廣汽本田基于DST-PDCA框架開(kāi)展智能制造與數(shù)字化轉(zhuǎn)型實(shí)踐

隨著時(shí)代的發(fā)展與進(jìn)步，我國(guó)已將智能制造（Intelligent Manufacturing，IM）/數(shù)字化轉(zhuǎn)型（Digital Transformation，DX）作為制造業(yè)未來(lái)發(fā)展的重要方向，也是支持制造業(yè)從高速發(fā)展向高質(zhì)量發(fā)展的重要推動(dòng)手段。近年來(lái)，很多大小型制造企業(yè)紛紛加入到IM/DX的行列，開(kāi)始大量投入資金，但部分項(xiàng)目實(shí)際效果卻不如預(yù)期，其原因是缺乏系統(tǒng)化思考與有效的項(xiàng)目評(píng)估。

很多企業(yè)在推進(jìn)相關(guān)IM/DX工作時(shí)多為效仿，缺少對(duì)企業(yè)自身存在問(wèn)題原因分析，在總體規(guī)劃、目標(biāo)制定、方案評(píng)審、效果評(píng)估方面相對(duì)薄弱，缺少閉環(huán)管理；在項(xiàng)目推進(jìn)中往往采取業(yè)務(wù)外包，外包的技術(shù)廠商難以在短時(shí)間內(nèi)準(zhǔn)確把握企業(yè)自身業(yè)務(wù)痛點(diǎn)與真實(shí)需求，導(dǎo)致在IM/DX推進(jìn)中困難重重，效果難以保證；項(xiàng)目完工后，因之前缺少與目標(biāo)的聯(lián)動(dòng)評(píng)審，致使效果難以真正體現(xiàn)在生產(chǎn)運(yùn)營(yíng)中，對(duì)成本、品質(zhì)、效率貢獻(xiàn)有限，甚至導(dǎo)致效率降低，以上都是近年來(lái)IM/DX中的常見(jiàn)問(wèn)題。為此，本文通過(guò)梳理產(chǎn)業(yè)政策與行業(yè)態(tài)勢(shì)，提出在檢討IM/DX項(xiàng)目時(shí)，需采取科學(xué)的策劃與管理方法，文中提出建立以DST-PDCA為基礎(chǔ)框架的分析模式，助力企業(yè)在IM/DX項(xiàng)目推進(jìn)中做好立項(xiàng)評(píng)審、過(guò)程推進(jìn)及效果評(píng)估，旨在為我國(guó)企業(yè)實(shí)施智能制造和數(shù)字化轉(zhuǎn)型提供借鑒參考。

1 IM/DX概述

1.1 定義、內(nèi)涵與作用

智能制造與數(shù)字化轉(zhuǎn)型本質(zhì)是把機(jī)器智能融合于制造的各種活動(dòng)中，滿足企業(yè)相應(yīng)的目標(biāo)要求。國(guó)家工業(yè)和信息化部、財(cái)政部發(fā)布的《智能制造發(fā)展規(guī)劃（2016—2020年）》中指出：“智能制造是基于新一代信息通信技術(shù)與先進(jìn)制造技術(shù)深度融合，貫穿于設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動(dòng)的各個(gè)環(huán)節(jié)，具有自感知、自學(xué)習(xí)、自決策、自執(zhí)行、自適應(yīng)等功能的新型生產(chǎn)方式?！斌w現(xiàn)在智能制造的技術(shù)基礎(chǔ)與應(yīng)用的各個(gè)環(huán)節(jié)。智能制造的核心是數(shù)據(jù)驅(qū)動(dòng)，需要有數(shù)據(jù)的支持，因此數(shù)字化是實(shí)現(xiàn)智能制造的前提。由此可知，IM/DX的內(nèi)涵是利用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等先進(jìn)技術(shù)認(rèn)識(shí)、控制和駕馭制造系統(tǒng)，達(dá)到降本增效、提升質(zhì)量的目標(biāo)。

廣汽集團(tuán)“十四五規(guī)劃”的智能制造行動(dòng)，提出通過(guò)電氣化、智聯(lián)化、數(shù)字化、共享化、國(guó)際化五大提升實(shí)現(xiàn)集團(tuán)高質(zhì)量發(fā)展。在汽車新四化進(jìn)程中，應(yīng)用智能制造，實(shí)現(xiàn)新一代信息通信技術(shù)與先進(jìn)制造技術(shù)深度融合。工業(yè)制造存在大量的重復(fù)性場(chǎng)景，如設(shè)備點(diǎn)檢、品質(zhì)檢查、零件手工安裝等，在機(jī)器視覺(jué)、機(jī)器學(xué)習(xí)等智能化技術(shù)助力下，可依靠智能化設(shè)備及系統(tǒng)輔助完成，大幅提升傳統(tǒng)企業(yè)生產(chǎn)效率。

