摘 要：以大數(shù)據(jù)為基礎(chǔ)，構(gòu)建起包含實體需求計劃、物料清單準(zhǔn)備等13項量化指標(biāo)的樣車試制準(zhǔn)備工作評價模型;結(jié)合整車架構(gòu)標(biāo)準(zhǔn)，使用數(shù)據(jù)統(tǒng)計歸納法對子系統(tǒng)試驗零件需求做了標(biāo)準(zhǔn)化、模塊化定制，解決了計算機(jī)自動創(chuàng)建試驗零件清單的企業(yè)課題;使用動態(tài)模擬法對物流倉儲均衡問題做了預(yù)測、分析和方案優(yōu)化。經(jīng)實測比較：提高了樣車子系統(tǒng)試驗清單正確度20%，節(jié)約物料成本3%以上，人工工時減少3000小時每年，均衡了倉儲計劃，降低空置率20%，減少面積5000平米以上。

關(guān)鍵詞：大數(shù)據(jù);樣車試制;標(biāo)準(zhǔn)化;模塊化

1 概述

按照十三五規(guī)劃綱要，中國汽車行業(yè)規(guī)劃了一幅汽車智能制造戰(zhàn)略的全景圖，這就是依靠數(shù)字化、感知與互聯(lián)技術(shù)，智能分析與預(yù)測技術(shù)，實現(xiàn)整車制造工程開發(fā)及制造運營系統(tǒng)不斷優(yōu)化完善，為客戶提供創(chuàng)新的汽車產(chǎn)品和服務(wù)。對于樣車試制而言，基于大數(shù)據(jù)分析應(yīng)用的數(shù)字化智能開發(fā)技能將是未來主流發(fā)展方向。

2 對大數(shù)據(jù)在汽車行業(yè)生態(tài)鏈作用的理解與認(rèn)識

大數(shù)據(jù)（big data），指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)[1]。

大數(shù)據(jù)具有5V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

汽車大數(shù)據(jù)可以簡單概括為在汽車設(shè)計研制試驗生產(chǎn)銷售中獲得的用于設(shè)計、決策、流程優(yōu)化的海量信息資產(chǎn)，是一個企業(yè)長期積累和未來發(fā)展的的重要戰(zhàn)略競爭手段。

3 目前國內(nèi)外大數(shù)據(jù)&智能制造在汽車行業(yè)的發(fā)展現(xiàn)狀

隨著互聯(lián)網(wǎng)與工業(yè)融合創(chuàng)新的發(fā)展，智能制造時代的到來和工業(yè)4.0的發(fā)展，促進(jìn)我國工業(yè)由傳統(tǒng)的制造業(yè)不斷向數(shù)字化和智能化方向發(fā)展。隨著工業(yè)4.0概念的引入，工業(yè)產(chǎn)業(yè)進(jìn)入了新一輪的全球性革命，新型工業(yè)體系最核心的就是互聯(lián)網(wǎng)、大數(shù)據(jù)與工業(yè)的融合發(fā)展，工業(yè)大數(shù)據(jù)是工業(yè)4.0最核心的支撐之一，工業(yè)大數(shù)據(jù)的應(yīng)用將帶來工業(yè)生產(chǎn)與管理環(huán)節(jié)的極大的升級和優(yōu)化，其價值已經(jīng)得到了全球的認(rèn)可。

近年來，隨著全球工業(yè)化改革的發(fā)展，全球工業(yè)大數(shù)據(jù)的規(guī)模不斷增加。至2017年全球工業(yè)大數(shù)據(jù)的市場規(guī)模為201億美元，當(dāng)年全球大數(shù)據(jù)市場規(guī)模為394億元，工業(yè)大數(shù)據(jù)占全球大數(shù)據(jù)總規(guī)模超過50%，可見工業(yè)大數(shù)據(jù)已經(jīng)成為全球大數(shù)據(jù)行業(yè)發(fā)展的主要的領(lǐng)域。未來，在以德國為代表的工業(yè)4.0深化發(fā)展及其他國家智能制造的發(fā)展，預(yù)計2020年全球工業(yè)大數(shù)據(jù)的市場規(guī)模為480億美元，占大數(shù)據(jù)總規(guī)模的比重約為60%。

