数据库
首页 > 数据库> > 利用Oracle ADW&OAC实现汽车行业的现生产质量管控和缺陷预测

利用Oracle ADW&OAC实现汽车行业的现生产质量管控和缺陷预测

作者:互联网

背景:

本项目所在的业务场景为汽车行业整车制造厂的现生产质量分析场景。在整车装配的生产线质量监控过程中,所收集的车辆生产缺陷数据、包括缺陷位置、缺陷名称、淋雨合格率,一次交检通过合格率、DPU等数据,无法迅速的进行数据可视化分析,无法即时发现和改进现生产过程中的质量问题,并且在问题聚类、缺陷部位、数量预测等重要分析和预警的环节,面临一致性、时效性无法保证的问题。由此希望通过本项目,在ADW和OAC的实施中进行数据收集、传递、分析的测试,以便能够达到质量保证部门实际的业务需求。


业务实现:

汽车行业现生产过程中,客户最关心的要点是缺陷数在不同车型、不同时间段的波动情况。整体降低缺陷数、提高各方面合格率对于车企来说,是长远的目标。涉及技术的更新和生产方式的变革,所以对于质检部门来说,这不是他们关注的要点。质监部门对于质量的要求是尽量减少缺陷的波动、尽可能达到目前生产条件下的产品质量的最优化。

因此,深入的解析缺陷数、DPU、淋雨合格率、一次交检率在时间维度上的波动规律、数学相关性的规律,以及缺陷部件在装配过程中相关性的规律是非常重要的。

图片


以此为基础,在基于OAC实现敏捷可视化分析的实践中,分解了不同质检指标在时间线上的不同表现形式,并且利用OAC在分析图表相互关联、联动更新的先天优势,建立了一系列不同配件、不同时间点、不同部位的分析图表,并依照分析内容对于质检业务人员各种业务主题的侧重点,聚类排列展现。

更进一步的是,在项目实施过程中,还利用OAC中地图层的功能,绘制了整车的结构平面图,并根据车身部位、车体配件的分布情况,建立了结构区间与现生产过程中缺陷部位缺陷配件相关联。以图形化的形式,生动的展现了在汽车生产线上,同批次车辆生产过程中的缺陷分布和严重程度,受到了客户质检部门较高的评价,满足了质检员在实际工作中的业务需求。

并且在该项目实施过程中,借助OAC内嵌的机器学习组件,以当前缺陷数据为基础,成功进行了缺陷数、缺陷部位的预测和聚类,为质检部门的下一步工作重心和工作计划提供了有力的支持。


客户收益:


后记:

北京殷塞是Oracle金牌合作伙伴,专业从事综合商业智能系统(IBI)的规划、设计、开发、实施、应用和咨询服务,自创始以来,北京殷塞一直秉承着“通过将有效的管理方法与信息技术进行结合,提升客户企业的经营管理水平和竞争力”的理念,从客户的实际业务需求出发,结合业界先进管理经验,为客户建立更全面、深入的管理平台和体系。目前,北京殷塞已经服务于多达20个行业的企事业单位,为客户提供数据管理和应用的服务,并得到了客户的广泛好评。

为了能够为客户持续提供最优的数据管理和应用服务,北京殷塞不断尝试和应用业界最先进的数据技术,以此为驱动力,北京殷塞以汽车行业某龙头整车制造企业的现生产质量分析为实例,使用经过脱敏的业务数据,基于ADW & OAC云技术方案,快速实现了车企整车现场生产过程中,质量检测和缺陷预测的业务需求,拓展了实际业务中的分析展现方式。在此过程中,北京殷塞亲身体验并验证了Oracle ADW + OAC的云技术方案,以业界领先的先进体系和高度自治的形式,为企业提供了高性能、高可用的数据服务,满足了客户当前面临的快速、弹性、敏捷的业务需求,成为了当前高性能智能数据集市和智能数据分析的最佳选择。也因此,北京殷塞信息技术有限公司于2019年2月1日成功获得Oracle中国ADW & OAC高级实施伙伴证书,Oracle ADW & OAC的云技术方案也成为了北京殷塞最新、最为推荐的数据管理、分析和展现的技术方案。

Oracle携手合作伙伴开启自治未来,共同创新,开拓企业创新新边界。

编辑:殷海英


标签:ADW,OAC,业务,客户,Oracle,缺陷
来源: https://blog.51cto.com/u_15127541/2702502