久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

1    方案背景與目標(biāo)

1.1方案背景

鋼鐵行業(yè)作為國民經(jīng)濟(jì)的重要基礎(chǔ)產(chǎn)業(yè)，為國家建設(shè)提供了重要的原料保障，有力的支撐了國民經(jīng)濟(jì)的健康發(fā)展，推動了我國工業(yè)化、現(xiàn)代化進(jìn)程。面對鋼鐵行業(yè)嚴(yán)峻的形勢，鋼材產(chǎn)能過剩，價(jià)格競爭激烈。在此高產(chǎn)能、高成本、低利潤的形勢下，鋼鐵行業(yè)的發(fā)展已不再是追求數(shù)量的問題，要想持續(xù)贏得市場競爭優(yōu)勢，必須全面提升產(chǎn)品質(zhì)量控制水平，實(shí)現(xiàn)產(chǎn)品質(zhì)量持續(xù)改進(jìn)，以滿足客戶提出的個(gè)性化需求，強(qiáng)化控制過程中的每一個(gè)環(huán)節(jié)，提供更符合用戶需求的產(chǎn)品，最終提升企業(yè)的競爭力。首鋼品種結(jié)構(gòu)以電工鋼、汽車板等高端板材為核心，對產(chǎn)品質(zhì)量有著極致的追求。在目前上下游市場雙重?cái)D壓環(huán)境下，如何滿足跨基地生產(chǎn)管控模式以及高標(biāo)準(zhǔn)高質(zhì)量的產(chǎn)品要求，又能滿足企業(yè)低成本高質(zhì)量戰(zhàn)略變革，這對全流程質(zhì)量管控提出了極大的挑戰(zhàn)。跨工序多品種的質(zhì)量管理在數(shù)據(jù)集成分析、質(zhì)量成本、工作效率及管控風(fēng)險(xiǎn)等方面均存在著諸多瓶頸。

1.2 方案目標(biāo)

在總體思路上，股份以質(zhì)量特性、工藝控制、質(zhì)量缺陷等為核心，橫向?qū)Ξa(chǎn)品工藝過程控制、質(zhì)檢處置及分析優(yōu)化等環(huán)節(jié)的痛點(diǎn)及瓶頸點(diǎn)，縱向從頂層業(yè)績指標(biāo)管控到指標(biāo)分解、根因分析再到控制措施，利用在知識圖譜、圖像識別、數(shù)據(jù)建模等技術(shù)，進(jìn)行質(zhì)量全流程智慧管控。在技術(shù)架構(gòu)上，整體遵循設(shè)備端、邊緣、云端、平臺數(shù)據(jù)、企業(yè)應(yīng)用5層架構(gòu)設(shè)計(jì)，基于設(shè)備采集及解析、建立數(shù)據(jù)及算法中臺，實(shí)現(xiàn)了多結(jié)構(gòu)數(shù)據(jù)的采集、存儲、處理、到數(shù)據(jù)建模、可視化的整個(gè)過程，支撐上層質(zhì)量管理全面應(yīng)用。輔助企業(yè)對成品性能、表面、板型、尺寸等進(jìn)行大數(shù)據(jù)分析挖掘以減少質(zhì)量損失，助力企業(yè)提高成材率、減少現(xiàn)貨及余材。通過數(shù)字化手段統(tǒng)計(jì)、分析、反饋質(zhì)量異常及改進(jìn)措施，通過智能化手段防范“人、機(jī)、料、法、環(huán)”異常狀態(tài)，是鋼鐵企業(yè)質(zhì)量管理數(shù)智化轉(zhuǎn)型的路徑。

