工业计量学：一文读懂其定义与应用

工业计量插图

Last updated:

计量学是一门研究测量的科学学科，涵盖了所有获取测量数据的方法与理论。而工业计量学则是该学科在工业生产领域的具体应用分支。

在工业界，计量学的核心应用之一便是检验产品的尺寸合规性，这也是保障产品质量控制的关键一环。

目录

工业计量学与科学计量学的区别

计量学最初主要服务于工业领域，旨在确保生产活动符合既定标准。

随着时间的推移，其应用已拓展至更多领域。工业计量学与科学计量学的主要区别在于：

  • 工业计量学通常由企业自主引入，旨在验证其生产流程及产品的合规性与可靠性。这一举措不仅顺应了国际标准，也帮助企业彰显其专业技术实力与卓越的产品质量。
  • 作为质量保证体系的有机组成部分，工业计量学的具体实践标准由企业自行决定，但其测量单位必须基于科学计量学所国际公认的体系。

相比之下，科学计量学则专注于测量单位的定义、开发与校准。

如同所有科学门类，其成果与标准的确立，有赖于国际科学界的广泛共识。

测量科学的范畴十分广博，欲深入了解，我们推荐您阅读相关的维基百科文章。

工业计量学的应用范畴

产品的合规性验证贯穿其整个生命周期。

其中，工业计量学主要介入产品的生产与使用两大阶段，并发挥两种核心功能：

  • 产品合规性验证：在生产环节，检验人员需确保产品严格遵照设计图纸，并符合所有相关标准。这属于产品的验证流程。
  • 产品磨损监控：在产品使用阶段，检验人员会进行定期检查，以确保产品的任何磨损或形变均未影响其合规性。这是一个风险预判的过程。

综上所述，测量的验证方法多种多样，通常由生产工艺和质量保证等部门的负责人主导。

而计量师的具体工作，则是依据公司制定的程序，执行并获取所需的测量数据。

工业计量中常见的测量难题

表面粗糙度仪正在测量工件

在实际操作中，检验人员时常会遇到测量难题。例如，某些工件的尺寸或形状无法适配公司现有的测量仪器，而求助于专业的计量实验室又意味着高昂的成本。

为此，质量控制领域发展出了多种变通方案，以应对无法直接测量工件的情况，其中包括破坏性测试与非现场间接检测。

取模技术便是一种理想的非现场间接检测方法，其理念与工业计量的核心原则不谋而合。

该技术无需破坏工件，而是通过制作柔性印模来精确复现待测的几何特征。随后，所有测量工作都可以在这个完美的复制品上轻松进行。

在Plastiform，我们深知中小企业在工业计量领域面临的挑战。

计量学虽然至关重要，但对成长中的企业而言，其成本可能令人望而却步。正是基于这一洞察，我们致力于开发能满足各类需求的创新产品。Plastiform复制胶泥既可用于确保产品的初始合规性，也能在后期用于检查其磨损状态，提供高性价比的解决方案。

