华晨宝马汽车有限公司——数字质量创新 智能产品检测 品牌价值再提升

华晨宝马汽车有限公司——

数字质量创新 智能产品检测 品牌价值再提升

一、简介

华晨宝马汽车有限公司（以下简称“华晨宝马”）成立于2003年5月，是宝马集团和华晨汽车集团控股有限公司共同设立的合资企业。业务涵盖宝马品牌汽车在中国的研发、采购、生产、销售和售后服务。华晨宝马聚焦高质量发展，致力于成为可持续高档个人出行服务提供商，并引领中国汽车行业整个价值链的可持续发展。华晨宝马在辽宁省沈阳市建有先进的生产基地，现有员工近2.6万人，本土供应商约430家。在中国拥有约640个经销商店，客户满意度在高档汽车品牌中名列前茅。华晨宝马建立了贯穿全价值链的质量管理体系，始终坚持质量第一的理念，制定了严格的管理标准与流程，保证每一款交付给消费者的都是高品质的豪华产品。在BMW iFACTORY战略指引下，华晨宝马致力于以数字驱动质量管理创新，这与国家质量强国战略的要求高度契合。

二、案例背景

华晨宝马开展数字化质量管理创新是为了持续不断地提高产品质量和增强市场竞争力。以下是项目实施背景：

提升产品质量：数字化质量管理可以通过计算机视觉技术和实时的监控来帮助发现生产过程中的问题，及时采取措施进行纠正，降低缺陷品率，提高产品的可靠性和耐久性。

实现智能制造：数字化质量管理可以将云计算、物联网和计算机视觉等技术应用于生产制造中，实现智能制造。通过实时监测和预警系统快速发现潜在问题，提高生产效率和灵活性。

降低成本和风险：数字化质量管理可以通过人工智能技术提前发现潜在问题，并采取措施进行预防，减少产品召回次数和质量事故等风险，降低相关成本和损失。

综上所述，数字化质量管理创新旨在通过应用数字化技术和数据分析实现智能制造，为企业带来可持续发展的竞争优势。

三、主要做法

首先，通过培训、研讨会或咨询专家，了解AI质量检测技术的优势、潜在价值、应用案例和效果，明确制定AI质量检测的目标和战略，包括使用AI技术来解决哪些具体问题，并制定相应的计划和时间表。其次，建立跨部门团队，建立一个由不同领域专家组成的跨功能团队，包括生产、质量控制、数据科学等部门的代表，促进知识共享、沟通和协作。

智能质量检测平台是针对企业生产过程中的质量控制和检测问题而开展的技术创新项目。该项目旨在利用先进的技术手段，包括机器视觉、云计算、传感器、物联网、自动化控制等，提供高效、准确的质量检测解决方案，帮助企业提升产品质量、降低不良品率，确保产品符合相关标准和要求。

智能质量检测平台从整体架构上分为4个层级：物理层、感知层、网络层和应用层。

物理层主要包含工厂现场的设施和物力布置，如网络布线、电源线、光源、交换机、机柜、总装车辆质量系统大屏、警报灯、现场显示器、可用空间等。作为后续设备安装、实施的基础，这一层也决定了单个项目解决方案的设计思路及标准。

感知层主要组件有相机系统、国际生产系统、定位识别系统、汽车装配车间的生产订单控制和信息系统、实时可视化系统、系统前端界面、总装车辆质量系统和AI平台标注交互接口。由4K IP相机用来采集现场图像信息，国际生产系统通过地理围栏传感器提供实时车辆（或零件）位置信息，汽车装配车间的生产订单控制和信息系统提供当前车辆（或零件）订单信息，如车型、颜色、发动机型号等，通过实时可视化系统实现手机端报警，现场屏幕实时显示以供办公室（非现场）人员实时了解情况；总装车辆质量系统提供质检信息实时交互界面，现场工作人员可以根据实际情况对智能质量检测平台的判断进行操作。通过收集现场工作人员对当前车辆（或零件）的判断，AI模型持续收集相应数据，并定期更新模型和算法，以达到不断贴近现实生产需求的目的。

网络层主要包含3个组件：核心检测引擎、检测结果分发系统和监控系统。核心检测引擎由宝马本地云端的IO集群和微软云端的AKS集群组成。其中，IO集群负责控制各个系统间通信和数据传输；AKS集群负责控制云端资源，负载均衡和分配AI模型Nodes。检测结果分发系统将AI模型判断的结果反馈到感知层的接收端、数据库AI平台图片可视化系统和监控系统。监控系统会对检测结果、平台资源使用、各系统连通性和稳定性等进行实时监控。

这里设置了两层防火墙来保障数据安全性：一是生产设备与宝马内网云质检的ProSecNet防火墙；二是宝马内网云到微软云质检的防火墙。

应用层主要针对每个项目作出了明确的划分。AI调度集群会通过核心检测引擎中的信息，判断当前信息属于哪个具体的项目，从而调用对应的AI模型。AI推理引擎根据AI调度集群的指令，调用Azure容器注册表（ACR）中的AI模型，以返回AI模型判断结果。作为后续查看和优化工业流程的重要手段，车辆（或零件）的图像信息会持久化地保存在PICS系统中。智能质量检测平台使用最前沿的计算机视觉技术对生产中的质量进行把控，如YOLO V8目标检测模型以及Patch Core工业异常检测模型。同时，我们使用边缘设备，如拥有边缘计算能力的IoT和AI相机，以应对工业生产的实时性需求。

智能质量检测平台是一款全自动控制平台，全程不需要人为干预。该平台与传统AI平台不同的是，它打通了生产系统与AI平台直接的通路，使得AI平台的工业化落地成为可能。

质量检测解决方案具体场景包括：

1.发动机缸体缺陷识别。使用“AI+摄像头”进行缸盖加工表面检查，基于自研优化的神经网络结构，提高质量检测效率和精度、不断降低成本，累计减少65%的缸盖返修时间。

2.焊接点缺陷监测。使用基于计算机视觉的AI实时监测系统，实时监测焊接质量，可以有效地提高返修速度和效率，并检测结果数据并指导设备维修人员及时调整焊枪参数，不断提高焊接质量。

3.打胶质量检测。使用基于计算机视觉算法实时监测车辆某些部件的胶条密封质量，如密封是否完整，密封宽度是否合格，密封位置是否出现偏移等，提高返修速度和效率，并检测结果数据以不断优化密封工艺。

四、经验启示

智能质量检测平台使用了最新的机器学习和深度学习算法，针对不同类型的质量问题进行建模和训练，通过多层神经网络进行智能化数据处理和分析；可以实时快速准确地发现产品质量问题，并及时进行处理。同时，通过云计算可以多维度、更加全面地分析和判断产品质量问题，并且根据不同标准进行检测，具有较高的标准化程度，适用于不同的行业和产品。

智能质量检测平台可以实现与不同的生产系统之间进行数据交换和信息传递，同时满足汽车制造的独特性要求，如能够精确地识别诸多精密零件的制造和组装部件可能出现的缺陷和问题；能够适应汽车制造过程的复杂工作环境；能够保证在不间断的生产过程中持续地进行检测和报告，并且不会因为某个故障点而导致系统崩溃。

智能质量检测平台可在BMW全球超20家工厂进行复制，在中国各个工厂间也实现推广使用，并且可以建立标准化的检测流程和方法，确保检测结果的可重复性和一致性。

（本报实习记者 王雅雯 整理）

《中国质量报》【数字化质量管理创新与实践典型案例②】