工业大数据丨“宝刀”在手，却也要驭刀有术

青龙偃月、大夏龙雀，在武林江湖中，刀是一种仅次于剑的武器，刃向一边，恩怨分明，至刚尤猛。能拥有一把宝刀的侠客，才配称之为江湖豪杰，而宝刀，无非就是极其锋利的刀，吹发立断是检验宝刀的常用方法，如同《水浒》里的“杨志卖刀”。

我们今天要提的“宝刀”，削铁断金，却与个人豪情壮志无关，展现的是现代工业中的机械魅力，它叫“数控刀具”（刀具）。

数控刀具：是机械制造中用于切削加工的工具，又称切削工具。广义的切削工具既包括刀具，还包括磨具；同时“数控刀具”除切削用的刀片外，还包括刀杆和刀柄等附件。

————————————————————————————————————————————

切削动作的必然性决定了数控刀具在机械制造中的绝对地位，就好比吃饭时筷子对于国人的意义。唯一不同的是，一双用了20年的筷子也许还是好筷子，一把削了半天的刀，刃口已经残缺不全了。

原因是，在切削过程中，加工件材料从变形到以切屑形式被切下来，需要大量的力，刀具会承受多种物理和化学负荷。一段时间后，这些负荷最终会导致刀具由于磨损过于严重而损坏。同时，制造过程的复杂性和多样性, 使得刀具的使用寿命呈“很任性”的离散式分布。

一言不合就罢工的特性（非正常断刃）+高贵的血统（刀具成本略高）+死后放大招（断刃后对正在加工零件良品率的影响）=混世魔王刀，用不得当便会使生产商面临巨大的成本挑战，脑壳很痛。于是在想方设法延长刀具使用寿命的同时，加强对刀具寿命的监控不失为制造商压缩成本的良策。

————————————————————————————————————————————

“人肉探测”监控术

就像结绳是早期的计数方法一样，早期的刀具监控靠的也是更依赖人力的一种形式。上面讲到，加工过程中刀具状态会发生变化，随着刀具寿命的缩减，人们会提前看到征兆，切削力增加、切削温度升高 、工件表面粗糖度上升 、工件尺寸超出公差 、切屑颜色变化以及切削颤振的产生 。这时，“预感力”极强，经验丰富的加工人员就可以通过辨别切削颜色和加工过程中的噪声等来判断 ，（ 当然也可以停机把刀直接拆下来检测）  这些方法和加工人员的经验紧密相关 ，无论从效率还是正确率角度出发都有所诟病，同时它还不适合自动化 、无人化加工，严重脱轨《中国制造2025》 。

“掐指一算”监控术

数学总是能够在必要时刻为一筹莫展的时代带来转机，随后很长一段时间，在刀具寿命的监控上，科学家和工程师们建立和测试了数学模型并考虑到刀具所受到的力，以估算预期的刀具寿命，将此作为预算、规划的参考依据，在预估值的80-90%时进行刀具更换。在机械加工专业理论学科内，通常用泰勒（F.W.Taylor）公式来表示刀具耐用度（T）与线速度(V)之间的关系，再将工件材料、刀具材料、切削条件作为不同系数和指数来计算最后结果。当然在实际的运用中也会完善成更“接地气”的估算方式。这种估算，也体现在我们的日常生活中，就像平均寿命为75岁的我们，将55岁限定为法定退休年龄，劳逸结合。可惜这种看似有张有弛的制度对于制造商来说并非尽善尽美。

由于机床设计和刀具性能技术的突破，近几年，在加工生产效率方面已经看到了巨大的提高。尽管机床和刀具的生产效率相对从前已经翻了几番，但它们的损耗成本也明显提高。

为了尽可能提高这些高成本刀具的回报，制造商需要优化工艺，以便让每把刀都能够物尽其用，完成更多的加工件。但更实际的是，他们必须以高得多的紧固控制工艺，避免折断这些昂贵的刀具。这种凭借工人经验和刀具寿命估算指南已经不再足够有效。

“点刀成精”监控术

这些传统方法采用保守额安全余量，对新一代刀具的生产效率潜力带来负面影响，这样就导致产生不必要的刀具更换停机时间、高额刀具维护成本以及因停机所导致耽误加工零件的生产效率损失。

理想化的解决方案自然是每把工作到临界值的刀都会幻化成“小人精”并冲你大喊一声“老子干不动了，快把老子换下来”。然而基于建国后不能成精的规定，这个方法显然是不行的，于是就诞生了大数据时代下的产物，一种“精密的实时监测系统”，利用人工智能以及大数据技术，通过采集、分析制造过程中产生的各种模拟信号检测和跟踪刀具磨损状况，实现刀具崩刃临界点的判定并进行预警，减少因刀具崩刃导致的次品率增高，同时通过对刀具磨损信号的分析，监测并预判刀具寿命，降低刀具消耗成本。

这种“你不能直接告诉我，那就间接告诉我”的监控方法，目前市面上分为这么几种类型，以切削力监测、主轴电流信号监测、声发射信号监测为主的主流方法以及以震动、切削温度、表面光洁度信号监测等为主的偏方。

切削力监测原理：切削力信号作为加工过程中最稳定和最可靠的信号 ，和刀具磨损和破损密切相关 。随着刀具的磨损 ，刀具与工件之间的摩擦力将会增加 ，切削力会随之而增加。

声发射信号监测原理：声发射是一种物理现象 ，是指固体材料在变形、破裂时迅速释放应变能而产生的一种弹性应力波。声发射作为加工过程中的基本物理现象 、与刀具材料 、工件材料 、刀具参数 、工件参数等密切相关 。

主轴电流信号监测原理：刀具磨损时，切削力增大，造成的切削功率和扭矩增加，使得机床电流增大，同时在刀具破损时切削电流会发生急剧变化，便于观察损毁临界点。

作为应用价值较高的三种方法，却仍有利弊。切削力监测法灵敏度高 ，但如果用于在线监测 ，就需要拆解机床，增加测力系统，而改造后的机床很有可能产生术后“后遗症”，不仅拆机成本高且对后面的加工也会造成不必要的影响；声发射信号监测，对刀具磨损敏感度高，信息量丰富，但是声发信号从产生到衰减时间短暂，仅有几个毫秒，并不易察觉，以及从目前来看人们对不同信号源所产生的声发信号辨识度较低；主轴电流信号监测法方便易于实施，能实现自适应加工，成本低还不破坏机床本体，然而在面对特别小的刀具破损监测时，经常毫无招架之力。这也表明，在工业大数据和智能制造的大道上，我们还有很长的路要走。

————————————————————————————————————————————

就目前的主流市场而言，大部分的制造商还处于“掐指一算”的阶段，笔者主观认为，一部份原因在于机床设备还未完全实现自动化，以轻重缓急来分刀具寿命的管理也许还在未来规划中的某处，另一部分，大数据主导下的刀具寿命管理仍是犹抱琵琶，还未完全走进人们的视野。

最后，“工欲善其事，必先利其器"，刀具寿命管理并不是一种纯学术追求，它的价值是不容否定的，它可以帮助制造商提高生产率和控制成本。制造业重点考虑的是需要花费多少时间和成本才能生产出特定数量的合格工件。了解在需要更换刀具之前刀具能够准确、高效地切削多长时间非常重要。工艺可靠性以及对刀具成本和停机时间进行的控制取决于是否能够准确地预测刀具寿命。切削刀具寿命管理的进一步发展能够帮助制造商精密调整自己的工艺并实现自己的生产目标。