间接测量

借助Plastiform这样的创新技术，操作人员能够高精度地复制工件的关键特征信息，如尺寸、表面光洁度、粗糙度等。

在工件的复制品上进行测量，意味着您无需破坏原件——当工件加工成本高昂或尺寸巨大时，这一点尤为重要。

通过在复制品这一“媒介”上进行测量，您便实现了对受检工件的间接质量控制。

如此一来，无论检测标准如何严苛，您都能轻松证明工件的合规性。

总结

工业计量学是现代制造业中不可或缺的一环。它不仅确保了新生产品的合规性，更在其整个生命周期中对产品的磨损状态进行持续监控。

在质量控制体系中，计量学是企业达到国际公认标准、获得相关认证的基石。因此，配备合适的测量设备以满足这些要求，显得尤为关键。

如果您的检测任务看似复杂、昂贵甚至无法实现，不妨考虑采用基于取模技术的间接检测方案。

Plastiform为您提供丰富多样的产品系列，能够胜任各类间接检测任务，尤其擅长尺寸检测与表面质量检测。

相关文章

过程稳定性——是什么以及为何重要
计量学

过程稳定性——是什么以及为何重要

过程稳定性是指一个过程在确定的限制范围内能够持续、可预测地运行的能力。这就像是一个像可靠时钟一样运行的过程与一个像轮盘赌一样运行的过程之间的区别。您是否体会过那种下沉的感觉：周五还完美运行的机器，到了周一早上却制造出了一堆废品？这绝对是最糟糕的情况。您没有更改设置，原材料看起来也是一样的，但结果突然变得乱七八糟。在质量保证领域，这就是一个稳定性问题。 以前我也误解了一件事：我以为解决质量问题就是立即收紧公差或升级设备。但事实证明，稳定性是其他一切乏味但必要的基础。如果您的过程不稳定（由于“特殊原因”变异产生不可预测的结果），试图提高其能力就像试图在沼泽上盖房子。在盖房子之前，您需要坚实的地基。在本文中，我们将分解通常令人困惑的概念，如普通原因变异与特殊原因变异，并向您展示它们如何决定您的质量策略。我们还将了解 统计过程控制（SPC） 中使用的工具如何帮助您可视化这种稳定性（或缺乏稳定性）。让我们看看它是如何工作的。什么是过程稳定性？当我们谈论过程稳定性时，您会发现我们谈论的不一定是产品的质量。这听起来可能有点反直觉，但稳定性实际上关乎可预测性。把您的过程想象成汽车引擎的怠速。即使它运行完美，转速指针也不是完全静止不动的。它会轻微上下摆动。这种摆动是自然的。在计量学中，我们将此称为普通原因变异。当一个过程仅显示这些自然的、固有的波动，并且严格在定义的控制限内运行时，该过程被认为是稳定的。如果过程操作随时间推移产生一致的输出，您就实现了稳定性。但这有一个棘手的区别，很多人都会在这里绊倒。当特殊原因变异介入时，过程通常就不再稳定了。这些是外部干扰（如工具断裂或原材料突然变化），迫使过程脱离其自然节奏。一旦发生这种情况，一切都乱套了，您再也无法预测输出。普通原因变异在质量保证中，我们常常痴迷于一致性。但物理上不可能做到完美。没有两个零件是完全相同的，因为重力、摩擦和物理规律总是会造成影响。我们将这种固有的、背景水平的不一致性称为普通原因变异。我喜欢把这想象成您每天上班的通勤。即使您每天早上在完全相同的时间出发，您的到达时间也会相差几分钟。也许您会遇到红灯，也可能不会。您不会因为这种差异而惊慌。它是随机的、预期的，只是“交通驾驶”系统的一部分。在您的生产线上，这些变异来自于数十个微小的、不可避免的因素的综合影响。它与所有事物相互作用，包括原材料的微小差异、刀尖的正常磨损、操作员的轻微变动，甚至是车间温度的小幅变化。您无法通过调节旋钮或向操作员大喊大叫来消除普通原因变异。由于这些波动已融入系统设计中，减少它们的唯一方法是彻底重新设计过程本身。通常您必须升级机器或更换材料才能看到改变。特殊原因变异如果说普通原因变异像是过程的背景嗡嗡声，那么特殊原因变异（常被称为可归属原因）就是一声巨响。它代表了将过程行为完全推离轨道的意外中断。回到“日常通勤”的心智模型。如果您开车上班通常需要 25 到 35 分钟（取决于红绿灯），这就是普通原因变异。但如果有一天因为爆胎花了 90 分钟，那就是特殊原因变异。这不仅是“交通更拥堵一点”。这是一个改变了系统的特定的、可识别的事件。在制造环境中，这些“爆胎”通常来自我们可以查明的来源：当特殊原因袭来时，您的过程变得不可预测。在控制图上，您会看到数据点跳出计算出的控制限。这是过程不稳定的信号。您无法通过调整通用设置来解决这个问题。您必须停下来，调查并修复导致混乱的具体干扰。