2    方案詳細(xì)介紹

2.1技術(shù)方案

（1）全面質(zhì)量管理業(yè)務(wù)流程及解決思路

質(zhì)量管理以滿足用戶需求為前提，通過對各個(gè)生產(chǎn)節(jié)點(diǎn)的管理控制來提供符合用戶要求的產(chǎn)品。在需求識別環(huán)節(jié)通過產(chǎn)品規(guī)范智能推薦模型，快速識別客戶的質(zhì)量需求和風(fēng)險(xiǎn)訂單。通過性能相關(guān)性分析、性能預(yù)測等模型輔助新產(chǎn)品研發(fā)設(shè)計(jì)。通過合同處理和出鋼標(biāo)記推薦實(shí)現(xiàn)內(nèi)外設(shè)計(jì)的自動轉(zhuǎn)換。在工藝過程控制環(huán)節(jié)實(shí)施工藝監(jiān)督、過程檢驗(yàn)、異常跟蹤。在質(zhì)量檢驗(yàn)與處置環(huán)節(jié)，圍繞工藝質(zhì)量在線判定、表面質(zhì)量智能診斷、產(chǎn)品性能判定等三方面進(jìn)行自動化、智能化檢驗(yàn)與處置。在分析優(yōu)化環(huán)節(jié)涵蓋跨工序交互式質(zhì)量分析、表面缺陷的遺傳性追溯、性能分析等。在服務(wù)跟蹤環(huán)節(jié)建立質(zhì)量異議知識庫，實(shí)施質(zhì)保書預(yù)檢及質(zhì)量異議一鍵式分析。確保從需求接收開始，到成品出庫的全過程的質(zhì)量管理控制，實(shí)現(xiàn)產(chǎn)品質(zhì)量的持續(xù)改進(jìn)。方案流程圖如圖1所示。

圖1 方案流程圖 

（2）基于工業(yè)互聯(lián)網(wǎng)平臺的技術(shù)架構(gòu)

打造了“標(biāo)準(zhǔn)統(tǒng)一、自主可控”的工業(yè)互聯(lián)網(wǎng)平臺，采用云和邊協(xié)同架構(gòu)設(shè)計(jì)。云端為公司數(shù)據(jù)中心，按照數(shù)據(jù)業(yè)務(wù)構(gòu)建公司級數(shù)據(jù)集市，為數(shù)據(jù)應(yīng)用提供標(biāo)準(zhǔn)的服務(wù)接口。邊緣層面向高頻數(shù)據(jù)的采集、計(jì)算、存儲和服務(wù)，完成時(shí)空轉(zhuǎn)換、特征值計(jì)算等，滿足數(shù)字孿生、智能控制模型、關(guān)鍵參數(shù)監(jiān)控、在線監(jiān)控等場景的數(shù)據(jù)需求。中臺層，提供數(shù)據(jù)的管理與治理、算法建模、低代碼開發(fā)等技術(shù)產(chǎn)品及組件，基于此技術(shù)底座開展輔助表面、外觀、性能等質(zhì)量管控應(yīng)用建設(shè)，為質(zhì)量管理業(yè)務(wù)人員提供精準(zhǔn)數(shù)據(jù)決策支撐，有利于提高產(chǎn)品質(zhì)量。方案技術(shù)架構(gòu)圖如圖2所示。

圖2 方案系統(tǒng)架構(gòu)圖 

（3）跨基地全流程的質(zhì)量管控關(guān)鍵技術(shù)