智能制造發(fā)展，中國工業(yè)大數(shù)據(jù)空間較大。從全球工業(yè)大數(shù)據(jù)的發(fā)展現(xiàn)狀反觀我國工業(yè)的發(fā)展現(xiàn)狀，目前工業(yè)領(lǐng)域?qū)I(yè)大數(shù)據(jù)的價值利用及其有限，但是近年來，智能制造、工業(yè)4.0發(fā)展概念對互聯(lián)網(wǎng)和智能化的引入對推動我國工業(yè)大數(shù)據(jù)的發(fā)展具有積極的促進(jìn)作用[2]。

在汽車行業(yè)十三五規(guī)劃中基于大數(shù)據(jù)的數(shù)字化技術(shù)已經(jīng)成為汽車設(shè)計、制造、銷售、售后的全生命周期分析最主要工具，尤其在產(chǎn)品設(shè)計，工藝工裝設(shè)備開發(fā)，樣車試制，樣車試驗，生產(chǎn)制造運營，銷售和售后等等環(huán)節(jié)起到了無可替代的作用。建設(shè)數(shù)字化環(huán)境，打造數(shù)字化能力成為整個汽車行業(yè)生態(tài)鏈的基礎(chǔ)。

4 樣車試制準(zhǔn)備工作的評價模型

4.1 研究目標(biāo)背景

樣車試制是汽車研發(fā)制造的重要一環(huán)，歐美汽車企業(yè)英文全一般稱 Pre-Production-Operation（以下簡稱PPO），指在工廠大批量生前所有物理造車活動的總稱[3]。為試驗提供實體車輛。樣車試制車間PPO承擔(dān)著五大核心業(yè)務(wù)：

4.1.1 按時交付符合試驗要求的試驗實體Delivery on time

4.1.2 設(shè)計驗證Design Verification

4.1.3 工藝驗證Process Verification

4.1.4 第一次的整車生產(chǎn)啟動IV First Launch

4.1.5 先行先試Early & Pilot Implementation，

見圖1

本文主要首先介紹樣車試制準(zhǔn)備工作評價模型，其次介紹如何以數(shù)字為基礎(chǔ)，分析、預(yù)測及優(yōu)化評價模型，從而實現(xiàn)試制準(zhǔn)備狀態(tài)跟蹤控制、評估、為降低成本縮短試制時間，推進(jìn)工業(yè)（大）數(shù)據(jù)在樣車試制準(zhǔn)備階段的應(yīng)用與標(biāo)準(zhǔn)建立，實現(xiàn)智能分析和決策的初步應(yīng)用。關(guān)于試制制造階段和試驗階段的內(nèi)容暫不作為課題研究。

4.2 評價模型建立和需要解決的關(guān)鍵問題

關(guān)鍵問題一：為試制準(zhǔn)備工作建立數(shù)字化、可評價的標(biāo)準(zhǔn);

關(guān)鍵問題二：通過數(shù)字化評價指標(biāo)和數(shù)據(jù)庫建立，優(yōu)化各項準(zhǔn)備工作。

4.3 模型架構(gòu)，見圖2

1.22.23.2

4.4 樣車試制準(zhǔn)備工作的評價指標(biāo)要求

4.4.1 Properties / ADV Plan Review實體需求和分析開發(fā)與驗證計劃

1.2.12.2.13.2.14.2.1定義：樣車試驗實體需求計劃Pre-Production Properties Requirements簡稱PPPR;分析開發(fā)與驗證計劃Analysis Development & Validation簡稱ADV。

