汽車總裝專業全流程數智化敏捷質量管控

劉 興，王金成，劉 鵬，李思文

（一汽-大眾汽車有限公司佛山分公司，廣東佛山 528000）

0 引言

隨著汽車疫情、芯片、燃油等問題導致的汽車行業增速緩慢，大型汽車企業如何在市場寒冬和各方造車新勢力的圍追堵截下脫穎而出，保證產品的認同度顯得愈發重要。為實現該目的，必須要保證產品的高質量，對于大型汽車企業來說，因為涉及零部件、人員較多，如何利用數智化的手段去管控質量、提升質量顯得愈發重要。

國內外對產品生產過程質量都進行了大量的研究。朱萬方[1]如何借助現有的質量信息系統去管控過程質量，許有健等[2]識別汽車制造過程中的管控要素和相應的方法，唐艷、陳莉等[3-4]制造業在數智化升級的整體框架研究。上述文獻雖然在質量管控、數智化方面進行了深入地研究，但是沒有深入接入汽車生產總裝專業質量的全流程敏捷管理，因為對汽車總裝專業的全流程敏捷質量管理研究顯得愈發重要。

本文依托國內一流主機總裝專業，針對總裝專業的全流程質量管理，借助大眾康采恩體系的工業工程KPS方法和數智化手段，構建智慧管理五步法（智能管控，智能預警，智能分析，智能預防，智能決策），對總裝專業的全過程質量進行敏捷的數智化管控，從而提升保證產品質量。最后對產品最終質量進行驗證，確保智慧管控五步法的準確性。

1 全流程提升數智化方案

車間依托自身數智化技術，自主從設備PLC（西門子S7-300 系列）、外置環境等傳感器、FIS 質量數據庫、andon 生產數據庫、擰緊數據庫、ups 電檢數據庫整合車間所需要的所有數據，按照具體的要求進行整理，構建自身的數據中臺系統。對車間質量業務所設計的所有模塊進行業務層次的切片處理，獲取質量切片模型，從售后質量、生產質量、質量體系3 個切面深入管控，依托智能管控、智能預警、智能分析、智能預防、智能決策5 步智慧管理方法，從而達到對車間質量進行全面地管控，全面提高生產質量、售后質量和過程質量，更加完善車間質量體系，實現車間全流程數智化敏捷質量管控。

2 智能管控-基于FIS-eQS 二次開發智慧質量管理系統

2.1 項目背景

傳統總裝專業各工段及班組、QRK 檢查環節均是采用紙質單進行缺陷的記錄管理，記錄的方式沒有統一的規則，數據的統計、整合、分析等工作需要額外的人員進行單獨開展且無法精準地實現質量數據指導實際生產。與此同時，生產線所有的檢測類設備的參數無法進行數字化監管、預警，也無法進行統一的協同管理，提質增效難度較大。

2.2 技術實施

FIS-eQS 系統是基于大眾集團為用于生產控制的FIS系統而開發的電子質量管控系統。其可以收集布局于整個工廠的質量信息采集設備的數據（如EC 擰緊、加注、前束等），并以一臺車為單位，構建每臺車的質量信息，對每臺車的全生命流程進行質量監控。

圖2 FIS-eQS數據采集方式

基于FIS-eQS 一體機布控車間各個班組、QRK 檢查點及質保路試及ZP8交付100%檢查點。通過統一的缺陷描述導入，實現全價值鏈全員的統一錄入管理。FISeQS 系統對全流程質量進行數據收集并進行存儲，相當于一個巨大的數據庫。基于FIS-View 數據源的二次編程開發，實現各個檢查點指標、數據分析、預測等質量管理工作。另外，也將加注、前束、轉轂、電檢等過程關鍵檢測設備的數據與FIS-eQS 系統打通，實現設備參數的預防性管理及與產品結果進行雙向對接。

實施案例：利用FIS-eQS 質量系統對檢查數據進行深度挖掘并實現檢查人員的精準畫像管理。質量指標管理及分析：連通加注、擰緊、電檢系統，實現全過程直通率指標實時數據趨勢監控及可視化管理。同時，通過多維度細分，使問題指向性更強，并自動報告精準推送，提高效率0.5 h∕人∕天。另外，車間現場人員穩定性監控：實現缺陷實時投射至工位，響應時間由原來的3 h 降至1.5 min。同時，通過工位質量熱力圖對作業人員狀態進行實時監控，如圖3所示。

