强度计算.基本概念：塑性：塑性成形过程的质量控制

强度计算.基本概念：塑性：塑性成形过程的质量控制1塑性成形基础1.11塑性成形的定义塑性成形是指在材料的塑性状态下，通过外力作用使其产生塑性变形，从而获得所需形状和尺寸的加工方法。塑性成形能够提高材料的力学性能，如强度、韧性等，同时也能改善材料的组织结构，是现代制造业中不可或缺的工艺之一。1.22塑性成形的分类塑性成形根据加工条件和方法的不同，可以分为以下几类：热成形：在材料的再结晶温度以上进行的成形，如热锻、热轧等。冷成形：在室温或接近室温的条件下进行的成形，如冷拔、冷冲压等。温成形：在材料的再结晶温度以下，但高于室温的条件下进行的成形，如温锻等。特殊成形：包括爆炸成形、超塑性成形、电磁成形等，这些方法利用特殊的物理现象或条件进行塑性变形。1.33塑性成形过程中的应力与应变分析在塑性成形过程中，材料受到外力作用，产生应力和应变。应力是单位面积上的力，而应变是材料在力的作用下产生的变形程度。对塑性成形过程中的应力和应变进行分析，是控制成形质量和优化工艺参数的关键。1.3.13.1应力分析应力可以分为正应力和切应力。正应力是垂直于材料表面的应力，而切应力是平行于材料表面的应力。在塑性成形中，材料的变形往往是由切应力引起的。1.3.1.1示例：计算圆柱体在轴向拉伸时的正应力假设一个圆柱体的直径为d=10mm，长度为#定义材料的直径和受到的拉力

d=10e-3#直径，单位：米

F=1000#拉力，单位：牛顿

#计算截面积

A=3.1416*(d/2)**2

#计算正应力

sigma=F/A

print(f"正应力为：{sigma:.2f}MPa")1.3.23.2应变分析应变分为线应变和剪应变。线应变是材料在力的作用下长度的变化与原长的比值，而剪应变是材料在切应力作用下形状的改变。1.3.2.1示例：计算圆柱体在轴向拉伸时的线应变假设上述圆柱体在轴向拉伸后长度变为L′#定义原始长度和拉伸后的长度

L=100e-3#原始长度，单位：米

L_prime=105e-3#拉伸后的长度，单位：米

#计算线应变

epsilon=(L_prime-L)/L

print(f"线应变为：{epsilon:.4f}")1.3.33.3应力-应变曲线应力-应变曲线是描述材料在塑性成形过程中应力与应变关系的重要工具。通过应力-应变曲线，可以确定材料的弹性极限、屈服强度、抗拉强度等关键性能指标。1.3.3.1示例：绘制材料的应力-应变曲线假设我们有以下一组数据，表示材料在不同应变下的应力值：应变(ε)应力(σ)0.000.000.01100.000.02200.000.03300.000.04400.000.05500.000.06600.000.07700.000.08800.000.09900.000.101000.00importmatplotlib.pyplotasplt

importnumpyasnp

#应变和应力数据

epsilon=np.array([0.00,0.01,0.02,0.03,0.04,0.05,0.06,0.07,0.08,0.09,0.10])

sigma=np.array([0.00,100.00,200.00,300.00,400.00,500.00,600.00,700.00,800.00,900.00,1000.00])

#绘制应力-应变曲线

plt.figure(figsize=(10,6))

plt.plot(epsilon,sigma,marker='o',linestyle='-',color='b')

plt.title('材料的应力-应变曲线')

plt.xlabel('应变')

plt.ylabel('应力(MPa)')

plt.grid(True)