基于綜合數(shù)據(jù)匯聚、存儲、計(jì)算、建模等技術(shù)，結(jié)合業(yè)務(wù)流程及事件觸發(fā)設(shè)定時(shí)間監(jiān)控序列，實(shí)現(xiàn)對從質(zhì)量設(shè)計(jì)到過程管控再到缺陷識別追溯的質(zhì)量全流程管理進(jìn)行監(jiān)控、診斷、預(yù)測、決策，實(shí)現(xiàn)“一鍵式”原因定位、異常預(yù)測及快速反饋推送，保證質(zhì)量設(shè)計(jì)自動可推薦、生產(chǎn)過程動態(tài)可監(jiān)測、異常信息預(yù)警和缺陷全流程可追溯。利用知識圖譜技術(shù)，固化專家知識，建立制造過程實(shí)體與實(shí)體之間的路徑，形成質(zhì)量知識庫。通過高頻時(shí)序數(shù)據(jù)特征提取技術(shù)，實(shí)現(xiàn)工藝曲線數(shù)據(jù)等級判定，輔助產(chǎn)品質(zhì)量評估分析。通過圖片AI識別技術(shù)，輔助表面的缺陷識別和等級判定。通過相關(guān)性分析技術(shù)、回歸預(yù)測模型技術(shù)，識別性能關(guān)鍵工藝和預(yù)測產(chǎn)品性能。利用自然語言提取技術(shù)，實(shí)現(xiàn)質(zhì)量知識的智能問答應(yīng)用，將知識圖譜輸出至應(yīng)用系統(tǒng)，輔助產(chǎn)品質(zhì)量工程師、客戶代表等業(yè)務(wù)人員處理產(chǎn)品質(zhì)量問題。基于質(zhì)量異議和工藝基礎(chǔ)知識的質(zhì)量圖譜系統(tǒng)架構(gòu)圖如圖3所示。

圖3 基于質(zhì)量異議與工藝基礎(chǔ)知識構(gòu)建質(zhì)量圖譜 

2.3 解決方案功能設(shè)計(jì)

貫穿煉鐵、煉鋼、軋鋼、鋼鐵產(chǎn)品深加工全流程，以云邊協(xié)同方式，運(yùn)用大數(shù)據(jù)、AI、視覺識別、機(jī)器學(xué)習(xí)等智能技術(shù)，構(gòu)建質(zhì)量知識庫，定位質(zhì)量缺陷，自主根因分析，提供優(yōu)化建議。通過推進(jìn)信息化、數(shù)字化、智能化實(shí)現(xiàn)一貫制質(zhì)量閉環(huán)管控。

核心功能1：質(zhì)量設(shè)計(jì)自動展開，精準(zhǔn)識別客戶需求

質(zhì)量設(shè)計(jì)精確識別客戶需求，自動推理出各工序投入和產(chǎn)出物料的尺寸、數(shù)量，并進(jìn)行各工序的質(zhì)量參數(shù)、工藝參數(shù)的設(shè)計(jì)及形成檢化驗(yàn)要求、判定放行標(biāo)準(zhǔn)；可依據(jù)成材率最大化、帶出品最小化等規(guī)則實(shí)現(xiàn)生產(chǎn)訂單自動合并解決小訂單批量生產(chǎn)問題；當(dāng)質(zhì)量實(shí)績與質(zhì)量設(shè)計(jì)結(jié)果有差異時(shí)可實(shí)時(shí)依據(jù)知識庫對質(zhì)量設(shè)計(jì)結(jié)果進(jìn)行動態(tài)調(diào)整和工藝改進(jìn)。

材料設(shè)計(jì)根據(jù)生產(chǎn)設(shè)計(jì)參數(shù)表，獲取生產(chǎn)設(shè)計(jì)參數(shù)（松卷率、卷內(nèi)徑、卷外徑）及板坯重量限制(煉鋼能力)，得出板坯重量最大、最小；計(jì)算軋線設(shè)備能力：各工序按入口重量*成材率換算出口極限重量范圍，取得所有工序出口極限重量范圍交集，即軋線設(shè)備能力，得出最后工序重量最大、最小。質(zhì)量設(shè)計(jì)要素示意圖如圖4所示。

圖4 質(zhì)量設(shè)計(jì)要素示意圖 

核心功能2：全流程過程質(zhì)量自動判定

1)    基于客戶需求的分段判定

基于工業(yè)大數(shù)據(jù)平臺采集、融合后的數(shù)據(jù)，通過特征提取技術(shù)，針對不同客戶需求、不同品種牌號，以生產(chǎn)過程各工序質(zhì)量控制要求為基準(zhǔn)建立可配置的、分類分段的在線判定規(guī)則庫，實(shí)現(xiàn)煉鋼、熱軋和冷軋的全流程質(zhì)量在線判定。質(zhì)量在線判定對產(chǎn)品質(zhì)量做出的判斷，為產(chǎn)品的降級處理或分段銷售打下了基礎(chǔ)。