指標(biāo)或內(nèi)容：整車Vehicle、子系統(tǒng)分總成Buck和零部件Kits需求符合項目要求。

大數(shù)據(jù)要求：實體需求、交付狀態(tài)、交付時間的標(biāo)準(zhǔn)化，建立數(shù)據(jù)庫，見圖3。

4.4.2 PPO Build Schedule 樣車試制計劃

定義：樣車試制計劃，包括車身、油漆、總裝、電器刷新、質(zhì)量檢查等活動。

指標(biāo)或內(nèi)容：各項時間節(jié)點（如：物料到達(dá)MRD、開始試制SOB、首車完成FIVC/FNCTC、試制完成EOB），車輛技術(shù)參數(shù)，車輛編號，VIN 號，動力總成和交付時間等內(nèi)容。

大數(shù)據(jù)要求：工時標(biāo)準(zhǔn)化，見圖4。

4.4.3 預(yù)算和使用計劃

定義：試制階段發(fā)生的相關(guān)費用和每月預(yù)計發(fā)生支出

指標(biāo)或內(nèi)容：確保費用使用計劃性/可控性/經(jīng)濟(jì)性。包含：差旅、人工/設(shè)備工時、物料費用、車身工裝夾具軟模、總裝工裝、物流倉儲、運輸，進(jìn)口關(guān)稅等;

大數(shù)據(jù)要求：運用大數(shù)據(jù)指定樣件價格倍數(shù)系數(shù)和費用計算公式，確保試制費用的有效和成本控制下降。

4.4.4 Quality Control Plan 造車質(zhì)量控制計劃

定義：試制過程中對特定質(zhì)量要求的抽檢和過程控制。質(zhì)量計劃根據(jù)車型配置進(jìn)行抽檢，占用試制的時間，隸屬于試制計劃。

指標(biāo)或內(nèi)容：白車身測量、車身評審、車身稱重、白車身氣密性試驗、雨淋試驗（無內(nèi)飾）、整車氣密性試驗、外飾間隙及平整度測量、內(nèi)飾間隙及平整度測量、全球客戶評審和管路評估等。

大數(shù)據(jù)要求：抽檢項目標(biāo)準(zhǔn)化，工時標(biāo)準(zhǔn)化，見圖5。

4.4.5 BOM Issue Review ?物料清單準(zhǔn)備問題

定義：因為開發(fā)階段存在的設(shè)計方案、工藝方案的不確定性、信息不完整性和許多條件限制，導(dǎo)致的BOM的偏差，試制前需關(guān)閉。

指標(biāo)或內(nèi)容：零件缺失或多余，對手件斷點不一致，扭矩錯誤、配置不正確、工藝缺失，單車數(shù)量不正確等。

4.4.6 Electrical： A-Frame/Bench Status readiness（LAB CHECK） 電器刷新

定義：電子相關(guān)零件的交付計劃滿足試制計劃要求，臺架試驗通過或雖然存在問題，但能辨識出根本原因，有解決方案并滿足試制計劃要求試制。

指標(biāo)或內(nèi)容：電子相關(guān)零件、電子回路、整車電器功能圖的提前檢查驗證，確保問題在試制前關(guān)閉。

4.4.7 Bench / Software / Calibrations readiness電子刷新軟件和標(biāo)定文件準(zhǔn)備狀態(tài)

定義：電子刷新軟件和標(biāo)定文件準(zhǔn)備狀態(tài)。

指標(biāo)或內(nèi)容：所有軟件和標(biāo)定軟件在工程臺架上驗證過狀態(tài)同試制狀態(tài)一致，見圖6。

4.4.8 GA/BIW Process Information/PAD Product Assembly Document.工藝準(zhǔn)備

定義：車身焊接和總裝裝配工藝文件準(zhǔn)備活動。

指標(biāo)或內(nèi)容：車身有焊點涂膠信息、焊接順序、焊接設(shè)備和焊接螺母螺柱等;總裝有裝配順序、裝配工具、扭矩、涂膠、加液排氣等。

大數(shù)據(jù)要求：焊接參數(shù)、扭矩、焊接設(shè)備、裝配工具等標(biāo)準(zhǔn)化、柔性化。

4.4.9 Fixture Status 工裝/夾具準(zhǔn)備狀態(tài)

定義：車身焊接和總裝裝配工裝/夾具準(zhǔn)備活動。

指標(biāo)或內(nèi)容：車身：焊接夾具、檢具、焊槍、激光焊機(jī)及程序、其他焊接設(shè)備;

