证书上须体现标准器信息与不确定度;② 内部校准须建立「企业最高标准器」并送外校准;③ 校准链上的不确定度应满足「测量不确定度 ≤ 公差 1/10」或顾客规定的比率(VDA 5 对此有明确判据);④ 记录须能证明链条完整(不能中间断链,例如用未经校准的量块去校准卡尺)。常见不符合:采购的检具只有厂家「出厂合格证」而无校准证书(合格证不等于校准);校准证书已过期未续;使用未经溯源的自制检具做 PPAP 尺寸判定。
工程方法
💬 相关讨论 →
公差分析 Tolerance Stack-up
Tolerance Stack-up Analysis
把装配链上各零件的尺寸与形位公差按一定规则累积,预测装配后的间隙/干涉/功能特性的分布,用以验证「零件公差设定能否保证装配与功能」。分两类方法:最坏情况法(Worst Case,所有零件都取极限公差,结果保守)与统计法(RSS,均方根,假设各偏差独立且服从正态分布,结果更接近实际但要求过程受控)。在汽车行业的典型应用:① 设计阶段分配公差(先定装配间隙目标,再反算各零件公差);② 分析装配干涉与外观间隙不均(如车门与车身的间隙面差);③ 判断是否需要增加调整垫片或改为浮动装配;④ 解释「所有零件都合格但装不上」的根因(这是公差叠加的经典问题,也是 GD&T 与 MMC 存在的理由)。关键认知:RSS 结果通常比最坏情况小很多,若用 RSS 定公差但实际过程偏移严重(均值不在中心),实际不良会远高于预测 —— 因此必须先确认过程受控且中心化,再使用统计法。更精确的方法:蒙特卡洛仿真(可处理非正态、非线性、形位公差),适用于关键装配(如电池包与车身、动力总成配合)。
工程方法
💬 相关讨论 →
蒙特卡洛仿真 Monte Carlo
Monte Carlo Simulation
从各输入变量的概率分布中随机抽样,代入模型计算,重复数万至数百万次,从而得到输出分布的方法。用于无法用解析公式求解的累积误差、非线性装配与多变量叠加问题。在公差分析与可靠性中的用途:① 公差叠加(可处理非正态分布、形位公差、装配约束);② 可靠性评估(把各部件寿命分布代入系统模型,得到系统失效概率);③ 风险量化(如电池热失控的多因素耦合概率);④ 成本-良率权衡(给定公差组合预测装配良率,反算最优公差分配)。实施要点:① 输入分布必须有依据(来自过程能力数据或供应商数据),不能凭感觉给正态分布;② 抽样次数要足够(通常 ≥10 万次才能稳定估计尾部的 P99.9);③ 需做敏感性分析(哪个变量的贡献最大),否则只得到一个数字而无法指导改进;④ 随机数种子应固定以便复现。与 RSS 的关系:正态、线性、独立时蒙特卡洛结果与 RSS 接近;一旦存在非正态或非线性,两者会显著分离,此时蒙特卡洛更可信。
工程方法
💬 相关讨论 →
有限元分析 FEA
Finite Element Analysis
把连续的几何体离散为有限个单元(网格),在每个单元内用近似函数求解偏微分方程(结构应力、传热、模态等),从而得到整个结构上的应力、变形、温度分布的方法。汽车行业的典型应用:车身与底盘强度刚度、悬架疲劳寿命预测、电池包箱体在挤压与振动下的强度、焊接接头的应力集中、零部件的轻量化拓扑优化。可信度的三个前提:① 网格质量(关键区域网格过粗会漏掉应力集中,网格无关性验证不可省);② 边界条件与载荷的真实性(约束方式错误是最常见误差来源,把实际柔性连接当刚性约束会显著高估或低估应力);③ 材料模型(弹性模量、屈服准则、硬化曲线、温度相关性)。与试验的关系:仿真不能替代试验,两者必须互相校验(相关性分析)—— 用应变片/加速度计实测值与仿真对比,偏差在可接受范围内(通常 ≤10-15%)才能用仿真做设计决策。审核时常查「仿真报告是否做了试验相关性验证」,只有仿真而无验证是常见弱点。在 PFMEA 与设计验证中的落点:仿真是 DVP&R 中「分析」类验证手段(A 类),可减少实物试验数量,但不能单独作为安全特性符合性的唯一证据。
工程方法
💬 相关讨论 →
模态分析 Modal Analysis
Modal Analysis
确定结构固有频率、振型与阻尼比的分析方法,分计算模态(FEA 求解特征值)与试验模态(用激振器/力锤激励,测响应并拟合)。用于避免共振、指导减振设计与验证仿真模型。汽车行业的核心用途:① 避免零部件固有频率与发动机激励频率、路面激励、电机阶次重合(共振会导致噪声放大与疲劳失效);② 车身与副车架的模态目标设定(通常要求一阶弯曲/扭转频率高于某阈值);③ 电池包与支架的模态需避开发动机与电机的激励频段;④ 试验模态用于修正 FEA 模型(模型相关性更新)。关键概念:固有频率随刚度增大而升高、随质量增大而降低;阻尼比决定共振峰的尖锐程度(汽车结构常见 1%-5%);振型描述变形形态。与 NVH 的关系:模态是 NVH 问题的基础诊断工具 —— 某转速下出现轰鸣,先看该转速对应激励频率是否接近某部件固有频率,再决定改刚度、加质量还是加阻尼(三者对应不同的成本与周期)。
工程方法
💬 相关讨论 →
计算流体动力学 CFD
Computational Fluid Dynamics
用数值方法求解流体流动与传热控制方程(连续性、动量、能量),得到流场、压力场与温度场的方法。汽车行业两大应用方向:空气动力学(整车风阻、气动噪声、发动机舱与制动散热)与热管理(电池包与电驱的冷却、座舱热舒适、热失控传播仿真)。新能源车的核心价值:电池包温度均匀性直接决定寿命与安全 —— CFD 可预测不同冷却方案(液冷板流道、风冷、浸没式)在各工况下的最高温度、温差与压降,从而在样件前完成方案筛选。热失控传播仿真( Thermal Propagation)还用于验证「单体热失控后整包不起火不爆炸」的法规符合性(GB 38031-2025 要求),是当前最热的仿真课题之一。可信度前提:湍流模型选择(k-ε、k-ω SST、LES 适用场景不同)、网格质量与边界层处理、边界条件(入口流速、环境温度、发热功率)的真实性。与 FEA 一样,须与风洞试验或台架实测做相关性验证。
工程方法
💬 相关讨论 →
电磁兼容 EMC
Electromagnetic Compatibility
