764,089
次編輯
變更
创建页面，内容为“ '''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…”
'''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。
==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==
[[Category:500 社會科學類]]