RM新时代网站-首页

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

CMMM模型案例全解讀

海岸君科技說 ? 來源:海岸君科技說 ? 作者:海岸君科技說 ? 2023-04-09 22:48 ? 次閱讀

pYYBAGQy0ByAeMo5AAA1taQBb8Y538.jpg

燈塔一詞,早已脫離開航海歷史而進入更大范圍,成為一種指引方向、點亮希望的象征。假如把制造業(yè)也看做一汪廣闊的海洋,站在智能制造轉型升級的十字路口,燈塔在何方?

讓我們把目光投向“燈塔工廠”。燈塔工廠項目,由達沃斯世界經(jīng)濟論壇與管理咨詢公司麥肯錫合作展開遴選,被譽為“世界上最先進的工廠”,代表著全球智能制造的最高水平。據(jù)最新數(shù)據(jù),全球“燈塔工廠”數(shù)量達到132家,中國的“燈塔工廠”增至50家,持續(xù)排名全球第一。

在這里先給自己打個廣告,接下來我們將用一到兩篇文章,對“燈塔工廠”做一個詳盡而深入的解讀,有興趣或有意向入選“燈塔工廠”的企業(yè)不妨點點關注。

01 全局統(tǒng)籌,深度賦能

CMMM智能制造能力成熟度模型

言歸正傳,“燈塔工廠”既有標桿示范的榜樣意義,也可看做一種關鍵信號,激勵更多企業(yè)在智能制造轉型升級浪潮中奮勇爭先。

只不過,當智能制造步入發(fā)展快車道,“眉毛胡子兩手抓”的形式得放一放了,我們需要有更清晰的參考助力:一個是如燈塔工廠一般的引領標桿,一個是足夠有力的行業(yè)標準。前者是后者的呈現(xiàn)載體,后者是前者的判斷依據(jù)。

在去年末的世界智能制造大會主論壇上,《中國智能制造發(fā)展研究報告:能力成熟度》(CMMM2.0)正式發(fā)布,創(chuàng)新性地提出了CMMM是可拆解、可組合、可配置的柔性模式,并從企業(yè)應用視角出發(fā),為企業(yè)持續(xù)提升自身智能制造能力,提供了全局視角、成熟理論和實施路徑。

經(jīng)過數(shù)年發(fā)展,CMMM從早期的“智能+制造”兩個維度模型,優(yōu)化至覆蓋人員、技術、資源、制造四大要素,從10個核心能力域增加到20個,幫助企業(yè)定位當前的能力水平和實施成效,有效指導智能制造建設,從而提升和優(yōu)化制造過程。

智能制造能力成熟度可從低到高劃分為五個等級——

1. 一級·規(guī)劃級

企業(yè)應開始對實施智能制造的基礎和條件進行規(guī)劃,能夠對核心業(yè)務活動(設計、生產、物流、銷售、服務)進行流程化管理

2. 二級·規(guī)范級

企業(yè)應采用自動化技術、信息技術手段對核心裝備和核心業(yè)務活動等進行改造和規(guī)范,實現(xiàn)單一業(yè)務活動的數(shù)據(jù)共享

3. 三級·集成級

企業(yè)應對裝備、系統(tǒng)等開展集成,實現(xiàn)跨業(yè)務活動間的數(shù)據(jù)共享

4. 四級·優(yōu)化級

企業(yè)應對人員、資源、制造等進行數(shù)據(jù)挖掘,形成知識、模型等,實現(xiàn)對核心業(yè)務活動的精準預測和優(yōu)化

5. 五級·引領級

企業(yè)應基于模型持續(xù)驅動業(yè)務活動的優(yōu)化和創(chuàng)新,實現(xiàn)產業(yè)鏈協(xié)同并衍生新的制造模式和商業(yè)模式

02 從能力要素與能力域

淺看日式制造的“沒落”