设备在其电磁环境中能正常工作、且不对该环境中的其他设备造成不可承受电磁骚扰的能力。包含两方面:发射(EMI,设备向外产生的干扰,分传导发射与辐射发射)与抗扰(EMS,设备承受外来干扰的能力,分传导抗扰与辐射抗扰)。汽车行业主要标准:CISPR 25(车载零部件的传导与辐射发射限值)、ISO 11452 系列(零部件辐射抗扰,如 BCI 大电流注入、自由场)、ISO 7637(沿电源线的瞬态传导抗扰,模拟负载突降与开关瞬变)、ISO 10605(静电放电 ESD);整车层面有 UN R10 法规。为什么是新能源与智能网联的痛点:高压大电流系统(电机逆变器的开关频率、DC-DC)是强干扰源,同时低压控制与传感器信号极其微弱,两者共存使 EMC 设计难度陡增;ADAS 的雷达与摄像头对干扰敏感,误报可能直接触发错误的制动或转向。工程落点:EMC 应在设计阶段通过布线、屏蔽、滤波、接地解决,靠后期整改(加磁环、改屏蔽罩)成本极高且常常只能压线通过;EMC 试验失败是整车开发后期最常见的进度风险之一。
工程方法
💬 相关讨论 →
NVH NVH
Noise, Vibration and Harshness
噪声(Noise)、振动(Vibration)与声振粗糙度(Harshness)的统称,描述驾乘人员对车辆声音与振动的感知,是顾客最容易察觉、也最难量化的质量维度之一 —— 它往往不导致功能失效,但直接影响感知质量与投诉率。三个频段的划分(大致):低频振动(<50 Hz,如怠速抖动、路面激励)、中频噪声(50-500 Hz,如轰鸣、路噪)、高频噪声(>500 Hz,如风噪、齿轮啸叫、电机高频啸叫)。不同频段对应不同的机理与对策(模态、阻尼、隔声、密封、声学包)。新能源车的特殊挑战:失去发动机掩蔽后,风噪、路噪、电机高频啸叫、减速器齿轮噪声、电子泵与压缩机的运转声都变得突出,因此 NVH 指标比燃油车更严;同时电驱的高转速(15000-20000 rpm)带来新的阶次噪声问题。评价方法:主观评价(专业人员按评分标准听/感)+ 客观测量(声压级、加速度、阶次分析、传递路径分析 TPA)。质量工作中的落点是「异响(BSR,Buzz/Squeak/Rattle)」—— 它是售后投诉的高频项,且与装配质量、卡扣设计、公差配合直接相关,属于典型的过程敏感特性。
工程方法
💬 相关讨论 →
IP 防护等级 IP Code
Ingress Protection Code
国际电工委员会(IEC 60529 / ISO 20653)规定的外壳防护等级,格式为 IP + 两位数字:第一位表示防固体异物(0-6,6 为完全防尘),第二位表示防水(0-9K,数字越大防护越强)。汽车行业常用 IP67、IP6K9K、IP69K 等(K 表示按 ISO 20653 的汽车专用试验条件)。常见等级含义:IP67 = 完全防尘 + 短时浸水(1 m 深 30 min)不影响;IP6K9K = 完全防尘 + 高压高温喷水(80-100 bar、80℃),用于发动机舱与底盘件、以及需要高压清洗的部位;IP54 = 防尘(有限进入但不影响功能)+ 防溅水。在新能源车中的应用:电池包通常要求 IP67 起(部分要求 IP68 或 IP6K9K),电机与电控要求 IP67/IP6K9K,充电口要求 IP54/IP55 以上;密封失效导致的进水是电池包失效与起火的重要诱因之一。验证与量产控制:型式试验做浸水/喷水;量产靠气密性检测(压降法或流量法)100% 检验,因为水密试验是破坏性的、不能全检 —— 因此「气密测试限值与 IP 等级的对应关系」必须通过相关性试验建立,不能凭经验定压降阈值。
工程方法
💬 相关讨论 →
TRIZ TRIZ
Theory of Inventive Problem Solving (Teoriya Resheniya Izobretatelskikh Zadatch)
由苏联 Altshuller 通过对大量专利的分析总结出的发明问题解决理论,核心思想是「技术问题的解在别的领域已经被人解决过」,因此可以用结构化方法跨领域迁移。主要工具:40 个发明原理、矛盾矩阵(把「改善 A 却恶化 B」的技术矛盾映射到推荐原理)、物场分析、理想最终结果(IFR)、S 曲线(技术系统进化趋势)。在汽车工程中的典型用法:解决「轻量化 vs 强度」「散热 vs 密封」「刚度 vs 成本」这类典型技术矛盾 —— 例如用「分割原理」把整体件拆成模块、用「预先作用原理」做预紧或预热、用「反向作用」把拉改为推。与 DOE 的分工:TRIZ 解决「想不出方案」(概念层),DOE 解决「方案定了但参数不知怎么调」(优化层)。工程上常见顺序是 TRIZ 出概念 → DOE 定参数 → FMEA 评风险。局限:TRIZ 偏重机械与物理矛盾,对软件、用户体验、组织流程类问题适用性较弱;且它给出的是「候选方向」,仍须用试验与数据验证。
工程方法
💬 相关讨论 →
六西格玛设计 DFSS
Design for Six Sigma
在新产品/新过程的设计阶段就植入六西格玛能力的方法体系,目标是把缺陷预防在设计里,而不是量产后靠 DMAIC 去救火。常用路线:DMADV(Define-Measure-Analyze-Design-Verify)与 IDDOV(Identify-Define-Develop-Optimize-Verify)。与 DMAIC 的区别:DMAIC 改进已有过程(问题已发生),DFSS 设计新过程(问题尚未发生)。业界经验是设计阶段决定了 70%-80% 的最终质量与成本,因此 DFSS 的投入产出比通常高于后期改进。核心工具组合:QFD(把顾客需求转成设计特性)、TRIZ(解决设计矛盾)、公理设计、稳健设计/田口(降低对噪声的敏感)、DFMEA、公差分析、蒙特卡洛、可靠性预计与验证(DVP&R)。在 APQP 中的位置:DFSS 的方法与 APQP 的第二阶段(产品设计与开发)高度重叠,实务中常把 DFSS 作为 APQP 的设计质量工具包使用,而不是另立流程。
工程方法
💬 相关讨论 →
价值工程 VE/VA
Value Engineering / Value Analysis
以「功能与成本的比值」为核心,通过分析产品功能是否必要、是否有更低成本的实现方式,在不降低必要功能的前提下降低成本的方法。价值工程(VE)用于设计阶段,价值分析(VA)用于已有产品的改进。基本步骤:功能定义(这个零件/工序到底提供什么功能)→ 功能评价(功能重要度 vs 成本占比,找出「成本高但功能不重要」的项)→ 方案创造(用 TRIZ、头脑风暴找替代方案)→ 方案评价与实施。汽车行业的典型应用:去掉冗余功能、合并零件(减少零件数同时提升可靠性)、材料替代(以塑代钢)、工艺简化、公差合理化(把过严公差放宽到功能真正需要的水平 —— 这是最容易见效的一项,因为过严公差往往来自「设计保守」而非功能要求)。与降本的区别:VE/VA 是「功能不降、成本下降」,而单纯降本(偷工减料)会牺牲功能并最终以售后成本偿还。质量管理要警惕的是「以 VE 为名的降本」—— 若变更涉及特殊特性或材料,必须走变更管理与重新验证。