2)    過程質(zhì)量監(jiān)控及預(yù)警

為實(shí)現(xiàn)工藝過程參數(shù)的實(shí)時(shí)預(yù)警和機(jī)組判定，保證產(chǎn)品質(zhì)量全程一致性，對重要工藝過程參數(shù)、質(zhì)量參數(shù)進(jìn)行實(shí)時(shí)在線監(jiān)控、預(yù)警和判定，向操作人員提供作業(yè)預(yù)警信息，保證批次內(nèi)產(chǎn)品質(zhì)量穩(wěn)定性。另外為了保證產(chǎn)品過程質(zhì)量一致性，研發(fā)了基于規(guī)則推理的產(chǎn)品質(zhì)量在線判定引擎，對過程工藝參數(shù)和質(zhì)量參數(shù)進(jìn)行物料全長的評級，評級結(jié)果作為質(zhì)量判定的重要依據(jù)。

3)    基于AI技術(shù)的帶鋼表面識別

板帶鋼產(chǎn)品的表面質(zhì)量是最重要的評價(jià)指標(biāo)之一，板帶鋼保護(hù)渣、孔洞等缺陷不僅影響產(chǎn)品的外觀質(zhì)量，而且還會降低產(chǎn)品其它性能。表面判定模塊利用高效的數(shù)據(jù)采集技術(shù)、精準(zhǔn)的數(shù)據(jù)標(biāo)注技術(shù)、人工智能卷積神經(jīng)網(wǎng)絡(luò)（FCN）、缺陷特征提取，實(shí)現(xiàn)板帶鋼表面缺陷識別及在線判定。帶鋼表面缺陷識別技術(shù)方案實(shí)施步驟圖如圖5所示。

圖5 帶鋼表面缺陷識別技術(shù)方案實(shí)施步驟圖 

核心功能3：全流程質(zhì)量追溯及分析

1)    自定義SPC分析

全流程質(zhì)量追溯及分析將智能質(zhì)量過程判定和表面缺陷檢測分類形成的結(jié)構(gòu)和非結(jié)構(gòu)數(shù)據(jù)，都存儲到工業(yè)大數(shù)據(jù)平臺中。主要支撐質(zhì)量關(guān)鍵管控指標(biāo)監(jiān)控及分析、產(chǎn)品全流程過程質(zhì)量綜合評價(jià)、跨工序產(chǎn)品質(zhì)量交互分析與異常診斷、質(zhì)量異議快速反查和表面缺陷跨工序追溯等。同時(shí)利用過程能力圖、散點(diǎn)圖、箱線圖、Pareto 圖等多種常用統(tǒng)計(jì)分析圖進(jìn)行數(shù)據(jù)探索性分析，實(shí)現(xiàn)產(chǎn)品質(zhì)量的持續(xù)改進(jìn)。

2)    性能風(fēng)險(xiǎn)管控

性能風(fēng)險(xiǎn)管控集成業(yè)務(wù)規(guī)則和算法統(tǒng)一“一鍵式”完成性能分析及預(yù)測。提取關(guān)鍵業(yè)務(wù)流程，建立業(yè)務(wù)模型，進(jìn)行數(shù)據(jù)的收集，算法的集成，實(shí)現(xiàn)原本只有工程師們完成的眾多人工任務(wù)，通過模型“一鍵式”完成。判斷性能不合的原因，為內(nèi)外設(shè)計(jì)的優(yōu)化和現(xiàn)場的管控提供依據(jù)。通過企業(yè)微信推送工藝異常和性能整體情況。由階段性統(tǒng)計(jì)或者質(zhì)量異議反查事后行為，轉(zhuǎn)化為事中控制，推送現(xiàn)在針對性查看。由主動查詢分析原因到被動接收，直觀波動情況。

