0 引言

当前超声波检测（UT）技术广泛应用在生产制造的各领域里，其中在汽车领域里也比较常见。比如超声波技术可以利用其非破坏检测的优势，检测汽车白车身的连接状态。与传统的破坏性检测（DT）相比，超声波技术的应用可节约大量的人力和材料成本，减少非必要的浪费，同时测量过程中产生大量的数据，便于后续研究分析，对产品进行持续的质量优化改进。当前超声波无损检测技术已经有了长足的发展。国内有大量的汽车企业使用超声检测技术并积累了丰富的实践经验，国外对超声检测的算法研究较为深入，底层技术雄厚。

在前人研究基础上，本文着眼于白车身无损检测的整个体系，对白车身工艺所有涉及无损检测技术的内容和要求进行全面且深入的阐述，同时针对当前大数据的相关技术突破，成功将其引入无损检测数据处理的过程中。通过上述研究，可以更好地指导车间现场进行质量检测，加强对新技术的了解，提高检测的可视化和准确性。

1 无损检测体系搭建

无损检测是白车身质量管理的重要一环，用其替代破坏性检测有效降低了制造成本，提高了质量检测的反馈效率。使用中主要包含新项目和序列化两个阶段，很多时候新项目投产和序列化运营是相辅相成的，前期新项目投产做得好，员工积累大量的经验，相关的技术问题在早期已经消除，检测的准确率等难点已经得到改善，切换到序列化运营阶段，虽然侧重点有点区别，但很多领域以前新项目阶段已经覆盖或者经历过，只需要进一步深化和形成标准化流程，通过上述举措确保超声无损检测的准确率达到99%左右，保证大批量生产的白车身整车质量。整体体系如图1所示。

图1 白车身无损检测体系

2 白车身无损检测序列化运营阶段

2.1 人员技能保障

（1）人员培养

如图2所示，根据员工技能矩阵分布情况，主要分为培训阶段、工作需要协助、可以独立工作以及可以独立工作且能够培训他人，人员培养的过程也是遵循这四个流程。

图2 无损检测人员培养技能矩阵

因为无损检测涉及设备使用和评判标准的把握，相比其他工作培训时间加长。一般培训阶段是设备操作理论学习一星期，质量评判标准一星期，现场编程计划和工艺熟悉一星期，经过三个星期的一般培训阶段，能够初步了解无损检测的各方面内容；第二个阶段是实操阶段，在讲师的协助下进行两个星期的现场质量检测，此阶段需要结合现场的实际工艺，在质量检测的同时，核对焊点的数量、位置等工艺信息，这个过程需要将评判标准等理论知识和实际的检测结果相结合，给出最终的评判结果；第三阶段是独立工作，可以根据工艺文件进行独立的质量检测和评判，此过程会伴随一个超声检测员的认证考试，只有通过此认证才能正式上岗工作，认证结果为L1级别；第四个阶段是第三阶段的进阶，能力出众的员工可以申请此级别的认证考试，考试通过发放L2专家级超声检测认证，同时可以作为讲师给L1员工进行培训和资质鉴定。

（2）定期资质认证

为了保证无损检测操作员的技术水平，每年都需要做资质认证。资质认证过程主要包含两部分内容：理论部分笔试考核和实操部分实践考试。题目由超声认证L2考核员准备，理论部分的合格分数为总分的85%，实操部分合格率为80%，实操部分通过制作带有缺陷的试片进行考试，缺陷包含但不限于开焊、小焊核、边沿焊、气孔和虚焊等，试片整体数量为50点，缺陷点数量不少于1/3。资质认证合格的员工继续工作，不合格的员工需要参加培训或转岗。此为年度例行工作，每年进行一次，每一位从事无损检测的员工都必须参加和通过。

（3）无损检测技能比赛

举办技能比赛是另一种提高技能的方式。比赛的过程中不但可以更好地筛选优秀人才，给优秀者以奖励，而且技能竞技中容易暴露不足之处，让大家向优秀者看齐。比赛模拟现场实际应用场景，设置缺陷陷阱，主要包括程序编写、缺陷点的识别等。

2.2 设备状态保障

（1）定期设备校验

为保证无损检测设备的检测状态，设备需要定期进行校验，并建立台账，校验主要是对设备状态进行检测。超声检测设备的校验核心在于确保声波传播参数的准确性，包括声速、探头延迟时间和时基线校准，一般一年至少进行一次校验。白车身的无损检测设备检测的材质较为单一，主要是钢和铝，一般采用已知声速校准。复杂的无损检测设备一般需要专业的校验机构来检查，并出具质检报告，有效期通常为1年。同时还可以进行简单的设备自行验证，比如选择对1mm、2mm、3mm、4mm和5mm五种不同的厚度钢制标准块进行5次重复性测量，偏差范围±0.03mm，如果超出偏差范围需要设备离线，检测修复，此方法可以用于设备异常情况的快速验证和设备测试。