工程方法
💬 相关讨论 →
质量损失函数 QLF
Quality Loss Function
田口玄一提出的概念:产品质量的损失与「特性偏离目标值的程度」的平方成正比,即 L = k(y - m)²,其中 y 为实际值、m 为目标值、k 为常数。它把「合格/不合格」的二值判断,改为「偏离目标越远、社会损失越大」的连续判断。与传统公差观念的根本差别:传统观念认为「只要在公差内就没损失」,质量损失函数认为「在公差内但靠近极限值的产品,损失远大于靠近目标值的产品」。因此改进方向不是「做到公差内」,而是「把分布中心对准目标值并减小变异」。工程价值:① 解释为什么「100% 合格但顾客仍有抱怨」—— 产品都合格但均值偏移,顾客感知一致性差;② 为「公差该定多严」提供经济依据(公差收紧的制造成本 vs 损失减少的收益);③ 支撑稳健设计的目标设定(望目特性、望小特性、望大特性三类)。在汽车行业的体现:外观间隙面差的「一致性」比「是否在公差内」更影响感知质量;同一批零件尺寸分布窄的供应商,装配后的返修率显著低于分布宽的供应商 —— 这正是质量损失函数预测的结果。
工程方法
💬 相关讨论 →
EOL 下线检测 EOL
End of Line Test
整车总装完成后的最后一道质量门,在下线工位逐台完成四轮定位、前照灯与摄像头标定、制动与 ABS 功能、淋雨密封、电气功能、高压绝缘与充电功能等检测,配备组合驾驶辅助的车型还须完成雷达/摄像头标定(静态标定与动态路试标定)。任一项目不合格即判为不合格车,不得入库或交付。核心指标是一次下线合格率(FTQ)与单车缺陷数(DPU)——它们直接反映总装与前工序的过程能力,是整车厂内部最受关注的日度指标。审核关注:检测项目是否覆盖控制计划规定的全部特性、设备是否在校准有效期内、标定环境(光照、地面平整度、金属反射物)是否受控、不合格车的返修与复检记录是否闭环、检测数据是否可按 VIN 追溯。
新能源与智能网联
💬 相关讨论 →
热失控 Thermal Runaway
Thermal Runaway (TR)
动力电池单体内部放热反应失去控制、温度急剧上升并引发连锁反应的现象,是电动汽车起火的主要诱因。典型诱因包括内短路(毛刺、异物、析锂刺穿隔膜)、过充过放、外部加热、机械挤压或针刺、制造缺陷与一致性不良。防控分四层:电芯层(选型、一致性、安全涂层)、包体层(隔热阻燃材料如气凝胶、泄压阀与定向排气、模组间隔断)、系统层(BMS 电压骤降/温升速率/气体探测的早期预警、熔断与高压切断)、云端层(大数据监测与提前告警)。法规红线:GB 38031-2025 于 2025-03 发布、2026-07-01 实施,热扩散要求由旧版「起火、爆炸前 5 分钟提供热事件报警」提升为「不起火、不爆炸(单体热失控仍须报警),烟气不对乘员造成伤害」,并新增底部撞击测试与 300 次快充循环后外部短路测试。
新能源与智能网联
💬 相关讨论 →
电池管理系统 BMS
Battery Management System
动力电池的电子控制核心,负责单体电压与温度采集、电流检测、SOC(荷电状态)/SOH(健康状态)/SOP(功率状态)估算、被动或主动均衡、充放电控制、热管理协同、绝缘检测与故障诊断保护(过压、欠压、过温、过流、绝缘降低、继电器粘连)。按 ISO 26262 进行功能安全开发,依整车安全目标分配常见为 ASIL C 或 ASIL D。质量与审核关注点:SOC 估算精度(通常要求 ±3% 以内)、单体电压采样精度与同步性、绝缘电阻检测响应时间、故障分级与降功率/断高压策略、软件版本与标定数据可追溯、下线 EOL 的 BMS 功能检测覆盖率。
新能源与智能网联
💬 相关讨论 →
软件物料清单 SBOM
Software Bill of Materials
逐层列出产品所含软件组件、版本号、许可证与依赖关系(含开源与第三方组件)的清单,作用相当于软件版的 BOM。与硬件 BOM 的关键差异在于软件可远程更新、版本迭代快,因此 SBOM 必须能回答「某个 CVE 漏洞影响哪些车型、哪些软件版本、哪些 ECU」。驱动来源:UN R155 网络安全法规与 ISO/SAE 21434 要求供应链具备漏洞管理与可追溯能力;欧盟《网络弹性法案》(CRA)与美国相关立法推动 SBOM 强制化。落地要点:SBOM 随每次发版更新并与 OTA 备案的软件版本一致、纳入供应商准入与变更管理、支撑漏洞响应时限(行业内常见 24 小时初判、按风险分级修复)。与 PPAP 的关系:软件件同样需要提交版本与配置信息,SBOM 正成为软件类零件的必备提交物。
新能源与智能网联
💬 相关讨论 →
OTA 空中下载升级 OTA
Over-the-Air Update
通过无线网络远程更新车端软件的技术,分 FOTA(固件级,涉及 ECU、域控制器、BMS 等底层软件)与 SOTA(应用层,多为座舱娱乐与地图)。国内监管自 2025 年起全面收紧:工信部联通装〔2025〕45 号(2025-02-25,与市场监管总局联合发布)要求 OTA 升级活动向工信部与市场监管总局备案,并按影响分类管理——不涉及产品主要技术参数变更的,备案后即可实施;涉及主要技术参数变更的,须先取得产品变更许可并完成备案;涉及自动驾驶功能的,按准入管理取得相应许可;用于消除缺陷、实施召回的,按《缺陷汽车产品召回管理条例实施办法》执行并立即停止生产销售缺陷产品。强制性国标 GB 44496-2024《汽车软件升级通用技术要求》自 2026-01-01 实施:升级包须加密防篡改、行驶中不得升级关键系统、每版软件有唯一标识可追溯、升级失败须有兜底回滚方案。同时禁止静默升级,用户有权选择是否升级。质量视角:OTA 是变更管理的延伸,须走 ECN/4M 变更流程,留存影响评估、测试验证与升级记录。
新能源与智能网联
💬 相关讨论 →
高级驾驶辅助系统 ADAS
Advanced Driver Assistance Systems
