【质量4.0】上汽如何用工业大数据创质量销量双赢

2018 年 5 月 27 日 产业智能官

2017年中国乘用车市场整体表现不温不火，但是自主品牌却作为一匹黑马，表现十分亮眼。其中上汽乘用车的荣威和名爵两大品牌齐发力，月销量保持在超过30%的同比增速，是中国增长速度最快自主品牌车企。

上汽乘用车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。紧随“中国制造2025”的国家战略方针，已逐步实现质量管理的数字化、自动化和智能化，质量控制和质量管理中的大数据全面应用已经初具成果。工业大数据，不仅仅只是大量的数据，而是囊括了和制造相关各个阶段、多个维度的数据，并且要找出这些数据之间相互的影响关系，保证最终产品的质量。

我们以上汽车身尺寸质量控制为例，来了解下他们如何利用工业大数据做质量管理的。汽车车身制造工艺异常复杂，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，其中尺寸精度质量是一项复杂、系统的工作。车身的尺寸精度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，整车80%的质量问题可能都是由于尺寸精度的原因引起。因此，完善车身尺寸精度质量管控体系，是质量工作的重要内容。与其相关联的部门涉及到制造车间、样板科、上汽质保部、车身SQE等部门。

上汽乘用车工业大数据应用主要包含以下方面

一、建成了完备的数据采集体系。包括多种产品测量装置、工艺数据收集体系以及现场实时数据收集方式。这一数据收集体系涉及了多个部门，如车间，质保部等。

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、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；

3、改善数据收集方式：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；

二、通过部署积梦智能数据分析平台来管理上述所有的数据。

上面提到上汽乘用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。目前他们采用积梦的数据分析平台，将这些数据统一管理到这一个平台系统。通过积梦数据平台的处理，所有的数据不再是信息孤岛，所有相关部门都可以上传并查看数据。

三、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。

四、利用积梦数据分析平台，多维度评价产品质量状态和生产工艺状态。

1、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。合格率公式为：

合格率=控制范围内的测点数/总测点数x100%

我们通过计算出一个零件合格率的大小，来总体评估该零件的尺寸状态。

上汽乘用车评价产品合格率包括常规尺寸合格率和功能尺寸合格率。

2、稳定性评价

尺寸的稳定性也是上汽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。

（1）、单点稳定性

通过计算一定时间段内某一点波动值6σ的大小，来评价该点这段时间内的稳定性，6σ越小，则该点这一时间段稳定性越好。

（2）、整车稳定性

a、将所有测点的波动值6σ由小到大排序，如下图

b、以全部测点的第95%个点的波动值6σ为标准画出一条分界线，取该波动值作为车身某段时间内的的CII（不断改进）值来评价其稳定性，CII值越小，则整车稳定性越好

3、评价工艺过程能力

对产品评价的同时，上汽乘用车也计算C_p/C_pk/P_p/P_pk对生产过程进行评价。

（1）含义

C_p：指稳定过程的能力指数，它把过程能力与由公差表示的最大可允许的变差进行比较，该指数反映了过程是否能够很好地满足变化要求。C_p不受过程位置的影响。

C_pk：稳定过程的能力指数，它考虑了过程的位置和能力，对于双边公差，C_pk总是小于或等于C_p。

P_p：指过程性能指数，它把过程性能与由公差表示的最大可允许的变差进行比较。该指数反映了过程是否能够很好地满足变化要求。P_p不受过程位置的影响。

P_pk：指过程性能指数，它考虑了过程的位置和性能。对于双边公差，P_pk总是小于或等于P_p。

（2）他们的计算公式：

在C_p和C_pk公式中，σ_c指子组内变差，它仅仅是由子组内变差引起的变差。估计值可从控制图R/d₂或s/c₄得到。

在上汽乘用车，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。是质保部评价车辆制造质量的重要指标。

五、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。

六、质量实时问题报警

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。

实时问题报警是上汽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。

七、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，他们利用积梦数据分析在系统中常见的质量工具来分析数据，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，用户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，当他们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。

