華晨寶馬汽車有限公司——數字質量創新 智能產品檢測 品牌價值再提升

華晨寶馬汽車有限公司——

數字質量創新 智能產品檢測 品牌價值再提升

一、簡介

華晨寶馬汽車有限公司（以下簡稱“華晨寶馬”）成立于2003年5月，是寶馬集團和華晨汽車集團控股有限公司共同設立的合資企業。業務涵蓋寶馬品牌汽車在中國的研發、采購、生產、銷售和售后服務。華晨寶馬聚焦高質量發展，致力于成為可持續高檔個人出行服務提供商，并引領中國汽車行業整個價值鏈的可持續發展。華晨寶馬在遼寧省沈陽市建有先進的生產基地，現有員工近2.6萬人，本土供應商約430家。在中國擁有約640個經銷商店，客戶滿意度在高檔汽車品牌中名列前茅。華晨寶馬建立了貫穿全價值鏈的質量管理體系，始終堅持質量第一的理念，制定了嚴格的管理標準與流程，保證每一款交付給消費者的都是高品質的豪華產品。在BMW iFACTORY戰略指引下，華晨寶馬致力于以數字驅動質量管理創新，這與國家質量強國戰略的要求高度契合。

二、案例背景

華晨寶馬開展數字化質量管理創新是為了持續不斷地提高產品質量和增強市場競爭力。以下是項目實施背景：

提升產品質量：數字化質量管理可以通過計算機視覺技術和實時的監控來幫助發現生產過程中的問題，及時采取措施進行糾正，降低缺陷品率，提高產品的可靠性和耐久性。

實現智能制造：數字化質量管理可以將云計算、物聯網和計算機視覺等技術應用于生產制造中，實現智能制造。通過實時監測和預警系統快速發現潛在問題，提高生產效率和靈活性。

降低成本和風險：數字化質量管理可以通過人工智能技術提前發現潛在問題，并采取措施進行預防，減少產品召回次數和質量事故等風險，降低相關成本和損失。

綜上所述，數字化質量管理創新旨在通過應用數字化技術和數據分析實現智能制造，為企業帶來可持續發展的競爭優勢。

三、主要做法

首先，通過培訓、研討會或咨詢專家，了解AI質量檢測技術的優勢、潛在價值、應用案例和效果，明確制定AI質量檢測的目標和戰略，包括使用AI技術來解決哪些具體問題，并制定相應的計劃和時間表。其次，建立跨部門團隊，建立一個由不同領域專家組成的跨功能團隊，包括生產、質量控制、數據科學等部門的代表，促進知識共享、溝通和協作。

智能質量檢測平臺是針對企業生產過程中的質量控制和檢測問題而開展的技術創新項目。該項目旨在利用先進的技術手段，包括機器視覺、云計算、傳感器、物聯網、自動化控制等，提供高效、準確的質量檢測解決方案，幫助企業提升產品質量、降低不良品率，確保產品符合相關標準和要求。

智能質量檢測平臺從整體架構上分為4個層級：物理層、感知層、網絡層和應用層。

物理層主要包含工廠現場的設施和物力布置，如網絡布線、電源線、光源、交換機、機柜、總裝車輛質量系統大屏、警報燈、現場顯示器、可用空間等。作為后續設備安裝、實施的基礎，這一層也決定了單個項目解決方案的設計思路及標準。

感知層主要組件有相機系統、國際生產系統、定位識別系統、汽車裝配車間的生產訂單控制和信息系統、實時可視化系統、系統前端界面、總裝車輛質量系統和AI平臺標注交互接口。由4K IP相機用來采集現場圖像信息，國際生產系統通過地理圍欄傳感器提供實時車輛（或零件）位置信息，汽車裝配車間的生產訂單控制和信息系統提供當前車輛（或零件）訂單信息，如車型、顏色、發動機型號等，通過實時可視化系統實現手機端報警，現場屏幕實時顯示以供辦公室（非現場）人員實時了解情況；總裝車輛質量系統提供質檢信息實時交互界面，現場工作人員可以根據實際情況對智能質量檢測平臺的判斷進行操作。通過收集現場工作人員對當前車輛（或零件）的判斷，AI模型持續收集相應數據，并定期更新模型和算法，以達到不斷貼近現實生產需求的目的。