区分变异类型识别变异类型不仅仅是学术练习。它是解决问题还是意外破坏过程之间的区别。一旦我理解了背后的数学原理，这个概念就带来了巨大的效率提升。如果您把普通原因变异（随机噪声）当作一个特定的错误来处理，您最终会干扰系统。通过不断为每一个微小的下降或尖峰调整设置，您实际上增加了输出的更多变异性。您基本上是在与宇宙的自然随机性作斗争。为了解决这个问题，我们依靠贝尔实验室 Walter Shewhart 博士的研究成果。他为我们提供了今天控制图背后的统计逻辑。Shewhart 确定，在一个正常的、稳定的系统中，99.73% 的数据点自然落在平均值正负 3 个标准差范围内。当数据点落在这些边界之外时，这就是一个特殊原因变异。那是您寻找根本原因的信号。但如果数据保持在限制范围内呢？您必须抑制干预的冲动。在这里采用错误的修正方法会造成不稳定性，而不是解决它。控制图盯着原始测量数据的电子表格让人头疼。您无法轻易看到数字背后的故事。这就是控制图成为您工作流程中必备工具的原因。控制图就像高速公路上的车道标线。您的过程试图在中间行驶，但随着时间的推移，它自然会向左或向右偏移一点。该图表按照时间顺序根据三条具体的计算线绘制您的过程数据：它看起来很简单，但这支持了一个强大的心智模型。统计上，如果过程稳定，99.73% 的数据点应该落在这些限制之间。这为您提供了一种即时的视觉方式来区分稳定区域（正常驾驶）和不稳定区域（撞上减速带）。运行图和散点图虽说控制图是过程稳定性的主力军，但对于快速分析来说，有时感觉有点大材小用。事实证明，更简单的视觉工具往往能更快揭示数据背后的故事。在计算控制限之前，我们通常从两个好朋友开始：运行图和散点图。把运行图想象成您生产过程的电影时间轴。您只需按收集的时间顺序列出数据点。它极其简单，但能为您提供关于过程随时间表现的强大心智模型。如果说运行图是关于时间的，那么散点图就是关于关系的。它们帮助您回答诸如“烤箱温度真的会影响零件硬度吗？”之类的问题。通过将一个变量对应另一个变量作图，您可以直观地发现相关性。如果点形成一条紧密的线，就存在联系。如果看起来像散弹枪打出的痕迹，那就没有关系。这些工具是控制图的完美搭档。它们让您在深入复杂的数学计算之前，快速发现异常值和奇怪的模式，帮助您整理数据。稳定过程的好处一个稳定的过程就像一条铺好的高速公路。当路面平滑时，您可以设置巡航控制，也能准确预测何时到达目的地。但是，如果道路充满意想不到的坑洼（特殊原因），您就必须不断猛踩刹车才能走完这趟旅程。事实证明，稳定性是改进的绝对前提。您根本无法优化一个混乱的系统。如果您的基准不断变化，您无法知道您所做的改变是否真的有帮助，或者结果只是随机的运气。稳定的过程为建立真正的运营效率提供了坚实的基础。更高产量当您的过程稳定时，它就像一个完美校准的烤箱。如果遵循食谱，每次都能得到同样的曲奇饼。这种一致性对于您的生产产量非常重要。因为变异是可预测的，您不再生产意外的缺陷。您不会扔掉昂贵的原材料，也不会在返工上浪费时间。相反，您可以自信地规划您的生产能力，因为机器会在您预期的时间生产出您预期的东西。捕捉和修复变异的能力稳定过程最棒的地方在于它突显问题的清晰程度。在安静的图书馆里，即使是轻声耳语听起来也很响亮。对吧？在稳定的过程中，固有随机变异的“噪声”很低，所以当特殊原因变异出现时，它会立即显现出来。通过使用控制图等工具，您可以立即发现这些偏差。这使您可以在计划停机期间修复小问题，而不必等待灾难性的故障。您在漂移变成全面缺陷之前就捕捉到了它。更高的效率不稳定的过程让人筋疲力尽。您必须不断调整刻度盘并四处救火，只为维持运转。稳定的过程就像开启了巡航控制。它以最少的干预进行可预测的运行，让您腾出手来专注于高价值的工作。这种可预测性会波及您的整个运营。因为不需要报废坏批次，您减少了材料浪费，您的周期时间也能达到稳定的节奏。它创造了一个具有成本效益的循环，资源被用于实际生产，而不是损失控制。不稳定过程的后果运行不稳定的过程感觉就像开着一辆方向盘松动的车。您可能会在车道上保持几英里，但您全程都在紧张地抓着方向盘。这把您的运营变成了一场赌博。虽然您偶尔可能走运，但依靠运气的商业风险很高。客户不满客户渴望一致性。当不稳定的过程在周一交付完美的零件却在周二交付缺陷时，信任就会蒸发。在错过了交货窗口或不稳定的质量灼伤了客户之后，修复关系是非常困难的。这就是为什么您总是希望您的过程稳定。如果您的工具随机变得不可靠会怎样？