制造质量管理两大重点：数据追溯与算法驱动|汽车数智化

近日，百度热点、百度热搜与克劳锐联合发布《2024上半年百度热点报告》（以下简称：《报告》）。 2024年上半年，新势力造车汹涌澎湃，用户紧跟热点品牌动态，关注新款车型、汽车质量与性价比。《报告》显示，在新能源汽车热度持续升高的同时，安全问题成为用户焦点，多个热搜备受关注。新能源汽车要长远发展，不仅在于销量，更在于质量。汽车产品的高科技化、复杂化，激烈的市场竞争让消费者对产品质量要求愈加苛刻。汽车数智化新时代下，汽车生产质量管理需要新办法，以提升企业市场竞争力。本文将从全流程数据追溯与算法驱动两方面阐述生产质量管控新趋势和解决方案，赋能汽车制造数智化升级！

一、质量监控着眼全流程数据追溯

在汽车行业，信息孤岛仍然存在。建立全流程质量精准追溯系统需要克服数据共享障碍，从IT建设、数据安全等方面探索汽车数智化质量管控模式，使追溯技术“落地”，更好满足市场需求。

联友科技提供贯穿研发、制造、销售、售后等全价值链质量过程信息管控平台，采用多种高效、稳定等数据采集方式记录品质数据，打通全环节数据，解决各阶段数据断层、质量数据孤岛问题，将车辆、零部件、位置、状态、不良描述及工厂、车间、工位等数据标准化，实 现数据互通，从全过程、多维度展示整车质量档案，帮助企业快速精准的追溯查询，比如市场反馈某车辆的发动机出现故障，系统可快速定位当前发动机关联的生产批次、生产人员、生产设备、工艺参数等制造条件信息，自动关联同制造条件下其他车辆及发动机信息，支撑业务高效改善。通过全价值链质量信息管控平台，联友科技帮助某主机厂客户将整车品质信息覆盖率提升至100%，并提高质量数据可追溯性，将追溯时间缩短至3分钟，助力该客户提升质量改善处理效率，降低企业损失，提升汽车制造数智化水平。

二、基于算法驱动质量改善闭环

实现质量闭环管理需要布局事前预警与风险数据分析。实现精准工业质检，利用机器人、数字传感、工业相机等检测装备捕捉关键作业动作、采集质量数据，实现式样、形状、位置、大小等检测，应用“工业机理+数据分析”方法，构建质量数据分析模型，实时识别判断质量缺陷，完成数据支持决策。针对全过程数据，持续更新沉淀，研究异常数据分析问题根源，不断挖掘质量趋势，驱动质量优化改善，形成质量优化决策闭环。目前，机器视觉、AI技术在品质检测中开始广泛应用，以弥补人工检测的不足。

联友科技运用机器视觉+AI视觉，实现生产过程自动化、多场景、精准判断及智慧互联的检测，助力汽车制造数智化进程。具体而言，采用视觉感知代替人工识别判断功能，节约人工成本，实现自动化；同时满足设备工位、人机协同工位、纯人工工位应用，为汽车制造数智化提供丰富的场景；应用视觉算法，人工智能平台相辅相成，视觉判断准确高效；与IOT平台连接实现设备监控、统计 分析、智能决策、智慧运维及预警功能，预测制品质量发生的风险，规避于未然。并以改善为中心，收集品质数据、市场保修信息，自动处理分析数据，驱动市场品质改善。联友科技帮助某主机厂客户在制程品质方面提升质量预警效率，防止不良产品漏出，将品情反馈时间缩短至一分钟；在市场品质方面，将市场品质不良率降低20%，市场改善周期缩短48%。

汽车数智化已成为行业发展的必然趋势，对于汽车制造商而言，借助数智化工具和技术实现品质管理转型升级至关重要。联友科技全价值链质量管理解决方案助力企业实现从原料到成品的全流程数据追溯，确保每个环节的质量可控可查；通过算法驱动方式，实现质量改善闭环管理，大幅度提高生产效率和产品品质。未来，随着更多汽车制造数智化工具和技术不断涌现，汽车行业品质管理水平必将达到新高度，为全球汽车制造业可持续发展注入强大动力。