3)    智能切頭尾

質(zhì)量管控平臺利用深度挖掘算法，不斷擬合熱軋精軋出口處頭尾中心線偏移、楔形、平直度、厚度、凸度等關(guān)鍵控制點(diǎn)與缺陷的關(guān)系，根據(jù)頭尾表面及外觀缺陷等情況動態(tài)調(diào)整切刀數(shù)，以提高成材率、減少生產(chǎn)斷帶。

4)    表面缺陷分析

質(zhì)量管控平臺通過對帶鋼表面保護(hù)渣、結(jié)疤缺陷產(chǎn)生原因的建模確定缺陷產(chǎn)生工序及產(chǎn)生原因，針對缺陷指標(biāo)變化情況，快速尋找最優(yōu)設(shè)備工況及工藝狀態(tài)，以指導(dǎo)關(guān)鍵質(zhì)量設(shè)備改造及工藝優(yōu)化；針對模型分析結(jié)果固化關(guān)鍵工藝及關(guān)鍵質(zhì)量設(shè)備標(biāo)準(zhǔn)，并納入日常監(jiān)控，超標(biāo)時(shí)及時(shí)報(bào)警。

核心功能4：質(zhì)量異議一鍵式分析

針對性能、表面、板型三類質(zhì)量異議，依托大數(shù)據(jù)將各級可能導(dǎo)致質(zhì)量異議產(chǎn)生的信息進(jìn)行集成，包含材料基本信息、過程參數(shù)信息、質(zhì)檢判定信息、質(zhì)量設(shè)計(jì)標(biāo)準(zhǔn)信息等。實(shí)現(xiàn)對質(zhì)量異議進(jìn)行快速準(zhǔn)確的綜合分析，除快速響應(yīng)客戶訴求外，還能及時(shí)對質(zhì)量設(shè)計(jì)標(biāo)準(zhǔn)或工藝控制進(jìn)行整改。

方案通過物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)“人、機(jī)、料、法、環(huán)”等質(zhì)量全要素的快速感知；通過對過程質(zhì)量各要素設(shè)定閾值，“事中”實(shí)現(xiàn)質(zhì)量異常的實(shí)時(shí)報(bào)警；通過大數(shù)據(jù)、人工智能技術(shù)，“事后”分析質(zhì)量異常原因，構(gòu)建冶金質(zhì)量知識庫，輔助質(zhì)量工程師進(jìn)行質(zhì)量異議一鍵式分析；通過構(gòu)建質(zhì)量自主決策模型，為質(zhì)量管控自主決策提供依據(jù)。

  （1）   典型案例

案例1：產(chǎn)品規(guī)范智能推薦

首鋼股份隨著逐年個(gè)性化需求增加，從源頭支撐客戶需求精準(zhǔn)識別困難。通過大數(shù)據(jù)和建模技術(shù)，搭建產(chǎn)品規(guī)范智能推薦模型并應(yīng)用于公差能力的制定、詢單的響應(yīng)、選材推薦、和外設(shè)計(jì)的管理等業(yè)務(wù)場景，外設(shè)計(jì)分析效率提升98%。糾正合同錄錯(cuò)75起，降低質(zhì)量現(xiàn)貨0.52%；開裂率從1.02%降到了0.03%，累計(jì)修正外設(shè)計(jì)183個(gè)，對應(yīng)拓展極限規(guī)格50條，拓展公差2項(xiàng)，年帶來降損：1246萬元。功能示意圖如圖6所示。