您最终会在您的过程中遇到特殊原因变异。成本增加不稳定性就像是您生产预算中的隐形税。您不仅仅是在为显而易见的废料或返工材料买单。您还在支付“恐慌”成本：紧急调查会议、计划外停机和加急运输费用。这些隐性支出比几乎任何其他东西都会更快地吞噬利润。不可预测的性能这是最让管理者感到沮丧的部分。您无法围绕一个每天行为都在变化的过程进行有效计划。如果您不知道机器明天会做什么，您的产能预测就只是猜测。此外，您无法实施改进，因为您站在流沙上，您需要先有一个稳定的基础。提高过程稳定性既然我们知道了它是什么，以及为什么它很重要，让我们动手干吧。提高过程稳定性具有挑战性，因为您不能以相同的方式处理每个数据点。事实证明，您使用的策略完全取决于您是在处理普通原因还是特殊原因变异。如果您试图把正常的系统噪声当作特定的错误来“修复”，实际上会让过程变得更不稳定。这是一个典型的陷阱，称为过度调整（tampering）。为了真正提高稳定性，我们需要区分这些变异，并对每种变异应用独特的工具包。减少普通原因变异普通原因变异是您过程的“背景白噪声”。它源于系统设计本身（如机器的自然精度限制、原材料的细微差异或环境湿度）。因为这种变异是固有的，您无法通过要求操作员更努力来消除它。要减少这种情况，您必须改变系统。这通常涉及识别那些引入风险而不增加质量的非增值步骤。您可能需要投资于设备升级，执行深度维护，或严格标准化材料处理方式。您不是在纠正错误，您是在重新设计道路，让它更平坦。管理特殊原因变异特殊原因变异是某种特定事物侵入过程的信号。这可能是工具断裂、突然的电涌，或者新操作员误解了指令。当数据点跳出您的控制限时，过程是在告诉您：“我现在表现很奇怪”。对于这些问题，您需要成为一名侦探。您使用根本原因分析来追踪触发警报的特定事件。目标是采取纠正措施来解决眼前的混乱，然后采取预防措施（如新传感器或培训更新），以便该特定问题不再发生。持续稳定的最佳实践让您的过程稳定是一个巨大的胜利，但现实是：它很少会自动保持这种状态。把它想成给吉他调音。您可能今天调得音调完美，但温度变化和日常弹奏最终会让它走调。维持稳定性需要时刻保持警惕和严肃的组织承诺。您不能只是设置好就不管了。为了防止事情偏离正轨，我们需要一个结构化的心智模型来指导我们的维护。这里的重头戏是六西格玛 DMAIC 框架。它听起来像是一口企业术语，但实际上是系统改进的超级武器。“控制”阶段是大多数人跳过的阶段，但对于锁定您的进展至关重要。虽然 DMAIC 处理大型结构修复，您也需要管理日常工作流程。这正是改善（Kaizen），即持续改进的闪光点。它赋予一线人员识别和消除微小浪费或变异来源的权力，防止它们像滚雪球一样变大。事实证明，当微妙的普通原因变异开始表现奇怪时，您的操作员通常是第一个注意到的。然而，只有知道要找什么，他们才能帮上忙。您需要投资培训您的团队，让他们掌握统计方法和过程监控。当员工理解图表背后的“为什么”时，他们就不再仅仅是操作员，而成为真正的过程所有者。这种责任感是让您长期保持高稳定性得分的神奇配方。结论过程稳定性归根结底就是一个词：可预测性。这是一种内心的平静，因为您知道您的制造过程是在其自然的、既定的控制限内运行，而不是随机乱跳。在这篇文章中，我们围绕变异建立了一个心智模型。我们区分了普通原因变异（系统固有的背景噪声）和特殊原因变异（特定的、可识别的故障）。区分这两者是大多数质量问题的根源。如果您试图修复普通原因变异，就好像它是一个特殊事件一样，通常会让过程变得更糟。这就是为什么控制图如此有价值。它们就像过滤器，让您忽略噪声，完全专注于重要的信号。当您掌握了这一点，收益是真实的。您会获得更高的产量、更低的成本，以及让客户回购的一致性。我希望本指南能帮助您以不同的方式看待您的生产数据。这不仅仅是关于救火。它是关于建立一个稳健、可预测且准备好改进的系统。所以去抓取历史数据，把它绘制在图表上，看看您的过程试图告诉您什么故事。常见问题… <a href="https://www.plastiform.info/zh/blog/jiliangxue/%E8%BF%87%E7%A8%8B%E7%A8%B3%E5%AE%9A%E6%80%A7-%E6%98%AF%E4%BB%80%E4%B9%88%E4%BB%A5%E5%8F%8A%E4%B8%BA%E4%BD%95%E9%87%8D%E8%A6%81/" class="read-more">Read More</a>