通过摄像头、毫米波雷达、超声波雷达、激光雷达等传感器感知环境,提供预警或横纵向控制的驾驶辅助系统,典型功能包括 AEB 自动紧急制动、ACC 自适应巡航、LKA 车道保持、LDW 车道偏离预警、BSD 盲区监测、APA 自动泊车。分级依据 GB/T 40429-2021《汽车驾驶自动化分级》为 0-5 级:0 应急辅助、1 部分驾驶辅助、2 组合驾驶辅助、3 有条件自动驾驶、4 高度自动驾驶、5 完全自动驾驶。当前量产乘用车主流为 2 级(组合驾驶辅助),即系统持续执行横纵向控制但驾驶员仍须全程监控。合规红线:2025-02 两部门通知及配套《技术指南》明确,企业在组合驾驶辅助系统或功能的命名与营销宣传中,不得使用暗示消费者该系统可作为自动驾驶系统使用、或具备实际并不具备功能的用语,须真实全面地说明驾驶自动化等级、系统能力与系统边界,防止驾驶员滥用;相关技术参数已纳入产品准入与生产一致性管理。质量视角:ADAS 属安全相关功能,须按 ISO 26262(功能安全)与 ISO 21448(预期功能安全 SOTIF)开发,下线 EOL 须完成传感器标定与功能验证。
新能源与智能网联
💬 相关讨论 →
制造执行系统 MES
Manufacturing Execution System
位于 ERP 与车间设备之间、管理「从下达工单到产出成品」全过程的信息系统。按 ISA-95 分层,它在 L3 层(L4 为 ERP、L2 为 SCADA、L1/L0 为控制与设备)。核心功能:工单派发与工序流转、物料上料防错与批次绑定、设备与工艺参数采集、质量判定与不合格处置、单件序列号追溯、在制品与产量统计、电子看板。为什么质量工作绕不开它:① 追溯的载体 —— 整车召回要能按 VIN 反查到每个关键件的批次与工位,靠纸质记录做不到;② 防错的执行点 —— 扫码校验料号与版本,是防止错装漏装最有效的手段;③ 数据的来源 —— SPC 的实时数据、OEE 的停机原因、一次合格率,都要从 MES 取。实施失败的三条主因:业务流程未理顺就上系统(把混乱固化)、主数据不准(BOM、工艺路线、料号错)、现场不录入或事后补录(数据失真,比没有更糟)。审核时「MES 记录与实际生产时间不符」是常见破口。
数字化与智造
💬 相关讨论 →
质量管理系统 eQMS
Electronic Quality Management System
管理质量体系日常事务的软件平台(注意与「质量管理体系 QMS」区分:前者是系统软件,后者是管理体系)。典型模块:文档与版本控制、培训与能力矩阵、不合格品与偏差、CAPA 与 8D、审核管理(内审/二方/三方)、供应商质量(SCAR、AVL、绩效)、校准与设备台账、变更管理、投诉与召回、管理评审数据汇总。核心价值不是「无纸化」,而是「强制流程与可追溯」:文件改版自动作废旧版、CAPA 超期自动升级、审核发现必须闭环才能关闭、所有操作留操作人与时间戳 —— 这些在纸质体系里依赖人的自觉,在系统里是硬约束。选型与实施要点:优先与 MES/ERP 打通(不合格品、供应商、物料要共用主数据);工作流必须能表达「谁能批、什么条件下必须驳回」;审计追踪(audit trail)不可篡改是合规底线;避免「把 Excel 搬进系统」——只做表单录入而无流程约束,收益接近于零。
数字化与智造
💬 相关讨论 →
数字孪生 Digital Twin
Digital Twin
物理实体(产品、产线、工厂)在数字空间中的动态映射,通过实时数据同步使虚拟模型能反映物理实体的真实状态,并可用于仿真、预测与优化。三个层次:① 产品孪生(设计验证、性能预测、寿命评估);② 产线孪生(节拍仿真、瓶颈识别、换型验证);③ 工厂孪生(布局、物流、能耗)。与普通仿真的区别:普通仿真是「一次性」的离线计算,孪生要求「持续同步」—— 有传感器数据回流、模型随实际状态更新。因此数据采集的覆盖率与实时性决定了孪生的价值,没有数据回流的「三维模型」不是孪生。汽车行业应用:焊装线的节拍与干涉仿真(新车型导入前验证)、涂装车间的能耗优化、电池产线的良率预测、以及基于车辆运行数据的「电池寿命孪生」(用实车充放电数据预测剩余寿命)。现实落差:投入大、见效慢,且需要工艺知识与数据建模能力同时具备,多数企业停留在「可视化大屏」阶段而未进入「预测与优化」。评估时应以「是否产出了可执行的决策」为标准,而非模型精度。
数字化与智造
💬 相关讨论 →
数字线程 Digital Thread
Digital Thread
贯穿产品全生命周期的数据链路:从需求、设计、仿真、工艺、制造、检验、售后到报废,每一环节的数据都能与前后的环节关联并追溯。它与「数字孪生」互补 —— 孪生是某一时刻的映射,线程是跨阶段的贯通。为什么对质量管理关键:当售后出现失效时,能沿着线程从「故障件序列号」回溯到「批次 → 工艺参数 → 设备与工位 → 检验记录 → 设计版次与变更」,从而在数小时内定位影响范围,而不是花数周翻纸质记录。这就是召回范围判定的能力边界。技术前提:统一的数据模型与标识体系(零件号、序列号、变更号在设计与制造系统中必须是同一套)、系统间的接口(PLM-ERP-MES-QMS 打通)、以及版本与变更的关联(ECN 要能说清「哪一批产品用了新版本」)。最大障碍通常不是技术而是「一家一个编码体系」—— 设计用图号、制造用物料号、售后用服务件号,三者映射不全,线程就断了。
数字化与智造
💬 相关讨论 →
AI 视觉检测 Machine Vision
AI-based Visual Inspection
用工业相机采集图像,通过传统图像算法或深度学习模型判定产品外观与装配状态是否合格的检测方式。相比人工目检,优势是稳定性(不会疲劳、标准一致)、速度与可追溯(每件留图)。两个关键指标:漏检率(把不良判为良品,直接流向顾客,是致命的)与过杀率(把良品判为不良,造成报废与复检成本)。二者此消彼长,阈值设定必须依据「漏检的后果严重程度」而非「追求两者都低」—— 安全特性宁可过杀。深度学习落地的前提:① 足够且均衡的样本(不良样本天然稀少,需要刻意收集与数据增强);② 缺陷定义清晰(「轻微划伤」与「可接受纹理」的边界必须由质量与顾客共同书面确认,否则模型学到的是标注者的主观);③ 稳定的成像条件(光源、角度、背景、防振),成像不稳定则模型再好也不可靠。审核关注:模型版本是否受控(换模型等于换检测标准,须走变更)、判定阈值是否有依据、误判件的处置与复检机制、以及「AI 判合格」是否被当作免除后续抽检的理由(不应免除)。
数字化与智造
💬 相关讨论 →
智能制造 Smart Manufacturing
Smart Manufacturing / Industry 4.0
