智能制造升级，积梦智能助力「上汽乘用车」实现全生命周期管控

首页最新 ꄲ 客户案例 ꄲ 智能制造升级，积梦智能助力「上汽乘用车」实现全生命周期管控

背景

上海某乘用车公司，承担着国内自主品牌汽车的研发、制造与销售。该公司以国际化的视野，创造性地集成全球优势资源，以高品质的产品与服务，满足消费者高品位需求。

上海某乘用车公司的汽车品牌涵盖了中高级车，中级车，大众普及型车及跑车等领域不同车型品种。公司已形成多平台，全系列车型，从而形成与国际汽车技术发展趋势相同步的、覆盖主流乘用车领域各个细分市场的宽系列产品线布局。目前，上海某乘用车公司拥有多个整车生产制造基地，生产自主品牌整车系列。

上海某乘用车公司2018年全年销量70万辆+，实现同比增长35%，在整体市场逆增长的情况下取得了傲人的业绩表现。近年来企业在产销量高速增长的同时，质量体系也在不断地完善和提升。终端客户对于汽车操控性、安全性、质量稳定性、可靠性等方面的需求在不断提升，使得汽车制造过程中的质量管理工作也越来越复杂。

挑战

汽车制造工艺异常复杂，其中车身制造需要通过上百道工序，将几百个零部件拼接成一个完整的白车身，在整个制造过程中尺寸精度测量是一项必做的、复杂的、系统性的工作。车身的尺寸精度直接影响着整车零部件安装、四轮定位、匹配、密封等一系列的功能，如果白车身尺寸精度不合格，会导致后续大量的装配问题出现，造成人力和物料资源的浪费。对于汽车品牌而言，车身尺寸精度也是代表了汽车的开发能力、制造能力以及生产水平等。因此，完善车身尺寸精度质量管控体系，是质量工作的主要内容之一。

上海某乘用车公司的车身质量系统面临的挑战：

1、信息孤岛，部门间难以协同：

汽车车身制造不仅与尺寸测量部门有关，还涉及到其他众多的关联部门，包括：制造车间、样板科、质保部、SQE、IT信息管理等部门。这些众多的部门从不同角度来监督车身制造质量，不同部门对尺寸测量数据的应用也不同。如何满足公司内部不同部门的不同质量数据需求，并且利用测量数据对车身制造形成协同效应，来提升车身制造质量的提升，这是一个当前面临的挑战。

CP控制计划执行记录需要从不同部门去收集大量数据，由于部门间系统的不协同导致收集数据时间较长，因此控制计划执行记录的数据有一定的滞后性，无法保证在第一时间发现问题；并且控制计划执行记录由人工维护和判定，缺乏自动实时预警报警系统。

2、缺乏电子化信息收集方式：

巡检、抽检、来料检验等工作多数发生在生产现场，手工记录数据并回到电脑前录入，造成了数据的延迟性和差错率，如果加入了现场移动端信息收集的方式，即保证了数据的实时性，也一定程度上避免了数据录入的差错率。数据采集、数据存储、数据的延续性和可追溯性不够。所以，面对复杂的质量管理工作，传统的依赖人工分析和历史经验的方式已经无法满足企业日益严格的质量控制要求，需要用电子化的数据采集和存储方式来保证质量数据的延续性和可追溯性。

焊接有部分数据原本不分析，但是由于内部质量标准的提升，自身质量要求加严以后，对于原本不要求采集分析的数据，也需要进行电子化采集分析，来更好的满足终端客户。

3、缺乏协同分析工具，复杂质量问题解决效率低：

对于车身制造过程中出现的复杂质量问题，需要对大量的质量数据进行处理分析讨论后才能得出初步的结果，耗时较长，且在讨论过程中对于历史经验有一定的依赖性，不利于问题本质的发现与解决。

针对以前从未发生过，首次出现的质量问题，需要从生产源头开始每个工序每个责任人一一筛查的方式进行排查，耗费巨大的人力、物力和时间成本。需要有人工智能的方式（如贝叶斯算法）来辅助相关问题的解决。

4、缺乏高质量数据集：

大量的设备运行信息、工艺参数信息、测量数据、质量监控数据都存储在服务器上，仅对部分数据进行了初步处理分析，有用和无用的数据混杂，且缺乏对存储的数据进行数据清洗处理，并得出高质量数据集的数学模型。

解决方案

该平台以上海积梦智能科技有限公司自主研发的工业互联网智能制造平台为基础，结合上海某乘用车生产现场的实际情况和质量控制需求进行构建。目前已逐步实现质量管理的数字化、自动化和智能化，平台在质量控制和质量管理中的大数据应用效果显著。

1.平台系统架构：

平台以安亭为中心，多基地及供应商联动的形式运行。在安亭总部设置整个平台的服务器（包括Postgresql的数据库服务器以及应用服务器），同时开通服务器的应用端口和外网权限，各基地（上海、南京、郑州、宁德、泰国等）及供应商的工程师通过账户密码或者以游客形式进行登录，无需通过License，且无人数限制。