圖6 典型案例1產(chǎn)品規(guī)范智能推薦示意圖 

案例2：表面智能判定

 首鋼股份對于帶鋼表面質(zhì)量的管理措施依靠表檢儀進(jìn)行缺陷檢測，現(xiàn)有表檢儀分類準(zhǔn)確率有待提高。基于圖像識別技術(shù)識別帶鋼表面缺陷，降低缺陷漏檢率。數(shù)據(jù)采集準(zhǔn)確率達(dá)100%，漏取率小于0.05%；判定小于3分鐘。投產(chǎn)后熱軋產(chǎn)線的彗星狀異物壓入，異物壓入，折疊，邊裂等重點(diǎn)缺陷的分類準(zhǔn)確率約85%，冷軋鍍鋅產(chǎn)線產(chǎn)生的保護(hù)渣、劃傷、結(jié)疤、漏鍍、孔洞、線性缺陷、鋅灰、鋅渣、鋅壓入等重點(diǎn)缺陷的分類準(zhǔn)確率達(dá)到85%。功能示意圖如圖7所示。

圖7 典型案例2表面智能判定示意圖 

案例3：基于數(shù)字模型的產(chǎn)品性能管控

 產(chǎn)品質(zhì)量性能與全流程的工藝參數(shù)相關(guān)，產(chǎn)品工程師需確定性能問題與工藝控制還是與內(nèi)外設(shè)計(jì)相關(guān)。分析時(shí)效性差。 1）相關(guān)性分析算法模型 分析煉鋼成分、熱軋工藝、冷軋工藝、性能，確定關(guān)鍵工藝參數(shù)及重要程度。2）采用隨機(jī)森林等集成方法對各性能項(xiàng)構(gòu)建多個(gè)決策樹并進(jìn)行回歸任務(wù)。“一鍵式”完成性能分析及訂單風(fēng)險(xiǎn)預(yù)測，由2小時(shí)變?yōu)?0分鐘，實(shí)現(xiàn)了產(chǎn)品性能預(yù)報(bào)。功能示意圖如圖8所示。

圖8 典型案例3基于數(shù)字模型的產(chǎn)品性能管控示意圖 

案例4：首鋼股份基于高頻時(shí)序曲線特征化板形評審

 質(zhì)量評審過程繁瑣，占用人工較大精力，且存在評審不及時(shí)，影響物料周轉(zhuǎn)。采用鋼卷工藝控制曲線解析方法，將工藝控制過程的高頻時(shí)序曲線數(shù)據(jù)進(jìn)行特征化，建立特征曲線庫，同時(shí)不斷的更新特征庫，實(shí)時(shí)提取高頻時(shí)序數(shù)據(jù)特征，采用相關(guān)系數(shù)法與均方根誤差方法相結(jié)合，計(jì)算曲線相似性，從而對當(dāng)前曲線進(jìn)行判定和評級，將評級結(jié)果與現(xiàn)場控制系統(tǒng)進(jìn)行傳遞，實(shí)現(xiàn)曲線等級判定和產(chǎn)品質(zhì)量進(jìn)行評估分析，輔助產(chǎn)品質(zhì)量等級的提升和改進(jìn)。功能示意圖如圖9所示。

圖9 典型案例4基于高頻時(shí)序曲線特征化板形評審 

案例5：表面缺陷全流程追溯

股份公司在成品出現(xiàn)表面質(zhì)量問題時(shí)需反查上游表面質(zhì)量和跟蹤下游演變，人工對表檢信息逐個(gè)比對。通過規(guī)則和模型計(jì)算相結(jié)合的方式，對表面缺陷分布等各種質(zhì)量相關(guān)信息綜合運(yùn)算，實(shí)現(xiàn)一貫制數(shù)據(jù)匹配、缺陷時(shí)空轉(zhuǎn)換、缺陷自動追溯，并進(jìn)行規(guī)律分析,從而推算缺陷產(chǎn)生的原因。實(shí)現(xiàn)提升上下游質(zhì)量缺陷原因分析效率30%，減少表面類缺陷造成的帶出品量、減少產(chǎn)線停機(jī)時(shí)間、減少疑難缺陷流出用戶造成的質(zhì)量異議問題，提高產(chǎn)品質(zhì)量。功能如圖10所示。