plt.show()通过上述代码，我们可以得到材料的应力-应变曲线，进一步分析材料的塑性变形特性，为塑性成形过程的质量控制提供数据支持。2塑性材料的性质2.11塑性材料的应力-应变曲线在塑性成形过程中，理解材料的应力-应变曲线至关重要。应力-应变曲线描述了材料在不同应力作用下产生的应变，是材料力学性能的重要指标。塑性材料的应力-应变曲线通常包括弹性阶段、屈服阶段、塑性阶段和断裂阶段。2.1.1弹性阶段在弹性阶段，应力与应变成线性关系，遵循胡克定律。此阶段的斜率代表材料的弹性模量，是材料刚性的度量。2.1.2屈服阶段达到屈服点后，材料开始发生塑性变形，即使应力不再增加，应变也会继续增大。屈服点是材料从弹性变形过渡到塑性变形的临界点。2.1.3塑性阶段在塑性阶段，材料的应力-应变曲线变得非线性，材料开始发生永久变形。此阶段的特性可以通过塑性材料的硬化模型来描述。2.1.4断裂阶段当应力达到材料的极限强度时，材料会发生断裂，这是塑性成形过程中的一个关键点，需要通过设计和工艺控制来避免。2.22塑性材料的屈服准则屈服准则是判断材料是否开始塑性变形的标准。常见的屈服准则有：冯·米塞斯屈服准则：适用于各向同性材料，基于等效应力的概念。特雷斯卡屈服准则：基于最大剪应力理论，适用于脆性材料和塑性材料的初步分析。2.2.1冯·米塞斯屈服准则σ其中，σ1当σv2.33塑性材料的硬化模型硬化模型描述了材料在塑性变形后强度的变化。常见的硬化模型有：理想弹塑性模型：材料在屈服后强度保持不变。线性硬化模型：材料在屈服后，随着塑性应变的增加，强度线性增加。非线性硬化模型：材料在屈服后，强度随塑性应变的增加而非线性增加。2.3.1线性硬化模型示例假设材料的屈服强度为200MPaσ其中，σp是塑性应力，σy是屈服强度，Eh2.3.2示例代码#Python示例代码：线性硬化模型计算

deflinear_hardening_model(yield_strength,hardening_modulus,plastic_strain):

"""

计算线性硬化模型下的塑性应力。

参数:

yield_strength(float):屈服强度，单位MPa。

hardening_modulus(float):硬化模量，单位MPa。

plastic_strain(float):塑性应变。

返回:

float:塑性应力，单位MPa。

"""

plastic_stress=yield_strength+hardening_modulus*plastic_strain

returnplastic_stress

#示例数据

yield_strength=200#屈服强度，单位MPa

hardening_modulus=50#硬化模量，单位MPa

plastic_strain=0.01#塑性应变

#计算塑性应力

plastic_stress=linear_hardening_model(yield_strength,hardening_modulus,plastic_strain)

print(f"塑性应力为:{plastic_stress}MPa")此代码示例展示了如何使用线性硬化模型计算塑性应力，输入屈服强度、硬化模量和塑性应变，输出塑性应力。通过调整这些参数，可以模拟不同材料的硬化行为，这对于塑性成形过程的质量控制非常重要。3塑性成形过程的质量控制3.11塑性成形过程中的缺陷识别在塑性成形过程中，缺陷识别是确保产品质量的关键步骤。常见的塑性成形缺陷包括裂纹、折叠、气孔、夹杂、尺寸偏差等。这些缺陷可能由材料特性、模具设计、成形参数等多种因素引起。为了有效识别这些缺陷，可以采用视觉检测、超声波检测、X射线检测等非破坏性检测技术。3.1.1视觉检测示例视觉检测技术利用图像处理算法来识别产品表面的缺陷。以下是一个使用Python和OpenCV库进行基本图像处理的示例，用于识别塑性成形件表面的裂纹。importcv2

importnumpyasnp

#加载图像

image=cv2.imread('plastic_part.jpg',0)

#图像预处理

ret,thresh=cv2.threshold(image,127,255,cv2.THRESH_BINARY)

#边缘检测

edges=cv2.Canny(thresh,100,200)

#裂纹识别

lines=cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength=100,maxLineGap=10)

#绘制裂纹

iflinesisnotNone:

forlineinlines:

x1,y1,x2,y2=line[0]

cv2.line(image,(x1,y1),(x2,y2),(0,0,255),2)

#显示结果

cv2.imshow('CrackDetection',image)

cv2.waitKey(0)

cv2.destroyAllWindows()3.1.2超声波检测超声波检测通过发射超声波并接收反射波来检测内部缺陷。这种方法适用于检测塑性成形件内部的裂纹、气孔等缺陷。3.22塑性成形过程的工艺参数优化工艺参数优化是提高塑性成形件质量的重要手段。通过调整温度、压力、速度等参数，可以减少缺陷，提高产品的一致性和性能。优化过程通常涉及实验设计、数据分析和模型建立。3.2.1工艺参数优化示例以下是一个使用Python和scikit-learn库进行工艺参数优化的示例，通过建立回归模型预测塑性成形件的强度。fromsklearn.model_selectionimporttrain_test_split

fromsklearn.linear_modelimportLinearRegression

importpandasaspd

#加载数据

data=pd.read_csv('plastic_forming_data.csv')

