彩票走势图

导语：

经过多轮筛选角逐，慧都大数据质量分析及预测平台成功通过德国工程师们的专业化考核考验，在众多竞标者中脱颖而出，为在中国的世界级汽车智能制造工厂注入能量，助力客户在持续高质量发展的赛道上创新“出圈”。

◇  客户名称：某知名大型汽车集团

◇  所属行业：汽车制造及销售行业

◇  项目目标：精准定位问题根因，辅助精细化质量管控

◇  解决方案：慧都大数据质量分析及预测平台

◇  实施效果：进一步提升零部件制造质量及汽车整装成功率

客户概况：世界500 强，全球知名大型汽车集团

不到1分钟下线一台车，近600台智能机器人，超过1000套自动化系统...... 这不是“钢铁侠”大片现场，而是在中国的世界级智能制造标杆工厂的造车现场。

该工厂是某全球知名大型汽车集团位于华中的分工厂，以世界级行业高标准打造，是一座高效率、高质量、节能环保型的智能化工厂。

该汽车集团是世界500强排名前茅、中国排名前三的大型汽车企业，在中国设有一个总厂及三个分工厂，主要生产和销售品牌整车。围绕品牌高质量发展，打造高品质产品，走出了一条高品质发展的道路。

需求背景：万事俱备，只欠制造与质量的协同管控

为了进一步践行“高品质发展”的战略路线，客户布局升级多工厂协同 制造，通过 制造和质量 两个维度，连通总部与各分公司业务，实现总厂与分厂在生产制造和质量品质方向的统一管控。

客户具有世界领先的智能制造标准，除了上千套的自动化生产系统外，工厂业务系统也基本部署完成，已经搭建有SAP ERP（企业资源管理系统）、MES（制造执行系统）、LES（物流执行系统）、PMC(生产监控)等10余个智能制造业务系统。

但之前各工厂之间的系统数据未打通，要实现多工厂协同管控，需要从整体宏观的视角重新规划制造和质量两大业务系统。

为此，客户严格甄选合作伙伴，慧都大数据质量分析平台经过专业化考核审查，在众多竞品中脱颖而出，有幸参与到客户质量业务系统的规划、开发与实施落地。

项目挑战：汽车品控复杂度高、难度大

对于汽车行业，产品安全大于天，只有品质过硬才能放心交到消费者手中。汽车质量问题带来的售后维护成本极为严峻，比如安全赔付、召回成本，品牌口碑损耗等等，所以在生产过程中找到质量优化的机会，成为规避售后风险的有力途径。

客户智能制造工厂的业务范围包括冲压、焊装、涂装、树脂和总装五大工艺，每个工艺之间相互影响、环环相扣。

涂装工艺：全自动智能干式喷房

汽车自动化生产线的质量管控难点在于，组装工艺过程涉及到数以百计、甚至数以千计的各种零部件的合格检验，由于零件众多，每个零件又都有精雕细琢的高精度要求，导致零部件质量管控复杂度极高，如果某个环节零件精度不足，会直接导致无法组装，从而影响整装成功率。

同时，在跨工厂、跨系统的异构数据中，如何快速找到生产各个环节的规律和异常，并获得优化建议，也是客户面临的关键挑战。

如出现问题，想回溯寻找原因并完成改进，会受阻于不同的环节有着不同的质检系统，且系统之间数据是独立的，难以得知问题的根因，也很难定位责任部门，并为相关业务部门提供改进的方向。

慧都方案：慧都专家驻场，大数据+AI智能辅助决策

数据是企业的商业密码和命脉，为保障数据安全，从项目前期调研，到方案设计研发，再到实施落地，慧都大数据专家团队全程驻场，深入对接客户需求，创造大数据价值。

•  整体架构及原则：尽量减少对原有系统的侵入

产品质量分析及预测方案架构

以采取尽量减少对原有系统的侵入的策略准则，搭建“大数据+AI智能”的质量分析及预测平台，通过基于模块化的交付方式提供基于大数据的分布式存储能力、分布式计算能力和智能建模能力，对产品质量数据进行分析、监控与预测。

• 实施五步走

1、建立统一的数据采集和管理平台，大幅降低数据分析中数据收集和整理的时间。

2、打破多个业务系统（SAP、MES、手工台账等）的数据孤岛，将数据集中到一个平台，完善数据采集机制、建立数据标准、提升数据质量。

3、创建产品质量的主题分析应用，找到产品质量问题的根因。

4、分析报表通过大屏、PC端和移动端进行展示，并以一系列标准格式自动分发报表。

5、为客户提供企业BI项目整体规划的咨询方案：质量分析及预测、运营分析及预测、高层管理驾驶舱。

• 七大主题分析

对影响产品质量的全量数据进行大数据分析，包括缺陷异常因子分析、员工行为分析、产品难易度分析、焊接数据异常点检测、焊接飞溅分析、焊接效果分析、缺陷预测分析等七大主题分析。

 通过产品生产过程中的缺陷记录（人员、设备、订单等）数据进行统计计算，分析相关因子的影响比例，输出因子分析图表。对焊接数据进行分析，有助于提前判断焊接效果，反应焊接传感器的数据采集质量。

• 多维预测及辅助决策

通过慧都AI模型进行预测，挖掘关键影响因素，预测质量趋势，输出缺陷是否发生，判断车辆缺陷发生的概率，同时给出特征重要性排序。

智能预测缺陷发生的概率

从内饰颜色、制作阶段、配置、车型、天窗等多维度，对各责任部门、缺陷类型、发生缺陷次数进行统计分析，找出发生缺陷次数较多的部门和缺陷类型，实时做出缺陷预测及预警，从而为业务部门提供改进方向，提升质量管理水平。

方案效果：快速定位问题根因，提升产品质量

“以前，我们对于质量的分析大多基于经验，很难发现经验之外的影响产品质量的因素。”

比如汽车外壳的色差问题，假设合格率是98%，那么我们想要知道剩下的2%是什么缺陷，这些缺陷由哪些因素导致，有哪些解决方案。

光凭人的经验，了解的问题比较“宏观”，分析维度也局限于易于感知的方向，比如油漆配方问题、上色阶段喷漆阶段时间长短，上色不均匀等。但分析平台可以更从“微观”的角度进行剖析，比如空气湿度、早晚气温、室内温度等分别对颜色显示有多大影响，多维度的分析出这个产品质量缺陷主要由什么因素导致。而这些因素从人感官的角度是很难分辨出影响和差异的。

现在，通过大数据质量分析平台，我们不仅能够快速的定位问题，而且还能发现更多维的影响因素，并获得改进缺陷因素的方案和建议，领导也能够快速做决策，达到精细化、高标准的质量管控，让我们汽配件品质及整车合格率再上一个台阶。