圖3 FIS-eQS工位熱力圖

隨著車間生產的數據長時間積累，就構建了生產過程的大數據，如何有效地利用這些大數據，去精準地展現生產過程操作人員專業技術能力模型，從而有針對性地提升相應能力，顯得愈發重要，而且隨著數據的大量積累，相應的用戶模型就愈發精準，可以更加有效地提升操作者的專業能力[5]。根據FIS-eQS收集的車間數據與路試及ZP8 交付人員信息進行實時匹對，對于路試及ZP8 交付人員的精準畫像：精準識別員工檢查遺漏點，班組整體檢出率從75.3%提升至94.3%； 整體員工崗位遵守率由66% 提高的91%； 建立了一套完整的員工管理精細化管理數字化運行機制。如圖4所示。

圖4 路試人員能力模型及自動畫像

2.3 項目成果

通過Fis-eQS 系統的全流程質量監控，總裝專業的過程直通率從55%提升至當前的85%；員工漏檢及設備導致的缺陷率由10% 降至當前的3%；生產線檢查員工及設備參數報錯的響應時間由平均的2 h 縮短至不到1.5 min，問題從發現到解決的效率極大提升。

3 智能預警-語音智慧屏系統

3.1 項目背景

目前車間的質量問題信息反饋無法精準反饋到具體的工位，當ZP8 或者ZP7 錄入質量問題后，操作者無法第一時間獲得自己工作崗位的質量最新問題，也就無法獲得當前最新的質量缺陷，可能會導致類似問題重復發生。

利用MTM 得出車間輔助時間[6]對比哈勃報告的競爭車型，有較大的優化空間。總裝效率因素分布在人、機、料、法、環各個環節，落到生產線整體體現為價值工時與輔助工時，從節拍平衡看，其中價值工時約占60%，輔助工時約占40%，價值工時的影響因素在總裝外（產品可裝配性、加工深度、結構形式），輔助工時的影響因素主要在總裝車間內，所以立足于總裝車間，擬從輔助工時的角度研究總裝效率提升的解決方案。如表1所示。

表1 輔助工時分類分析

為此，此次項目重點對B類輔助工時進行深入研究。車間生產共有400+工位，每個工位的B 類輔助工時都大同小異，此處以輪眉安裝工位來作為樣本工位進行詳細地分析介紹。如表2所示。

表2 輪眉安裝工位B類輔助工時分析

3.2 技術實施

針對輔助工時的分析以及工位質量問題的痛點研究，需要一套完整的系統設備，去優化各工位的質量問題操作。如表3所示。

表3 B類輔助工時及質量問題對應解決方案

為使用一套設備解決以上問題，需要實時獲取車身位置，總裝專業利用基于條碼識別和速度積分的車身定位技術（BTS）來實時獲取車輛定位信息。條碼（二維碼）識別技術是指利用光電轉換設備對條形碼進行識別的技術。在車輛車身上粘貼條形碼，當車輛經過某一裝有條形碼掃碼器位置時，通過掃描即可獲得該車輛的信息，如KNR 號。通過速度對時間的積分可以獲得位移。在汽車流水生產線上實時獲取生產線體的速度，再進行積分，再結合車輛通過掃碼頭器的初始時間（假設掃碼器安裝在流水線起始工位，位置為0）就可以清晰地算出任意時刻某一車輛在流水線的位置。如圖5～6所示。

圖5 汽車條碼識別

圖6 汽車條碼識別

PR 自動識別系統：車間的裝配崗位產生了讀取FIS信息需要的行走浪費，計劃通過建立線邊FIS 信息可視系統，員工在取件工位或者去取件工位的途中，獲取對應的裝配信息，節省輔助行走工時。其具體方式為通過車身定位系統實時獲得具體工位的當前車輛信息KNR號，通過程序訪問FIS 中的車輛配置信息，自動識別該工位需要的PR號信息，并將其展示出來。如圖7所示。