以数据与网络为基础,实现生产过程的自动化、信息化与智能化协同的制造范式,涵盖设备互联(IIoT)、数据采集与分析、柔性自动化、数字孪生、AI 应用与全链协同。在汽车行业的具体形态:焊装车间的机器人集群与在线测量、涂装车间的参数闭环控制、总装的防错与拧紧数据上传、以及跨工厂的生产协同与排产优化。质量管理视角的三个层次(由低到高):① 可见(数据能采集、状态能看板);② 可控(超限自动报警、参数自动纠偏、不合格自动拦截);③ 可预测(趋势预警、根因推荐、质量预测)。多数企业的实际水平停在第一层,宣传口径却按第三层讲,评估时应用「是否发生过由系统自动拦截不良」来验证。必须配套的软性条件:标准化(工艺参数与判定标准先统一,否则数据无法比较)、人员能力(会用数据做决策而非只看报表)、组织流程(报警之后谁负责、多久响应)。缺这些,设备再先进也只是「自动化」而非「智能化」。
数字化与智造
💬 相关讨论 →
数据采集与监控 SCADA
Supervisory Control and Data Acquisition
采集现场设备与传感器的实时数据、实现集中监视与远程控制的系统,位于 ISA-95 的 L2 层,向下连接 PLC 与仪表(L0/L1),向上向 MES 提供数据。核心组成:现场采集(PLC、传感器、仪表)、通信网络(工业以太网、现场总线)、监控组态(画面、报警、趋势)、历史数据库。在质量中的作用:把「工艺参数是否在窗口内」从人工点检变为自动记录 —— 焊接电流与时间、炉温曲线、涂装膜厚、拧紧扭矩与角度、压装力位移曲线,都可连续采集并留档,这是特殊过程「参数受控」的证据来源。关键设计:采集频率必须匹配过程变化的速率(快变过程如焊接电流需毫秒级,慢变如炉温可分钟级);报警必须分级并关联到责任人(否则声光报警会被长期屏蔽,这是最普遍的形式主义);历史数据保存期限要满足追溯要求(通常与产品寿命或法规要求对齐)。审核关注点:SCADA 记录与产品序列号的关联是否建立(能查到「这台车的这批焊点当时的参数」才算有效追溯);是否存在「参数超限但未标记不良」的记录 —— 这类矛盾往往指向数据被人为修改或采集点接错。
数字化与智造
💬 相关讨论 →
预测性维护 PdM
Predictive Maintenance
基于设备状态监测数据(振动、温度、电流、油液、声发射)与退化模型,预测设备何时会失效并在失效前安排维修的维护策略。与预防性维护(按时间/周期)的区别是「按状态」而非「按日历」。三种维护策略的适用场景:事后维修(故障后修,适用于非关键、低成本设备)、预防性维护(定期更换与保养,适用于有明确磨损规律的部件)、预测性维护(按状态,适用于关键、停机损失大、失效有前兆的设备)。在质量上的价值往往大于在成本上的价值:设备精度漂移会在产品上表现为尺寸趋势性变化,若能提前发现并补偿,可避免整批超差 —— 这是「设备维护」与「质量控制」的交汇点。典型应用:主轴振动监测、刀具磨损监测(用切削力或声发射)、液压系统污染度、机器人减速器状态。实施前提:有可靠的状态数据、有可用的失效历史(用于建立模型)、有快速的维修响应能力。若维修资源跟不上,预测出问题也没用。
数字化与智造
💬 相关讨论 →
电子批记录 EBR
Electronic Batch Record
以电子形式记录一个批次(或一台产品)全部生产与检验活动的完整档案,替代纸质流转卡与检验记录。内容通常包含:投料与批次、设备与工位、工艺参数实测值、操作人与时间戳、检验结果、不合格与偏差处理、放行审批。概念源自制药行业(GMP 的 Batch Record),在汽车行业以「单件/批次的电子履历」形式落地,是追溯能力的最终载体。关键要求:① 不可篡改(只能追加更正记录,保留原值与修改人,即 audit trail);② 完整(不能有「漏填项」,系统应强制必填);③ 可检索(能按批次、序列号、时间段、设备、操作人反查);④ 保存期限满足法规与顾客要求(汽车行业常见 15 年或产品寿命 +1 年)。常见失败:系统里只有「合格」两个字的结论而无实测数据(等于没有记录);纸质与电子双轨并行且不一致(审核时以哪个为准无法回答);补录现象普遍(时间戳集中在班末)。
数字化与智造
💬 相关讨论 →
序列号追溯 Serial Traceability
Serial Number Traceability
以单件唯一序列号(或 VIN、二维码、RFID)为索引,记录并反查该件在全部工序上的生产数据(设备、工位、操作人、批次、参数、检验结果)的能力。与「批次追溯」的区别是精度:批次追溯只能圈定一批,序列号追溯能精确到单件。为什么安全件必须做到单件级:若某批安全气囊发生器存在缺陷,批次追溯要召回整批(可能数万台),序列号追溯可按实际使用该批零件的车辆范围精准召回 —— 成本差一个数量级,且顾客影响面完全不同。技术要求:① 标识的唯一性与耐久性(激光打码、二维码、RFID,需通过耐久试验);② 全工序扫码(漏扫一个工位,追溯链就断在那一段);③ 零部件与总成的绑定关系(装配时扫子件码并绑定到父件码);④ 数据关联到 MES 与 QMS。IATF 16949 条款 8.5.4.1(防护)与顾客 CSR 通常要求对安全/关键特性件具备单件追溯能力;审核时会现场抽一个成品码,要求当场反查出全部关键件的批次与工序数据 —— 这是验证追溯能力最快也最有效的方法。
数字化与智造
💬 相关讨论 →
荷电状态 SOC
State of Charge
电池当前剩余电量占额定容量的百分比(0-100%),是用户看到的「电量」与整车能量管理的基础输入。估算方法:安时积分(简单但会累积误差)、开路电压法(需静置,动态不可用)、卡尔曼滤波/等效电路模型(融合电压与电流,工程主流)、以及基于数据驱动的机器学习方法。难点:磷酸铁锂(LFP)的电压平台极其平坦,中间段电压几乎不随 SOC 变化,因此单纯靠电压估算精度很差,必须依赖模型与积分;低温、老化、大倍率放电都会加剧误差。与质量管理的关系:SOC 跳变(显示电量突然从 30% 掉到 10%)是售后投诉的高频项,本质上多为标定与估算问题而非电芯故障;售后诊断需区分「真实容量衰减」与「估算偏差」,否则会误换整包。相关指标:SOH(健康状态,容量与内阻的衰减)、SOP(功率状态,当前可充放电的功率上限),三者共同构成 BMS 的状态估计核心。
数字化与智造
💬 相关讨论 →
健康状态 SOH
State of Health