阅读文章
如何进行量具 R&R 研究？
计量学

如何进行量具 R&R 研究？

量具 R&R 研究（量具重复性与再现性分析）测量量具的总变异，并将其作为过程公差的百分比，从而帮助确定测量工具是否适合检测零件。这是测量系统评估和计量器具校验的核心方法。我记得第一次拒收一批完全合格的零件的情景。我的数显卡尺显示它们超出了规格，但我的同事在五分钟后测量时，却发现它们完全在公差范围内。这令人困惑。我以为是工具坏了或者零件翘曲了，但我找错了方向。事实证明，每次测量时，你不只是在捕捉零件的真实情况。你捕捉的是零件的实际尺寸加上工具引入的噪音（重复性）和持握工具的人引入的噪音（再现性）的组合。这就是 量具 R&R（测量系统评估） 派上用场的地方。它就像是为数据降噪——过滤掉干扰信号，保留真实信息。这是一种方法论，它能准确告诉你观察到的过程变异中有多少来自测量系统分析 (MSA) 本身，又有多少来自实际的零件变异。如果这把”尺子”是橡胶做的，无论数字看起来多精确，你都无法信任测量结果。你会经常使用这个工具。它是验证闪亮的新设备、比较两种不同设备或在维修后验证三坐标测量机（CMM）的标准方法。如果你刚开始接触 QA 概念，可能需要先阅读有关质量控制的内容。在本文中，我将分享如何设置并进行量具 R&R 研究，以便你开始信任你的数据。让我们来看看吧！什么是量具 R&R 研究？我们通常认为数显卡尺和千分尺告诉我们的是真相。但现实是：每一个测量系统都会给数据增加一层自身的噪音。量具 R&R 研究就是我们要用来测量这种噪音的工具。量具 R&R（GR&R）中的两个 R 分别代表 重复性（Repeatability，测量设备变差） 和 再现性（Reproducibility，操作员变差），它是一种量化测量系统能力的定量方法。它隔离了纯粹由测量过程（工具加上使用它的人）引起的变异，并将其与生产中看到的总变异进行比较。就像听收音机一样。 音乐是你想捕捉的真实信号（零件变异）。静电嘶嘶声是测量误差。如果杂音太大，你就无法分辨歌曲。量具 R&R 测量这种杂音的音量，以确定这台收音机是否值得保留。这项研究是更大框架的核心支柱：测量系统分析（MSA，Measurement System Analysis）。这也是六西格玛管理、质量管理体系认证（如 ISO/TS 16949）和精益生产中的关键工具。当你运行它时，你会得到三个黑盒问题的答案：重复性（设备变异，EV）这带我们来到名称中的第一个 R。重复性（Repeatability）（也可称为设备变异 EV，Equipment Variation）。它测量测量仪器硬件本身的固有精度和稳定性。它提出了一个简单的问题：如果同一名操作员使用同一台仪器，对同一零件的同一特征进行多次测量，他们会得到相同的数值吗？理想情况下，是的。如果每次测量同一根钢针得到的数值都不同，说明重复性很差。当这种变异很高时，问题通常出在工具本身。它可能脏了、松动了，或者可能只是缺乏你试图达到的公差所需的分辨率。再现性（评价人变异，AV）第二个 R 代表 再现性（Reproducibility）。在统计学和质量控制中，我们称之为 评价人变异（AV，Appraiser Variation） 或 操作员变差。这将焦点从测量工具转移到了使用它的人身上。在这里，我们关注团队的一致性。如果 操作员 A 把测量工具交给 操作员 B 来进行那次同样的零件测量，他们的数值一致吗？事实证明，每个人握持卡尺的方式或解读模拟刻度的方式差异很大。如果再现性是误差的主要来源，这通常意味着你的 标准作业程序 (SOP)… <a href="https://www.plastiform.info/zh/blog/jiliangxue/ru-he-jin-xing-liang-ju-r-r-yan-jiu/" class="read-more">Read More</a>

