【工业大数据】汽车电池设备健康管理、冲压件质量检测及工艺优化

汽车电池设备健康管理系统

一、项目背景

随着对电动汽车技术研究的深化，电动汽车的应用普及越来越成为可能，而制约电动汽车发展的主要因素就是动力电池的综合性能。但是目前使用的电池管理系统（ BMS ）由于其数据传输问题、 数据分析 手段、数据应用场景等约束，无法满足电池设备健康管理的要求。

在此背景下，需要研发一套锂电池组设备健康管理系统：

1. 通过对电池使用历史数据分析挖掘，实现电池的安全与故障评估、寿命预测以及一致性分选，

2. 为高充电倍率电源系统的设计研发提供数据支撑，

3. 对电池二次利用的安全性和整体性能进行评估，

4. 促使客户服务从故障后维修向预防性维修转变逐步实现服务转型。
   

二、问题与挑战

• 目前共有 2 万辆车的数据接入，未来扩展到近 6 万辆车，数据采集频率 30s/ 包，每包 40+ 测点（其中单辆车有 300+ 以上的电压、温度测点），一天数据量 4760 万条，容量 80G 以上，涉及到大量数据的实时接入和挖掘分析。

• 数据类型包括故障、能耗、使用热度、一致性、可靠性等 8 大类 40 多个指标，涉及到多指标的综合分析和高维可视化展现应用。

• 需要对车辆 BMS 和 GIS 系统数据进行集成，涉及到复杂的数据协议和数据接口定制开发。

• 需要通过历史数据挖掘实现电池安全与故障评估、寿命预测、一致性分选、二次利用安全性等分析评估。

三、解决方案

系统以车辆信息和电池运行状况为主要监测对象，实现了产品运行状态实时监控、产品故障分析与管理、故障告警与运维、车辆定位与使用情况分析、产品性能分析等主要功能。

• 基于 Tempo BI 的场景建模实现实时数据的监控展示，系统监测的内容主要包括产品状态监测、故障分析监测、客户使用提醒监测等。

• 在地图上显示所有产品分布情况和故障产品分布情况，对历史发生过故障的故障类型及对应的频次进行统计分析。

• 对驾驶行为、可靠性指标、一致性指标温、度适应性指标进行显示，通过电池充电 IC 曲线变化历程进行电池状态分析。

• 对车辆进行故障进行监控和安全预警，对故障和报警进行分级处理，并对故障和预警处理措施和结果进行统计分析。

• 通过电源系统的编码、车辆种类、监控区域对车辆进行查找，同时可以通过高级查询锁定某一区域某一车型的全部车辆对其进行实时监控。

• 通过 Tempo AI 的场景建模实现电池安全性评估和寿命预测，并对电池二次利用的安全性和性能进行分析。

四、应用价值

• 目前监测车辆数量 6W 台，通过大数据管理平台可满足未来五到十年的数据量管理需求。

• 实现对当前车辆及电池的监控、诊断、预警报警。

• 实现设计研发、梯级利用、客户服务等三个维度的设备运行状态进行统计分析，为新产品研发提供数据支撑。

• 实现对电池二次利用安全性和整体性能的有效分析。

• 通过电池设备健康管理系统的建设，为企业服务转型提供有力支撑。

五、适用行业

汽车、电池、新能源行业。

冲压件质量检测及工艺优化

一、项目背景：

在机械制造中 , 冲压 成形已成为非常重要的塑性加工方法 , 广泛应用于汽车、航空航天、电器等工业领域。众所周知，汽车车身的大部分覆盖件和结构件均为薄板冲压件，冲压工艺水平与冲压质量的高低对汽车制造企业至关重要。

某知名汽车制造企业，汽车产销累计已突破 1000 万辆。该企业某生产基地冲压车间建有三条冲压生产线，主要生产侧围、翼子板、车门、引擎盖等轮廓尺寸较大且具有空间曲面形状的乘用车车身覆盖件。 在冲压生产过程中，部分侧围在拉伸工序中易产生局部开裂现象，需反复进行参数调整与试制；在生产线线尾，需配备大量质检人员进行冲压件表面缺陷人工检测。

二、问题与挑战：

1. 冲压产线线尾现有检测方式为人工手动检测，需在有限生产节拍时间内，快速分拣出带有开裂、刮伤、滑移线、凹凸包等表面缺陷的冲压件，检测标准不统一、稳定性不高、质检数据难以有效量化和存储，不利于企业数据资源收集、质量问题分析与追溯。