#分割数据

X=data[['temperature','pressure','speed']]

y=data['strength']

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)

#建立模型

model=LinearRegression()

model.fit(X_train,y_train)

#预测

y_pred=model.predict(X_test)

#评估模型

score=model.score(X_test,y_test)

print(f'ModelScore:{score}')3.2.2数据样例假设我们有以下塑性成形件的工艺参数和强度数据：temperaturepressurespeedstrength200100508022012060852401407090…………3.33塑性成形过程的质量控制策略质量控制策略包括预防、检测和纠正措施。预防措施涉及优化工艺参数和模具设计，检测措施包括使用非破坏性检测技术，纠正措施则是在检测到缺陷后进行的修复或调整。3.3.1预防措施工艺参数优化：通过实验和数据分析，确定最佳的温度、压力和速度参数。模具设计：优化模具的几何形状和材料，减少应力集中和材料流动不均。3.3.2检测措施定期检查：在生产过程中定期进行非破坏性检测，确保产品质量。在线检测：使用传感器和自动化检测系统，在生产线上实时监测产品质量。3.3.3纠正措施缺陷修复：对于表面缺陷，可以采用打磨、填充等方法进行修复。参数调整：根据检测结果，实时调整工艺参数，以减少缺陷的产生。通过综合运用这些策略，可以有效控制塑性成形过程的质量，提高产品的合格率和性能。4塑性成形过程的模拟与分析4.11塑性成形过程的有限元模拟4.1.1原理塑性成形过程的有限元模拟是通过将复杂的几何形状和材料行为离散化为一系列小的、简单的单元，然后在这些单元上应用力学原理来预测成形过程中的应力、应变和温度分布。这种方法能够帮助工程师在设计阶段就识别出可能的缺陷，如裂纹、皱褶或材料流动不均，从而优化设计和工艺参数。4.1.2内容有限元方法（FEM）简介：FEM是一种数值方法，用于求解复杂的工程问题，如结构分析、热传导、流体动力学等。在塑性成形中，FEM被用来模拟金属或塑料在压力下的行为。网格划分：将成形件的几何形状划分为多个小的单元，这些单元可以是四面体、六面体或其他形状，取决于软件和问题的复杂性。材料模型：定义材料的塑性行为，包括弹性模量、泊松比、屈服强度和硬化曲线等。边界条件和载荷：应用适当的边界条件（如固定、滑动或摩擦）和载荷（如压力或力）来模拟成形过程。后处理：分析模拟结果，如应力、应变和温度分布，以评估成形过程的质量。4.1.3示例#使用Python和FEniCS进行塑性成形过程的有限元模拟示例

fromdolfinimport*

#创建网格

mesh=UnitCubeMesh(10,10,10)

#定义边界条件

defboundary(x,on_boundary):

returnon_boundary

bc=DirichletBC(VectorFunctionSpace(mesh,"CG",1),Constant((0,0,0)),boundary)

#定义材料模型

E=1.0e3#弹性模量

nu=0.3#泊松比

yield_stress=100.0#屈服强度

#定义应力应变关系

defstress_strain_relation(strain):

stress=E*strain/(1+nu)

ifstress>yield_stress:

stress=yield_stress

returnstress

#定义载荷

F=Constant((0,-1,0))

#解决问题

V=VectorFunctionSpace(mesh,"CG",1)

u=TrialFunction(V)

v=TestFunction(V)

a=inner(stress_strain_relation(sym(grad(u))),sym(grad(v)))*dx

L=inner(F,v)*dx

#求解

u=Function(V)

solve(a==L,u,bc)