油漆：符合車型要求和油漆線通過性的車身雪橇;

總裝：總裝夾具和裝配工具。

大數(shù)據(jù)要求：建立工裝設(shè)備和工具數(shù)據(jù)庫，提高標(biāo)準(zhǔn)化、柔性化和使用率。

4.4.10 Fidelity Status & Retrofit Plan 返修計劃

定義：特殊情況下，由于工程設(shè)計變更導(dǎo)致零件開發(fā)進(jìn)度不能滿足試制試驗計劃。為確保進(jìn)度，在不影響前期試驗的情況下，采用零時替代件（如海外進(jìn)口件和軟模件）試制。車輛交付后或試驗前，由工程進(jìn)行返修更換成正式零件滿足試驗要求的計劃。

4.4.11 PPQP Status 試制零件質(zhì)量控制文件簽署

定義：Pre-Production Part Quality Process生產(chǎn)前零件質(zhì)量控制流程，關(guān)鍵零件的尺寸、功能、材料符合設(shè)計要求，由工程批準(zhǔn)合格。

4.4.12 Material Status ?物料狀態(tài)

定義：樣車試制前的物料率到達(dá)狀態(tài)，最重要指標(biāo)之一。

指標(biāo)或內(nèi)容：物料到達(dá)率

大數(shù)據(jù)要求：緊固件數(shù)據(jù)庫、油液數(shù)據(jù)庫、JIT 數(shù)據(jù)庫。

4.4.13 PPO Readiness 現(xiàn)場準(zhǔn)備

定義：人員、場地準(zhǔn)備情況。

指標(biāo)或內(nèi)容：工藝文件準(zhǔn)備、技師培訓(xùn)、物流準(zhǔn)備和電子看板等。

大數(shù)據(jù)要求：Lesson Learn數(shù)據(jù)庫

小結(jié)：以上指標(biāo)構(gòu)成了樣車試制準(zhǔn)備工作評價模型，項目管理層在開閥會上評審這些指標(biāo)。若按時完成計10分;若未按時完成，但有后續(xù)計劃并且不影響造成計劃，作為有條件滿足計6分;若無法滿足影響計劃，計0分。項目總體狀態(tài)Q為所有指標(biāo)分值匯總Σ=Deliver1+Deliver 2+，……，+ Deliver i; i—評價指標(biāo)個數(shù)，目前為13，如果任意一項Deliver i=0，試制不滿足開閥條件，計劃調(diào)整延后直到滿足;如果任意項Deliver i>0，試制滿足開閥條件，按計劃開始。項目總體狀態(tài)Q的分值體現(xiàn)了項目準(zhǔn)備情況的優(yōu)良程度，通過數(shù)據(jù)分析和項目間橫向?qū)Ρ瓤梢缘贸瞿男┬枰倪M(jìn)，并指導(dǎo)后續(xù)項目PDCA 優(yōu)化，見圖7。

5 大數(shù)據(jù)分析在模型中的應(yīng)用

5.1 基于大數(shù)據(jù)的Buck需求標(biāo)準(zhǔn)化模塊化定制

在整個樣車試制準(zhǔn)備工作評價模型和樣車五大核心業(yè)務(wù)中，物料準(zhǔn)備工作是所有工作的前提基礎(chǔ)。根據(jù)本文4.1章所闡述，實體需求來源于工程，以PPPR 的形式發(fā)布。

5.1.1 實體需求分為三類：整車VEH、子系統(tǒng)BUCK、零部件KIT;

5.1.1.1 整車需求：含耐久性試驗、冬季試驗等，約68種;

5.1.1.2 子系統(tǒng)需求：含門開關(guān)試驗、門板振動異響實驗、內(nèi)凸等臺架試驗約40種左右;