網絡層主要包含3個組件：核心檢測引擎、檢測結果分發系統和監控系統。核心檢測引擎由寶馬本地云端的IO集群和微軟云端的AKS集群組成。其中，IO集群負責控制各個系統間通信和數據傳輸；AKS集群負責控制云端資源，負載均衡和分配AI模型Nodes。檢測結果分發系統將AI模型判斷的結果反饋到感知層的接收端、數據庫AI平臺圖片可視化系統和監控系統。監控系統會對檢測結果、平臺資源使用、各系統連通性和穩定性等進行實時監控。

這里設置了兩層防火墻來保障數據安全性：一是生產設備與寶馬內網云質檢的ProSecNet防火墻；二是寶馬內網云到微軟云質檢的防火墻。

應用層主要針對每個項目作出了明確的劃分。AI調度集群會通過核心檢測引擎中的信息，判斷當前信息屬于哪個具體的項目，從而調用對應的AI模型。AI推理引擎根據AI調度集群的指令，調用Azure容器注冊表（ACR）中的AI模型，以返回AI模型判斷結果。作為后續查看和優化工業流程的重要手段，車輛（或零件）的圖像信息會持久化地保存在PICS系統中。智能質量檢測平臺使用最前沿的計算機視覺技術對生產中的質量進行把控，如YOLO V8目標檢測模型以及Patch Core工業異常檢測模型。同時，我們使用邊緣設備，如擁有邊緣計算能力的IoT和AI相機，以應對工業生產的實時性需求。

智能質量檢測平臺是一款全自動控制平臺，全程不需要人為干預。該平臺與傳統AI平臺不同的是，它打通了生產系統與AI平臺直接的通路，使得AI平臺的工業化落地成為可能。

質量檢測解決方案具體場景包括：

1.發動機缸體缺陷識別。使用“AI+攝像頭”進行缸蓋加工表面檢查，基于自研優化的神經網絡結構，提高質量檢測效率和精度、不斷降低成本，累計減少65%的缸蓋返修時間。

2.焊接點缺陷監測。使用基于計算機視覺的AI實時監測系統，實時監測焊接質量，可以有效地提高返修速度和效率，并檢測結果數據并指導設備維修人員及時調整焊槍參數，不斷提高焊接質量。

3.打膠質量檢測。使用基于計算機視覺算法實時監測車輛某些部件的膠條密封質量，如密封是否完整，密封寬度是否合格，密封位置是否出現偏移等，提高返修速度和效率，并檢測結果數據以不斷優化密封工藝。

四、經驗啟示

智能質量檢測平臺使用了最新的機器學習和深度學習算法，針對不同類型的質量問題進行建模和訓練，通過多層神經網絡進行智能化數據處理和分析；可以實時快速準確地發現產品質量問題，并及時進行處理。同時，通過云計算可以多維度、更加全面地分析和判斷產品質量問題，并且根據不同標準進行檢測，具有較高的標準化程度，適用于不同的行業和產品。

智能質量檢測平臺可以實現與不同的生產系統之間進行數據交換和信息傳遞，同時滿足汽車制造的獨特性要求，如能夠精確地識別諸多精密零件的制造和組裝部件可能出現的缺陷和問題；能夠適應汽車制造過程的復雜工作環境；能夠保證在不間斷的生產過程中持續地進行檢測和報告，并且不會因為某個故障點而導致系統崩潰。

智能質量檢測平臺可在BMW全球超20家工廠進行復制，在中國各個工廠間也實現推廣使用，并且可以建立標準化的檢測流程和方法，確保檢測結果的可重復性和一致性。

（本報實習記者 王雅雯 整理）

《中國質量報》【數字化質量管理創新與實踐典型案例②】