反映电池相对新电池的性能衰减程度,通常以容量保持率(当前可用容量 / 额定容量)表示,辅以内阻增长与功率能力衰减。行业通行判据:容量保持率降至 80% 常被视为动力电池的寿命终止(EOL)参考线,国内三包与质保条款对电池衰减有具体约定(如 8 年或 12 万公里内不低于 70%-80%,各厂商口径不同)。衰减机理:SEI 膜增厚(消耗锂与电解液)、活性物质损失、锂离子库存损失(析锂)、集流体腐蚀、以及机械应力导致的颗粒破碎。不同机理对应不同的使用工况 —— 高温存储加剧 SEI 增长、低温大倍率充电导致析锂、高 SOC 长时间存放加速衰减。工程意义:SOH 既是售后判责的依据(是正常衰减还是使用不当),也是二手车残值评估的核心参数,还是 BMS 功率限制(SOP)与安全预警的输入。测量难点:实车无法做完整容量测试,只能靠充电电量积分、容量增量分析(ICA/dQ/dV)或模型估算,精度有限,因此「售后 SOH 争议」通常需要返厂做标准充放电标定才能裁定。
数字化与智造
💬 相关讨论 →
电池功率状态 SOP
State of Power
电池在当前 SOC、温度、SOH 条件下,短时间内可安全输出(放电)或接受(充电)的最大功率,是整车动力性与快充策略的直接约束。典型表述为「10 秒峰值放电功率」「持续放电功率」「峰值充电功率」,均随温度与 SOC 变化。限制因素:电压下限(放电时不得低于截止电压)、电压上限(充电时不得过压)、温度上限(防止过热)、析锂风险(低温充电的核心约束)、以及电芯一致性(最弱的那颗决定整包能力)。低温是最大的限制场景:-20℃ 时可用充电功率可能只有常温的 10%-20%,这也是冬季快充慢、动能回收受限的原因 —— 用户感知为「车没劲」「充不进」,实际是 SOP 保护而非故障。与质量工作的关联:售后抱怨「冬天充电慢」多数属标定策略与用户预期管理问题,需要在说明书中明确告知温度窗口;而「常温下功率明显低于标称」则可能指向电芯一致性差、连接内阻偏大或 BMS 采样误差,属真实质量问题。
数字化与智造
💬 相关讨论 →
电芯 Cell
Battery Cell
电池的最小可逆充放电单元,由正极、负极、隔膜、电解液与壳体(或铝塑膜)构成。按封装形态分三类:圆柱(如 18650/21700/4680,标准化程度高、成本低、成组效率低)、方形(国内主流,成组效率高、结构强度好)、软包(能量密度高、形状灵活、机械强度弱)。按材料分磷酸铁锂(LFP,安全与循环寿命好、能量密度低)与三元(NCM/NCA,能量密度高、热稳定性相对差)。关键质量特性:容量、内阻、自放电率、一致性(容量/内阻/电压的分布宽度)、以及安全性(过充、针刺、挤压、热箱下的表现)。一致性是成组的命门 —— 整包寿命由最弱的那颗电芯决定,因此分容分选(Grading)的精度直接决定 Pack 的寿命。制造质量敏感点:极片涂布面密度均匀性、极耳焊接强度、卷绕/叠片对齐度、注液量与水分控制(水分超标会导致 HF 生成与容量衰减)、以及化成工艺(决定 SEI 膜质量)。这些缺陷在成品电性能测试中往往不显现,却会在数月后以容量跳水或内短路的形式暴露。
数字化与智造
💬 相关讨论 →
模组 Module
Battery Module
由若干电芯经串并联、配以框架、汇流排(Busbar)、采样线与热管理部件组装而成的中间单元,是传统「电芯-模组-电池包」三级结构中的一级。模组的作用是提供机械固定、电气连接、热传导与采样接口,并便于标准化生产与维修更换。技术演进:CTP(Cell to Pack,电芯直接成包)取消模组以提升体积利用率与降低成本,CTB(Cell to Body)/CTC(Cell to Chassis)进一步把电池包与车身或底盘一体化 —— 趋势是「去模组化」,但代价是维修性变差(无法单独换模组)与热管理、结构设计要求更高。模组制造的质量关键:电芯分选配组(同一模组内电芯的容量/内阻差异须在限值内)、汇流排焊接(激光焊的熔深与气孔、超声焊的剥离强度)、采样线束的连接可靠性(虚接会导致电压采样异常,误触发保护)、以及模组 EOL 测试(绝缘、耐压、内阻、容量)。售后影响:模组级维修可只换故障模组,CTP/CTB 结构下只能换整包,这是两种结构在保修成本上的根本差异。
数字化与智造
💬 相关讨论 →
电池包 Pack
Battery Pack
由模组(或电芯直接)、箱体(上盖与下箱体)、BMS、高压配电(继电器、熔断器、预充电阻)、热管理系统、以及高低压线束集成而成的完整能量存储系统,是装车的最小总成单元。关键质量与安全特性:① 密封性(IP67 起,气密检测 100% 全检);② 绝缘电阻(直流 ≥100 Ω/V);③ 耐压(Hipot 测试);④ 热管理性能(温差控制,通常要求包内温差 ≤5℃);⑤ 机械强度(振动、冲击、挤压、底部球击);⑥ 热失控防护(GB 38031-2025 要求单体热失控后整包不起火不爆炸、烟气不伤害乘员)。制造过程的关键控制:涂胶(导热胶与密封胶的胶型、宽度、连续性与固化)、螺栓拧紧(扭矩与角度监控,防松)、焊接(汇流排与箱体)、气密(分总成与总成两次检测)、以及 EOL 的绝缘耐压与充放电测试。召回影响面:电池包是最容易引发大规模召回的部件之一(安全后果严重、单车价值高),因此其追溯要求通常做到「电芯级 + 单件级」双追溯。
数字化与智造
💬 相关讨论 →
电池车身一体化 CTB/CTC
Cell to Body / Cell to Chassis
把电池包与车身地板或底盘结构合为一体的技术路线,电芯(或电池包上盖)直接参与车身结构受力,从而提升整车刚度、降低高度、提高体积利用率。CTP(Cell to Pack,电芯直接成包)是其前置形态 —— 先去掉模组,再进一步去掉独立的包体。收益:体积利用率提升(能量密度等效提升)、整车扭转刚度提升(可达数万 N·m/deg 的量级)、零件数与成本下降、地板高度降低(改善坐姿与风阻)。代价与质量挑战:① 维修性差(无法单独更换模组,事故后往往需整包更换,保费与维修成本上升);② 密封与结构胶的可靠性要求极高(一旦失效,水汽侵入影响全包);③ 碰撞后的可维修性与安全评估更复杂;④ 制造公差要求更严(电芯与车身结构直接配合);⑤ 售后拆解与回收工艺需重新设计。质量落点:这类结构的失效往往是「系统性」的(胶接失效、密封失效、结构疲劳),因此过程控制必须前移到涂胶、装配与密封检测,且需通过整车级的耐久与碰撞验证,不能只依赖零部件级试验。
数字化与智造
💬 相关讨论 →
高压安全 HV Safety
High Voltage Safety