5.1.1.3 零部件需求：含A-FRAMING電子臺架 ，MCM尺寸匹配散件。

其中子系統(tǒng)BUCK定義：樣車車間組裝的用于工程臺架試驗的非完整整車的、局部子系統(tǒng)的試驗交付物。Buck按用途大致有 40多種 ，覆蓋試驗認(rèn)證、整車、工程支持等主要業(yè)務(wù)部門需求。

5.1.2 BUCK問題表現(xiàn)：

5.1.2.1 命名標(biāo)準(zhǔn)和零件挑選標(biāo)準(zhǔn)缺失;

5.1.2.2 零件挑選缺乏指導(dǎo)書，相同試驗不同項目所挑選的零件有差異，邏輯關(guān)聯(lián)性不強(qiáng)，個人經(jīng)驗依賴過多;

5.1.2.3 業(yè)內(nèi)采用看數(shù)模勾選工作量大，效率低下，不便推廣，不容易形成標(biāo)準(zhǔn)化作業(yè)模式。如北美、韓國試制工廠。

5.1.3 影響后果：

5.1.3.1 清單輸出存在少、漏、錯&多選的普遍情況;

5.1.3.2 影響物料準(zhǔn)備、裝配正確、導(dǎo)致浪費;

5.1.3.3 交付不及時性、不正確性，增加大量的檢查和二次返修工時;

5.1.3.4 影響試驗進(jìn)度，對整個項目系統(tǒng)開發(fā)造成潛在風(fēng)險。

5.1.4 解決方案

我們提出運用大數(shù)據(jù)分析手段，結(jié)合工程整車VPPS結(jié)構(gòu)對BUCK零件做標(biāo)準(zhǔn)化模塊化定制解決方案。具體步驟：

5.1.4.1 BUCK需求標(biāo)準(zhǔn)化：整合40種基本試驗需求并標(biāo)準(zhǔn)化;

5.1.4.2 數(shù)據(jù)采集：2008～2019 年; 91個項目;4200個BUCK;839000條零件記錄;

5.1.4.3 結(jié)合整車結(jié)構(gòu)VPPS樹，參數(shù)字段VPPS/UPS/FNA提取，BUCK標(biāo)準(zhǔn)化模塊化定制，建立數(shù)據(jù)庫，見圖8。

5.1.4.4 程序開發(fā)：C+、Java、EXECL宏。實現(xiàn)單車BOM，BUCK零件自動挑選，清單輸出，錯誤提示等功能。

5.1.4.5 驗證實施

5.1.4.5.1 隨機(jī)選取某一項目/車型單車BOM 完成特定實驗用途BUCK 清單生成;

5.1.4.5.2 現(xiàn)場制造檢驗，迭代修正;

5.1.4.5.3 重復(fù)多個項目后，修正后推廣使用，見圖9。

5.1.4.6 后期維護(hù)。VPPS 結(jié)構(gòu)定期會升級更新，基礎(chǔ)數(shù)據(jù)庫應(yīng)保持一致。同時收集現(xiàn)場發(fā)現(xiàn)的新問題PDCA改進(jìn)。

5.1.4.7 多個項目試制裝配驗證后，課題達(dá)到預(yù)期效益：

5.1.4.7.1 實現(xiàn)標(biāo)準(zhǔn)化、自動化、可以復(fù)制;

5.1.4.7.2 提升BUCK BOM正確性20% ，清單變更數(shù)量平均減少30項;

5.1.4.7.3 降低物料成本浪費3%，每年約30萬人民幣;

5.1.4.7.4 縮短工時6人周/項目，平均每年3000小時;

5.1.4.7.5 降低BUCK 交付物延誤和錯漏風(fēng)險;

5.1.4.7.6 建立起大數(shù)據(jù)庫。

5.2 數(shù)據(jù)分析物料倉儲計劃，提高倉庫利用率

大數(shù)據(jù)分析、預(yù)測方法同樣可以運用于樣車試制的倉儲物流方案。本人2009發(fā)表于《工業(yè)工程與管理》核心期刊中的《項目中的倉儲優(yōu)化方案》曾做專門研究[4]。研究方法：采集數(shù)據(jù)、建立起樣車試制物料倉儲管理的數(shù)學(xué)模型，分析各個參數(shù)變量的變化趨勢，運用運用動態(tài)模擬法（Dynamic simulation）求解得出最優(yōu)實施方案，完成課題目標(biāo)。