再例如，利用数据的相关性分析，能快速找到质量问题的原因。如图所示，某白车身上右侧围上两个测点的6σ一直保持较大的数值，现在需要查找原因，降低他们的波动值。

从工艺上分析，该总成由前后两部分在分拼工位上拼接而成，而总成又在总拼工位上与其它总成拼成白车身，我们需要找到造成这两点波动的来源。

先观察该总成上测点分布情况，下图为总成上测点的分布位置：

由上图，可知测点1、3、4、5为后部分总成上测点，点2、6、7、8为为前部分总成上测点。将该总成上各测点的相关性系数分别结算出来，查找规律。

下表为各测点两两的相关性系数：

由上表可以看到，点1、3、4、5之间两两均有较高的相关性；点2、6、7、8之间也两两具有较高相关性。而点1、3、4、5和点2、6、7、8之间均没有较显著的相关关系。可以得出：前部分总成各点之间存在明显的相关关系；后部分总成各点之间也存在明显的相关关系；而前部分总成和后部分总成在尺寸数据上没有显著的相关关系。说明测点数据主要是由分总成状态所影响，前后部分总成数据相对独立，要解决数据波动大的问题需要从拼接分总成的分拼工位着手，在该工位上将两分拼的位置状态调整到最佳。

在这个案例中，工程师去分拼工位排查问题时发现，在该工位有一辅助定位销与一夹头的闭合顺序颠倒，工程师调整之后，状态随即大幅改善。利用数据分析工具和工业大数据分析和解决问题，大大提高了样板部门解决问题的效率。

综上，上汽在利用工业大数据做质量管控的过程中，主要从以下几个方面着手:

1、充分布置监控手段，尽可能收集制造过程中的各类数据，做到信息收集无盲点；

2、通过统一质量管理系统——积梦数据分析平台的应用，结合信息关联、工作流、报告与工具，完成数据的及时处理和有效分析。

在将来，积梦还会帮助上汽乘用车实现全生命周期的大数据应用。包括更全面、更有效地采集供应商数据；另外，在整车售后过程中，收集客户抱怨和返修数据，将这些数据充分反馈到制造过程中来，更有效提高制造产品的质量。

并且将制造过程数据与售后数据有效反馈到研发部门，帮助整个研发过程质量提升。

上汽乘用车，乃至整个汽车业的工业大数据应用需求，给我们提供了机遇和挑战，我们也致力于面对这些机遇和挑战，为中国的汽车制造业尽一份心力。

运用质量预测分析防患于未然

Frank Siemes 积梦智能

汽车制造商的质量管理团队在客户满意度和质量控制之间紧张的周旋。好消息是，现在的质量预测分析有助于及早发现并解决质量问题，从而提高质量管理团队处理客户满意度和质量控制问题的能力。

创新、多样化以及越来越复杂的产品都增加了缺陷产品流入市场的可能性。事实上，德勤与美国汽车配套供应商协会最近开展的一项对美国汽车供应商高管的调研显示，60% 的受访者认为创新产品和新技术的引进大大增加了未来产品召回的可能。越来越多地使用模块化构建系统，以及适合多个生产线的相似零件，也大大增加了召回的风险。对客户来说，激进的销售计划往往会降低利润率，为保修成本带来更多压力 (同时抬高客户需求及竞争压力)。

在这样的生态系统中，各种各样的质量评级和检验能很快让制造商分出高下，而通过社交网络分享客户体验也会对客户的最终购买决定造成影响。

考虑到这些客户和成本方面的利害关系，也就不难理解为什么很多汽车制造商声明把质量领先作为目标。正因为质量如此关键，汽车制造商要想获得竞争优势，必须尽早发现潜在的质量问题。

预测召回的影响

好消息是，质量预测分析为汽车制造商提供了解决方案。成熟的分析系统可以处理大量数据并提供各种分析方法，从而提前发现潜在缺陷，抓住机会准备合适的弥补方案。例如，预测模型可以预计某种产品在一定时间范围内召回的可能性，还能预测发生召回时特定人群的特征以及相关的客户行为。