1.2 國(guó)內(nèi)外IM/DX發(fā)展情況

IM/DX是全球制造業(yè)變革的重要方向，給人類經(jīng)濟(jì)和社會(huì)可持續(xù)發(fā)展展示了美好前景，各國(guó)紛紛出臺(tái)相關(guān)戰(zhàn)略規(guī)劃：2012年，美國(guó)發(fā)布“先進(jìn)制造業(yè)國(guó)家戰(zhàn)略計(jì)劃”，大力推動(dòng)以“工業(yè)互聯(lián)網(wǎng)”和“新一代機(jī)器人”為特征的智能制造戰(zhàn)略布局；2013年，德國(guó)實(shí)施“工業(yè)4.0”戰(zhàn)略，鞏固其制造業(yè)領(lǐng)先地位；作為全球工業(yè)機(jī)器人裝機(jī)數(shù)量最多的國(guó)家，日本政府于2015年1月發(fā)布《機(jī)器人新戰(zhàn)略》。2015年，我國(guó)出臺(tái)制造強(qiáng)國(guó)中長(zhǎng)期發(fā)展戰(zhàn)略規(guī)劃《中國(guó)制造2025》，全面部署并推進(jìn)制造強(qiáng)國(guó)戰(zhàn)略實(shí)施，堅(jiān)持創(chuàng)新驅(qū)動(dòng)，智能轉(zhuǎn)型，強(qiáng)化基礎(chǔ)，綠色發(fā)展，加快我國(guó)從制造大國(guó)向制造強(qiáng)國(guó)轉(zhuǎn)變。

前瞻產(chǎn)業(yè)研究院在2019年頒布《中國(guó)智能制造發(fā)展現(xiàn)狀及趨勢(shì)分析報(bào)告》里提到：目前，中國(guó)仍處于“工業(yè)2.0”（電氣化）的后期階段，產(chǎn)業(yè)結(jié)構(gòu)不佳、資源轉(zhuǎn)化率低、質(zhì)量基礎(chǔ)較為落后、行業(yè)信息化水平薄弱、勞動(dòng)力成本持續(xù)提升?！肮I(yè)3.0”（信息化）進(jìn)一步提升空間較大，“工業(yè)4.0”（智能化）以試點(diǎn)形式開(kāi)展為主，制造的自動(dòng)化和信息化已逐步布局推廣。

目前各行業(yè)中通過(guò)智能制造，創(chuàng)新了生產(chǎn)方式和銷售方式，實(shí)現(xiàn)了效率的大幅提升，其中汽車行業(yè)尤其具有代表性，如廣汽埃安、上汽大通等通過(guò)訂單式生產(chǎn)供應(yīng)方式，為客戶提供個(gè)性化產(chǎn)品，提升對(duì)用戶的吸引力。未來(lái)幾年，還有一批新興的智能汽車工廠落地投產(chǎn)，如東風(fēng)日產(chǎn)武漢工廠、上汽大眾安亭工廠、北汽新能源-麥格納智能工廠等等。智能制造工廠的投入將大幅提升各汽車生產(chǎn)企業(yè)的生產(chǎn)效率，有助于將我國(guó)從制造大國(guó)推動(dòng)成為制造強(qiáng)國(guó)。

2 企業(yè)實(shí)施IM/DX的幾點(diǎn)思考

2.1 企業(yè)推進(jìn)IM/DX的問(wèn)題與對(duì)策

IM/DX是手段，而不是目的，其核心價(jià)值是幫助企業(yè)提升生產(chǎn)與經(jīng)營(yíng)效率，降低成本并構(gòu)筑長(zhǎng)期競(jìng)爭(zhēng)優(yōu)勢(shì)，行業(yè)現(xiàn)狀普遍存在以下問(wèn)題。

1）戰(zhàn)略不清晰導(dǎo)致IM/DX方向迷失。部分企業(yè)沒(méi)能準(zhǔn)確識(shí)別自身問(wèn)題點(diǎn)與未來(lái)競(jìng)爭(zhēng)的著眼點(diǎn)。企業(yè)存在孤島式盲目部署數(shù)字化的普遍情況，尚未能從數(shù)字化投入中洞察到核心價(jià)值，中投顧問(wèn)發(fā)文指出52%的企業(yè)在IM/DX貢獻(xiàn)度小于10%。