除等級外,能力要素、能力域/子域也是CMMM模型結構中的重要組成部分。

能力要素是企業(yè)實施智能制造必須的條件。人員、資源、技術作為支撐要素,制造作為核心要素,體現(xiàn)了人員通過資源、技術來不斷改善制造的過程。

而由此衍生的能力域和能力子域則被統(tǒng)稱為過程域。在人員、資源、技術三個要素下有7個基礎過程域,在制造要素下有13個制造過程域,共計20個。

CMMM模型好比一張標記了沿途各站任務點的地圖,按照地圖挨個打卡,就能按部就班、按圖索驥地走到最終目的地。

而一旦錯過或者“偏科”,就有可能要承擔風險。這一方面的典型案例是日本。日本的制造業(yè)以人為中心,工廠中的問題一般都由現(xiàn)場員工自己發(fā)現(xiàn)、自己解決、自己改善,然后以此提高整體生產質量水平。

但在數(shù)字化變革不同程度地席卷全球的當下,這種模式很難與自上而下的數(shù)字化、智能化兼容了——建立互聯(lián)互通的工廠與現(xiàn)場已是必要,制造和信息、技術融合,能為決策提供以往所不能達到的效率。

poYBAGQy0B-Af8i4AAUj1X7DJv4038.jpg

20個過程域

所以,曾經(jīng)以精細和高品質在國內市場大行其道、一句“開不壞的豐田”為無數(shù)人所津津樂道的日式制造,似乎從某個時間節(jié)點開始,逐漸失去了自己的存在感。在“神戶制鋼數(shù)據(jù)造假”“三菱油耗造假”丑聞接連曝光后,更是有人直接追問:日本制造業(yè)已經(jīng)徹底走下神壇了嗎?

我們不妨將其看做某個切面:當時代對敏捷、高效提出了更高的要求,具備全局思維就成為必要,能力子域一旦失衡,便會造成競爭的失利。

那么,我們應該怎樣預防或者說阻止這種失衡,破除企業(yè)經(jīng)營短板,找到智能制造建設工作的正確發(fā)力點呢?

答案或許在于對各個單點的深度突破。

03 單點深度突破案例

基于數(shù)字化思維的FMEA過程控制

數(shù)字化研發(fā)設計、自組織柔性生產、自組織物流、敏捷供應鏈、基于價值的服務、可持續(xù)制造、設備全生命周期管理、數(shù)字化培養(yǎng),是CMMM的八大典型模式價值識別圖譜。

本期案例智,我們將以柔性生產為目標,為各位帶來基于數(shù)字化思維的FMEA過程控制案例。

我們都知道,制造業(yè)早已過了以規(guī)模論成敗的階段,消費者差異化的需求越明顯,就越倒逼制造業(yè)向個性化制造轉型。企業(yè)要攻克的課題越來越多,不論是消費者需求、還是生產異常、潛在失效風險,怎么依托關鍵大數(shù)據(jù),定制需求的柔性化、智能化、高敏捷的產品,將成為核心競爭力所在。

K客戶是一家家電制造企業(yè),當前面臨的主要問題恰好就在用戶差異化需求的沖擊上,在通過線上初步答題診斷和不間斷幾輪面談咨詢后,我們對K客戶的組織戰(zhàn)略、人員技能、數(shù)據(jù)、設備、生產作業(yè)等方面有了一個較為全面的評估結果。

最后,在K公司所提的制造過程“參數(shù)管理質量環(huán)”要求下,我們?yōu)槠浯罱艘惶谆谟脩趔w驗差異化需求、基于制造失效影響及影響分析(PFMEA)的全面可視化的制造過程質量管理體系。

FMEA技術不僅是對過程中的風險進行識別控制,更是直接貫穿到整個生命周期。以某款新冰箱的箱體發(fā)泡工藝為例:依據(jù)產品設計和開發(fā)輸出的要求,我們劃分出7個步驟,來對冰箱的制造過程進行設計和開發(fā)。

1. 確定過程分析范圍

確定分析的范圍為箱體發(fā)泡工藝,從殼體預熱、夾具固定,到注料,再到最終的光學檢測,這一階段的制造過程工藝流程圖,是基于產品開發(fā)與設計(FMEA)輸出的產品框圖(裝配層級及順序)來的。