根据输入模型中的参数，就能检测到购买之后立即发生的故障，以及保修期内后期可能发生的故障。分析模型还有助于提前发现供应商的零件故障。质量预测分析的这些功能对原型开发、供应链优化和召回管理特别有用。

最近发生的产品召回证明了质量管理对汽车制造商的重要意义。监管力度的加大让情况更为严峻，而社交媒体等现代沟通方式让召回的消息瞬间传遍全球。这些因素加剧了汽车召回的影响。除了成本高昂，汽车制造商还面临品牌声誉受损的巨大代价。因此，那些领先的制造商为召回管理进行巨额投入，并特地运用数据分析来保护品牌形象，也就不足为奇了。

通常来说，预测分析从记录和评估现状开始。可用的数据库有哪些，质量如何? 召回管理流程完成得如何，信息交流效果如何? 制造商可以利用这些信息分析当前的召回管理流程与行业最佳实践相比有多先进。接下来可以进行分析试点，生成首批模型，并在交互分析过程中加以改进。经证明有效的方法和技术就能纳入最终的分析方案中使用。

综合评估技术

一个典型的质量预测分析平台通常要分几步搭建。在数据层面，各种数据源合并形成评估基础。分析层面可以使用各种评估技术，比如文本分析、事件时间评估、泊松回归。

文本分析可处理非结构化文本数据，将意思相近的词组成群集，可以快速发现潜在的质量问题。因此，文本分析可以清楚看到经常发生的质量问题。事件时间分析可以确定零件的预期寿命。系统处理质保数据，并生成图表，显示零件正常预期寿命的趋势和偏差。

在泊松回归中，也会分析质保数据。这种处理技术显示一定时间范围内某个事件预计发生的频率。例如，在一年之内某个零件发生故障的频率。通过单位缺陷控制图可以轻松看出关键偏差。

因此，模型可以集成更大层面的数据源，进行有效的数据挖掘和人性化的评估，并能在报表层面转换为最终用户和管理人员容易阅读的报告。

上述评估方法只是众多可利用技术中的一部分。在分析试点中，用 “测试阶段” 确定哪些方法可以用于最有效的独立个案。从评估、试点的逐步推进到最终的实施，要确保使用正确的分析方法，并持续恰当地改进。

和所有新事物的出现一样，实施质量预测分析系统时，必须注意公司内部的 “认同” 过程，同时清楚说明系统的优势。此外，系统用户应该有机会与分析平台连接。当然，任何预测分析系统在引进时功能完好，并提供预期的结果是最基本的要求。分析试点的逐步实施和测试阶段，就能保证这一点。

最重要的特点

成功的质量预测分析系统具备以下主要特点:

数据可用性: 跨职能部门收集内部数据并能供用户使用
数据透明性: 鼓励自由交换信息和数据
外部数据补充内部数据，并定期更新，从而获得更有深度的见解
制定明确的升级机制，及时应对数据评估显示潜在质量问题的情况
硬件和软件等技术和基础设施支持有效数据集成
信息可视化，帮助确定潜在质量问题的原因

质量预测分析系统的引进将大大改变召回管理，从而大幅提高效率，并最终节省大量的保修成本。一旦发现潜在的质量问题，就能尽早解决。即使减少 1% 的故障量，也会对保修成本影响重大，此外，还有一些无形的好处，包括客户满意度提升和更好的品牌形象。

工业4.0下的质量4.0

杨再龙积梦智能

工业4.0出自德国，却在中国成为时尚。当我们被大量工业4.0的信息所淹没的时候，一位行业同仁表示：质量4.0就是战略质量管理大行其道的时代。

在质量3.0的阶段，产品实现过程是当然的焦点，预防性过程质量控制与基于过程的质量改进大行其道，如克劳士比在他的零缺陷理论里提到“产生质量靠预防”，六西格玛管理法对于过程标准差孜孜不倦的改进等等。

