近年来，在党中央、国务院的坚强领导下，汽车行业以场景应用为牵引，以模式变革为探索方向，以质量效益提升为目标，加速形成新质生产力，推动智能制造取得长足进步，有效促进了行业高质量发展。为进一步助力汽车智能制造发展，中国汽车工程学会数字化与智能制造工作委员会联合汽车行业产业链相关单位，总结行业共性需求、技术路线和发展成效，提炼形成汽车行业智能制造典型场景建设指南，本期典型场景为尺寸工程精准控制。

场景概述

1. 尺寸工程精准控制场景实施指引

顾客对整车产品质量的关注，主要体现在：动力性、舒适可靠性、安全性、燃油经济性、外观精致工艺等方面。零部件和整车产品尺寸质量影响顾客关注的整车产品质量， 整车产品尺寸质量，含：钣金匹配和内外饰匹配外观尺寸质量，密封性能尺寸质量、法规配合尺寸质量、行驶性能尺寸质量、运动件性能尺寸质量、机车匹配尺寸质量、异响/疲劳/可靠性尺寸质量、装配尺寸质量和评价尺寸质量等。

国内很多汽车企业面临的痛点:整车研发、仿真与制造、生产、售后质量数据没有实现闭环管理，导致产品设计质量提升困难；汽车工厂整车、车身、分总成、自制件和外购零部件尺寸质量数据没有实现闭环管理，导致产品制造质量问题解决效率低，生产、制造质量提升困难；企业没有质量知识库，导致知识独立于业务，管理协同效率低；最终导致整车研发周期和成本增加，失去市场竞争力。

在国家“十四五智能制造发展规划”战略指引下，编制尺寸工程精准控制场景实施指引，推动企业智能制造战略转型，建立先进尺寸质量管理系统和质量知识库，实现“整车&零部件尺寸质量双循环”，包括：整车研发、仿真与制造、生产、售后的尺寸质量数据循环；汽车工厂整车、车身、分总成、自制件和外购零部件尺寸质量数据的循环，从而提升产品设计质量、生产制造质量，提升整车产品尺寸质量一致性和市场适应性。

1.1 场景定义

本场景聚焦整车产品尺寸质量领域，涉及研发设计质量，生产制造质量，供应链质量，售后服务质量等环节。通过车型数据管理系统、尺寸质量虚拟仿真系统、尺寸质量检测数据管理系统、质量管理系统、经销商管理系统和质量知识库系统，对产品尺寸质量相关数据进行收集、分析、管理，通过尺寸质量数据虚拟仿真分析、实测数据智能匹配、智能预警等技术，对产品尺寸质量影响因素进行识别，对尺寸质量缺陷进行分析及预测，并利用其数据模型赋能先期质量策划，科学制定产品尺寸质量方案，闭环优化质量目标，提升产品尺寸质量一致性和市场适应性。

1.2 实施收益

（1）帮助企业打通整车研发、制造、生产、供应链、售后质量数据链环，提升产品设计质量；

（2）帮助企业打通主机厂工厂整车、车身、分总成、自制件和外购零部件质量数据链环，提升产品制造质量问题解决效率和生产制造质量水平；

（3）帮助企业打通知识与业务流程，提升管理与协同效率，节省知识标准检索时间，减少沟通成本。

1.3 实施基础

（1） 软件系统基础。场景涉及软件系统，包括：车型数据管理系统、尺寸质量虚拟仿真系统、尺寸质量检测数据管理系统、质量管理系统、经销商管理系统和质量知识库系统。

（2） 数据基础。包括：产品质量数据、工艺质量数据、仿真质量数据、生产质量数据、供方质量数据、成品质量数据、售后维修数据和质量知识数据等。其中：产品质量数据，包含：产品数模、图纸、质量目标等；工艺质量数据，包括：工装定位基准数据，整车&零部件测量计划数据，装配工艺流程数据等；仿真质量数据，包含：仿真模型等；生产质量数据，包括：工厂冲压、焊装、涂装、总装等专业及外购零件质量检测数据；供方质量数据：包括：外购件质量抽检数据，实物质量评价数据等；成品质量数据：整车问题管理数据等；售后质量数据，包括：售后维修问题数据；质量知识数据，包括：企业内部质量知识库数据和外部资源质量知识库数据等。质量数据要求：数据的准确性、规范性和完整性。