#后处理

plot(u,title="Displacement")

interactive()此示例使用Python的FEniCS库来模拟一个简单的塑性成形过程。通过定义网格、边界条件、材料模型和载荷，可以求解位移场，并通过后处理可视化结果。4.22塑性成形过程的数值分析方法4.2.1原理数值分析方法是用于解决塑性成形过程中非线性问题的数学工具。这些方法包括显式和隐式时间积分、非线性求解器和接触算法等，它们能够处理材料的非线性行为和复杂的几何变化。4.2.2内容时间积分：塑性成形过程通常涉及时间依赖的载荷和材料响应，因此需要使用时间积分方法来逐步推进模拟。非线性求解：由于塑性成形过程中的应力-应变关系是非线性的，需要使用非线性求解器来找到每个时间步的解。接触算法：在塑性成形中，模具和工件之间的接触是非常重要的，需要使用接触算法来正确模拟接触力和摩擦。4.2.3示例#使用Python和FEniCS进行塑性成形过程的数值分析示例

fromdolfinimport*

importnumpyasnp

#创建网格

mesh=UnitCubeMesh(10,10,10)

#定义材料模型

E=1.0e3#弹性模量

nu=0.3#泊松比

yield_stress=100.0#屈服强度

#定义应力应变关系

defstress_strain_relation(strain):

stress=E*strain/(1+nu)

ifstress>yield_stress:

stress=yield_stress

returnstress

#定义载荷

F=Constant((0,-1,0))

#定义时间步

dt=0.1

T=1.0

t=0.0

#创建函数空间

V=VectorFunctionSpace(mesh,"CG",1)

#定义试函数和测试函数

u=TrialFunction(V)

v=TestFunction(V)

#定义非线性问题

a=inner(stress_strain_relation(sym(grad(u))),sym(grad(v)))*dx

L=inner(F,v)*dx

#创建函数来存储解

u=Function(V)

#时间积分

whilet<T:

#更新载荷

F=Constant((0,-t,0))

#求解非线性问题

solve(a==L,u)

#更新时间

t+=dt

#后处理

plot(u,title="Displacement")

interactive()此示例展示了如何使用Python和FEniCS库进行塑性成形过程的数值分析，包括时间积分和非线性求解。4.33塑性成形过程的模拟软件介绍4.3.1内容DEFORM：专门用于金属成形过程的模拟，包括热成形、冷成形和复合材料成形。LS-DYNA：广泛应用于汽车、航空航天和国防工业，能够处理高速碰撞和爆炸等极端条件下的塑性成形。ABAQUS：提供广泛的材料模型和分析功能，适用于静态和动态塑性成形过程的模拟。ANSYS：具有强大的后处理功能，能够帮助工程师分析塑性成形过程中的应力、应变和温度分布。4.3.2示例由于这些软件通常使用图形用户界面和专有的脚本语言，下面提供一个使用ABAQUS进行塑性成形模拟的简要步骤描述：创建模型：在ABAQUS中创建几何模型，定义材料属性和网格。施加载荷和边界条件：应用塑性成形过程中的载荷和边界条件。定义分析步骤：设置时间步和输出要求。运行模拟：提交模型进行计算。后处理：使用ABAQUS的后处理工具来分析和可视化结果。这些软件提供了丰富的功能和工具，使得工程师能够精确地模拟和分析塑性成形过程，从而优化设计和工艺，提高产品质量。5塑性成形过程的强度计算5.11塑性成形过程中的强度理论在塑性成形过程中，材料的强度理论是评估材料在塑性变形下是否发生破坏的关键。塑性成形包括了各种金属加工工艺，如挤压、拉拔、冲压等，这些过程中材料承受的应力状态复杂，可能包括拉伸、压缩、剪切等。因此，强度理论的选择对于准确预测材料的塑性行为和避免成形缺陷至关重要。5.1.1强度理论分类最大切应力理论（Tresca理论）：认为材料破坏是由最大切应力引起的。在塑性成形中，当材料中的最大切应力达到材料的剪切强度时，材料开始发生塑性变形。最大有效应力理论（vonMises理论）：基于能量原理，认为材料破坏是由有效应力（等效应力）引起的。在塑性成形中，当材料的有效应力达到材料的屈服强度时，材料开始发生塑性变形。Drucker-Prager理论：结合了Tresca和vonMises理论的优点，适用于塑性成形中材料的复杂应力状态，特别是当材料在三轴压缩应力状态下工作时。5.1.2强度理论的应用在塑性成形模拟中，强度理论用于设定材料的屈服准则，从而预测材料的塑性流动和可能的断裂点。例如，在有限元分析中，材料的屈服准则可以被编程到软件中，以模拟材料在不同载荷下的行为。5.22塑性成形过程的强度计算方法塑性成形过程的强度计算通常涉及材料力学和有限元分析。以下是一种基于有限元分析的计算方法：5.2.1有限元分析（FEA）有限元分析是一种数值方法，用于求解复杂的工程问题，包括塑性成形过程中的强度计算。它将复杂的几何形状和载荷条件分解为许多小的、简单的单元，然后在每个单元上应用材料的强度理论，最终整合所有单元的结果来预测整个零件的强度和变形。5.2.1.1FEA流程模型建立：创建零件的三维模型，定义材料属性和边界条件。网格划分：将模型划分为小的单元，单元的大小和形状取决于所需的精度和计算效率。求解：应用强度理论和载荷条件，计算每个单元的应力和应变。后处理：分析计算结果，评估强度和变形，识别潜在的缺陷区域。5.2.2示例代码以下是一个使用Python和FEniCS库进行有限元分析的简化示例。假设我们正在分析一个简单的拉伸问题，材料遵循vonMises屈服准则。fromdolfinimport*

