浅谈数据统计分析在扭矩控制过程中的应用

现代21世纪社会，大家都在谈论大数据，大数据在改变着现代社会的方方面面。但是那些高深莫测纷繁复杂的算法，距离我们太过遥远，不是我们今天讨论的话题。

我们在日常工作和生活中，常常会碰到和数据打交道。尤其对各位搞装配的螺丝君而言，动态扭矩数据，静态扭矩数据，最终角度数据，过程角度数据等等，都是我们经常需要面对的数据。

这些数据究竟能够告诉我们什么？我们如何让数据说话，如何通过这些数据去帮助我们分析和解决实际问题呢？

本文借助数据分析软件MiniTab，通过示例介绍了不同的数据图表的差异，以及如何利用这些不同的分析手段，比如散点图，箱线图，直方图，Anderson-Darling正太检验等，来帮助我们分析不同螺栓的差异，数据成因以及特性，进而帮助调查分析拧紧问题或者设定拧紧工艺。

下面是一组某机型工位工艺测试的扭矩和角度数据。该工位为屈服控制工位，测试数据有限，仅供参考：

从上表可以看出，4颗螺栓的扭矩大致分布范围，角度大致分布范围。但是并不直观，我们还能得到什么呢？

1、测试扭矩数据散点图，示意图如下：

由上图可以直观的看出该工位扭矩数值分布在70Nm到95Nm之间。

2、测试扭矩数据箱线图，示意图如下：

从上图可以看出，4颗螺栓之间的扭矩差异不明显，尤其是中位数。

具体见以下数据详情：

3、扭矩测试数据进行正太分布检验，我们选取较为常用的Anderson-Darling检验方式，示意图如下：

从上图可以看出，该工位1号，3号，4号螺栓符合正太分布，4号螺栓符合性最好，P值分别为0.097，0.017和0.164。而2号螺栓不符合正太分布，P值

由此，也侧面印证了该工位是屈服控制工位，并不像单纯的扭矩控制符合理想的正太分布。

4、测试扭矩数据直方图，示意图如下：

从上图可以看出，实际扭矩数据分布与理想的正太分布拟合曲线差异较大。与第三点的数据相互印证。

通过数据计算，我们可以得到该测试工位的推荐扭矩范围是：62~96Nm，具体数据分布范围如下：

总 结

不论是数据分析软件还是数据图表，最终的目的都是通过这些方式和手段，来辅助我们来分析和解决实际问题。当数据分析脱离具体现场情况的时候，将变得毫无意义。

针对这些测试数据本身而言，受制于不同拧紧工具的选择，拧紧程序的不同设定，连接件的材料，螺栓表面是否涂油等诸多因素影响，需要我们结合实际情况，借助这些数据作出更加审慎而细致的深度分析。

以上是个人的一些心得体会，希望能够给大家解决现场问题提供一些参考，欢迎同行交流。如有不足之处，敬请批评指正，谢谢！

---End---