2. 在冲压生产试制过程中，影响侧围在拉伸工序中产生局部开裂的因素很多，如设备性能、模具状态、板材性能等；调整参数与反复试制的方法，具有一定的盲目性，成本大、效率低。

3. 影响因素多、数据形式差异大，且分布在车间不同业务系统中，既有设备实时性数据，又有非结构化的图像数据，对数据采集、管理与存储的要求极高。

三、解决方案：

通过建设大数据平台实现对工厂冲压车间的所有设备、模具、材料、制造过程数据、质检数据的集成、存储与统一管控，并借助基于机器学习的数据挖掘、基于机器视觉的智能检测技术，实现对侧围冲压开裂的预测与产品件表面缺陷的智能识别。

解决方案思路

• 依据冲压设备加工参数、板材参数、模具性能参数及维修记录等，通过数据挖掘机器学习算法，建立冲压工艺智能预测模型。通过样本积累与模型训练调优，准确预测冲压件开裂风险。最后，确定制造过程影响因素间的相关性，制定生产过程参数组合控制策略，为冲压制造过程工艺优化和质量把控提供支持。

• 基于机器视觉的冲压件缺陷智能识别检测，立足生产线现有条件，设计图像采集系统，通过图像实时采集与智能分析，快速识别冲压件是否存在表面缺陷，并自动将所有检测图像及过程处理数据存储至大数据平台。通过质检数据、生产过程工艺参数、产品设计参数间的关联，借助大数据分析技术，形成冲压产品质量问题分析管理的闭环连接，实现冲压产品质量的精确控制和优化提升。

四、应用价值：

1. 通过预测冲压件开裂风险，极大提升企业新车型冲压件加工参数设计效率，试制次数减少约 70% ，年节省试制成本 200 多万元。

2. 通过快速智能检测冲压件表面缺陷，提高生产线检测的稳定性、可靠性，降低质检工人劳动强度，企业三条生产线年节省人工成本 100 多万元。同时，产品质检数据被有效存储，为实现质量闭环分析与追溯提供重要数据支持。

3. 该项目为企业的智能制造转型推进探索出一条切实可行的示范道路，并为工业大数据、人工智能等技术在同行企业中的推广与应用积累了宝贵经验。

五、适用行业：

汽车制造、航空航天、家电生产等具有冲压、喷涂工艺，且对产品表面质量要求较高的行业。

汽车制造企业经营可视化解决方案

一、 项目背景

随着汽车制造企业信息化快速发展，虽然已经不同程度的建设了经销、制造、仓储、物流、供应商、财务以及产品管理等多套核心信息管理系统，但跨系统、跨基地、端到端的全局性经营管理数据，完全处在手工上报、手工计算、手工发布的原始阶段。随着企业精细化管理工作的展开，越来越多的日报、周报、月报消耗了大量的人力资源，数据分析和展示工作面临巨大压力和挑战。

二、 问题与挑战

1. 随着信息化建设发展的要求，需要建立一套全面、高效、统一的数据分析和展示平台，能够从大量数据中获取及时、准确、完整的信息，并以用户友好的方式展现出来。

2. 实现经营报表自动化，摆脱手工上报、手工计算、手工发布的原始方法，为公司管理层提供健全的数据分析管理机制。

3. 通过驾驶舱及报表方式对业务数据进行呈现，便于决策层进行信息快速获取，减少业务人员线下手工操作的繁琐和易出错等问题，为企业生产、销售过程数据记录和获取提供规范化的操作和展现功能。

三、 解决方案

1. 数据管理自动化

打通了 MES 、 DMS 、采购等系统数据，实现生产、销售、售后、采购等业务数据的采集、整理、加工、存储、分析展示及发布自动化，确保了数据及时性、准确性、完整性及可靠性。

2. 日常报表信息化

为业务人员提供产供销存（电池交付、生产入库、销售购入、批量销量、零售销量、上牌销量、综合库存、厂家库存、商家库存、发车、充电桩、公告法规、产品资源、 PDI ）数据分析服务，可按业务主题分类管理和应用，实现日常报表信息化管理。

3. 经营数据可视化

为集团领导提供展示企业整体生产经营情况的窗口，通过对工业产值、工业增加值、营业收入、利润总额、期间费用、销售费用、单车销售费用、管理费用、单车制造费用、税收、质量指标、从业人员、人员招聘、营销网络、服务网络、售后服务、资源能源、排放等方面经营指标的分析，可实时掌握生产、营销、库存等现状，便于及时发现问题，为后续的生产经营提供指导。