2）局部試點(diǎn)現(xiàn)象明顯，全面系統(tǒng)化思考與布局不足。企業(yè)原有的系統(tǒng)老舊，管理流程復(fù)雜且基本定型，IM/DX基礎(chǔ)不牢固，在原有基礎(chǔ)上修補(bǔ)往往出現(xiàn)兼容性差的問(wèn)題，很多制造企業(yè)缺少數(shù)字化人才，多為已有業(yè)務(wù)人員轉(zhuǎn)型或兼職對(duì)應(yīng)，總體來(lái)講，缺少將精益管理與智能制造匹配的管理基礎(chǔ)。

3）缺少對(duì)IM/DX科學(xué)有效的評(píng)估與推進(jìn)方法，沒(méi)有長(zhǎng)期思維做指導(dǎo)。只有全面部署、系統(tǒng)深入才能最大化體現(xiàn)數(shù)字價(jià)值。如果急于見(jiàn)到成效，用傳統(tǒng)的績(jī)效指標(biāo)衡量轉(zhuǎn)型效果，沒(méi)有根據(jù)企業(yè)實(shí)際去建立策劃、推進(jìn)與評(píng)估體系，IM/DX效果難以顯著體現(xiàn)，價(jià)值常常受到管理層的質(zhì)疑，對(duì)投資持續(xù)減少，造成惡性循環(huán)，長(zhǎng)此以往實(shí)現(xiàn)工業(yè)4.0也就成為空談。

2.2 基于DST-PDCA框架的思考與運(yùn)用

DST-PDCA框架主要用于中長(zhǎng)期規(guī)劃和年度事業(yè)計(jì)劃，也可用來(lái)解決某些重要課題，IM/DX是典型長(zhǎng)期布局及實(shí)施的課題，該框架適用于IM/DX總體規(guī)劃與統(tǒng)籌思考。

DST是英文單詞Draw、See、Think的縮寫(xiě)。Draw是先要描繪一個(gè)理想的目標(biāo)。See是要將現(xiàn)狀與理想目標(biāo)對(duì)比，提取出問(wèn)題。Think是在對(duì)提取問(wèn)題的思考，深入挖掘問(wèn)題存在的原因，確定對(duì)策方向。對(duì)IM/DX項(xiàng)目而言，是一項(xiàng)持續(xù)性工作，需要基于長(zhǎng)期主義思考，通過(guò)系統(tǒng)性思考與方法，建立系統(tǒng)性的規(guī)劃與管理框架，做到有的放矢，既要解決企業(yè)短期面臨的急迫問(wèn)題，更要與企業(yè)未來(lái)發(fā)展相匹配，將業(yè)務(wù)戰(zhàn)略與業(yè)務(wù)規(guī)劃相結(jié)合。因此DST框架方法適用于對(duì)IM/DX項(xiàng)目的規(guī)劃制定。

PDCA是計(jì)劃（Plan）、實(shí)施（Do）、檢查（Check）、處理（Act）的首字母組合。PDCA循環(huán)是推進(jìn)目標(biāo)達(dá)成的有效手段，需要經(jīng)過(guò)制定計(jì)劃、執(zhí)行計(jì)劃、檢查計(jì)劃、對(duì)計(jì)劃進(jìn)行調(diào)整并不斷改善這樣4個(gè)階段。 對(duì)IM/DX項(xiàng)目而言，涉及人、機(jī)、料、法、環(huán)各因素，需要持續(xù)夯實(shí)與提升企業(yè)基礎(chǔ)條件（如工業(yè)工程、精益管理），實(shí)施中除面臨具體的技術(shù)問(wèn)題外，還會(huì)涉及對(duì)現(xiàn)有流程與機(jī)構(gòu)的調(diào)整等復(fù)雜問(wèn)題，是一個(gè)需要持續(xù)推進(jìn)問(wèn)題解決的過(guò)程，PDCA框架非常適用于在問(wèn)題明確后將其關(guān)閉的全過(guò)程管理。通過(guò)相互作用，逐步形成牢固的推進(jìn)體系，以實(shí)現(xiàn)質(zhì)量提升、成本降低、效率提高為子目標(biāo)，以實(shí)現(xiàn)企業(yè)利潤(rùn)改善為主目標(biāo)，圖1給出了企業(yè)推進(jìn)智能制造與數(shù)字化轉(zhuǎn)型的體系架構(gòu)。