（3）硬件基础，包括：高性能计算机、服务器、存储系统、通讯及网络设备和数据检测设备。

1.4 实施方案

尺寸工程精准控制场景实施过程，包括五个阶段：前期准备阶段，蓝图规划阶段，系统搭建阶段，系统测试阶段和系统交付&维护阶段。项目实施周期约18个月。

（1） 前期准备阶段

企业需求与现状调研，制定尺寸工程精准控制场景实施目标、范围、策略、计划，确定项目实施队伍与组织架构，评估项目风险并制定应对方案。

场景实施范围：涵盖汽车整车开发全生命周期，从研发设计质量，生产制造质量，供应链质量到售后服务质量。从尺寸质量目标定义，尺寸质量方案策划、尺寸质量检测计划，到尺寸质量目标分解、尺寸质量影响因子识别，尺寸质量数据收集、分析、管理及质量问题预测，再到进货质量管理，成品质量管理，最后到售后维修服务质量问题管理。

（2） 蓝图规划阶段

确定场景实施详细设计方案，梳理公司现有数据系统平台，设计和确定业务蓝图。整车开发全生命周期尺寸工程精准控制，涉及：研发、仿真、制造、生产、供应链、销售领域的数据系统。包括：车型数据管理系统、尺寸质量虚拟仿真系统、尺寸质量检测数据管理系统、质量管理系统、经销商管理系统、质量知识库系统。

（3）系统搭建阶段

尺寸工程精准控制场景，系统架构，见图1。数据层，包括：产品质量数据、工艺质量数据、仿真质量数据、质量检测数据、供方质量数据、成本质量数据、售后维修数据和质量知识数据。业务层，包括：数据收集、数据管理、数据分析、数据审查、质量预测、超差报警、变更管理和知识服务。系统层，包括：车型数据管理系统、质量虚拟仿真系统、质量检测数据管理系统、经销商管理系统、质量管理系统、质量知识库系统。管理层，整合不同系统、不同业务和不同质量数据的管理流程。

图1 尺寸工程精准控制场景系统架构

（4）系统测试阶段

系统测试前，完成权限管理与设定，编写培训手册，培训相关人员，建立标准操作程序，系统环境最终确认，系统安装与布置。

系统测试阶段，需要在系统上完整验证2～3个项目，验证数据传输及时性、数据分析准确性，系统运行稳定性。

（5）系统交付&维护阶段

完成对系统实施效果评估，做好系统开发经验总结，确保工程师能够独立的运行和维护各系统的正常运行。系统开发经验固化到标准、流程、操作指导，传承经验、构建能力。

1.5技术路径

尺寸工程精准控制场景，质量双循环技术路径图，见图2。整车生命周期大的尺寸质量循环：从研发设计阶段：整车尺寸质量规划与设计，尺寸质量虚拟仿真分析，质量影响因子预测，质量方案策划；到试制生产阶段，尺寸质量数据收集、分析、管理，质量目标达成；到售后阶段的质量问题收集，总结提炼形成新项目检查规范的尺寸质量闭环。试制、投产和生产阶段的质量检测数据循环：从工厂自制零部件质量数据，外协零部件质量数据，到工厂过程分总成质量数据、车身、车架总成质量数据，再到整车尺寸质量检测数据的尺寸质量闭环。

