廣州汽車工程研究院數字化運營和決策檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

廣州汽車工程研究院數字化運營和決策本項目是廣汽研究院試製智能工廠以數據智能為主線，個性化生產為特色，實現的幾個核心的智能化場景之一——數字化運營與決策。其主要內容為大數據助力分析與決策、試製數字化運營中心和數字化運營體系三個部分。實現生產過程的可視化，質量等生產過程問題的在線決策，指標體系的數字化管理。通過本項目建設實現了研究院設計、工藝、製造、採購、物料、生產方式、樣車和人力資源八大領域全價值鏈數據分析，以及生產協調實時決策、生產異常實時決策等。同時，本項目的價值起到了很好的示範作用，得到行業的廣泛的關注和認可。

一、案例簡介

本項目是廣汽研究院試製智能工廠以數據智能為主線，個性化生產為特色，實現的幾個核心的智能化場景之一——數字化運營與決策。數字化運營與決策主要包含大數據助力分析與決策、試製數字化運營中心和數字化運營體系三個部分。大數據助力分析與決策主要是對採集數據的可視化顯示，質量等生產過程問題的在線決策；試製數字化運營中心分為生產監控、異常跟蹤、計劃管控、在制品管理4個部分；數字化管理體系從生產、庫存、質量等維度進行梳理，形成試製部門、科級、班組級的指標、報表定義。通過本項目建設實現了研究院設計、工藝、製造、採購、物料、生產方式、樣車和人力資源八大領域全價值鏈數據分析，以及生產協調實時決策、生產異常實時決策等。同時，本項目的價值起到了很好的示範作用，得到行業的廣泛的關注和認可。

二、案例背景介紹

廣汽研究院是廣汽集團汽車研發技術管理部門，負責新產品、新技術的規劃和研發工作。不同於汽車量產的流水線生產方式，樣車試製基本上是個性化生產，且處於研發過程中的樣車零部件狀態是不成熟的，生產效率比起量產要低得多。試製產能的提升一直是瓶頸，不管通過管理手段或信息化樣車生產能力提升都很有限（小於5%）。廣汽研究院的試製智能工廠，其業務涵蓋焊裝、塗裝、總裝、製件、測量和倉儲等，主導廣汽集團自主品牌所有的研發項目的整車產品試製生產，需要滿足6個新項目、大改款項目15個小改款項目同時在線試製能力，具備兩條白車身焊裝線，形成4個平台車型白車身同時在線試製能力，滿足鋼鋁混合、全鋁等先進輕量化車身柔性化製造及驗證的需求，能夠滿足千變萬化的研發個性化需求。在建成柔性生產線和數字化管控基礎之上，還提出了實時決策的主要目標。因此在該智能工廠建設過程中，開展了數字化運營與決策的智能化場景應用，實現研究院設計、工藝、製造、採購、物料、生產方式、樣車和人力資源八大領域全價值鏈數據分析。

三、案例應用詳情

數字化運營和決策主要包括大數據助力分析與決策、試製數字化運營中心、數字化運營體系三大塊內容。

1、大數據助力分析與決策

通過已採集生產過程實時數據，並按角色進行數據的共享與可視化顯示。試製部長應用決策APP可實時查看各車間、各項目運行狀況，並針對異常信息通過系統進行任務指派並跟蹤。現場生產調度人員應用中控大屏可實時查看各工位運行狀況，以便儘快響應和決策。各專業工程師可通過研發APP跟蹤試製樣車進展，實時接收質量問題等生產過程問題並在線決策。系統後台支持作業時間、設備開動時間等信息記錄，並推送大數據平台進行分析、應用。

運用大數據技術，匯聚整合試製領域有價值的數據，形成企業數據資產，利用大數據平台、數倉及BI工具等技術資產，為生產、庫存、質量、設計等領域提供服務，滿足不同業務場景對數據的要求。

提高效率，簡化繁雜的數據準備工作，讓業務人員更聚焦業務分析建設公司級數據平台，通過數據貫通實現業務協同、優化，加速決策，提高管理和運營效率。

2、試製數字化運營中心

試製工程數字化運營中心，共分為生產監控、異常跟蹤、計劃管控、在制品管理4個部分。

（1）生產監控：在工廠整體布局的基礎上，對120名現場人員開工情況、60個設備運行情況進行實時監控。生產管理者利用生產監控，實現快速定位生產人員、設備瓶頸，及時調整人員和設備資源。

（2）異常跟蹤：對生產過程中出現物料缺料、質量問題等異常情況進行實時跟蹤。生產管理者利用異常跟蹤，實時掌握異常對生產的影響，及時調整生產任務。

（3）計劃管控：對車間/項目的月計劃、日計劃完成情況進行管控。生產管理者利用計劃管理，分析計劃完成情況，及時調整生產計劃。

（4）在制品管理：對各個車間現場的在制、緩存區的樣車監控。生產管理者利用在制品管理，提升車間在制樣車周轉率。

3、數字化運營體系

試製數字化管理體系從生產、庫存、質量等維度進行梳理，形成試製部門、科級、班組級涉及指標、報表的定義及管理職責，保障數據準確、嚴謹。

在指標體系梳理方面，清晰定義指標口徑、含義等，使指標體系規範化管理。

在數字運營體系方面對報表進行整合、去重、合併等，建立規範。最終形成了近50項運營KPI。

四、創新性與優勢

通過大數據助力分許與決策，實現研究院設計、工藝、製造、採購、物料、生產方式、樣車和人力資源八大領域全價值鏈數據分析。將互聯網技術、大數據技術、自動化、數字化等與製造工藝全流程結合應用，實現數據信息採集與管控、全生命周期管控等。通過中控大屏對試製工程生產狀態進行全面實時監控；通過決策App實時獲取生產異常，對相關人員下達決策指令。實現生產協調實時決策、生產異常實時決策。

五、案例應用效益分析

在數字化研究院建設過程中，以試製工程數字化、大數據等為關鍵項目的數字化研究院成效顯著。通過試製工程數字化平台建設，實現傳統業務開展從物理空間向數字化空間轉型升級，在汽車企業數字化轉型、個性化生產試製等領域啟到了很好的示範作用，得到行業的廣泛關注和認可。

異常停工降低50%：試製生產的異常停工主要有缺料停工和質量停工兩方面。

（1）在缺料停工方面，通過物料供應及時，實現關鍵件齊套率100%。物料採購環節：物料缺料提前兩個月預警，整體到貨準時率由原來的50%提升到80%。物料準備環節：入庫效率提升50%，由原來的3人降低至1人，出庫效率提升25%。物料配送環節實現了實時按需配送。

（2）在質量停工方面，通過質量快速處理，實現質量處理周期縮短75%。質量檢查設計1萬2千項檢查，問題逃逸降低90%。在措施共享方面，通過質量問題學習、知識地圖等措施重複問題減少75%。

設備利用率提升30%：試製生產設備利用率通過決策實時和生產及時兩方面進行提升。

（1）決策實時方面從通過數字化運營實現現場任務及時調整，通過決策APP實現異常決策由周轉變為實時決策。

（2）生產及時方面，通過倉儲APP實現備料周期由7天降低至1天，生產現場形成生產準備資料實時下發管控方式。