（2）定期探头校准

探头是超声检测设备的核心部分。复杂的无损检测设备除了定期的整机校准外，探头也需要校准，而且频率更高。以VOGT的PhasisBlu设备为例，探头由11×11矩阵排列的晶片构成，中心频率有12MHz和20MHz两种，具有动态聚焦功能，可实现3D扫描，自动计算焊缝长度。为保证设备检测的准确性，该探头需要每月进行校准，校准中使用专业的校准头和校准界面，如图3所示，最终保证画面中所有信号都位于底部窗口中的虚线标记内，并且与平均值略有偏差，同时最大和最小值振幅在±1dB内。探头校准频率需要根据产品的性能和使用频率来定，比如PhasisBlu的探头需要每月校准一次。

图3 超声探头校准界面

2.3 考核结果对比验证，持续优化

在日常序列化生产过程中，除了检测设备端的状态保障，实际的检测结果也需要做定期的核对，即UT和DT对比验证，每个季度对每一种车型在进行破坏性检测抽检的同时，也同步做无损质量检测，相同的零件两种不同的检测手段对比结果，如有异常情况出现，根据破坏性检测测量出的焊点直径、连接状态等信息做及时调整。

3 白车身无损检测新项目投产阶段

3.1 检测计划编写，参数设定原则和技巧

新车型项目需要根据工艺文件，使用计划检测模式，编制无损检测计划。以Scamnmaster公司的UT/Mate设备为例，计划编写前需要准备好所有焊点的参数清单，包含焊点编号、焊点属性、板材特性、板材厚度和首层检测板材位置等。计划编写的过程中从首批测试车辆或产品数模中提取检测照片，并按照顺序逐一编号。此过程中采用树形结构制作多个分支检测计划：一方面化整为零，用以消除覆盖点的困扰，便于数据管理；另一方面拆分工作量，使多人检测可以同步进行，提高检测效率。编写的过程中需要对设备参数进行设定，并通过大量的实验和数据分析，实现参数的多次修正。这个过程中需要设计一套超声无损检测和破坏性检测的对照实验，进行闭环校验，通过破坏性检测的结果来修正超声的各项参数，最终达到高准确率检测的目的。

检测计划的参数会影响检测准确率，主要参数有噪声阈值、有效阈值、最小厚度、最大厚度、半径公差、回波数量和衰减率等，在设定过程中需要收集大量的实验数据，同一板材组合的焊点采样数据不少于25组，并根据相关的设定原则和UT与DT的对比结果来确定最终的设定值，见表所示。

3.2 UT与DT对比校验，提升检测准确率

根据历史经验设定参数后，需要对无损检测计划进行校准优化，即correlation过程，通过破坏性检测和无损检测组合验证建立联系，进一步完善和提高超声检测的准确率。一般需要不少于5轮的对比验证，即首先对整车所有焊点进行超声检测，保存检测结果和检测计划，而后再将该零件进行全面的破坏性检测，破坏性检测提供检测结果和焊核直径等必要信息，逐一进行对比。由于涉及焊点数量众多，需要借助excel数据分析或数据处理软件来完成。对比完成后对参数进行修改和复测，而后开始准备下一轮的对比验证。通过不少于5轮的迭代优化，完成超声检测计划的检验和完善。同时某些特殊功能和频发问题的焊点，可以追加独立轮次的质量验证和迭代优化。

3.3 KFU与vPFU过程能力测试KFU与vPFU

是新项目不同阶段的两次质量能力考核：短期能力测试和过程能力考核。在新项目阶段会组织两次重要的验证过程，分别在设备自动运行后的初期进行短期能力测试，测试车辆一般为5套整车，对所有焊点进行无损检测，这个过程不但对产品进行质量考核，也是对检测设备和工艺进行第一轮的验证，合格率需要达到98%以上。在SOP交付客户之前，还需进行第二阶段的过程能力验证，检测整车数量翻倍，达到10套整车，同样对所有技术进行检测，这是开始批量化生产前的重要检测过程，大量的问题会在此阶段暴漏并解决，合格率需要满足99.73%。此部分是无损检测在保障新车型产品质量的重要环节，此环节不但可以进行大批量的质量测试，同时还避免了破坏性检测成本高、时间长的问题。