尺寸工程精准控制场景，质量双循环涉及的相关系统关系：①车型数据管理系统为虚拟仿真分析系统提供数据输入，虚拟仿真系统为车型数据管理系统数据优化提供方案建议；②车型数据管理系统为知识库系统提供数据输入，知识库系统为车型数据管理系统数据优化提供知识服务；③虚拟仿真分析系统为尺寸质量检测数据管理系统提供关键质量影响因子，尺寸质量检测数据管理系统为虚拟仿真分析系统提供实测数据的公差和过程能力；④虚拟仿真分析系统方案建议总结提炼形成数据库输入知识库系统，知识库系统经验标准知识复用到虚拟仿真分析系统；⑤尺寸质量检测数据管理系统为质量管理系统质量问题解决提供数据支持；⑥尺寸质量检测数据管理系统为知识库系统提供实际能力水平数据库，知识库系统为尺寸质量检测数据管理系统质量提升提供知识服务。⑦经销商管理系统为质量管理系统提供质量返修缺陷问题；⑧质量管理系统问题分类总结输入知识库系统，知识库系统为质量数据管理系统质量问题解决提供知识服务。⑨知识库系统提供技术标准管理、数据预装配同步工程检查、验证管理、参数管理、问题管理、知识管理与知识服务，服务研发设计、虚拟仿真、生产制造、质量管理与提升过程。

图2 质量双循环技术路径图

尺寸工程精准控制场景，实施案例一

江铃汽车股份有限公司（以下简称江铃汽车），是江西省第一家上市公司，是国家高新技术企业、国家创新型试点企业、国家认证企业技术中心、国家知识产权示范企业、国家整车出口基地。 江铃汽车是集整车及零部件研发、制造、销售、服务于一体的中国汽车行业劲旅，是中国商用车行业领军企业，也是乘用车领域标杆新势力。江铃汽车拥有小蓝工厂、富山工厂等整车生产基地，涵盖冲、焊、涂、总及柴、汽油发动机先进制造工艺。江铃汽车生产基地获评国家智能制造示范工厂。

江铃汽车尺寸工程精准控制场景案例，介绍江铃汽车在整车研发、虚拟仿真、生产制造、售后阶段的尺寸质量数据循环，汽车工厂整车、车身、分总成、自制件和外购零部件尺寸质量数据循环，帮助企业提升产品设计质量、生产制造质量、提升管理协同效率。

2.1 实施意义

（1）推动解决企业面临的痛点问题，包括：

产品质量提升方面，面临痛点：设计、工艺问题工程开发阶段没有完全解决，遗留到投产阶段，整车、车身和零部件质量数据没有持续监控，导致整车产品质量提升困难。质量协同和管理方面，面临痛点：各部门业务协同差，各专业数据协同差，质量问题识别及解决效率低。质量虚拟仿真分析方面，面临痛点：没有考虑生产实际情况，导致仿真分析与投产实际存在差异；问题推动没有系统管理，导致问题推动效率低。质量知识库方面，面临痛点：知识资产流失，知识独立于业务，知识难复用，知识孤岛；

（2）建立先进质量管理系统，实现产品质量设计、生产制造、供应链、销售全生命周期数字化管理，闭环优化质量目标；

（3）建立高集成知识系统，打破企业知识孤岛，将公司各业务管理系统，以及外部资源打通，提升企业知识价值，实现知识共创。

2.2 实施成效

（1）产品研发设计阶段，造型分缝、尺寸目标、设计结构、零件定位、图纸公差等问题识别1500项左右，比较场景实施前多识别20%；

（2）虚拟仿真分析阶段，基于实测数据修正仿真输入和输出，仿真分析结果与投产实际测量结果吻合度提升20%，基于知识库推进问题解决效率提升30%；

（3）试制、投产和生产阶段，打通工厂各车间和外购供应商尺寸质量检测数据流，实现质量数据实时监控，智能分析与预警。尺寸质量问题识别及解决效率提升30%；部分车型尺寸质量水平提升2倍；