在质量4.0的阶段，组织以“创新”作为战略质量管理过程的关键词。质量4.0里对于创新的解释是，“以提升战略质量绩效为目的，从模式、产品以及方法三个层次提升顾客感知价值的思维与实践”。这里的模式包括了商业模式、应用模式等；产品的内涵也延伸到狭义产品与服务的集成；方法既有新技术的应用，也包容了新管理方法的实践等。这就意味着，质量管理不再执迷于统计过程的“计算题”，而主要关注基于战略质量规划的“选择题”，真正走入了组织的核心职能。

一、影响企业质量要素

要做好企业的质量管理，就必须弄清楚产品质量是如何形成的，从纷杂繁复的各种质量问题中找到源头，对症下药，从根本上减少质量问题的产生。

从产品质量的形成机理来看，产品质量是通过市场调研进行策划、由设计确定，通过制造来保证和实现，通过检验来证实，在使用中显示出来。因此，产品质量是过程的产物，其形成过程包括市场研究，产品开发、设计，设备和原料采购，生产制造和检验，销售和服务5个环节。每个环节的活动是由企业各个部门及其所有成员分别承担的，都是产品质量产生和形成过程的重要环节。

生产制造是产品质量形成的重要一环，它的主要质量目标是：以经济的方法，合理地制订生产计划，按照规定的要求组织均衡生产，并严格贯彻产品技术和工艺文件的要求，实施质量控制，按照要求的数量和日期，生产出质量符合图样和标准的产品。

对生产过程而言，影响产品质量的因素主要有6个，即：人、机（机器、设备）、料（材料）、法（方法）、测（测量）和环（环境）。

二、质量管理存在的问题

近年来，随着社会经济的不断发展，消费者对产品质量的期望越来越高，企业对产品质量的管控也越来越重视，但就最终效果来看，仍然存在很多问题。

质量数据收集困难

数据分散

格式繁多

无数字化

无网络化

质量问题分析困难

数据管理工具不统一

数据真假难辨

传统分析方式繁琐

产品数据与工艺分离

质量管理困难

职责混乱

信息不能及时传递

响应不及时

三、质量管理问题的解决方案

在工业4.0大环境的催化下，各制造企业也在探索适合自己的道路来突围目前碰到的困境。

数字化、网络化已经逐步展开

越来越多的企业认识到，信息流即是价值流，通过软硬件的升级，全面开展质量信息的数字化，使得质量信息在企业内外部通过工业以太网和互联网实现无障碍流通

质量管理软件的大范围应用

制造企业在质量管理中，逐渐告别以往的口口相传，靠手动和纸质管理的方式，越来越多的采用先进的质量管理软件系统。在数字化和信息化的基础上，质量管理软件在企业质量管理担任着越来越重要的角色

四、什么是质量管理软件？

质量管理软件是通过计算机技术和互联网技术将质量管理理论和技术转化为简单高效的、员工可以撑握执行的管理自动化系统，用于制造企业进行质量管理、规范各环节操作活动。质量方面的软件信息系统都可称为QIS，即(Quality Information System)。质量管理软件能有助于企业质量操作符合某种认证要求的操作规范，有助于企业的产品或者服务能符合某种质量要求。

五、质量4.0下管理软件功能模块有哪些？

针对制造企业的质量管理软件能够在产品全生命周期内帮助用户管理产品质量，以积梦智能软件平台为例，它囊括了从产品设计，到制造，到售后服务一整个流程的质量管理模块。例如：APQP管理系统、FMEA管理模块、供应商管理模块、实验设计（DOE）模块、SPC模块、测量系统分析（MSA）模块、计量仪器管理系统、设备管理系统、工艺文件管理模块、质量问题管理模块、质量实时报警模块、售后质量管理模块、产品追溯系统等。以上模块都基于积梦智能制造平台，各模块系统中的数据实现互联互通，打通产品生命周期内的质量信息流通通道，每个阶段的信息都可反馈到之前阶段，对前期决策和规划提供依据；同时，每个阶段的信息又会传达到之后阶段，对后期状态做出准确的预测，防止产品出现批量不良和缺陷。

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能官 AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。