工業(yè)品生產(chǎn)企業(yè) AI 管理系統(tǒng)定制開發(fā)過程
去年年初，一家做汽車零部件生產(chǎn)的工業(yè)品企業(yè)找到我們成都小火科技公司，想定制一套 AI 管理系統(tǒng)。最開始跟他們溝通的時(shí)候，對(duì)方負(fù)責(zé)人倒了不少苦水，說之前用的通用生產(chǎn)管理系統(tǒng)根本滿足不了需求，生產(chǎn)過程中設(shè)備停機(jī)原因沒法自動(dòng)采集，導(dǎo)致故障響應(yīng)延遲，月均停工損失都有 50 多萬，而且生產(chǎn)數(shù)據(jù)分散在不同的系統(tǒng)里，管理層想查看 OEE（設(shè)備綜合效率）、工單完成率這些關(guān)鍵指標(biāo)，還得人工匯總數(shù)據(jù)，特別麻煩。
簽訂合同后，我們項(xiàng)目組立刻啟動(dòng)了需求診斷工作，組建了由 IT 部門、生產(chǎn)部、質(zhì)量部、計(jì)劃部及一線員工代表組成的聯(lián)合工作組，用了 4 周時(shí)間梳理他們的生產(chǎn)流程，從訂單接收、物料準(zhǔn)備、生產(chǎn)執(zhí)行、質(zhì)量檢驗(yàn)到入庫出庫，每個(gè)環(huán)節(jié)都摸得很清楚。我們還采用魚骨圖分析法找出了生產(chǎn)過程中的痛點(diǎn)，除了設(shè)備停機(jī)問題，還有生產(chǎn)排產(chǎn)不合理、質(zhì)量追溯難等問題，之后跟甲方一起確定了需求優(yōu)先級(jí)，把設(shè)備狀態(tài)可視化和生產(chǎn)排產(chǎn)優(yōu)化列為高優(yōu)先級(jí)功能。
技術(shù)架構(gòu)設(shè)計(jì)階段，我們考慮到工業(yè)品生產(chǎn)企業(yè)的業(yè)務(wù)復(fù)雜性，采用了微服務(wù)架構(gòu)，把系統(tǒng)拆分為計(jì)劃管理、排產(chǎn)管理、報(bào)工管理、質(zhì)量管理、設(shè)備維護(hù)等多個(gè)獨(dú)立服務(wù)，這樣后續(xù)某個(gè)模塊需要升級(jí)或擴(kuò)容時(shí)，不會(huì)影響其他功能的正常運(yùn)行。后端技術(shù)棧選擇了 Go 語言 + Gin 框架，因?yàn)?Go 語言的并發(fā)處理能力強(qiáng)，能支持生產(chǎn)過程中的高負(fù)載場(chǎng)景，比如訂單高峰期的并發(fā)處理。數(shù)據(jù)庫方面，MySQL 用于存儲(chǔ)結(jié)構(gòu)化的用戶信息和生產(chǎn)訂單數(shù)據(jù)，MongoDB 則用來處理設(shè)備運(yùn)行日志等非結(jié)構(gòu)化數(shù)據(jù)。
核心功能開發(fā)上，設(shè)備狀態(tài)可視化模塊是重點(diǎn)，我們接入了企業(yè)生產(chǎn)設(shè)備的 PLC 數(shù)據(jù)，實(shí)時(shí)采集設(shè)備的運(yùn)行狀態(tài)、溫度、轉(zhuǎn)速等參數(shù)，通過 AI 算法分析設(shè)備數(shù)據(jù)，當(dāng)檢測(cè)到設(shè)備異常時(shí)，系統(tǒng)會(huì)自動(dòng)觸發(fā)報(bào)警，同時(shí)推送維修工單給對(duì)應(yīng)的維修人員，維修人員通過手機(jī) APP 就能接收工單，還能查看設(shè)備的歷史故障記錄和維修指南。為了讓管理層更直觀地了解設(shè)備情況，我們?cè)O(shè)計(jì)了設(shè)備狀態(tài)看板，用不同顏色標(biāo)注設(shè)備的運(yùn)行、停機(jī)、維修狀態(tài)，OEE 數(shù)據(jù)也能實(shí)時(shí)更新，管理層打開系統(tǒng)就能看到。