（4）项目信息及数据统一管理，数字化系统间数据交互畅通快捷，管理协同效率提升30%；

（5）实现知识业务一体化管理、知识智能推送、企业知识资产积累3.3万项，激发了企业和员工的创新活力。

2.3 项目推进思路

（1）企业需求与系统现状调研，制定尺寸工程精准控制场景实施目标、范围、策略、计划，确定项目实施队伍与组织架构，评估项目风险并制定应对方案；

（2）完善场景实施缺少的质量系统及知识库，打通系统和知识库数据链；

（3）项目应用推进、质量提升，知识积累。借助质量系统和知识库系统，赋能先期质量策划，闭环优化产品设计质量和制造质量，积累企业知识资产。

2.4 软件/系统架构

江铃整车产品尺寸工程精准控制，系统架构，见图3。数据层，包括：质量目标数据、产品结构数据、工艺方案数据、工装方案数据、检测计划数据、仿真模型数据、方案建议数据、影响因子数据、供方质量数据、成品质量数据、质量抽检数据、质量问题数据、售后维修数据、经验总结数据、企业标准数据、和质量知识数据。业务层，包括：数据收集、数据管理、数据分析、数据审查、质量预测、超差报警、变更管理和知识服务。系统层，包括：PDM车型数据管理系统、VSA质量虚拟仿真系统、DPV质量检测数据管理系统、QMS质量管理系统、QLS经销商管理系统、翰铃院知识库系统。管理层，江铃整车产品尺寸工程精准控制流程，推进整车开发生命周期质量提升，知识积累与重用。

图3 江铃汽车尺寸工程精准控制系统架构

江铃汽车车型数据管理PDM系统，管理产品数据、制造数据和仿真数据。其中，产品数据管理模块，管理：产品数模、零件图纸、尺寸质量目标、发包信息等数据；制造数据管理模块，管理：工装定位基准信息，整车&零部件测点信息等数据。仿真数据管理模块，管理：仿真模型和仿真报告等数据。

江铃汽车尺寸质量虚拟仿真VSA系统，见图4。整车工程开发阶段，搭建虚拟模型模拟生产线实车装配5000次，预测质量目标的可达成性。输入：尺寸质量目标、零件数模、零件图纸、工装定位方案、装配流程信息、历史质量检测数据、整车&车身&分总成&零部件测点信息；输出：尺寸质量目标预测的波动范围，关键影响因子和贡献度。提出的质量目标达成方案建议，包含：造型分缝、零件分件、理论值、搭接方式建议；设计结构定位点位置、控制方向、搭接方式、开孔方案；总成&零部件图纸基准选择、公差大小、复合公差、组合公差、延伸公差、总成功能尺寸建议；工装类型、工装定位点、装配顺序、装配方式、关键控制点建议等。

图4 尺寸质量虚拟仿真VSA系统

江铃汽车质量检测数据管理DPV系统，管理工厂总装车间、涂装车间，焊装车架，冲压车间，车架厂，发动机厂，车桥厂和外购关键零部件质量检测数据。质量数据管理系统，包含客户端和网页端两部分。其中，客户端，完成数据系统编程，系统数据维护和质量数据综合分析，把质量检测数据集成到整车和零件三维数模上，客户端质量数据可以直接关联到公差虚拟仿真模型中。网页端，服务公司各部门，数据系统网页端分工厂、项目和专业存放质量检测数据，同时按项目汇总所有专业尺寸质量检测数据指标汇总趋势。

工厂和供应商尺寸质量检测数据进入质量数据系统客户端和网页端，路径图，见图5。包括测量计划进数据系统，实测数据进数据系统，数据系统知识库编程，数据系统网页端呈现指标趋势汇总和质量检测报告。

图5 质量检测数据进入DPV数据系统路径图

江铃汽车翰铃院知识库系统，见图6。包括：参数管理、验证管理、DPA检查管理、问题管理、经验教训/任务管理和知识服务中心。其中；DPA检查管理模块，实现制造/研发/销售全领域数字化预装配同步工程检查；问题/经验教训/任务管理模块，完成质量历史智能推荐，问题、任务管理&经验总结、知识沉淀、业务应用闭环；知识服务模块，完成个人、部门、专业领域知识管理与知识服务。公差虚拟仿真分析，是数字预装配同步工程检查的一部分。尺寸工程精准控制场景相关系统总结提炼的数据库，经验教训、关键问题，在知识库平台管理。