圖7 PR號自動識別流程

質量映射：按照目前總裝車全過程質量管理系統（DLQ）的工作模式，普通質量問題連續產生3 臺及以上，由返修操作者匯總后，通知對應生產工長，工長通知班長，班長通知操作者，當前工位問題大約需要4h才能傳回到工位。傳遞效率不利于一次交檢合格率的提升。計劃打通與DLQ 系統間的信息連接，實現質量信息快速精確傳遞到工位，全面提升一次交檢合格率。將質量缺陷實時投射到具體工位，并進行語音播報[7]，及時提醒操作員工采取措施，杜絕類似問題的產生，提高一次性合格率。

重點車輛自動提醒：車間生產經常會有特殊車輛或者特殊工藝，比如高配車、低配車、項目車、定制車、重點崗位等，由于在重點工位缺乏主動提醒，經常出現錯漏裝的問題。通過前期自己定制的匹配規則，如需要提醒的項目車、年型車，當這些車輛到達該工位時，會自動彈窗和語音提醒操作者注意操作事項，提升裝配質量。

3.3 項目成果

通過自主構建語音智慧屏系統實現了PR 號自動識別、特殊車輛自動提醒、質量問題瞬時映射等功能，有效地提升了車間信息傳遞效率，有效地杜絕了零件錯漏裝。后續通過該項目的實施，單工位每臺車可節約2 s工時；后續可以全部取消紙質版的FIS 單，每年可以節約紙張、打印機、墨盒相關成本；提高員工作效率和提高員工工作的滿意度，助力一次性合格率提升至80%。

4 智能分析-ZP7無人在線測量尺寸鏈管理系統

4.1 項目背景

為提高員工工作效率和提高產品質量，總裝車間有較多的工作崗位可以利用機器視覺+工業機器人聯合作業的方式進行代替傳統人工作業方式。為此車間聯合規劃部門、IE 部門共同挖掘車間現場可用機器視覺代替的工位[8-9]。

4.2 技術實施

此處以ZP7 無人在線測量尺寸鏈管理系統進行相應的介紹。該系統的主要目的為使用機器視覺配合工業機器人的方式，代替傳統人工塞尺的方式測量車身四門兩蓋的間隙和平度。采用機器人+測量頭混合式測量系統，由每側1 臺機器人（共2 臺）攜帶4 個視覺掃描頭，完成所需任務的激光測量功能；車身底部采用4 個固定的定位設備用于實現在車身運動期間建立車身坐標系從而引導機器人準確測量相關測點實現車身定位的功能；并配備其他掃描儀器收集車輛信息。如圖8 所示。

圖8 zp7在線測量系統結構分布

該系統實時聯通獲取匹配BA7 輸送線驅動電機的編碼器的信息，從而獲取線體的速度，進而確定每輛車進站信息，從而啟動對應的測量程序（每種車型的測量點信息不一致）。在設備的前一個工位布設車輛信息測量設備，該設備用于檢測車輛運行速度及車輛停放坐標數據以及車輛信息(通過VIN碼或KNR碼)。

該系統主要用于測量車身與車身零件的間隙與面差匹配尺寸，涉及車輛前蓋、翼子板、前后門、車身、油箱口蓋。

在其測量完成后，會將所有的數據上傳到fis 質量系統中，也會同步將數據保存到車間服務器中，通過自己編制的算法，對所有的數據定期進行分析統計，獲取當前車輛的間隙和平度結果，并自己生成前序工藝的調整指導建議，便于指導前序工位進行正確的調整，保證后續的一次性合格率。通過多方措施的共同推動，目前已將所有點的一次性合格率提升至96%，大大減少返修工時，降低返修成本。所有的數據可以根據需求進行保存，便于追溯全過程信息，對于質量提升有較大的幫助。

而且通過大數據互聯設備與生產網絡、FIS、測量網頁互聯，實現工廠尺寸匹配數據整合，將ZP5 和ZP7 數據互聯打通，整合工廠內四門兩蓋間隙和平度的匹配數據，進行正向整合分析，數據平臺實時監控測量點在ZP5 和ZP7 差異，及時預警與報警，指導預留調整。如圖9 所示。通過此系統，將以往分析34 個點的平度和間隙需求至少1～2 天、整車測量需要1 周的時間，縮短至1天以內，大幅度提升相應的分析時間。