范圍的確定有助于FMEA團隊更準確地分析過程,將優(yōu)勢資源集中于優(yōu)先級較高的過程中。

2. 過程結構分析

結構分析是整個FMEA的基礎階段,我們可以通過過程流程圖或結構樹的形式定義流程;基于人機料環(huán)等4M要素,找出影響過程的所有要素。

例如這里的注料過程,其影響要素就有操作員、機器設備、工裝夾具以及環(huán)境溫濕度。

3. 過程功能分析

功能分析是整個FMEA的核心階段,目的是確保產品/過程的預期功能/要求能夠實現(xiàn)。需要通過技術性語言進行描述。

這里我們還是以注料為例,注料后的箱體前臉平整度、飄偏度需要滿足工藝要求,這里提出的是對產品特性的要求。那我們再來看下影響產品特性的過程特性有哪些要求,需要通過4M要素進行拆解。以箱體飄偏度為例,通過特性矩陣能看到,飄偏度受氣動壓力與脫模間隙影響。

轉化成技術性語言便是:氣動壓力5~8pa;脫模間隙<0.05mm。通過識別各層級功能和要求后,開展產品特性與過程特性之間的關聯(lián)性分析,進而建立功能網(wǎng)。

4. 過程失效分析

所謂失效就是指上一步功能分析中的功能/要求無法滿足。過程步驟,要實現(xiàn)的功能無法滿足即為失效模式;過程工作要素,要實現(xiàn)的功能無法滿足,即為失效原因;因失效模式,而對整個過程項造成的影響即為失效影響。

我們不僅要分析當前已知的失效,對可能發(fā)生的未知失效同樣需要分析。同時要確定三者的關聯(lián)關系,在功能網(wǎng)的基礎上,進一步建立失效網(wǎng)。

5. 過程風險分析

需要完成對三個度(嚴重度、發(fā)生度、探測度)的評價。嚴重度表示失效影響的嚴重程度,考慮三個方面:1)對廠內的影響;2)對直接發(fā)運工廠的影響;3)對最終用戶的影響。

發(fā)生度可以簡單理解為失效模式發(fā)生的可能性,需要結合當前的預防措施來評價??梢酝ㄟ^計算ppm、cpk得出相對準確的判斷。

探測度則表示當前探測措施的有效性,能否及時準確的找出失效的產品,是我們判斷的標準。一般通過檢驗或實驗來完成探測。其有效性的判定,很大程度上取決于是否做過MSA。

通過對三個度的評價我們可以標記出特殊特性,并對其重點關注,同時對后續(xù)將要采取的措施優(yōu)先級進行排序,之后就可以調集企業(yè)資源優(yōu)先對高AP項采取控制。

6. 過程控制方法優(yōu)化

對高AP項優(yōu)先采取控制措施,并且驗證這些措施的有效性,然后重新評估風險,將驗證有效的措施同步到控制計劃當中去執(zhí)行。通過不斷的優(yōu)化可將風險降至最低。

FMEA不斷更新的目的就是為了持續(xù)改善,不斷降低風險,確保過程穩(wěn)健。

7. 過程標準固化

這是一個總結FMEA經(jīng)驗的過程,需要借助軟件建立企業(yè)FMEA、家族FMEA、知識庫、措施庫等,將FMEA經(jīng)驗固化沉淀。

我們將AQP FMEA和PQM(專業(yè)版QMS)及其他系統(tǒng)數(shù)據(jù)間的串聯(lián)通道打通,時刻保證FMEA文件的動態(tài)更新,進而指導K客戶質量的持續(xù)改善,保證生產線在大批量生產和小批量生產之間任意切換。

正如CMMM模型所指示的一樣,過程控制是企業(yè)經(jīng)營發(fā)展當中的重要一環(huán),而非唯一一環(huán),后續(xù)我們仍將持續(xù)建設本專欄,力圖提供更多案例參考,促成企業(yè)多維度發(fā)展建設,強化“多邊形”能力。