#创建一个矩形网格

mesh=RectangleMesh(Point(0,0),Point(1,1),10,10)

#定义边界条件

defboundary(x,on_boundary):

returnon_boundary

#应用边界条件

bc=DirichletBC(VectorFunctionSpace(mesh,"CG",1),Constant((0,0)),boundary)

#定义材料属性

E=1e3#弹性模量

nu=0.3#泊松比

mu=E/(2*(1+nu))

lmbda=E*nu/((1+nu)*(1-2*nu))

#定义vonMises屈服准则

defvon_mises_stress(sigma):

returnsqrt(3/2*inner(dev(sigma),dev(sigma)))

#定义应力张量

defsigma(u):

returnlmbda*tr(eps(u))*Identity(2)+2*mu*eps(u)

#定义应变张量

defeps(v):

returnsym(grad(v))

#定义位移函数空间

V=VectorFunctionSpace(mesh,"CG",1)

#定义位移和载荷

u=Function(V)

f=Constant((0,-1))

#定义变分问题

F=inner(sigma(u),eps(v))*dx-inner(f,v)*ds

#求解变分问题

solve(F==0,u,bc)

#计算vonMises应力

von_mises=von_mises_stress(sigma(u))

#输出vonMises应力

file=File("von_mises.pvd")

file<<von_mises5.2.3代码解释这段代码首先创建了一个矩形网格，然后定义了边界条件，确保边界上的位移为零。接着，定义了材料的弹性模量和泊松比，以及vonMises屈服准则的计算公式。通过定义应力和应变张量，我们建立了材料的本构关系。最后，通过求解变分问题，我们得到了位移场，并计算了vonMises应力，将其输出为可视化文件。5.33塑性成形过程的强度计算实例5.3.1实例描述假设我们正在分析一个金属板材的冲压过程。板材的尺寸为100mmx100mm，厚度为1mm。冲压模具的直径为50mm，冲压速度为10mm/s。材料为低碳钢，其屈服强度为250MPa，弹性模量为200GPa，泊松比为0.3。5.3.2实例分析在有限元分析中，我们首先建立板材的三维模型，并将其划分为足够细的网格。然后，定义材料属性和边界条件，包括模具的接触条件。在求解过程中，我们应用vonMises屈服准则来评估材料在冲压过程中的强度。通过分析vonMises应力分布，我们可以识别板材中应力集中区域，评估板材的塑性变形和可能的断裂风险。5.3.3实例结果分析结果显示，板材在模具接触区域的vonMises应力最高，接近材料的屈服强度。这表明板材在该区域可能开始发生塑性变形。通过调整模具设计或冲压速度，可以优化应力分布，减少塑性变形，提高成形过程的质量控制。通过上述理论和方法的介绍，以及具体实例的分析，我们可以看到塑性成形过程的强度计算在工程设计和质量控制中的重要性。合理选择强度理论和应用有限元分析，可以有效预测和控制塑性成形过程中的材料行为，避免成形缺陷，提高产品性能。6塑性成形过程的质量控制案例研究6.11汽车零件的塑性成形质量控制在汽车制造业中，塑性成形技术被广泛应用于制造各种关键零件，如车身结构件、发动机部件等。质量控制是确保这些零件满足安全和性能标准的关键步骤。以下是一个关于汽车零件塑性成形质量控制的案例研究，我们将探讨如何使用有限元分析（FEA）来预测和控制成形过程中的缺陷。6.1.1原理塑性成形过程中的质量控制主要关注以下几个方面：-材料性能：确保材料的塑性、强度和韧性符合设计要求。-模具设计：模具的几何形状、尺寸精度和表面光洁度直接影响零件的成形质量和尺寸精度。-成形参数：包括温度、压力、速度等，这些参数的优化可以减少缺陷，提高零件质量。-缺陷检测：通过无损检测技术（如超声波检测、X射线检测）和有限元分析来识别和预测成形过程中的缺陷。6.1.2内容6.1.2.1有限元分析在塑性成形中的应用有限元分析（FEA）是一种数值模拟技术，用于预测材料在塑性成形过程中的行为。通过FEA，工程师可以模拟零件的成形过程，分析应力、应变分布，预测可能出现的缺陷，如裂纹、皱褶和厚度不均。6.1.2.2案例：汽车车身面板的塑性成形质量控制假设我们需要制造一个汽车车身面板，材料为高强度钢。为了确保成形质量，我们使用FEA来优化成形参数和模具设计。#以下是一个简化的FEA代码示例，用于模拟汽车车身面板的塑性成形过程