圖10 典型案例5表面缺陷全流程追溯

3    代表性及推廣價(jià)值

3.1  代表性

1)    形成一種基于知識圖譜的客戶問題閉環(huán)管控方法：基于鋼鐵質(zhì)量異議與工藝基礎(chǔ)知識，實(shí)現(xiàn)對關(guān)于機(jī)械性能方面的產(chǎn)品特性、質(zhì)量問題、原因分析、整改方案、質(zhì)量反查項(xiàng)等固有知識形成質(zhì)量圖譜，輔助客戶對產(chǎn)品機(jī)械性能質(zhì)量問題的發(fā)現(xiàn)、追溯與整改，形成閉環(huán)。同時(shí)利用自然語言提取技術(shù)，實(shí)現(xiàn)質(zhì)量知識的智能問答應(yīng)用，將知識圖譜輸出至應(yīng)用系統(tǒng)，輔助產(chǎn)品質(zhì)量工程師。

2)    形成集監(jiān)控、預(yù)測、報(bào)警、定位、分析一體的質(zhì)量管控新模式：綜合建模等技術(shù)，實(shí)現(xiàn)質(zhì)量全流程管理進(jìn)行“一鍵式”原因定位、異常預(yù)測及快速反饋推送，保證質(zhì)量設(shè)計(jì)自動可推薦、生產(chǎn)過程動態(tài)可監(jiān)測、異常信息預(yù)警可追溯，輔助精準(zhǔn)決策支持

3.2 推廣價(jià)值

該解決方案目前有4家企業(yè)在用，接入數(shù)據(jù)39284項(xiàng)，其中現(xiàn)場時(shí)序數(shù)據(jù)8431項(xiàng)、關(guān)系型數(shù)據(jù)16494項(xiàng)，每月磁盤實(shí)際增長量約3.23(三副本、有壓縮)T。

在效益評估方面，方案圍繞質(zhì)量設(shè)計(jì)、生產(chǎn)執(zhí)行、檢驗(yàn)委托、質(zhì)量分析、質(zhì)保書管理等內(nèi)容，拓寬傳統(tǒng)的制造視角，注重全流程的分析，對降低庫存、降低帶出品，減少質(zhì)量異議，提高成材率等方面起到數(shù)據(jù)支撐和決策輔助作用。

1)    現(xiàn)貨管理，自動識別現(xiàn)貨發(fā)生原因，制定相應(yīng)改進(jìn)措施，減少現(xiàn)貨發(fā)生率，帶出品率降低0.81%。

2)    合同一次通過率的不良品分析管控，準(zhǔn)確識別不良品問題，溯源發(fā)生原因，進(jìn)行整改，工作效率提升90%，可降低廢次降量、返修量和結(jié)轉(zhuǎn)量20%。

3)    質(zhì)量缺陷評審輔助，實(shí)現(xiàn)自動分切建議與自動評審處置意見，較人工定尺切損，大大降低了切損量，提高成材率，約0.46%。

4)    質(zhì)量投訴減少3件/月，質(zhì)保書一次傳遞成功率穩(wěn)定在99.95%以上；按交期集港的物料達(dá)95%，降低在港周期15%。

5)    綜合項(xiàng)目效益情況，保守估計(jì)年直接經(jīng)濟(jì)效益為1370萬元/年/企，其他由客戶服務(wù)提升、產(chǎn)品質(zhì)量提升、制造周期響應(yīng)等因素帶來的隱藏價(jià)值更高。

除產(chǎn)生直接經(jīng)濟(jì)價(jià)值以外，可提升企業(yè)的綜合管控水平。利用信息化、數(shù)字化、智能化手段提高，提高產(chǎn)品和服務(wù)質(zhì)量水平，增加客戶滿意度，提高市場占有率。同時(shí)利用建模挖掘出有價(jià)值的信息，智能地反饋給業(yè)務(wù)決策者，從而實(shí)現(xiàn)感知、分析、決策、調(diào)整等于一體的主動生產(chǎn)，進(jìn)而為用戶提供個(gè)性化的產(chǎn)品和服務(wù)，不斷提升客戶滿意度。