图6 翰铃院知识库系统

江铃汽车QMS质量管理系统，见图7。包括：外协IQ、理化计量管理、整车评价检验、售后信息、供应商质量管理、部门管理。其中：售后信息会通过人工智能分类系统，分为设计类问题、制造类问题、质量类问题等，与翰铃院知识库系统进行对接，在新项目工程开发阶段，工程师重点关注质量管理系统总结提炼的与尺寸质量相关的关键问题，避免尺寸质量相关问题再次发生。

图7 QMS质量管理系统

2.5 硬件应用

硬件应用包括：高性能计算机、服务器、存储系统、通讯及网络设备和三坐标测量设备、激光测量设备、蓝光测量设备等。

2.6 业务流程

江铃汽车尺寸工程精准控制场景，业务流程，见图8。产品研发团队负责PDM车型数据管理系统和知识库系统的管理和维护；尺寸仿真团队负责VSA虚拟仿真系统和DPV质量检测数据管理系统的管理和维护；工厂和质量团队负责尺寸质量数据检测，并上传检测数据到DPV数据管理系统，尺寸投产团队负责尺寸质量数据分析，尺寸质量目标达成；质量团队负责QMS质量管理系统的管理和维护；售后团队负责QLS经销商管理系统的管理和维护。

整车工程开发阶段，造型团队制定整车尺寸质量目标，整车工程团队完成整车结构设计和图纸设计，输入给尺寸仿真团队，进行质量目标分解。公差虚拟仿真团队完成质量虚拟仿真模型搭建，并完成整车&零部件测点规划，车身功能尺寸公差设计，工装定位基准点设计，并提供相关质量目标达成方案建议。试制投产阶段，工厂质量团队完成整车、车身、自制零件尺寸质量数据检测，外购件供应商完成外购关键零部件数据检测，并将检测数据录入DPV质量检测数据管理系统。公差虚拟仿真团队把DPV质量数据库里的整车&零部件检测数据导入公差虚拟仿真模型，优化仿真输入和输出。售后阶段，经销商把售后尺寸质量问题录入QLS管理系统，QMS质量管理系统从QLS系统获取售后尺寸质量问题。知识库系统从QMS系统获取生产和售后阶段的尺寸质量问题，总结提炼出与设计相关的问题点，形成检查规范，在工程开发阶段规避历史车型相关设计问题点。

图8 尺寸工程精准控制场景业务流程

借助知识库系统，在项目开发全生命周期，项目跨功能团队做到，做前学，做中学和做后学，通过项目的不断积累，对数据库进行定期更新与验证，确保知识库的时效性与准确性。在产品研发阶段，知识库将作为重要决策依据，指导设计方向、优化设计方案、预测潜在问题，并加速新产品上市进程。通过这种方式，知识库不仅提升了产品研发的精准度与效率，还促进了产品质量的持续提升与市场适应性的增强。

2.7 保障措施

尺寸工程精准控制场景实施，保障措施：

（1）企业战略：确保尺寸工程精准控制场景与企业战略目标一致，并给予足够的资源和支持；

（2）人员配备：确保有合适的专业人员管理、维护和操作尺寸工程精准控

制相关系统。具备相关专业技术知识，熟练使用系统和工具，具备数据分析和解读能力；

（3）数据基础：企业需要建立有效的数据收集和整理机制，确保数据来源可靠和可信。数据需要确保准确、规范和完整；（4） 系统边界：明确尺寸工程精准控制场景的边界和范围，确保与其它系统，如MES和智能数据采集设备等接口和数据交互正常。企业需要制定合适的数据标准和接口规范，确保数据的正确传输和共享。