（数据分析平台架构图）

系统通过数据采集解析系统、存储分析系统，对各类自动和手动检测设备进行采集并统一管控；通过多维度的评价指标和多样化的质量报告对数据进行分析和可视化展示；同时通过实时报警系统设置报警条件和相关人员，对触发报警线的数据进行短信、邮件或微信预警。

2.数据采集系统

建立多数据的采集解析系统，可以对多种测量设备、工艺数据进行手动或自动采集并解析，采集对象涉及车间、质保等多个部门，包含测量数据和工艺数据，同时可以支持后续全新标准化数据解析的二次开发。

2.1在各个生产过程中部署多种测量设备

在线激光检测设备、现场检具测量设备、三坐标设备、白光测量设备、关节臂测量仪、激光跟踪仪、现场模拟装置、手持式检具、内间隙电子测量仪、主模型以及间隙面差测量仪等。这些测量设备部署在车身制造的各个环节，全方面收集制造过程中的产品数据。

2.2采集工艺数据

除了采集产品数据，上汽乘用还将工装数据——包括工装标定数据、垫片调整记录，以及生产过程中的工艺事件收集到积梦智能为他们设计的数据管理平台中；

2.3手持移动端数据采集

使用移动APP实时收集现场的数据，利用移动APP，现场人员可以随时记录发生的事件、质量问题以及现场测量数据；

3.进行数据的集中存储和分析

上海某乘用车之前通过不同设备和方式采集了大量的数据，然而这些数据格式各不相同，以往传统的方式很难将他们统一管理应用。采用积梦智能的数据分析平台，将这些数据统一管理到这一个平台系统。通过平台对数据集中存储和处理，所有的数据不再是信息孤岛，所有相关部门都可以根据不同操作权限进行数据上传及数据查看。

4.全面有效地管理供应商产品数据

供应商数据也是影响产品最终质量的关键因素，以往供应商数据都是零散提供，不能做有效地统计分析，并且对供应商数据的正确性也不能有效把控。如今各个供应商通过网络直接将数据上传到数据分析平台中，上汽可以对这些数据做长期的追溯分析。并且设置统计算法，当供应商数据造假或有手动修改，系统会产生提示信息或拒绝数据上传。利用这一功能，SQE能更加有效地管理供应商质量。

5.多维度评价产品质量状态和生产工艺状态

合格率评价。即通过比较车身各个关键点的设计坐标值与实际坐标值的偏差来判断其尺寸的好坏。合格率是一个对单产品的质量进行评价的指标。计算方法是以各点测量偏差数据与公差带进行比较，如果测量偏差值落在公差范围内，则该测点合格，否则为不合格。一个产品上所有测点中合格点数与测点总数的比值即为通过率。由于导致通过率变化的原因很多，如均值漂移和波动过大等，因此合格率是一个总体的评价，可以作为质量的一个即时监控。

稳定性评价。尺寸的稳定性也是上海某乘用车评价产品的一个重要指标。产品的稳定性不仅影响产品尺寸的优化，也会影响整车的许多后续工艺过程。

评价工艺过程能力。对产品评价的同时，也计算Cp/Cpk/Pp/Ppk对生产过程进行评价。

在上海某乘用车，评价产品合格率、稳定性和评价生产过程的能力三种方式一直贯穿与整个生产质量管控过程，是各部门评价车辆制造质量的重要指标。

6.制作多种质量报告

导入数据平台的数据，经过预处理后，基于他们的质量评价体系，他们会利用软件平台中的组件，制作和发布多种报表，来反映产品质量状态和生产工艺状态。利用该应用，质保部制作和发布质量报表的效率大幅提升。

7.实时质量问题报警

在积梦数据分析平台中设置了多种数据判断条件来防止有质量问题的产品流入下道工序。在产品测量的同时，如果系统发现有测量数值触发了设置的条件，会自动即时将信息通过短信、邮件或者微信传送到相关人员。例如，某些关键点的数据一旦超差就会影响后期的安装匹配，当报警信息发送到工程师，工程师会及时响应，能够避免批量的缺陷产生。还有，可以通过SPC判异规则预设报警条件，防止工装磨损、班次差异等引发产品的质量问题。

实时问题报警是上海某乘用车应用工业大数据典型的案例。它有效地防止制造车间将缺陷产品流入下道工序。

8.复杂问题的分析处理

由于收集了各个方面、多个生产过程的数据，可以利用平台中提供的多种质量分析工具来分析数据，如趋势图、控制图、排列图、直方图、相关性分析等，利用这些工具，工程师可以从不同的方面来了解产品的质量状态，来查找产品质量的变化趋势。

以最简单的趋势图分析为例，当工程师从系统中发现数据有规律性的周期变化后，可以在系统中查找与之变化规律性相同的工艺事件，再分析该工艺事件可能产品数据变化的潜在原因，最终找出根本原因。另外，在系统中计算整个车身上所有点之间的相关关系，可以通过分析，找出一直强相关的点，来优化测量方案，即对于一直强相关的点，只需要监控其中的一个点，其数值即能代表另一点的状态，从而达到节省测量资源的目的。

对于首次出现的复杂质量问题采用人工智能贝叶斯算法模型进行概率推导，通过以前的大量数据进行分析得出问题产生的可能原因的概率分布，从而有针对性的对问题进行原因分析与解决，使得问题解决的效率大大提升。