阅读文章
涡流检测 – 操作指南
计量学

涡流检测 – 操作指南

涡流是导电材料中因响应磁通量变化而自然产生的圆形电流,它们会产生反向磁场。这项技术依赖于电磁感应原理。这与无线充电电动牙刷或 iPhone 的物理原理相同,但被重新利用于极其精确地搜寻结构缺陷。这种方法广泛应用于现代无损检测 (NDT)。概念很复杂。我们使用线圈在导电材料中感应出微小的圆形电流。如果这些电流流动顺畅,说明部件完好。但如果它们遇到裂纹或空隙等障碍,流动就会改变,仪器会立即发出警报。为什么这很重要?在航空航天和石油天然气管道等高风险行业中,肉眼看不见的缺陷可能会产生灾难性的后果。我们需要一种在不改变部件的情况下”看到”这些缺陷的方法。涡流检测为我们提供了这种可视性,实现了其他方法无法比拟的快速表面裂纹检测和材料分选能力。在本文中,我想帮助您建立一个关于其实际工作原理的坚实思维模型。我们将深入探究其物理原理,探索设备,并确切了解为什么这种方法在验证质量方面如此有效。我们将研究从磁场行为到现场使用的特定探头类型的所有内容。让我们开始吧。什么是涡流?当我们谈论无损检测时,我们常常使用这些神奇的工具,却不深究其背后的物理原理。你在部件上挥动探头,突然就知道下面是否隐藏着微小的裂纹。但是金属内部实际上发生了什么?归根结底就是涡流。这个名字给了我们关于其工作原理的巨大线索。想象一条向下游流动的河流。如果你把桨伸进水里,水流会绕过障碍物形成圆形的漩涡。在流体动力学中,这些旋涡被称为”涡流”。在我们的计量世界中,”河流”是导电材料(如铝或铜),而”桨”是变化的磁场。当磁场撞击导体时,它会将电子推入闭合的圆形电流回路。这些就是你的涡流。然而,这些电流不仅仅是空转。它们会产生自己的磁场。这个新磁场与产生它的原始磁场相对抗。这种行为被称为楞次定律。正是这两个磁场之间的”推拉”作用使我们能够检测缺陷。如果裂纹破坏了电流流动,反作用力就会改变,我们的仪器就能检测到这种差异。要实现这一点,你需要两个要素。首先,材料必须导电。其次,磁场必须随时间变化,这就是为什么我们通常在检测探头中使用交流电。电磁感应原理如果您曾经拿着探头对准金属部件并看着屏幕上的信号跳动,这感觉有点像魔术。你没有接触表面,但你知道里面确切发生了什么。这就是电磁感应原理在起作用。这是驱动整个检测过程的物理引擎。当你将变化的磁场(如探头中的磁场)靠近导体时,那些看不见的磁力线会”切割”过材料。这种变化产生了电动势,即 EMF。把 EMF 想象成一种电压力,而不是固体物体。它推动金属中的自由电子,强制它们移动。这种推动力的大小在很大程度上取决于导体的电阻率和磁导率。如果材料导电性高,电子就容易流动。如果有电阻,它们就会受阻,产生热量而不是强电流。洛伦兹力让我们把镜头拉近到原子层面。实际上控制这些电子的力被称为洛伦兹力。当探头的磁场扫过材料时,它会物理地推动载流子(电子)。由于右手定则定义的物理学原理,该力垂直于磁感线作用。电子不再沿直线流动,而是被迫进入圆形路径。这些漩涡状的电流回路看起来很像河流中的涡流,这正是该名称的由来。互感和自感要真正理解探头的行为,我们必须区分两种类型的电感。首先是自感。这是线圈对其自身电流变化的抵抗。