3.4 特殊检测需求及质量水平爬升

（1）项目阶段的无损检测的特殊需求

新车型投产阶段，由于产品状态和各类测试需求，检测的范围及频率和序列化检测有很大的差别。此阶段的无损检测需要覆盖所有待测内容。检测内容不限于焊点等连接技术，还包含外观和尺寸检测等。检测的频率一般是每日产量100辆为分水岭，不足100台每日检测需保证检测整车1台，超过100台每日检测需要保证检测整车2台。除此之外，项目阶段所有的碰撞试验车需要100%进行无损质量检测和缺陷返工，在质量监控未完全开启前，所有产品车辆的安全相关点需要100%检测和缺陷返工。此部分是产品质量放行的重要环节。

（2）焊接飞溅优化，无损检测验证支持

在新项目阶段，无损检测除在质量放行方面有重要作用外，在质量全面优化，提前达到质量指标中也有重要的作用。其中焊接飞溅是困扰焊接质量状态的重要因素，高的飞溅率不但影响产品质量，也会对车间环境造成粉尘影响，所以需要全面降低焊接飞溅率。在这个过程中需要将焊接参数调整和无损检测相结合。焊接飞溅在不同阶段有不同的要求，比如在SOP时需要保证飞溅率低于5%，在SOP前一个阶段保证飞溅率在5%～10%之间，再前一个阶段需要满足10%～25%要求。随着项目逐渐接近SOP，要求会越来越严格。在每次参数调整完毕后，需要使用此参数生产三套零件，用无损检测进行质量检验，如果单点在三套零件上质量检测全部合格，参数可以投入使用，如果存在不合格的情况，再次进行参数优化。在有条件的情况下，期间穿插凿测检验。通过上述工作可以有效降低焊点的焊接飞溅，使车身质量得到全面的提高。

4 质量检测大数据管理研究

4.1 大数据管理整体框架

整车的电阻点焊数量在5000个左右，每一个焊点在进行无损检测的过程中会有5～7个左右的重要参数，多车型混线生产的工厂，单日的数据量会超过10万，传统的人工或excel方案都很难对数据进行精细化处理，导致大量的数据无法被有效利用，数据浪费且没办法做到数据指导作用。

针对无损检测的数据特点，提出应用Python和Power Bi的相关技术进行大数据管理，如图4所示，其中Python负责数据的前期清洗和使用数据库的相关技术进行数据存储和预处理，PowerBi负责部分核心指标数的计算和画面展示。无损检测大数据管理模块中一共包含7个模块，可以满足各种应用场景。

图4 大数据管理整体框架

4.2 模块搭建及实现效果

针对超声检测数据进行大数据分析，借助Python和Power Bi工具搭建超声检测分析模块，实现工艺核验、检测记录查询、参数追溯、参数分布分析、深度诊断和参数校准等功能。可以实现对超声波各维度的数据管理，便于在庞大的数据中查找问题点，增强数据的透明化。同时大数据分析模块的搭建，能够及时发现员工检测过程中存在的各类问题，及时反馈及时纠正，进一步提高员工检测能力和工作状态。超声检测大数据分析系统（UTDS）界面如图5所示。

图5 超声检测大数据分析系统

通过使用上述数字化管理工具，白车身检测结果实现了数据的统计分析，由过去每日仅能分析和利用一个区域的无损检测数据，变为全域无死角分析，数据利用率超过20倍，同时分析中识别了类似变化趋势等过去无法发现的问题，保证了工艺纪律的无损执行和高频问题突出显示，真正意义实现了数据的透明化。

比如使用UTDS中工艺校验模块，核对每日超声检测的焊点数量，如果出现漏检，柱状体图由默认的绿色变为黄色，突出显示，如出现焊接质量不合格的点，也可以通过里面的Audit_ok记分板快速显示，从而实现数据的灵活使用，同时利用参数分布模块可以有效识别焊核厚度等关键信息的变化趋势。

5 结语

本文系统性地阐述了白车身无损检测技术的完整体系，涵盖新项目投产与序列化生产运营两大阶段，并创新性地引入了大数据管理技术，构建了一套集人员、设备、工艺、数据于一体的综合质量管理方案。

在新项目投产阶段，本文详细解析了从检测计划编写与参数初始设定，到通过UT与DT多轮对比校验以迭代优化参数，再到进行KFU与vPFU过程能力测试以确保检测系统本身满足量产要求的关键流程。此外，本文还特别指出了无损检测技术在项目阶段支持特殊检测需求、辅助焊接飞溅优化等质量爬升活动中的重要作用，凸显了其在前端质量策划与提升中的价值。