生產(chǎn)排產(chǎn)模塊我們開發(fā)了 AI 動(dòng)態(tài)排產(chǎn)算法，系統(tǒng)會(huì)根據(jù)訂單優(yōu)先級(jí)、物料庫存、設(shè)備產(chǎn)能等因素自動(dòng)生成排產(chǎn)計(jì)劃，比如當(dāng)某批訂單交貨期臨近時(shí)，算法會(huì)優(yōu)先安排生產(chǎn)，要是遇到設(shè)備突發(fā)故障，還能自動(dòng)調(diào)整其他訂單的生產(chǎn)順序。之前甲方人工排產(chǎn)需要 2 - 3 天時(shí)間，用了我們的 AI 排產(chǎn)功能后，1 小時(shí)就能完成排產(chǎn)，而且排產(chǎn)準(zhǔn)確率提升了 80%。報(bào)工管理模塊支持一線員工通過掃碼報(bào)工，員工用手機(jī)掃描工單二維碼，就能填寫生產(chǎn)數(shù)量、合格數(shù)量等信息，系統(tǒng)會(huì)自動(dòng)統(tǒng)計(jì)工單完成率，還能對(duì)比實(shí)際生產(chǎn)進(jìn)度和計(jì)劃進(jìn)度，出現(xiàn)偏差時(shí)及時(shí)提醒管理人員。
質(zhì)量管理模塊實(shí)現(xiàn)了從原材料到成品的全程追溯，原材料入庫時(shí)會(huì)生成唯一的二維碼，生產(chǎn)過程中每個(gè)環(huán)節(jié)都會(huì)掃碼記錄，要是成品檢測(cè)不合格，通過系統(tǒng)就能追溯到原材料批次、生產(chǎn)設(shè)備、操作人員等信息，快速定位問題原因。我們還集成了 AI 視覺檢測(cè)功能，在生產(chǎn)線上安裝攝像頭，實(shí)時(shí)拍攝產(chǎn)品外觀，AI 算法會(huì)自動(dòng)檢測(cè)產(chǎn)品的瑕疵缺陷，檢測(cè)準(zhǔn)確率達(dá)到了 98%，比人工檢測(cè)效率提升了 3 倍。
開發(fā)過程中，我們遇到了一個(gè)小插曲，甲方在開發(fā)中期提出想增加能耗統(tǒng)計(jì)功能，按理說變更需求可能會(huì)影響開發(fā)周期，但我們之前在架構(gòu)設(shè)計(jì)時(shí)預(yù)埋了擴(kuò)展接口，所以很快就完成了能耗統(tǒng)計(jì)模塊的開發(fā)，沒有耽誤整體進(jìn)度。測(cè)試階段，我們模擬了 1000 個(gè)訂單同時(shí)生產(chǎn)的場(chǎng)景，檢測(cè)系統(tǒng)的穩(wěn)定性，發(fā)現(xiàn)生產(chǎn)數(shù)據(jù)查詢有點(diǎn)慢，我們通過優(yōu)化數(shù)據(jù)庫索引，把查詢時(shí)間從 5 秒縮短到了 1 秒以內(nèi)。
上線時(shí)，我們選擇了 1 條產(chǎn)線作為試點(diǎn)，運(yùn)行 2 周后，設(shè)備綜合效率提升了 15%，人工報(bào)工時(shí)間減少了 30%，甲方看到效果后，才讓我們?cè)谌珡S推廣。推廣過程中，我們根據(jù)不同崗位設(shè)計(jì)了差異化的培訓(xùn)方案，管理人員側(cè)重看板解讀和異常處理邏輯，一線操作員則重點(diǎn)培訓(xùn)掃碼報(bào)工和設(shè)備異常上報(bào)，技術(shù)支持人員我們提供了后臺(tái)配置和日志查看的培訓(xùn)。
上線后，我們提供了 1 年免費(fèi)運(yùn)維服務(wù)，期間時(shí)不時(shí)會(huì)收到甲方的反饋，比如有一次他們反映 AI 排產(chǎn)算法在應(yīng)對(duì)緊急訂單時(shí)不夠靈活，我們團(tuán)隊(duì)立刻跟進(jìn)，優(yōu)化了算法模型，增加了緊急訂單的權(quán)重參數(shù)，問題很快就解決了。現(xiàn)在這套系統(tǒng)已經(jīng)運(yùn)行了 1 年多，甲方的月均停工損失減少到了 10 萬以內(nèi)，生產(chǎn)效率提升了 25%，他們還把我們推薦給了同行業(yè)的其他企業(yè)。成都小火科技有限公司的官網(wǎng)http://www.zeyuandiaosu.com/上有更多我們做過的工業(yè)類項(xiàng)目案例，有需要的企業(yè)可以去看看，我們公司現(xiàn)有員工 86 人，技術(shù)人員占比高達(dá) 85%，完全有能力承接各類工業(yè)品生產(chǎn)企業(yè) AI 管理系統(tǒng)的定制開發(fā)。
文章來源網(wǎng)址：http://www.zeyuandiaosu.com/archives/xitongkaifa01/2553，轉(zhuǎn)載請(qǐng)注明出處！
19113551853