5.2.1 模型要點：

5.2.1.1 在各種約束條件下倉儲總體方案必須最大限度地滿足所有項目樣車物料周轉(zhuǎn)運行;

5.2.1.2 模型地最優(yōu)計算，能使庫容面積和零件批次保有量，盡可能小。

5.2.2 步驟如下：

5.2.2.1 運用動態(tài)模擬法（Dynamic simulation），提前采集預(yù)測期內(nèi)所有項目的樣車需求數(shù)據(jù)，在同一個物流儲運標(biāo)準(zhǔn)下按顆粒度不同需要繪制趨勢圖，從而模擬不同時間庫容情況來預(yù)測庫容。根據(jù)趨勢圖規(guī)劃物流倉儲計劃，物流倉儲量（PLAN）必須大于等于綜合項目計劃需求總量（ΣPPPR）同保險余量（T）之和。ΣPPPR= PPPR1 +PPPR2 +，……，+PPPRi;i—全年項目個數(shù)。

5.2.2.2 尋取峰值，協(xié)調(diào)各項目在人力、機(jī)器設(shè)備、物料、場地資源參數(shù)變量的分配均衡，在滿足用戶需求的前提下調(diào)整資源參數(shù)和時間軸的分布，削峰填谷制定合理計劃， 見圖10。

5.2.3 小結(jié)：

所有的這一切都應(yīng)體現(xiàn)成本管理的價值理念，以降低浪費為核心，控制預(yù)算成本。所用工具就是基于大數(shù)據(jù)下的動態(tài)模擬法（Dynamic simulation）運算。約束條件是需求計劃、時間、空間、人員設(shè)備等。

6 結(jié)語

跨入21世紀(jì)大數(shù)據(jù)、智能制造、互聯(lián)網(wǎng)技術(shù)日新月異，人類正處于又一次科學(xué)技術(shù)革命的零界點，我們的生活生產(chǎn)也必將開始一個全新時代。

工業(yè)化信息化相結(jié)合的工業(yè)2.0國家戰(zhàn)略為各行業(yè)發(fā)展指明了方向，汽車制造行業(yè)在這迅猛浪潮中面臨著巨大的變革、機(jī)遇和挑戰(zhàn)。

本文提出的基于大數(shù)據(jù)處理的樣車試制準(zhǔn)備工作評價模型只是站在自身行業(yè)部門，對智能制造和大數(shù)據(jù)運用的一次探索實踐。其發(fā)展運用是一個動態(tài)優(yōu)化的過程，有賴于在今后工作和項目實踐中的不斷改進(jìn)。

接下來應(yīng)重點圍繞以下兩點開展工作：

6.1 對項目工作做開放式調(diào)研，依托企業(yè)智造創(chuàng)新發(fā)展方向，優(yōu)化模型，使之能夠適用于更多業(yè)務(wù)環(huán)節(jié)需求。

6.2 圍繞數(shù)字化技術(shù)，建立起有效的大數(shù)據(jù)庫，通過提高積累分析篩選應(yīng)用能力，實現(xiàn)“智能化工廠”的目標(biāo)。

參考文獻(xiàn)：

[1][英]維克托·邁爾-舍恩伯格（VIKTOT MAYER-SCHONBERGER）著 周濤 譯 .《大數(shù)據(jù)時代》[M].浙江人民出版社，2012.

[2]《國家智能制造標(biāo)準(zhǔn)體系建設(shè)指南》，工業(yè)和信息化部、國家標(biāo)準(zhǔn)化管理委員會，2015.

[3]DON SMITH. ?Global Vehicle Development Process 5.1 [OL]. 17Dec.10th. http：//vdp.gm.com/gvdp

[4]張浩亮.項目中的倉儲優(yōu)化方案[J].《工業(yè)工程與管理》，2009，14（期）58～59.