2.8 横展要点

尺寸工程精准控制场景实施，横展要点：

（1）跨系统、跨功能团队整合：尺寸工程精准控制场景涉及多个系统和多

个功能团队，需要进行跨系统资源和数据整合，推动传统管理模式的变更；

（2）系统搭建：选择相同供应商体系的软件或系统，确保不同系统之间数据可以相互集成；

（3）业务扩展：系统搭建考虑未来对接AI人工智能，实现模板自动编制，问题智能检查，知识智能推送、虚拟现实评价。

尺寸工程精准控制场景，实施案例二

一汽-大众汽车有限公司成都分公司是一汽-大众公司在长春总部以外建立的第一个整车制造基地。分公司位于成都经济技术开发区，占地约130万平方米，规划产能60万辆/年，总投资超过200亿人民币（含发动机项目）。分东西两个工厂，其中：东工厂，包括冲压、焊装、涂装、总装四大车间，生产捷达品牌车型；西工厂，包括焊装、涂装、总装车间，生产大众和捷达品牌车型。带动零部件配套企业入驻104家。

一汽-大众汽车尺寸工程精准控制场景案例，介绍一汽大众汽车有限公司成都分公司在工厂整车、车身、分总成、自制件和外协件尺寸质量数据循环的案例。

3.1 实施意义

解决企业面临的痛点问题，包括：

（1）工厂和供应商各环节尺寸数据未互联互通，获取及分析数据难度大。一汽-大众内部及供应商在各环节布局了离线三坐标、在线测量、在线检具等尺寸检测设备，但由于检测设备、数据库软件差异，各环节间尺寸质量数据相互孤立，孤岛现象非常明显。由于匹配质量分析工作需要各环节大量数据支撑，孤立的数据导致大家获取及分析数据难度大，影响匹配问题的解决效率。

（2）尺寸预警、匹配问题分析智能化程度低，效果较差。针对每天产生的海量尺寸数据，通过人工查看预警尺寸变化费时且容易出现漏判、误判，导致尺寸缺陷流出到下个环节；针对匹配问题，由于缺乏智能分析模型及各环节尺寸数据支撑，分析解决需投入大量人力，未能实现自动化、智能化，匹配问题解决效率低。

（3）厂内和供应商各环节测量资源未充分利用，有待整合。厂内/供应商各环节尺寸检测点测量方案不协同，存在重复测量现象且部分测量资源闲置，未充分发挥作用。

3.2 实施成效

（1）实施成果：数据入湖1760万条，超40万行代码，670多条匹配分析问题库。实现数据整合，尺寸数据一站式高效查询，极大的提升了分析统计数据效率；

（2）实施成效：提升数据获取效率90%左右。累计管理675个尺寸模型，提升问题预分析效率80%左右。提升测量整体效率15%左右。

3.3 项目推进思路

（1）团队组建及人员培养。组建测量数字化开发团队，选拔5名骨干技工人员，1名工程师，组建专项攻关团队。并通过自学、公司培训等方式掌握了前后端、数据库高代码开发等数字化能力。

（2） 打造测量数据库，实现全领域数据入湖，实现数据互联互通。

1）全领域测量数据盘点：通过业务梳理，识别30类尺寸/匹配数据，形成完整的尺寸/匹配数据地图。

2）统一数据标准：统一厂内/供应商各零件测量方案以及数据格式、实现各领域尺寸数据字段的标准化，为数据入湖打好了结实的基础

3）测量入湖：开发尺寸大数据库，通过三阶段工作实现各环节数据入湖。并在此基础上打造尺寸星球功能，用户可高效快捷地查询厂内/供应商各环节尺寸数据，打破了各系统壁垒，实现了尺寸/匹配数据的互联互通。同时打造基础数据分析功能，实现了在线测量、供应商测量的准确性快速分析，以及各项尺寸指标的自动高效统计，尺寸质量检测数据入湖，见图9。