当您在线圈中通入交流电时,它会产生反电动势来对抗电流流动。这决定了探头在空气中的基准阻抗。然后是互感。这是探头与测试部件之间的连接。当探头的磁场穿过部件时,会感应出涡流。反过来,这些涡流会产生它们自己的磁场,反向穿过探头线圈。这种能量的相互交换就是部件向仪器”反馈”的方式。这种互感的强度取决于探头与部件的距离(耦合)和材料属性。这种相互作用正是我们实际测量的对象。如果裂纹等缺陷阻断了这些电流回路,次级磁场就会减弱,平衡发生偏移,仪器就会向您发出问题警报。涡流检测如何工作想象一下你拿着一个金属飞机部件。肉眼看它很完美,但我们需要知道表面之下是否隐藏着微小的、看不见的裂缝。这个过程分几个不同的步骤进行:首先,我们通过探头线圈发送交流电。当我们将此线圈靠近导电材料时,磁场迫使部件中的电子移动。这些涡流产生它们自己的磁场,与探头的磁场对抗。探头有效地”感觉”到了这种对抗。如果电流遇到缺陷,它们被迫绕道。这就像水在溪流中绕过岩石一样。这种破坏削弱了次级磁场,仪器会立即标记该变化。阻抗平面如果您曾经看过涡流仪器的屏幕,您可能见过一个在网格周围移动的”飞点”。这是阻抗平面,它是我们拥有的最重要的可视化工具。它同时映射两个变量:水平轴上的电阻 (R) 和垂直轴上的感抗 (XL)。当探头在空气中时,该点位于特定位置(高电抗,低电阻)。当您将其降低到导电部件时,该点会描绘出一条通常称为提离曲线的曲线。一旦探头落在表面上,该点就成为您的”零点”或空点。当探头遇到缺陷时,该点会移离该零点。但关键部分在于:方向很重要:这种移动的角度称为相位角。通过分析相位角,操作员可以告诉您缺陷是什么,而不仅仅是那里有一个缺陷。他们可以区分裂纹、导电率偏移或仅仅是探头轻微离开表面。信号相位滞后信号分析的另一个迷人方面是相位滞后。随着涡流深入材料,它们不仅会变弱(衰减),而且也会在时间上延迟。磁场向下传播和反作用场向上传播都需要花费有限的时间。这种时间延迟在您的屏幕上表现为相移。缺陷越深,信号在阻抗平面上顺时针旋转越多。这非常有用,因为它使我们能够估计缺陷深度。表面裂纹可能出现在 0 度,而 1 毫米深度的次表面裂纹可能出现在 45 度。它让我们从 2D 屏幕获得部件的 3D 理解。渗透深度不过,这里有个需要注意的地方。涡流很懒。它们更喜欢在材料表面流动,这种现象被称为趋肤效应。越往深处走,电流就越弱。如果您需要更深入地观察部件,您不能仅仅加大功率。实际上您必须降低频率。较低的频率穿透得更深,但对微小缺陷不那么敏感。我们使用此公式计算特定深度(电流密度降至表面值的约 37% 处):在这个方程中,f 是频率,μ 是磁导率,σ 是导电率。它突显了为什么在打开机器之前了解材料属性如此重要。不同的探头类型选择合适的探头是您在检测设置过程中做出的最重要的决定。人们很容易认为探头只是一圈电线,但这圈电线的具体几何形状完全改变了物理行为。我喜欢把磁场想象成手电筒的光束。如果你想检查螺栓孔中的微小裂纹,你需要一束聚焦的激光。如果你想检查长管道是否普遍变薄,你需要一个宽泛的泛光灯。我们将探头类型分类基于它们如何塑造能量场,以及部分基于它们如何监听回声。让我们探索一下我们的选择。表面探头这些是用于平面元件或微弯曲部件的日常工具。