国内一流汽车制造企业零件质检
AI 零件质量风险预警系统深度实践

BERT & GBDT & 多源异构数据整合

资产总额

238 万平米占地

生产规模

年产 77 万台

区域分布

3 厂区 / 4 生产线

产品系列

7 系列 30 余车型

Profile

公司概况 / Corporate Profile

行业标杆企业

该汽车制造企业于 1998 年成立于广州市黄埔区。作为中国汽车工业的重要参与者,企业在黄埔与增城拥有先进的生产基地,总占地面积达 238 万平方米,具备年产 77 万台整车的强大生产能力。

企业曾荣获“中国最具成长性汽车企业”及“中国汽车 2021 年度企业”等重量级行业称号,其产品线覆盖七大系列、三十余种车型,是国内整车制造领域的绝对领导者。

项目背景 / 现状挑战

汽车由数以万计零部件组装而成,零部件的性能直接决定整车质量。核心零部件一旦出现质量缺陷,将给驾乘人员带来极大的安全隐患。因此,构建一套科学、实时的汽车零部件质量预警系统至关重要。

基于对安全与性能的极致追求,该企业对零部件制作技术与监控手段提出了行业顶级的更高要求。原有的分段式质量管理已无法满足快速扩张的市场需求,急需数字化手段实现“从未病先防”到“已病速治”的转变。

建设需求

  • 实时风险监测
    市场部门需实时掌握零部件质量状况,及时发现并提供预警建议。
  • 类案智能预测
    通过对历次故障案例的深度挖掘,建立零部件名称与故障的具体关联。

解决方案

基于自然语言处理(NLP)与机器学习的质量管控闭环架构。

Step 01

全量汇总数据

自动汇总包括媒体评论、维修站信息、技术咨询、800 售后、零件入库检测及海外总部测试数据。

Step 02

知识经验沉淀

将零散故障、测试、车架与品牌信息建立全面关联,形成可追溯的庞质量知识大库。

Step 03

NLP 深度学习

采用 BERT 和 GBDT 算法提取特征,并进行情感分析、风险等级及分类归因的多重 NLP 训练。

Step 04

风险分析报告

建立 34 个维度风险预警模型,分析结果精准推送到报告中,实现全自动风险预警。

项目价值

01

构建质量管控知识库

整合海量维保与测试经验,辅助质量工程师实现高效、全方位的故障分析,消减了过去由于信息碎片化导致的分析盲点。

02

驱动闭环持续创新

统筹打造“知识生产-知识沉淀-知识创造”的业务闭环。通过数字化平台积淀专业领域的长效体系,激发了企业整体的质量管理创新活力。

34 个
核心预警分析维度
100%
多源异地数据覆盖率