圖9 后臺數智化系統界面

4.3 項目成果

ZP7 在線無人測量系統，利用機器視覺代替傳統人工塞尺的方式測量，ZP8 取消外匹配檢查點34 項，釋放潛能用于表面和功能項檢查；在線測量對匹配點百檢和精準監測，鑄就防線保證出車質量，34 個測量點零B 類項缺陷流出。

通過系列的機器視覺+工業機器人聯合作業的方式，助力于車間質量的整體提升，四門兩蓋的一次性匹配合格率提升至97%以上，且大大提高了車間的自動化率，降低人工成本。

5 智能預防-敏捷工位2.0數智化系統

5.1 項目背景

用戶質量持續精進及精益管理的不斷追求，全過程DLQ的提升乏力，問題以散點∕分布呈散狀形態。工位綠化（豐田工序完結）無法實現數字化管理且無法與現有的產品端∕車間要素端數字化系統形成集成協同管理。解決方案：自主開發基于PFMEA 的自工序完結數字化系統[10]；車間人、機、料、法、環各要素實現數字化管理；打造集成敏捷工位平臺，實現三端互聯協同。基于工位“最小價值單元格”載體，實現集“管理∕技術經驗+現場執行+智能化&數字化”為一體的全員全鏈條的質量敏捷管理[11-12]。

5.2 技術實施

結合外部市場環境及企業自身精益化管理的不斷追求，全面落實TQM 全面質量管理及向Smart_Q 數智化質量管理模式轉型，基于工位“最小價值單元格”這個載體，實現集“管理∕技術經驗+現場執行+智能化改善&數字化管理”為一體的全員全鏈條的質量敏捷管理。無論是TQM 的精益化管理還是Smart-Q 的數智化管理，都需要將我們對產品品質的追求回歸到價值鏈的起點（最小價值單元——工位）上來。如圖10 所示。結合工序自完結理念，以PFMEA 為路徑，協同規劃、車間等業務部門一起，通過一工位一FMEA，全面梳理各工位的潛在風險點，并建立工位的良品整備條件庫。在建立良品條件庫的過程中，對于用戶關注焦點（如淋雨、粘接、法規）失效風險進行了全部的要素變現及要素標簽化處理；同時，在綠化梳理的過程中也非常關注要素能力的持續改善及輸入端要求的綠化保障，如開展車身的防差錯管理、總裝的燈光揀選、焊裝涂裝車身的可裝配性及核心供應商的綠化管理等[13-14]。

圖1 質量全流程提升數智化方案框架

圖10 單一最小價值單元

隨著數字化轉型戰略的全面推進，也將現有產品檢驗、過程端的工位綠化∕巡檢∕問題改善及車間要素端的管理做了全面的數智化轉譯，如實現了FIS 質量數據的工位映射、分層審核的全面電子化、要素端設備參數及溫濕度數字化管理等。與此同時，通過以工位為最小價值單元模型，集成了現有產品端∕過程端的諸多數字化系統，構建了敏捷工位管理平臺。如圖11所示。

圖11 敏捷工位整體流程

通過集成平臺的打造，實現了產品檢驗端-工位綠化端-要素改善端、指標決策層-業務管理層-員工執行層的三端三層自上而下、自下而上貫穿式敏捷數字化協同管理。隨著平臺的不斷運行及完善，知識庫也將實現不斷繼承、迭代及向自驅型敏捷組織管理模式轉型。

案例實施：從人、機、料、法、環5 個維度全面管控和車間質量掛鉤的相關要素，當所有要素都滿足工藝要求，相應的工位地圖會綠色標志，如果有1 個因素不滿足實際要求，會黃色標志，如果多個要素嚴重不滿足則會紅色標致。