我们通常根据它们处理信号的方式将它们分为两个子类别。首先是绝对探头。它们使用单个传感线圈来测量下方材料的总阻抗。它们非常适合发现逐渐的变化,如导电率偏移或涂层厚度变化。然而,它们对温度变化很敏感。然后是差分探头。这些是真正的缺陷猎手。它们包含两个线圈,持续比较相距较远的两个点(或有时聚焦于一点)处的材料。如果两个线圈下的材料相同,信号为零。但如果一个线圈穿过裂纹而另一个看到的是实心金属?你会得到一个尖锐、明显的信号脉冲。因为它们是自参考的,所以可以抵消温度或导电率等逐渐变化,使其更加安静,对裂纹更敏感。高级探头设计除基础知识外,工程师还开发了一些巧妙的设计来解决特定问题。反射探头(或称驱动器-拾取器探头)将工作分开:这种解耦允许更宽的频率范围和更好的信噪比。我们也有屏蔽探头。标准线圈的磁场像甜甜圈一样扩散。如果你试图在螺栓头或边缘附近进行检查,那种扩散的磁场会撞击几何结构并产生噪声。屏蔽探头使用铁氧体环或其他屏蔽材料将磁场垂直聚焦向下,保持其紧密并防止它”看到”你不希望它看到的东西。鲍宾(Bobbin)和环绕线圈有时用铅笔探头扫描部件就像用牙刷粉刷走廊。当你有圆柱形几何结构时,你需要覆盖范围。鲍宾探头设计用于在管内滑动,一次检查整个内圆周。例如,这是检查发电厂热交换器的标准。当您将其拉过时,它提供完整的 360° 视图。环绕线圈的工作方式相反。部件(如电线、棒材或管材)穿过线圈。这对于生产线来说速度极快,但有一点需要注意。涡流阵列 (ECA)如果标准探头就像单个手电筒,涡流阵列 (ECA) 就像体育场泛光灯系统。ECA 探头包含按特定模式排列的多行线圈。您不用单个线圈来回扫描(光栅扫描),而是一次通过即可扫描大面积区域。软件将所有这些线圈的信号拼接在一起,创建一个C扫描图像,这本质上是表面的颜色编码图。这使您能够在屏幕上看到裂纹的形状和长度,而不仅仅是解释移动的点。ECA 正在彻底改变该行业,因为它速度更快,不太依赖操作员手部的稳定性,并提供检测的永久数字记录。导电材料测试这是涡流检测最大的缺点:它有一个非常严格的准入名单。此方法仅适用于导电的材料。如果你试图检查塑料、玻璃或陶瓷,你将得到绝对零信号。要理解原因,我们需要看看在原子层面上发生了什么。为了形成涡流,你需要当磁场出现时可以自由移动的电子。在导电金属中,这些自由电子很容易漂移到我们想要的闭合回路中。在绝缘体中,电子被卡在原地。没有流动意味着没有涡流。这就是为什么这种检测方法是铝、铜、钛、钢合金和镍合金的重头戏。这是航空航天和制造业检查从机身蒙皮到发动机叶片的所有东西的标准做法。如果您使用非导电材料制造产品,您需要另一种解决方案。IACS 导电率标准我们使用IACS(国际退火铜标准)标度测量导电率。纯退火铜定义为 100% IACS。铝合金的范围可能在 30% 到 50% IACS 之间,而钛要低得多,约为 1.5%… <a href="https://www.plastiform.info/zh/blog/jiliangxue/guo-liu-jian-ce-cao-zuo-zhi-nan/" class="read-more">Read More</a>

阅读文章