广州汽车工程研究院数字化运营和决策查看源代码讨论查看历史
![]() |
广州汽车工程研究院数字化运营和决策本项目是广汽研究院试制智能工厂以数据智能为主线,个性化生产为特色,实现的几个核心的智能化场景之一——数字化运营与决策。其主要内容为大数据[1]助力分析与决策、试制数字化运营中心和数字化运营体系三个部分。实现生产过程的可视化,质量等生产过程问题的在线决策,指标体系的数字化管理。通过本项目建设实现了研究院设计、工艺、制造、采购、物料、生产方式、样车和人力资源八大领域全价值链数据分析,以及生产协调实时决策、生产异常实时决策等。同时,本项目的价值起到了很好的示范作用,得到行业的广泛的关注和认可。
目录
一、案例简介
本项目是广汽研究院试制智能工厂以数据智能为主线,个性化生产为特色,实现的几个核心的智能化场景之一——数字化运营与决策。数字化运营与决策主要包含大数据助力分析与决策、试制数字化运营中心和数字化运营体系三个部分。大数据助力分析与决策主要是对采集数据的可视化显示,质量等生产过程问题的在线决策;试制数字化运营中心分为生产监控、异常跟踪、计划管控、在制品管理4个部分;数字化管理体系从生产、库存、质量等维度进行梳理,形成试制部门、科级、班组级的指标、报表定义。通过本项目建设实现了研究院设计、工艺、制造、采购、物料、生产方式、样车和人力资源[2]八大领域全价值链数据分析,以及生产协调实时决策、生产异常实时决策等。同时,本项目的价值起到了很好的示范作用,得到行业的广泛的关注和认可。
二、案例背景介绍
广汽研究院是广汽集团汽车研发技术管理部门,负责新产品、新技术的规划和研发工作。不同于汽车量产的流水线生产方式,样车试制基本上是个性化生产,且处于研发过程中的样车零部件状态是不成熟的,生产效率比起量产要低得多。试制产能的提升一直是瓶颈,不管通过管理手段或信息化样车生产能力提升都很有限(小于5%)。广汽研究院的试制智能工厂,其业务涵盖焊装、涂装、总装、制件、测量和仓储等,主导广汽集团自主品牌所有的研发项目的整车产品试制生产,需要满足6个新项目、大改款项目15个小改款项目同时在线试制能力,具备两条白车身焊装线,形成4个平台车型白车身同时在线试制能力,满足钢铝混合、全铝等先进轻量化车身柔性化制造及验证的需求,能够满足千变万化的研发个性化需求。在建成柔性生产线和数字化管控基础之上,还提出了实时决策的主要目标。因此在该智能工厂建设过程中,开展了数字化运营与决策的智能化场景应用,实现研究院设计、工艺、制造、采购、物料、生产方式、样车和人力资源八大领域全价值链数据分析。
三、案例应用详情
数字化运营和决策主要包括大数据助力分析与决策、试制数字化运营中心、数字化运营体系三大块内容。
1、大数据助力分析与决策
通过已采集生产过程实时数据,并按角色进行数据的共享与可视化显示。试制部长应用决策APP可实时查看各车间、各项目运行状况,并针对异常信息通过系统进行任务指派并跟踪。现场生产调度人员应用中控大屏可实时查看各工位运行状况,以便尽快响应和决策。各专业工程师可通过研发APP跟踪试制样车进展,实时接收质量问题等生产过程问题并在线决策。系统后台支持作业时间、设备开动时间等信息记录,并推送大数据平台进行分析、应用。
运用大数据技术,汇聚整合试制领域有价值的数据,形成企业数据资产,利用大数据平台、数仓及BI工具等技术资产,为生产、库存、质量、设计等领域提供服务,满足不同业务场景对数据的要求。
提高效率,简化繁杂的数据准备工作,让业务人员更聚焦业务分析建设公司级数据平台,通过数据贯通实现业务协同、优化,加速决策,提高管理和运营效率。
2、试制数字化运营中心
试制工程数字化运营中心,共分为生产监控、异常跟踪、计划管控、在制品管理4个部分。
(1)生产监控:在工厂整体布局的基础上,对120名现场人员开工情况、60个设备运行情况进行实时监控。生产管理者利用生产监控,实现快速定位生产人员、设备瓶颈,及时调整人员和设备资源。
(2)异常跟踪:对生产过程中出现物料缺料、质量问题等异常情况进行实时跟踪。生产管理者利用异常跟踪,实时掌握异常对生产的影响,及时调整生产任务。
(3)计划管控:对车间/项目的月计划、日计划完成情况进行管控。生产管理者利用计划管理,分析计划完成情况,及时调整生产计划。
(4)在制品管理:对各个车间现场的在制、缓存区的样车监控。生产管理者利用在制品管理,提升车间在制样车周转率。
3、数字化运营体系
试制数字化管理体系从生产、库存、质量等维度进行梳理,形成试制部门、科级、班组级涉及指标、报表的定义及管理职责,保障数据准确、严谨。
在指标体系梳理方面,清晰定义指标口径、含义等,使指标体系规范化管理。
在数字运营体系方面对报表进行整合、去重、合并等,建立规范。最终形成了近50项运营KPI。
四、创新性与优势
通过大数据助力分许与决策,实现研究院设计、工艺、制造、采购、物料、生产方式、样车和人力资源八大领域全价值链数据分析。将互联网技术、大数据技术、自动化、数字化等与制造工艺全流程结合应用,实现数据信息采集与管控、全生命周期管控等。通过中控大屏对试制工程生产状态进行全面实时监控;通过决策App实时获取生产异常,对相关人员下达决策指令。实现生产协调实时决策、生产异常实时决策。
五、案例应用效益分析
在数字化研究院建设过程中,以试制工程数字化、大数据等为关键项目的数字化研究院成效显著。通过试制工程数字化平台建设,实现传统业务开展从物理空间向数字化空间转型升级,在汽车企业数字化转型、个性化生产试制等领域启到了很好的示范作用,得到行业的广泛关注和认可。
异常停工降低50%:试制生产的异常停工主要有缺料停工和质量停工两方面。
(1)在缺料停工方面,通过物料供应及时,实现关键件齐套率100%。物料采购环节:物料缺料提前两个月预警,整体到货准时率由原来的50%提升到80%。物料准备环节:入库效率提升50%,由原来的3人降低至1人,出库效率提升25%。物料配送环节实现了实时按需配送。
(2)在质量停工方面,通过质量快速处理,实现质量处理周期缩短75%。质量检查设计1万2千项检查,问题逃逸降低90%。在措施共享方面,通过质量问题学习、知识地图等措施重复问题减少75%。
设备利用率提升30%:试制生产设备利用率通过决策实时和生产及时两方面进行提升。
(1)决策实时方面从通过数字化运营实现现场任务及时调整,通过决策APP实现异常决策由周转变为实时决策。
(2)生产及时方面,通过仓储APP实现备料周期由7天降低至1天,生产现场形成生产准备资料实时下发管控方式。
参考文献
- ↑ 大数据有什么作用? ,搜狐,2023-04-24
- ↑ 干货!人力资源的概念,搜狐,2021-07-21