4. 展示手段多样化

以 PC 、大屏为主要视觉展示手段，以 Android 、 IOS 等移动端应用展示为补充，实现企业经营管理的高效性、快捷性和多样性。

四、 应用价值

1. 提高管理效益

建设企业经营可视化平台，以大数据分析与可视化技术为手段，实现数据采集、整理、加工、存储和分析展现自动化，减少不必要的对接流程，数据分析效率提高上百倍，及大提升了公司运营效率，真正实现数据驱动经营。

2. 降低管理成本

运行企业运营可视化平台后，集团层面从各部门释放约 40 名数据统计员，降低人员管理难度及成本，帮助团队向更高级的业务监控、管理职能转变。

五、 适用行业

汽车制造行业、汽车配件制造行业、摩托车制造行业。

智能化工厂互联互通的数据集成方案

一、项目背景

某变速箱生产企业是我国产销规模最大、产品谱系最全、市场覆盖最广、自主研发能力最强的民族变速器专业企业 , 属于以订单驱动的典型小批量、多品种生产模式的装备制造型企业。期望通过 3-5 年的持续建设，实现从订单签订到交付的主价值链及供应链集成，建设高度自动化、生产柔性化、全面信息化、决策智能化的智能工厂。

二、问题与挑战

• 多信息化系统或设备的应用，导致同一条数据以不同的形态存在于多业务系统中。

• 多业务部门参与、多角色管理，导致数据多重管理，且数据源头不统一。

• 设备与设备、设备与系统、系统与系统之间的数据交互需求较大。

• 需要打通设计、工艺、采购、物流、工艺装备、制造、检测与服务等产品全生命周期的业务。

三、解决方案

（ 1 ）建立智能化工厂数据标准体系，统一数据口径，为智能化工厂跨系统的业务协同及运营态势分析提供支撑。

（ 2 ）完成企业主数据与集团主数据集成。

（ 3 ）建设智能化工厂主数据平台，实现主数据的统一管理和集中分发。

（ 4 ）建设智能化工厂服务总线平台，实现异构系统间的数据互联互通。

（ 5 ）建设智慧能源系统和设备状态检测系统，对设备运行状态和能耗进行监控，完成软件和硬件的数据集成，保障信息化系统的数据需要。

四、项目成果

• 优化集团总部与子公司之间的数据集成架构，实现主数据的分层管理，提高主数据管理效率。

• 建立企业级数据标准与规范，覆盖行业大部分制造过程主数据，为行业的推广与应用奠定基础。

• 打通覆盖设计、工艺、采购、物流、工艺装备、装配、检测与服务等产品全生命周期的业务过程，为数字化车间 / 智能工厂信息物理融合与互联互通奠定坚实基础。

• 实现设备状态和能源消耗的实时监控，为数据分析提供更全面的分析素材。

大数据分析平台制造业实际应用案例

—— 制造企业运营可视化解决方案

一、项目背景

为更好地契合制造业的智能化发展，大部分企业已实现市场、科研、批产、项目管理等业务管理的信息化，并累积了海量数据资产。如何有效利用数据资产，充分发挥数据价值，并将先进的制造技术、信息技术、智能技术进行深度融合和综合展示，不仅是智能化发展的要求，也是制造企业亟需解决的问题。构建运营可视化为企业运营管控提供有效的支撑，成为制造企业在智能制造条件下的必然路径。

二、问题与挑战

企业在日常对外宣传和对内管控过程中，经营管理部门需对接多个业务部门、业务数据分散、难以及时获取经营数据。同时，数据收集和审批流程复杂、时效性差，数据存在偏差。

1 、领导关注的数据无法确定和及时获取。运营管理部门不能直观掌握企业运营状态，特别是主价值链运行状态，无法确定领导关注内容；企业运营数据多以单业务域为主，数据不全面，获取不及时。

2 、问题督办无法有效落地。在运营管理过程中发现的问题，无法通过有效的支撑平台进行跟踪督办管理。

3 、缺少一体化的数字化展示窗口。缺少统一的、全局的展示平台 , 无法及时、高效的进行全域信息的数字化展示。

4 、缺少懂数据分析和数据挖掘的综合性复合人才队伍。数据已成为企业的核心资产，发掘数据价值并形成新的增长点，有效推进企业智能制造的数据融合及高效展示，组建综合性复合人才队伍显得日益紧迫。

三、解决方案

基于 Tempo 大数据分析平台统一的数据管理，实现业务数据统一接入，并按组织、角色、人员进行查看授权。 Tempo 可视化分析，灵活的场景设置、大屏、 PC