圖1 智能制造與數(shù)字化轉(zhuǎn)型系統(tǒng)運(yùn)行圖

3 基于DST-PDCA框架開(kāi)展IM/DX實(shí)例

本節(jié)以G公司發(fā)動(dòng)機(jī)機(jī)加工車間IM/DX實(shí)例說(shuō)明DST-PDCA框架的應(yīng)用模式。

G公司發(fā)動(dòng)機(jī)機(jī)加工生產(chǎn)線主要對(duì)發(fā)動(dòng)機(jī)缸體和缸蓋進(jìn)行加工與組裝，設(shè)備數(shù)量多達(dá)200余臺(tái)，涵蓋數(shù)控加工中心及加工專機(jī)、差壓式試漏機(jī)、氣電轉(zhuǎn)換測(cè)量機(jī)、多工位清洗機(jī)、壓裝機(jī)、擰緊機(jī)等，工藝復(fù)雜且品質(zhì)要求為微米級(jí)，是典型的離散型高精密的加工車間，具備深度實(shí)踐智能制造與數(shù)字化轉(zhuǎn)型實(shí)踐的基礎(chǔ)。

3.1 基于DST 框架確定IM/DX的規(guī)劃

1）建立了機(jī)加工車間IM/DX規(guī)劃與目標(biāo)。根據(jù)國(guó)家標(biāo)準(zhǔn)發(fā)布的《智能制造能力成熟度模型》，從人員、技術(shù)、資源、制造4個(gè)能力要素評(píng)估成熟度等級(jí)，成熟度等級(jí)分為一級(jí)（規(guī)劃級(jí)）、二級(jí)（規(guī)范級(jí)）、三級(jí)（集成級(jí)）、四級(jí)（優(yōu)化級(jí)）和五級(jí)（引領(lǐng)級(jí)），機(jī)加工車間現(xiàn)有智能制造水平基本處于二級(jí)（規(guī)范級(jí)）：雖然大量運(yùn)用了自動(dòng)化和信息化技術(shù)進(jìn)行生產(chǎn)，但數(shù)據(jù)及業(yè)務(wù)未實(shí)現(xiàn)跨領(lǐng)域共享，未充分利用數(shù)據(jù)實(shí)現(xiàn)核心業(yè)務(wù)的精準(zhǔn)預(yù)測(cè)和優(yōu)化。首先，通過(guò)DST方式建立了“打造QCD領(lǐng)先的數(shù)字化標(biāo)桿車間”三年規(guī)劃，確立了以四級(jí)水平為規(guī)劃管理總目標(biāo)。

圖2 智能制造成熟度等級(jí)

2）根據(jù)業(yè)務(wù)架構(gòu)建立了系統(tǒng)大數(shù)據(jù)平臺(tái)，并通過(guò)大數(shù)據(jù)平臺(tái)實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)，打破數(shù)據(jù)孤島，并搭建總體系統(tǒng)架構(gòu)：基于總體架構(gòu)，通過(guò)頭腦風(fēng)暴、專項(xiàng)研討等方式企劃制定并評(píng)審?fù)ㄟ^(guò)推進(jìn)的技術(shù)路線圖，其中充分結(jié)合當(dāng)前系統(tǒng)與流程的問(wèn)題點(diǎn)，面向目標(biāo)明確各項(xiàng)工作的要件，實(shí)現(xiàn)生產(chǎn)模式、管理模式、生產(chǎn)技術(shù)、信息技術(shù)、人才培養(yǎng)、設(shè)備革新充分融合，再通過(guò)數(shù)字賦能實(shí)現(xiàn)數(shù)字化與業(yè)務(wù)變革的雙驅(qū)動(dòng)，形成技術(shù)路線圖指導(dǎo)團(tuán)隊(duì)開(kāi)展工作。

圖3 機(jī)加工車間數(shù)字化平臺(tái)總體架構(gòu)

3.2 基于PDCA框架推進(jìn)IM/DX項(xiàng)目實(shí)施與落地

缸體AI項(xiàng)目是機(jī)加工車間IM/DX規(guī)劃中的一個(gè)具體項(xiàng)目，在技術(shù)路線規(guī)劃指引下，運(yùn)用PDCA框架推進(jìn)完成的一個(gè)典型案例。