歡迎訂閱我們。

審核編輯黃宇


聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 數(shù)字化
    +關注

    關注

    8

    文章

    8708

    瀏覽量

    61726
  • FMEA
    +關注

    關注

    1

    文章

    96

    瀏覽量

    13606
  • 智能制造
    +關注

    關注

    48

    文章

    5549

    瀏覽量

    76314
收藏 人收藏

    評論

    相關推薦

    博聯(lián)AI大模型屋智能亮相2024中國建博會

    2024中國建博會(廣州)在廣交會展館及保利世貿博覽館盛大啟幕。 BroadLink博聯(lián)智能攜AI大模型屋智能以及AI商業(yè)照明解決方案驚喜亮相, 全方位展示AI大模型在智能家居領域的前沿應用成果。
    的頭像 發(fā)表于 09-12 15:46 ?417次閱讀

    解讀PyTorch模型訓練過程

    PyTorch作為一個開源的機器學習庫,以其動態(tài)計算圖、易于使用的API和強大的靈活性,在深度學習領域得到了廣泛的應用。本文將深入解讀PyTorch模型訓練的全過程,包括數(shù)據(jù)準備、模型構建、訓練循環(huán)、評估與保存等關鍵步驟,并結合
    的頭像 發(fā)表于 07-03 16:07 ?1045次閱讀

    使用PyTorch搭建Transformer模型

    Transformer模型自其問世以來,在自然語言處理(NLP)領域取得了巨大的成功,并成為了許多先進模型(如BERT、GPT等)的基礎。本文將深入解讀如何使用PyTorch框架搭建Transformer
    的頭像 發(fā)表于 07-02 11:41 ?1589次閱讀

    華為HDC 2024看點 華為云盤古大模型5.0正式發(fā)布

    、建筑設計、具身智能、媒體生產和應用、高鐵、鋼鐵、氣象等領域的豐富創(chuàng)新應用和落地實踐,持續(xù)深入行業(yè)解難題。 此外,華為諾亞方舟實驗室主任姚駿、華為云CTO張宇昕分別就盤古大模型5.0技術解密和華為云棧系統(tǒng)性創(chuàng)新發(fā)表主題演講,詳細解讀
    的頭像 發(fā)表于 06-23 11:41 ?1331次閱讀
    華為HDC 2024看點  華為云盤古大<b class='flag-5'>模型</b>5.0正式發(fā)布

    智能制造能力成熟度模型是什么?

    智能制造能力成熟度模型(Capability Maturity Model for Manufacture,簡稱CMMM)描述了智能制造從初始狀態(tài)向高級階段的發(fā)展過程,將其分解為若干級別(階段
    的頭像 發(fā)表于 06-12 11:25 ?681次閱讀
    智能制造能力成熟度<b class='flag-5'>模型</b>是什么?

    【大語言模型:原理與工程實踐】大語言模型的評測

    在知識獲取、邏輯推理、代碼生成等方面的能力。這些評測基準包括語言建模能力、綜合知識能力、數(shù)學計算能力、代碼能力和垂直領域等多個維度。對于微調模型,對話能力的評測關注模型在對話任務中的維度能力,而
    發(fā)表于 05-07 17:12

    商湯科技聯(lián)合海通證券發(fā)布多模態(tài)棧式大模型

    商湯科技近日隆重推出了其最新研發(fā)的“日日新SenseNova 5.0”大模型體系,并與海通證券攜手,共同發(fā)布了業(yè)內首個專為金融行業(yè)量身打造的多模態(tài)棧式大模型。此次強強聯(lián)合旨在加速大模型
    的頭像 發(fā)表于 05-07 14:15 ?467次閱讀

