整车焊装工艺参数寻优

两千个焊点背后的参数困境

白车身焊装涉及 2000 余个焊点与 40 余项工艺参数：焊接电流、通电时间、电极压力、预压与保压时间，每种板厚组合、每层板料搭配都有不同的合适区间。长期以来这套参数靠老师傅的经验调整，问题不在于经验不灵，而在于经验无法传递、无法追溯。

具体表现为三点：新人上手周期长，参数调整依赖师徒传承；参数与质量之间的映射关系没有被记录，出现质量问题只能事后猜测；换批次、换材料时参数需要重新摸索，而每次摸索都要占用产线与试验资源。

把试验做在模型里

思路是用代理模型替代实车试验。实车试验成本高、周期长，而焊装过程的多物理场仿真是可以批量运行的，问题在于单次仿真耗时太长，无法直接用于参数寻优。

做法是先用正交试验设计采集有限数量的样本：按板厚组合、材料牌号、工艺参数区间设计试验方案，跑一批仿真，得到焊点强度、焊角尺寸、总装干涉量三组响应数据。然后用这批样本训练响应面代理模型，代理模型的计算量远小于原仿真，可以在秒级完成一次评估。

代理模型的精度取决于样本设计。样本点如果集中在参数区间的中心，边缘区域的外推误差会很大；而实际生产中出问题的恰恰常是边缘工况。因此试验设计采用正交加补充边角点的组合方式，保证在整个参数空间内都有约束。

三目标如何权衡

焊点强度、焊角尺寸、总装干涉量三者并不总是一致：提高电流能增加熔核尺寸、提升强度，但焊角过大可能引起总装干涉；延长通电时间改善强度，却增加热变形。这是一个典型的多目标优化问题，不存在单一最优解，而是一组互不支配的折中方案。

寻优的结果以帕累托前沿的形式给出，由工艺人员根据当前车型的实际约束选择工作点——比如总装间隙紧张时优先保证尺寸，强度要求高时优先保证熔核。给出的不是“一个答案”，而是一张可选择的图谱，这也是现场能够接受这种方式的原因。

现场能用的才是好方案

寻优结果最终被部署为现场工艺参数推荐工具，操作工按板厚组合与材料牌号查询对应参数，直接调用。这里有一个容易被忽视的设计要求：工具必须足够简单。如果要求操作工理解代理模型或多目标优化，这套东西上线后必然被弃用。

因此交付形态是一个查询界面，输入条件、输出参数，附上该参数下的预期焊点强度与焊角尺寸，让操作工知道“按这个调，结果大概是什么样”。信任是一步步建立的——先在小批量上验证推荐值与实际一致，再全面推开。

结果与沉淀

参数寻优从 5 天缩短至 8 小时，焊点不合格率由 3.7% 降至 0.9%。方案已推广至同集团三个生产基地，参数库随生产数据持续补充，新车型导入时不必从零摸索。

更长远的价值在于参数与质量的映射关系被记录下来。过去这类知识存在于老师傅的脑子里，如今沉淀为可查询、可追溯的数据，人员流动不再意味着经验流失。