图9 尺寸质量检测数据入湖

（3） 打造尺寸驾驶舱，实现尺寸/匹配问题的智能管控

1）尺寸智能预警：开发尺寸预警平台，可个性化设置每一个测量数据的预警参数，系统依据数据库获取的实时数据自动预警、派发责任人、跟踪状态并实现问题的闭环管理。较传统人工预警模式，极大提高了效率和预警准确性。尺寸智能预警图，见图10。

图10 尺寸智能预警图

2）匹配问题智能分析：开发匹配问题智能分析模型，并结合分公司过去两年所有匹配问题建成分公司匹配问题数据库，出现匹配问题时可自动实现预分析，大幅提升问题分析效率。尺寸问题智能分析图，见图11。

图11 尺寸问题智能分析图

（4） 打造测量资源管理驾驶舱，整合管理公司内外部测量资源，见图12。打造测量任务管理系统，实现了厂内/供应商各环节测量运行状体的透明化，基于各环节尺寸状态及测量运行情况，可灵活分配各环节测量资源，实现厂内/供应商各环节测量互补，避免重复测量造成资源浪费。尤其针对厂内测量，开发测量任务数字化看板，实现测量任务全流程透明化管理。系统自动分配任务到测量台，避免测量等待以及设备闲置等问题，提升了测量效率。

图12 测量资源驾驶舱图

3.4 系统架构

一汽-大众成都分公司尺寸匹配数智化平台架构，见图13。

系统层，包括：尺寸智能预警模块、匹配问题管理分析模块、测量资源智能管理模块。

业务层，包括：数据收集、数据管理、数据分析、数据智能匹配、数据超差报警、测量任务管理、测量资源管理。

数据层，包括：冲压件质量检测数据、外协件质量检测数据、模具参数数据、焊接分总成质量检测数据、焊接件Inline数据、检具检测数据、匹配Inline数据、夹具测量数据、电泳件测量数据、匹配DLQ数据、Audit匹配问题数据、PDI及用户尺寸问题数据。

图13 尺寸匹配数智化平台架构图

3.5 硬件应用

硬件应用包括：高性能计算机、服务器、存储系统、通讯及网络设备和三坐标测量设备等。

3.6 业务流程

一汽-大众成都分公司数据星球，业务流程图，见图14。包括：自制件和外协件检测数据入湖，焊装工序件、焊装总成和调整线检测数据入湖，油漆电泳总成检测数据入湖，总装匹配检测数据入湖，终检及Audit检测数据入湖,用户质量评价数据入湖。质保部负责数据星球的管理和维护。

图14 数据星球业务流程图

3.7 横展要点

尺寸工程精准控制场景实施，横展要点：

（1）将研发阶段的DTS开发、零件目标公差分解与现有车型实际测量数据结合，进一步挖掘数据价值，助力新车型的研发；

（2）从逆向开发的角度，持续迭代智能匹配分析模块的功能，提升匹配分析智能化；

（3）将制造环节与售后环节紧密联系，基于用户端逆向反馈尺寸问题，助力制造端尺寸优化和研发端匹配标准夯实。

牵头单位/牵头人

江铃汽车股份有限公司：陈志强、曾发发、马坚、吴敦钊、万都、陶莉、王耀光、龙星宇、徐爱武、田艳芳、杜小林、丁功胜、刘国锋、卢宏骏、胡杰、彭慧平、刘丹阳

参与单位/参与人

一汽大众汽车有限公司成都分公司：许昭旭、王箫、胡懿、刘畅

END

中国汽车工程学会智能制造与装备部以汽车先进制造技术与智能装备、数智赋能技术与工业软件、汽车行业数字化与智能制造场景等为研究对象，通过组织开展产业研究、科技专项、团体标准、评估评价、成果推广、技术交流等行业活动，促进汽车研发、生产、供应、销售、服务、管理等的数智化转型，致力于成为汽车行业数字化与智能制造发展方向的引领者、系统解决方案的提供者、协同创新生态的构建者。