    商湯科技與海通證券攜手發(fā)布金融行業(yè)首個多模態(tài)棧式大模型

    商湯科技與海通證券聯(lián)合研發(fā)并發(fā)布了金融行業(yè)內首個面向多業(yè)務場景的多模態(tài)棧式大模型。雙方計劃將這一先進技術應用于智能問答、合規(guī)風控、代碼輔助以及辦公助手等關鍵業(yè)務領域,以實現(xiàn)大模型技術的全面落地。
    的頭像 發(fā)表于 05-06 10:16 ?454次閱讀

    【大語言模型:原理與工程實踐】大語言模型的基礎技術

    模型架構奠定基礎。然后,引介一些經(jīng)典的預訓練模型,如BERT、GPT等。最后,解讀ChatGPT和LLaMA系列模型,幫助讀者初步感知大語言模型
    發(fā)表于 05-05 12:17

    商湯科技聯(lián)合海通證券發(fā)布業(yè)內首個面向金融行業(yè)的多模態(tài)棧式大模型

    4月23日,商湯科技正式推出“日日新SenseNova 5.0”大模型體系,并與海通證券聯(lián)合發(fā)布業(yè)內首個面向金融行業(yè)的多模態(tài)棧式大模型。
    的頭像 發(fā)表于 04-26 09:48 ?456次閱讀
    商湯科技聯(lián)合海通證券發(fā)布業(yè)內首個面向金融行業(yè)的多模態(tài)<b class='flag-5'>全</b>棧式大<b class='flag-5'>模型</b>

    百度首席技術官王海峰解讀文心大模型的關鍵技術和最新進展

    4月16日,以“創(chuàng)造未來”為主題的Create 2024百度AI開發(fā)者大會在深圳國際會展中心成功舉辦。百度首席技術官王海峰以“技術筑基,星河璀璨”為題,發(fā)表演講,解讀了智能體、代碼、多模型等多項文心大模型的關鍵技術和最新進展。
    的頭像 發(fā)表于 04-18 09:20 ?691次閱讀
    百度首席技術官王海峰<b class='flag-5'>解讀</b>文心大<b class='flag-5'>模型</b>的關鍵技術和最新進展

    從訓練到推理,AI 大模型發(fā)展有哪五大趨勢?IDC專家最新解讀

    生成式AI支出在全球和中國有什么差異?2024年AI大模型將呈現(xiàn)哪些新的發(fā)展趨勢?全球AI基礎設施市場規(guī)模預測?4月16日,在IDC的ICT產業(yè)趨勢峰會上,來自IDC中國區(qū)副總裁兼首席分析師武連和IDC中國區(qū)副總裁鐘振山做了詳細的解讀。
    的頭像 發(fā)表于 04-17 16:07 ?2202次閱讀
    從訓練到推理,AI 大<b class='flag-5'>模型</b>發(fā)展有哪五大趨勢?IDC專家最新<b class='flag-5'>解讀</b>

    模型微調開源項目流程

    對于所有“基座”(Base)模型,–template 參數(shù)可以是 default, alpaca, vicuna 等任意值。但“對話”(Chat)模型請務必使用對應的模板。
    的頭像 發(fā)表于 03-13 14:56 ?868次閱讀
    大<b class='flag-5'>模型</b>微調開源項目<b class='flag-5'>全</b>流程

    Stage 模型深入解讀

    HarmonyOS 3.1 版本(API 9)推出了全新應用開發(fā)模型 - Stage 模型,該模型重新定義了應用開發(fā)的能力邊界,從應用開發(fā)模型的角度,支持多窗口形態(tài)下統(tǒng)一的應用組件生命
    的頭像 發(fā)表于 02-18 09:28 ?1144次閱讀
    Stage <b class='flag-5'>模型</b>深入<b class='flag-5'>解讀</b>

    如何優(yōu)化深度學習模型?

    因為大部分人使用的模型都是預訓練模型,使用的權重都是在大型數(shù)據(jù)集上訓練好的模型,當然不需要自己去初始化權重了。只有沒有預訓練模型的領域會自己初始化權重,或者在
    發(fā)表于 01-29 14:25 ?2905次閱讀
    如何優(yōu)化深度學習<b class='flag-5'>模型</b>?
    RM新时代网站-首页