针对电动汽车高压系统(通常指交流 >30 V 或直流 >60 V 的 B 级电压,依据 GB/T 18384.3 与 ISO 6469-3)在设计、制造、维修各环节采取的人身安全防护措施。核心手段:绝缘防护(绝缘电阻 ≥100 Ω/V 直流、≥500 Ω/V 交流)、等电位连接、高压互锁(HVIL)、绝缘监测(IMD)、手动维修开关(MSD)或服务断开、以及警示标识与操作资质管理。三道防线:① 设计上保证「单点失效不致触电」(双重绝缘、绝缘监测实时报警);② 制造上保证绝缘与密封质量(耐压测试、气密测试、连接器装配到位);③ 使用与维修上保证「作业前断电并验证」(LOTO 上锁挂签、验电、放电)。质量工作的重点:绝缘失效多源于制造缺陷(毛刺刺穿、线束磨损、密封不良进水、连接器端子偏移),而这些缺陷在常规电性能测试中不显现,必须靠 100% 的绝缘耐压测试拦截;同时售后维修环节的触电事故往往源于流程违规而非产品缺陷,培训与授权管理同等重要。
数字化与智造
💬 相关讨论 →
绝缘耐压测试 Hipot
Insulation Resistance and Dielectric Withstand Test
验证高压系统绝缘性能的两类电气试验:绝缘电阻测试(施加规定直流电压,测量绝缘电阻,判据通常为 ≥100 Ω/V 直流或 ≥500 Ω/V 交流)与耐压测试(施加远高于工作电压的交流或直流电压并保持规定时间,观察是否击穿或漏电流超限)。在产线上的位置:电池包与电驱总成的 EOL 必检项,通常 100% 全检,是拦截「毛刺、金属异物、密封不良、线束破损、连接器偏移」等制造缺陷的最后一道电气关口。测试要点:① 测试电压与时间按标准与顾客要求(不是越高越好,过高会损伤绝缘);② 环境湿度对绝缘电阻影响显著,需记录并设定补偿;③ 测试顺序与放电流程(测后必须放电,防止残余电荷伤人);④ 设备须定期校准并做「已知不良样件」的验证(确认设备真的能检出,而不是「永远合格」)。常见失效:测试设备量程或阈值设置错误导致「假合格」(这是最危险的,因为整批带缺陷产品会流出);测试后未放电;只测整包不测分总成(缺陷被掩盖到总成阶段才发现,损失更大)。
数字化与智造
💬 相关讨论 →
气密测试 Leak Test
Leak / Airtightness Test
向密闭腔体充入气体(空气或示踪气体),通过测量压力衰减(压降法)或流量(流量法)来判断是否存在泄漏的检测方法,用于替代无法全检的水密试验。判据通常表达为「在规定压力下,规定时间内的压降不超过 X Pa」或「泄漏率不超过 Y mL/min」。两种方法的选择:压降法(简单、成本低,但受温度影响大,小泄漏分辨力有限);流量法(直接测流量,适合有持续泄漏的场景,稳定性更好);示踪气体法(氦检,灵敏度最高,可定位漏点,但成本高,多用于研发与仲裁)。在新能源车中的应用:电池包(IP67/IP6K9K 的制造保证)、电驱总成、充电口、车灯、线束连接器。核心难点是「气密限值与 IP 等级的对应关系」必须通过相关性试验建立 —— 即先做出一批已知泄漏率的样件,同时做气密与水密(或氦检),建立相关性曲线,才能把气密压降阈值换算成可靠的防水保证。凭经验拍一个压降阈值是常见错误。过程控制要点:温度补偿(充气后气体温度变化会导致压力漂移,必须等温或补偿)、封堵可靠(堵头漏气会造成误判)、设备日常校验(用标准漏孔验证)、以及泄漏件的返修与复测规则。
数字化与智造
💬 相关讨论 →
激光焊接 Laser Welding
Laser Beam Welding
用高能量密度激光束熔化材料实现连接的焊接方法,分热传导焊(浅熔深、表面成形好)与深熔焊(形成匙孔、熔深大)。汽车行业三大应用:车身(顶盖、侧围、车门内板的激光钎焊与熔焊)、动力电池(汇流排、极耳、壳体密封焊)、以及电驱与变速箱零部件。优势:热输入小、变形小、速度快、可自动化、焊缝窄(外观与密封性好)。劣势:对装配间隙极敏感(间隙过大导致未熔合或烧穿)、对材料表面状态敏感(油污、镀层、铝材的高反射率)、设备投资高。质量关键特性与检测:熔深(决定强度,需金相剖切验证)、气孔与裂纹(内部缺陷,外观不可见)、焊缝连续性(密封焊要求无泄漏)、以及飞溅(影响外观与短路风险)。在线监测手段:光学传感(等离子体/反射光强度)、同轴视觉、以及焊后在线检测(视觉 + 气密 + 超声)。作为特殊过程,其控制要点是「参数 + 设备 + 人员 + 首件破坏试验」四件套:功率、速度、离焦量、保护气流量必须锁定并监控;设备须定期做功率标定与光路检查;首件与每班次做金相剖切或拉剪试验验证熔深与强度。
数字化与智造
💬 相关讨论 →
超声焊接 Ultrasonic Welding
Ultrasonic Welding
利用高频机械振动(通常 20-40 kHz)在压力下使材料界面摩擦生热并发生固态连接的方法,主要用于同种或异种金属薄片(铜、铝)以及塑料件的连接。新能源电池领域的核心应用:电芯极耳与汇流排的连接(多层铜箔/铝箔焊接)、极耳与极柱、以及模组的采样线连接。为什么用超声焊而非激光焊:铜铝异种材料焊接用熔焊会产生脆性金属间化合物,超声焊是固态连接(温度低于熔点),界面组织更可控;且对薄箔多层焊接更稳定,热影响区小。质量关键:剥离强度(或拉剪力)、焊接面积与熔合率、界面电阻(影响发热与效率)、以及焊头(焊嘴)的磨损状态(磨损会直接降低振幅与焊合质量)。过程控制:振幅、压力、时间/能量、下压量与焊头齿形是核心参数;焊头寿命需按焊点数管理(定期修磨或更换);首件与周期性做剥离/拉剪试验;在线监控可通过位移-时间曲线(下压深度异常意味着箔层数不对或焊头磨损)来判定。典型失效:虚焊(外观正常但强度不足,是最危险的)、过焊(箔材压溃或开裂)、焊头粘料导致后续焊点质量下降。这些都无法靠外观检验发现,必须靠参数监控 + 破坏性抽检。
数字化与智造
💬 相关讨论 →
工业 CT Industrial CT
Industrial Computed Tomography
用 X 射线从多角度穿透样品并重建三维内部结构影像的无损检测方法(原理同医用 CT,但能量更高、分辨力更强)。可无损观察内部的裂纹、气孔、夹杂、装配错位、虚焊、以及电芯的极片对齐度与析锂情况。在新能源与汽车中的应用:电芯内部极片对齐与褶皱、焊接内部气孔与熔深、铸件与压铸件的内部缩孔、连接器与线束的端子压接质量、以及失效分析时定位失效点(不必拆解破坏证据)。优劣势:优势是三维、无损、可定量(气孔率、孔隙尺寸分布);劣势是设备昂贵、检测节拍慢(分钟级)、对大尺寸高密度件(如整包)穿透能力有限、且需要专业人员判图。因此主要用于研发验证、首件确认、失效分析与抽检,而非 100% 全检。质量体系中的定位:作为「验证与仲裁」手段(当破坏性试验与外观检验都无法定论时),以及在 PPAP 阶段用于证明内部质量(如焊点熔深与气孔率满足要求)。判图标准必须书面化(多大尺寸的气孔在什么位置算不合格),否则不同人判出不同结论。