此處以車間環境為做舉例，車間自主搭建了環境實時監控系統，借助于ZIGBEE 無線通訊模塊，在車架內布局30 個溫濕度無線傳感器，通過lot 通訊實時發射出來，再通過終端樹莓派實時獲取傳感器的響應數據，借助設備andon 網絡存儲到相應的mysql 數據庫[13-14]，通過vue、egg 等數智化手段形成溫濕度駕駛艙，并通過python 和釘釘進行溫濕度的自動提醒，當溫濕度超過設定的值，會通過釘釘進行自動提醒，并需要相應的負責人再30 min 內有正確的反饋；對于相應的涂膠設備也會進行自動打開相應的溫濕度自調節系統，自動打開相應的加熱或者加濕設備，來滿足相應的工藝需求。

5.3 項目成果

通過敏捷工位系統，每年可以避免多次批量粘結開膠問題，減少相應的返修成本；工位綠化率由62%提升至90%；第一時間了解該工位人、機、料、法、環5 個方面狀態并做出預警，將員工從問題發現轉為問題解決，大幅度提升相應的質量。

6 智能決策案例-關鍵電機自監控決策

6.1 項目背景

總裝車間最多、最主要的設備為輸送線設備，一旦設備發生故障將直接影響車間的正常生產并產生質量問題，每條輸送線都有多個類型的輸送電機，共1 000多臺設備電機。目前電機的檢修、保養主要依靠人工經驗進行，對于電機的壽命以及相應的成本都造成了巨大的浪費，如何對車間輸送線的主要電機進行關鍵參數的監控預警，以及正確地告知相應的檢修時間和方向非常重要。如何實時利用大數據智能分析等手段監控設備電機狀態，通過自學習大數據分析給予電機做出智能決策，延長電機壽命，顯得越發重要。

圖12 電機數據采集網絡流程

6.2 技術實施

通過樹莓派、python 和snap7 技術自主編寫采集程序，以及IoT 物聯網技術，通過西門子S7-300 型號PLC和sew變頻器對車間輸送線重要的多臺sew的輸送電機的電流和電機溫度進行實時監控和數據采集，通過機器學習算法中的決策樹算法對設備故障進行預測性維修[15]，建立了全生命周期的動態檢修系統，變革數據流，針對不同的設備部分制定不同的周期、頻次與標準，結合電機部件的壽命，開展檢修，比如剛更新完或壽命初期階段的部件，延長維護周期，節約工時超過70%，做到了預防維護的精準投入，總計仍可節約20%的工時優化，檢修數據趨勢管理，預測問題分析，提前處理，減少設備電機導致停臺每月超過10 min。

圖13 決策樹結構

6.3 項目成果

通過該自調節系統，對車間多臺關鍵電機電流、溫度、電壓進行實時監控，通過大數據和智能算法分析，指導相應的檢修和更換，減少相應的設備停臺以及車間質量提升。

7 改進效果

通過對車間的質量進行全流程的敏捷智能管控，實施多個數智化方面的項目，從5M1E（人、機、料、法、環、測）6 個方面進行深入管控，最終通過以上項目的實施，實現了以下的實際效果。

（1）全過程合格率：在年產能超過30 萬輛的前提下，全過程合格率由65%提升至85%，大大降低了返修成本。

（2）零件錯漏裝：在年產能超過30 萬輛的前提下，將以往1～2 次∕天的零件錯漏裝完全消除為0，大大提高了員工的工作效率和降低了相應的返修成本。

（3）人效：通過各種的數智化手段，將多項以往需要4 h 的信息傳遞流程普遍縮短至1 min 以內，大大提升信息流傳遞，提升工作效率。

通過最終的驗證，利用智慧管控五步法，深挖現場潛力，全面對車間的質量進行全流程的管控，大幅度提升產品質量和降低返修成本。

8 結束語

本文依托國內一流的主機廠的總裝專業，以大眾體系下的KPS 工業工程方法為指導，利用智慧管控五步法對汽車產品總裝專業進行全生命流程的質量管控。本文提出的五步管理方法和具體實施案例，對于汽車總裝專業都具備較強的借鑒指導性。通過該方法的實施和驗證，車間整體的全過程率大幅度提升了20%，大大降低相應的返修成本，減少了消費者的抱怨。

未來，總裝專業將結合自身特點，打造全過程的數字化和智能化的標桿車間。將從人、機、料、法、環5個方面，深入研究智能管控、智能預警、智能分析、智能預防和智能決策5 個維度，深挖現場可改進點，全面提升車間質量、提高工作效率和降低相應的成本。