在序列化运营阶段，本文重点论述了通过人员技能保障、设备状态保障以及UT与DT定期考核结果对比验证三大支柱，确保了检测体系长期、稳定及可靠地运行。这套序列化运营机制强调标准化、流程化与持续优化，是保障日常生产质量的核心。

面对无损检测过程中产生的海量数据，本文提出了基于Python与Power Bi的大数据管理解决方案。通过构建包含工艺核验、参数追溯和分布分析等多功能的数据分析平台，实现了检测数据的深度挖掘与可视化，极大地提升了数据透明度与利用率，使过去难以发现的工艺偏差和质量趋势得以快速识别，从而实现了数据驱动的质量决策与持续改进。

综上所述，本文所构建的白车身无损检测体系，不仅夯实了从人员到设备的标准化管理基础，更通过在新项目前端进行深度参数优化与验证，并在后端利用大数据技术赋能数据分析，形成了一个从质量策划、过程控制到持续优化的完整闭环。该体系有效提升了无损检测的可视化、准确性和指导价值，为现代智能制造环境下车身连接质量的精密控制与高效管理提供了具有重要实践意义的参考范式。

参考文献

[1] 张宾 , 李明栋 , 李文斌 . 超声波检测技术在白车身 点焊检测中的应用 [J]. 汽车制造业 , 2018(15):3.

[2] 卢超 , 钟德煌 . 超声相控阵检测技术及应用 [M]. 北京 : 机械工业出版社 ,2021.

[3] 刘春华 , 周长霖 , 陈晓辉 , 等 . 相控阵超声检 测缺陷识别与分类研究进展 [J]. 无损检测 , 2023,000(12):7.

[4] 强天鹏 , 张东宏 , 张峰 , 等 . 汽车变速器齿轮焊缝 的相控阵超声检测 [J]. 无损检测 ,2023,45(2):18-22.

[5] Amiri N , Farrahi G H , Reza Kashyzadeh K ,et al.Applications of ultrasonic testing and machine learning methods to predict the static & fatigue behavio r o f spot -welded joints [J ].Jou rnal o f Manufacturing Processes, 2020, 52:26-34.

[6] 石才员 . 技能矩阵 , 让培训管理有的放矢 [J]. 管理 @ 人 ,2009,(9):43-45.

[7] 朱颖 . 基于技能矩阵的 N 制药公司生产技能人员 培训优化研究 [D]. 苏州 : 苏州大学 ,2023.

[8] 任丹 .SN 公司管理人员培养体系优化研究 [D]. 长 春 : 吉林大学 ,2025.

[9] 刘芝花 . 无损检测仪器设备校准或核查管理的探讨 [J]. 大众标准化 ,2024,(24):165-167.

[10] 谢常欢 . 对 JB 4730 标准中无损检测仪器设 备校准或核查要求的修改建议 [J]. 无损检 测 ,2012,34(11):25-31+36.

[11] Guo D, Yu G, Liu F, et al. Application of ultrasonic testing technology in the quality inspection of bodyin-white[C]//International Conference on Image, Signal Processing, and Pattern Recognition (ISPP 2025). SPIE, 2025, 13664: 26-34.

[12] Wolfs R J M , Bos F P , Salet T A M .Correlation between destructive compression tests and nondestructive ultrasonic measurements on early age 3D printed concrete[J].Construction and Building Materials, 2018, 181(aug.30):447-454.

[13] S t o c c o D , M a e v R G , C h e r t o v A M , e t al.Comparison between in- line ultrasonic monitoring of the spot weld quality and conventional NDT methods applied in a real production environment[J]. 中国机械工程学会 [2025-10-27].

[14] 张可可 , 朱文战 . 无损检测技术标准化管理体系构 建研究 [J]. 中国标准化 ,2024,(06):94-98.

[15] 王敏玲 . 基 于 Power BI Desktop 的豆瓣电影 TOP250 评分数据采集与可视化展示 [J]. 科技创新 与应用 ,2025,15(29):32-35.

[16] 秦红波 , 李晓刚 , 郑立康 , 等 . 热轧过程质量管控 系统及预警模型的开发和应用 [J/OL]. 锻压技术 ,1- 11[2025-10-27].

本文为“AI汽车制造业”首发，未经授权不得转载。版权所有，转载请联系小编授权（VOGEL100）。本文作者：于光辉 郭东栋 牛振 田剑英 梅寅禅，单位：北京奔驰汽车有限公司。责任编辑龚淑娟，责任校对何发。本文转载请注明来源：AI汽车制造业