#使用Python和FEniCS库进行有限元分析

#导入必要的库

fromfenicsimport*

importmatplotlib.pyplotasplt

#创建网格和定义函数空间

mesh=UnitSquareMesh(8,8)

V=FunctionSpace(mesh,'P',1)

#定义边界条件

defboundary(x,on_boundary):

returnon_boundary

bc=DirichletBC(V,Constant(0),boundary)

#定义材料属性和外力

E=210e9#弹性模量

nu=0.3#泊松比

sigma_y=250e6#屈服强度

#定义有限元方程

u=TrialFunction(V)

v=TestFunction(V)

f=Constant(100)#外力

mu=E/(2*(1+nu))

lmbda=E*nu/((1+nu)*(1-2*nu))

F=lmbda*dot(grad(u),grad(v))*dx+2*mu*inner(sym(grad(u)),sym(grad(v)))*dx-f*v*dx

#求解方程

u=Function(V)

solve(F==0,u,bc)

#可视化结果

plot(u)

plt.show()6.1.2.3解释在这个示例中，我们使用了FEniCS库来模拟一个简单的塑性成形过程。我们定义了一个单位正方形网格来代表车身面板的初始形状，然后应用了边界条件和外力。通过求解有限元方程，我们得到了成形后的位移分布。最后，我们可视化了位移结果，这可以帮助我们理解材料在成形过程中的变形情况。6.22航空航天零件的塑性成形质量控制航空航天零件的塑性成形质量控制更为严格，因为这些零件往往承受极端的环境条件和高应力。以下是一个关于如何使用统计过程控制（SPC）和有限元分析来确保航空航天零件塑性成形质量的案例。6.2.1原理在航空航天零件的塑性成形中，除了材料性能和模具设计，统计过程控制（SPC）也被用于监控和控制成形过程的稳定性。SPC通过收集和分析过程数据，识别过程中的变异，从而确保零件质量的一致性。6.2.2内容6.2.2.1案例：飞机发动机叶片的塑性成形质量控制飞机发动机叶片的塑性成形是一个复杂的过程，需要精确控制成形参数。我们使用SPC和FEA来监控和优化成形过程。6.2.2.2数据收集与分析我们收集了成形过程中的关键参数数据，如温度、压力和速度，然后使用SPC图表来分析这些数据的稳定性。#以下是一个简化的SPC数据收集和分析的代码示例

#导入必要的库

importnumpyasnp

importmatplotlib.pyplotasplt

fromscipyimportstats

#假设收集了100个成形过程中的温度数据

temperature_data=np.random.normal(loc=200,scale=10,size=100)

#计算平均值和标准差

mean=np.mean(temperature_data)

std_dev=np.std(temperature_data)

#创建SPC图表

plt.figure(figsize=(10,6))

plt.plot(temperature_data,'o-',label='TemperatureData')

plt.axhline(y=mean,color='r',linestyle='--',label='Mean')

plt.axhline(y=mean+3*std_dev,color='g',linestyle='--',label='UpperControlLimit')

plt.axhline(y=mean-3*std_dev,color='g',linestyle='--',label='LowerControlLimit')

plt.title('SPCChartforTemperatureinAerospacePartForming')

plt.xlabel('Sample