缸體為發(fā)動(dòng)機(jī)核心部件，缸體表面復(fù)雜且對(duì)密封要求高，在不同的密封部位可容許的缺陷大小基準(zhǔn)有不同的要求，一旦缺陷大小超出允許基準(zhǔn)將會(huì)產(chǎn)生漏氣、漏冷卻液、漏油等市場(chǎng)不良。

1）問(wèn)題與原因分析。缸體是通過(guò)鋁液高壓鑄造+機(jī)加工銑、鉆、鉸等工藝而成，不可避免地會(huì)產(chǎn)生表面缺陷，行業(yè)內(nèi)缸體表面缺陷率達(dá)到40%～50%。根據(jù)缺陷類型、缺陷大小、所在區(qū)域以及失效影響，制訂《外觀缺陷判定基準(zhǔn)》，作為檢查標(biāo)準(zhǔn)區(qū)分合格品和待返修品，常見(jiàn)缺陷多達(dá)14種，主要有氣孔、缺肉、冷隔、裂紋、傷痕、刀紋、毛刺等，行業(yè)內(nèi)主要采用人工目視檢查。由于人員存在疲勞等客觀影響，人工目視檢查的檢出能力較低，存在缺陷流入市場(chǎng)風(fēng)險(xiǎn)，影響品牌口碑；此外，由于檢查時(shí)間受限，目視檢查難以在60 s的節(jié)拍內(nèi)對(duì)所有缺陷大小及缺陷所在的區(qū)域做出精確判斷，存在較高誤判率，約20%；而且檢查人員長(zhǎng)期對(duì)視光源，容易造成視力疲勞和損傷等。

2）對(duì)策制定。行業(yè)首創(chuàng)AI深度學(xué)習(xí)視覺(jué)檢測(cè)，解決缸體缸蓋外觀缺陷檢查效率低的行業(yè)難題，缺陷傳統(tǒng)視覺(jué)檢測(cè)技術(shù)主要采用相機(jī)拍照，然后將檢測(cè)圖像與事先生成的標(biāo)準(zhǔn)圖像進(jìn)行比對(duì)，找出差異，一般應(yīng)用于缺陷類型比較單一、有無(wú)缺陷檢測(cè)等場(chǎng)景。如果應(yīng)用于缸體外觀缺陷檢測(cè)，將產(chǎn)生大量的誤判，無(wú)法滿足缸體外觀復(fù)雜的缺陷檢測(cè)要求。機(jī)加工車間經(jīng)過(guò)技術(shù)評(píng)估研討后，開(kāi)創(chuàng)性地采用AI深度學(xué)習(xí)視覺(jué)檢測(cè)進(jìn)行缸體外觀缺陷檢查，通過(guò)對(duì)圖片缺陷進(jìn)行標(biāo)注、深度學(xué)習(xí)、訓(xùn)練，建立最佳的檢測(cè)模型并不斷地自學(xué)優(yōu)化、迭代，使得檢測(cè)結(jié)果準(zhǔn)確率不斷提高，如同新員工，經(jīng)過(guò)對(duì)缺陷和外觀基準(zhǔn)不斷地學(xué)習(xí)和訓(xùn)練，逐步提高對(duì)復(fù)雜缺陷形貌、缺陷類型、缺陷大小、缺陷所在位置等檢查的準(zhǔn)確度和缺陷外觀判定基準(zhǔn)的熟練度。

基于計(jì)劃與目標(biāo)，以PDCA模式推進(jìn)問(wèn)題解決，通過(guò)創(chuàng)建“正向+方向”檢測(cè)模型解決無(wú)法識(shí)別“未學(xué)習(xí)過(guò)”缺陷的難題，通過(guò)研發(fā)多角度藍(lán)光技術(shù)特顯缺陷特征解決特征區(qū)分不明顯導(dǎo)致漏判誤判難題，通過(guò)設(shè)計(jì)兼容性及柔性強(qiáng)的檢測(cè)模型和算法實(shí)現(xiàn)不同機(jī)種共享共用，大幅縮短新機(jī)種導(dǎo)入的模型學(xué)習(xí)迭代周期。期間定期組織召開(kāi)線上、線下會(huì)議，堅(jiān)持以問(wèn)題→原因→對(duì)策制定→效果確認(rèn)的PDCA框架開(kāi)展工作，累計(jì)解決問(wèn)題300余項(xiàng)，解決問(wèn)題快速、有效。

