導語：

經過多輪篩選角逐，慧都大數據質量分析及預測平臺成功通過德國工程師們的專業化考核考驗，在眾多競標者中脫穎而出，為在中國的世界級汽車智能制造工廠注入能量，助力客戶在持續高質量發展的賽道上創新“出圈”。

◇  客戶名稱：某知名大型汽車集團

◇  所屬行業：汽車制造及銷售行業

◇  項目目標：精準定位問題根因，輔助精細化質量管控

◇  解決方案：慧都大數據質量分析及預測平臺

◇  實施效果：進一步提升零部件制造質量及汽車整裝成功率

客戶概況：世界500 強，全球知名大型汽車集團

不到1分鐘下線一臺車，近600臺智能機器人，超過1000套自動化系統...... 這不是“鋼鐵俠”大片現場，而是在中國的世界級智能制造標桿工廠的造車現場。

該工廠是某全球知名大型汽車集團位于華中的分工廠，以世界級行業高標準打造，是一座高效率、高質量、節能環保型的智能化工廠。

該汽車集團是世界500強排名前茅、中國排名前三的大型汽車企業，在中國設有一個總廠及三個分工廠，主要生產和銷售品牌整車。圍繞品牌高質量發展，打造高品質產品，走出了一條高品質發展的道路。

需求背景：萬事俱備，只欠制造與質量的協同管控

為了進一步踐行“高品質發展”的戰略路線，客戶布局升級多工廠協同 制造，通過 制造和質量 兩個維度，連通總部與各分公司業務，實現總廠與分廠在生產制造和質量品質方向的統一管控。

 客戶具有世界領先的智能制造標準，除了上千套的自動化生產系統外，工廠業務系統也基本部署完成，已經搭建有SAP ERP（企業資源管理系統）、MES（制造執行系統）、LES（物流執行系統）、PMC(生產監控)等10余個智能制造業務系統。

但之前各工廠之間的系統數據未打通，要實現多工廠協同管控，需要從整體宏觀的視角重新規劃制造和質量兩大業務系統。

為此，客戶嚴格甄選合作伙伴，慧都大數據質量分析平臺經過專業化考核審查，在眾多競品中脫穎而出，有幸參與到客戶質量業務系統的規劃、開發與實施落地。

項目挑戰：汽車品控復雜度高、難度大

對于汽車行業，產品安全大于天，只有品質過硬才能放心交到消費者手中。汽車質量問題帶來的售后維護成本極為嚴峻，比如安全賠付、召回成本，品牌口碑損耗等等，所以在生產過程中找到質量優化的機會，成為規避售后風險的有力途徑。

客戶智能制造工廠的業務范圍包括沖壓、焊裝、涂裝、樹脂和總裝五大工藝，每個工藝之間相互影響、環環相扣。

涂裝工藝：全自動智能干式噴房

汽車自動化生產線的質量管控難點在于，組裝工藝過程涉及到數以百計、甚至數以千計的各種零部件的合格檢驗，由于零件眾多，每個零件又都有精雕細琢的高精度要求，導致零部件質量管控復雜度極高，如果某個環節零件精度不足，會直接導致無法組裝，從而影響整裝成功率。

同時，在跨工廠、跨系統的異構數據中，如何快速找到生產各個環節的規律和異常，并獲得優化建議，也是客戶面臨的關鍵挑戰。

如出現問題，想回溯尋找原因并完成改進，會受阻于不同的環節有著不同的質檢系統，且系統之間數據是獨立的，難以得知問題的根因，也很難定位責任部門，并為相關業務部門提供改進的方向。

慧都方案：慧都專家駐場，大數據+AI智能輔助決策

數據是企業的商業密碼和命脈，為保障數據安全，從項目前期調研，到方案設計研發，再到實施落地，慧都大數據專家團隊全程駐場，深入對接客戶需求，創造大數據價值。

•  整體架構及原則：盡量減少對原有系統的侵入

產品質量分析及預測方案架構

以采取盡量減少對原有系統的侵入的策略準則，搭建“大數據+AI智能”的質量分析及預測平臺，通過基于模塊化的交付方式提供基于大數據的分布式存儲能力、分布式計算能力和智能建模能力，對產品質量數據進行分析、監控與預測。

• 實施五步走

1、建立統一的數據采集和管理平臺，大幅降低數據分析中數據收集和整理的時間。

2、打破多個業務系統（SAP、MES、手工臺賬等）的數據孤島，將數據集中到一個平臺，完善數據采集機制、建立數據標準、提升數據質量。

3、創建產品質量的主題分析應用，找到產品質量問題的根因。

4、分析報表通過大屏、PC端和移動端進行展示，并以一系列標準格式自動分發報表。

5、為客戶提供企業BI項目整體規劃的咨詢方案：質量分析及預測、運營分析及預測、高層管理駕駛艙。

• 七大主題分析

對影響產品質量的全量數據進行大數據分析，包括缺陷異常因子分析、員工行為分析、產品難易度分析、焊接數據異常點檢測、焊接飛濺分析、焊接效果分析、缺陷預測分析等七大主題分析。

通過產品生產過程中的缺陷記錄（人員、設備、訂單等）數據進行統計計算，分析相關因子的影響比例，輸出因子分析圖表。對焊接數據進行分析，有助于提前判斷焊接效果，反應焊接傳感器的數據采集質量。

• 多維預測及輔助決策

通過慧都AI模型進行預測，挖掘關鍵影響因素，預測質量趨勢，輸出缺陷是否發生，判斷車輛缺陷發生的概率，同時給出特征重要性排序。

智能預測缺陷發生的概率

從內飾顏色、制作階段、配置、車型、天窗等多維度，對各責任部門、缺陷類型、發生缺陷次數進行統計分析，找出發生缺陷次數較多的部門和缺陷類型，實時做出缺陷預測及預警，從而為業務部門提供改進方向，提升質量管理水平。

方案效果：快速定位問題根因，提升產品質量

“以前，我們對于質量的分析大多基于經驗，很難發現經驗之外的影響產品質量的因素。”

比如汽車外殼的色差問題，假設合格率是98%，那么我們想要知道剩下的2%是什么缺陷，這些缺陷由哪些因素導致，有哪些解決方案。

光憑人的經驗，了解的問題比較“宏觀”，分析維度也局限于易于感知的方向，比如油漆配方問題、上色階段噴漆階段時間長短，上色不均勻等。但分析平臺可以更從“微觀”的角度進行剖析，比如空氣濕度、早晚氣溫、室內溫度等分別對顏色顯示有多大影響，多維度的分析出這個產品質量缺陷主要由什么因素導致。而這些因素從人感官的角度是很難分辨出影響和差異的。

現在，通過大數據質量分析平臺，我們不僅能夠快速的定位問題，而且還能發現更多維的影響因素，并獲得改進缺陷因素的方案和建議，領導也能夠快速做決策，達到精細化、高標準的質量管控，讓我們汽配件品質及整車合格率再上一個臺階。