垂直电商网站如何做内容运营,亚马逊雨林有原始人吗,如何申请电商网站,开发app需要多久系列导读
如《“数据要素”三年行动计划#xff08;2024—2026年#xff09;》指出#xff0c;工业制造是“数据要素”的关键领域之一。如何发挥海量数据资源、丰富应用场景等多重优势#xff0c;以数据流引领技术流、资金流、人才流、物资流#xff0c;对于制造企业而言… 系列导读
如《“数据要素×”三年行动计划2024—2026年》指出工业制造是“数据要素×”的关键领域之一。如何发挥海量数据资源、丰富应用场景等多重优势以数据流引领技术流、资金流、人才流、物资流对于制造企业而言是挑战更是机会。
奇点云梳理了与制造业多个细分领域客户的合作实践逐篇呈现。本篇以动力电池企业为例分享数据驱动的产品质量管理优化。 一、背景动力电池制造工艺复杂提升产品质量是关键
动力电池是新能源汽车的核心部件之一其质量对整车的续航和安全性有至关重要的影响。
然而动力电池的制造工艺非常复杂涉及多种材料的选择、电池组件的精确装配及封装密封等多个环节。在这个高度专业化和技术密集的领域如何持续、有效地改进工艺流程优化材料选用加强质量控制和检测手段以保障产品的稳定性、可靠性和耐久性是业内企业面临的难题也被视为提升核心竞争力的关键。
与此同时伴随生产设备自动化程度的提高和工厂物联网建设的完善海量数据产生带来了新的机会——如果能基于实时数据完成质量分析与过程控制变人工判断为数据分析改手工为自动化前述问题或将得到高效解决。 二、需求实现全面、透明、实时、自动化的质量管理
1、数据层面海量IoT数据如何高效分析利用
企业的工业设备、传感器、监控器等系统包含了大量的实时、历史和运营过程相关的信息例如设备状态、工艺参数、能源消耗、生产指标、故障报警等。
基于对这些数据的分析和挖掘企业可以发现隐藏在数据中的趋势与关联性洞察出生产过程中质量的异常情况及时纠错优化管理。
然而不同于传统、相对有限的结构化数据处理海量IoT数据需要现代的数据技术栈提供稳定的存算支持进一步需要构建有效的数据模型持续产出对指导生产有用的分析洞察结果。 2、业务层面如何实现质量异常诊断的全面、实时、自动化如何建立完善的质量管理机制
传统的动力电池企业往往需要人工统计和操作来进行生产质量管控。而单纯的人工抽检样品可能受到质检人员个体经验的影响并存在样本数量有限、人工检验时间长等情况手工统计各环节的数据也可能出现采集不及时、数据录入有误、数据全面度不足等问题。
因此具体到数据应用企业最直接的目标是用全面、实时的数据实现自动化诊断保证产品质量稳定性、一致性。
进一步企业希望通过沉淀、拉通生产全过程数据实现质量管理透明化建立并持续完善质量管理的机制。
世界各国对动力电池均设有严格的技术标准和认证体系。在国家和行业标准的指导下企业需通过质量管理机制确保从质量问题发现、分析、纠正、预防等各环节可执行并对质量管理活动进行评估和改进形成闭环、稳定、有效运作的质量管理为生产制程的稳定性和质量水平做保障。 三、方案基于统一底座建立质量分析模型和闭环管理机制
下文以一家年产能规模近百GWh的锂电池制造企业为例分享奇点云与客户的解决方案和实践。 1、建立统一的数据平台底座支持海量IoT数据集成处理
生产设备产生的数据量大且复杂度高包括结构化、非结构化的数据类型及时序等多元化数据结构基于这些数据进行的业务分析需求也较为多元、动态。因此数据基础设施在设计时必须考虑数据的高效集成和存算支持业务需求秒级响应。
奇点云以数据云平台DataSimba为平台底座并改造了企业设备通信协议增加设备数据采集服务器整体优化了企业的数据基础设施从而完成对海量IoT数据的统一采集、计算、存储及统一规范管理大大减少线下人工统计带来的干预提高数据的实时性、一致性和完整性。 图基于DataSimba构建的企业级数据基础设施 2、搭建生产过程的质量分析模型对异常情况实时预警
基于六西格玛、统计过程控制和控制图等过程质量控制方法搭建生产过程质量分析模型对DataSimba实时采集的数据进行处理来识别潜在的质量问题和异常情况。
进一步结合现场生产指挥大屏以及邮件、短信、OA、钉钉等方式的预警通知实现对监控生产异常的实时监控、告警和处理大大减少从发现异常到纠正措施执行的时长。 图数据模型及应用场景简化示意
3、沉淀产品质量主题的数据资产建立质量闭环管理机制
沉淀数据资产是建立产品质量闭环管理机制的前提。但出于设备采集仪器不够精准、设备年限较长、设备故障、环境变化、管理不当等种种原因企业常常遇到数据质量和数据准确性欠缺的问题就需要先把通过数据治理和清洗将“资源”转化为具备准确性、完整性、一致性的“资产”再进行数据的分析和应用。
在产品质量主题的数据资产基础上奇点云与客户协同应用了PDCA循环的质量闭环管理机制提升质量分析和处理的时效性确保质量问题得到系统性改善避免同样的问题再次发生。 图PDCA循环的质量闭环管理图
具体而言包括
· PPlan计划以目标为中心设定质量控制等目标规定预警触发规则。
· DDo执行以执行为中心进行检验任务触发、检验任务执行等工作。
· CCheck检查以数据为中心进行对重点参数的监控、分析制程能力等处理。
· AAct行动以问题为中心采取异常问题纠正与预防措施。 四、价值用数据还原生产异常改善率达100%
1、提升数据分析的时效性自动化分析并预警
在该项目实践中奇点云助力客户完成质量业务运营节点和关键流程节点的梳理沉淀了产品质量主体的数据资产搭建了生产质量指标体系和质量分析模型从而实现生产质量管控从原本的“线下手工统计”转变为“实时线上分析与决策”。
客户数据团队表示“原本在重点参数监控管理上需要花费80%的时间去收集和处理数据只剩20%时间来进行问题分析和定位现在数据处理的耗时至少缩减了75%有更多的时间来聚焦数据分析优化场景应用。” 2、提升质量管理水平改事后处理为事前、事中、事后的全流程分析
以数据资产为基础项目对生产过程完成了实时模拟和计算复盘不仅满足了企业基本的质量管理机制要求还将原来的“事后分析处理”升级为“事前预测和准备事中预警和纠正事后追踪和分析”实现生产全过程的实时异常改善。在客户为期3个月的试跑中异常改善率达100%让企业对质量管理更精细、准确、可靠也找到了产品质量提升的更大空间。