3）效果確認(rèn)。AI深度學(xué)習(xí)視覺(jué)檢測(cè)是行業(yè)首創(chuàng)，無(wú)成熟方案可借鑒，需要自主摸索。另外，AI深度學(xué)習(xí)視覺(jué)檢測(cè)是對(duì)缺陷圖片進(jìn)行學(xué)習(xí)，但初期可能遺漏不常見(jiàn)缺陷，進(jìn)而出現(xiàn)漏判，這也是行業(yè)的一大痛點(diǎn)，實(shí)施時(shí)要考慮這些特殊場(chǎng)景。經(jīng)過(guò)約6個(gè)月持續(xù)的優(yōu)化、迭代，達(dá)到漏判率為0%、誤判率≤1%的行業(yè)標(biāo)桿水平。

3.3 IM/DX項(xiàng)目推進(jìn)成果

機(jī)加工車間規(guī)劃與實(shí)施的IM/DX項(xiàng)目，通過(guò)采用領(lǐng)先的數(shù)字化技術(shù)，在人機(jī)交互、智慧集約上有著非常鮮明的獨(dú)創(chuàng)性，實(shí)現(xiàn)了多機(jī)種高品質(zhì)量產(chǎn)，取得了良好的經(jīng)濟(jì)效益和社會(huì)效益。

在品質(zhì)領(lǐng)域，建立工藝參數(shù)與質(zhì)量之間的數(shù)字模型，發(fā)動(dòng)機(jī)質(zhì)量處于國(guó)內(nèi)領(lǐng)先水平，開(kāi)發(fā)基于AI的產(chǎn)品缺陷視覺(jué)識(shí)別，提升工序品質(zhì)保證能力，助力所在企業(yè)于2021年J.D.Power IQS（新車質(zhì)量）、SSI（銷售滿意度）、CSI（顧客滿意度）均獲得第一名，處于中國(guó)汽車行業(yè)領(lǐng)先地位。

在產(chǎn)能領(lǐng)域，通過(guò)導(dǎo)入基于5G的工業(yè)互聯(lián)網(wǎng)，革新傳統(tǒng)工業(yè)通信架構(gòu)，運(yùn)用基于預(yù)防性維護(hù)的數(shù)字化技術(shù)，設(shè)備開(kāi)動(dòng)率顯著提升，整體在原有1050 輛/d產(chǎn)能提升至接近1080 輛/d產(chǎn)能。

在成本領(lǐng)域，通過(guò)賬票無(wú)紙化、大數(shù)據(jù)等平臺(tái)，實(shí)現(xiàn)傳統(tǒng)目視化管理的飛躍，多種業(yè)務(wù)流程通過(guò)大數(shù)據(jù)平臺(tái)自動(dòng)關(guān)聯(lián)及計(jì)算，人員業(yè)務(wù)效率約提升30%，項(xiàng)目投入1年以來(lái)，項(xiàng)目整體已產(chǎn)生經(jīng)濟(jì)效益100余萬(wàn)元。

4 結(jié)語(yǔ)

智能制造與數(shù)字化轉(zhuǎn)型是一個(gè)綜合性、系統(tǒng)性工程，需要將所涉及的人、設(shè)備、材料、流程、環(huán)境等要素聯(lián)系起來(lái)，因此需要以更加宏觀的視角去規(guī)劃，并明確總體與分階段計(jì)劃。在項(xiàng)目實(shí)施中難免遇到各種流程、觀念、技術(shù)問(wèn)題與挑戰(zhàn)，需要構(gòu)建相適應(yīng)的應(yīng)對(duì)體制與方法。此外，通過(guò)持續(xù)加強(qiáng)對(duì)復(fù)合型人才培養(yǎng)，構(gòu)建既懂技術(shù)又懂業(yè)務(wù)的復(fù)合型團(tuán)隊(duì)，也是智能制造與數(shù)字化轉(zhuǎn)型成功的重要因素，并運(yùn)用科學(xué)的方法指導(dǎo)工作開(kāi)展。

本文案例中成功運(yùn)用DST-PDCA的框架推進(jìn)數(shù)字化轉(zhuǎn)型工作，證明可以取得良好的效果。隨著造車新勢(shì)力的崛起和汽車智能化水平的提升，汽車行業(yè)正面臨著史無(wú)前例的轉(zhuǎn)變，借助智能制造技術(shù)，持續(xù)推動(dòng)企業(yè)提質(zhì)增效，并最終實(shí)現(xiàn)產(chǎn)品競(jìng)爭(zhēng)力提升，將會(huì)更加有助于企業(yè)健康持續(xù)地發(fā)展。