数字化与智造
💬 相关讨论 →
极片涂布 Coating
Electrode Coating
把由活性物质、导电剂、粘结剂与溶剂制成的浆料均匀涂覆在金属集流体(正极铝箔、负极铜箔)上的工序,是电芯制造的第一道核心工序,直接决定容量、内阻、循环寿命与安全性。关键质量特性:面密度(单位面积涂布重量,决定容量与 N/P 比,通常要求控制在 ±1.5%-2% 以内)、厚度一致性(影响压实与离子传输)、以及边缘与头尾的形态(毛刺、厚边会导致析锂与内短路)。主要缺陷与后果:面密度偏差(容量不一致,成组后一致性差)、划痕与漏箔(局部容量不足,可能引发析锂)、颗粒与异物(刺穿隔膜导致内短路,是热失控的重要诱因)、以及干燥不足(残留溶剂影响 SEI 与安全)。过程控制手段:在线面密度检测(β 射线或 X 射线测厚)、涂布厚度闭环控制(模头调节)、烘箱温度与风量曲线控制、以及 100% 的表面视觉检测(找漏箔、划痕、异物)。环境要求:涂布与后续工序需在高洁净度环境下进行(粉尘是异物缺陷的主要来源),这也是电芯产线投资高的原因之一。
数字化与智造
💬 相关讨论 →
卷绕与叠片 Winding / Stacking
Winding and Stacking
把正极片、隔膜、负极片组装成电芯芯包的两种主流工艺。卷绕:把三层材料卷成圆柱或扁平的卷芯(方形电芯多为扁卷),速度快、设备成熟、成本低;叠片:把正负极片裁成单片后与隔膜交替堆叠(或采用 Z 字形叠片),空间利用率高、内阻低、热分布均匀、安全性好,但速度慢、对齐控制难。核心质量指标:对齐度(正负极片的错位量,决定是否析锂与安全裕度,通常要求错位 <0.3-0.5 mm)、隔膜包覆(负极必须完全被正极覆盖并留有余量,否则边缘析锂)、以及卷绕张力(过大会导致隔膜拉伸变形,过小会松散)。缺陷风险:对齐超差会导致充电时负极边缘锂沉积(析锂),长期发展为锂枝晶刺穿隔膜造成内短路 —— 这是电芯安全最关键的隐患之一,且出厂电性能测试难以发现,往往在使用数月后暴露。检测手段:在线 X 射线/视觉检测对齐度(100% 检测)、首件剖切与 CT 验证、以及张力与速度的实时监控。因属特殊过程,其参数(张力、速度、对齐基准)与设备精度必须锁定并定期校验。
数字化与智造
💬 相关讨论 →
化成与分容 Formation & Grading
Formation and Grading
电芯注液后的两道关键工序。化成(Formation):首次以规定的小电流充电,使电解液在负极表面形成 SEI(固体电解质界面)膜,并排出气体(需在开口或特定压力下进行)—— SEI 膜的质量直接决定循环寿命、自放电与安全性。分容(Grading):对化成后的电芯做完整的充放电,精确测量实际容量与内阻,并按容量/内阻/电压分档(分选),以便同档电芯成组。为什么两道工序不能省:化成是「让电池变成电池」的过程(未经化成不可使用),参数(电流、电压上限、温度、压力、时间)决定 SEI 的均匀性与稳定性;分容是「让一致性可控」的过程 —— 未分选的电芯成组后,容量差异会导致过充过放、木桶效应显著缩短整包寿命。关键控制点:化成的温度均匀性(温差会导致 SEI 质量不一致)、充放电制度(阶梯电流与静置时间)、以及分容的测量精度(容量测量误差直接决定分档准确性)。化成与分容设备的通道一致性(同一批设备不同通道的测量偏差)是常被忽略的误差来源。数据价值:每个电芯的化成曲线与分容数据是「电芯的数字身份证」,可用于后续的寿命预测、异常筛选(如自放电偏大的电芯)与售后失效分析。因此这些数据应长期保存并与序列号绑定。
数字化与智造
💬 相关讨论 →
电驱系统 E-Drive
Electric Drive System
电动汽车的动力输出总成,通常由驱动电机、电机控制器(逆变器)、减速器(或变速器)集成为「三合一」,部分方案进一步集成 DC-DC、OBC、PDU 形成「多合一」。核心作用是把电池的直流电转换为机械动力,并支持能量回收。关键性能与质量特性:峰值/持续功率与扭矩、效率(CLTC 工况效率)、NVH(电机的高频电磁噪声与减速器齿轮啸叫)、密封与防护(IP67/IP6K9K)、以及可靠性(轴承、绝缘、焊点)。常见失效模式:① 绝缘失效(绕组匝间绝缘、槽绝缘损伤,多源于制造毛刺或绕线张力过大);② 轴承电蚀(轴电流导致,需导电刷或陶瓷轴承);③ 减速器异响与漏油(齿轮加工精度、密封件装配);④ 功率模块(IGBT/SiC)焊层疲劳与过热(散热与焊接质量);⑤ 旋变与位置传感器信号异常(装配偏心或线束问题)。制造质量重点:定子绕线的张力与端部整形、绝缘处理(浸漆与固化)、转子动平衡、齿轮的磨齿精度与装配选配、以及总成的 EOL 测试(反电动势、绝缘耐压、NVH 台架、效率)。电驱的 NVH 问题一旦量产,整改成本极高(涉及电磁方案与齿轮修形),必须在样件阶段做完整验证。
数字化与智造
💬 相关讨论 →
800V 高压平台 800V
800V High Voltage Architecture
把整车高压系统的电压等级从主流的 400V 提升到 800V 左右(实际工作范围约 550-900V)的电气架构,核心目的是在相同电流下实现更大的充电功率,从而大幅缩短快充时间(如 10%-80% 充电进入 15-20 分钟区间),同时降低线束损耗与重量。技术影响面:① 所有高压部件需重新选型(电机绝缘等级、逆变器需用 SiC 器件、DC-DC 需重新设计、高压连接器与继电器耐压提升);② 绝缘与安全要求更高(绝缘电阻、爬电距离、局部放电);③ 对电池包的耐压与热管理提出更高要求(大功率快充发热显著);④ 需要兼容 400V 充电桩(通过升压或电池串并联切换)。质量挑战:高电压下的局部放电与电树枝老化是新的失效机理,常规耐压测试难以完全覆盖;SiC 器件的开关速度快(dv/dt 高)会加剧电机绝缘应力与 EMC 问题;快充带来的高温升会加速密封件与绝缘材料老化。因此 800V 平台的验证项目与判据都需要重新设计,不能沿用 400V 的经验值。市场现状:近年国内主流车企已大规模量产 800V 平台,并向 900V 以上演进;对供应商意味着必须同时具备 400V 与 800V 两套产品的开发与验证能力。
数字化与智造
💬 相关讨论 →
‹ 上一页 5 6 7 8 下一页 › 301-350 / 352