制造一辆汽车会在整个价值链中产生大量的数据。宝马集团使用其智能数据分析数字化集群有选择地分析这些数据，并加强其生产系统。智能数据分析的结果对提高生产和物流各个领域的质量做出了有效的贡献。

数据驱动的流程和系统改进有助于缩短交货期和降低成本。不仅在总部，而且在国际生产网络的许多不同地点都正在拟订新的解决办法。通过这种方式，宝马集团能够利用广泛的创新，打开更多的选择，甚至更灵活的生产。

该公司使用了一个访问保护的物联网平台，将大量传感器连接起来，并快速、轻松地处理来自生产和物流的数据。智能数据分析提供了超越以往分析可能性的新机会。新解决方案的实施速度是显著的。与此同时，新的物联网传感器与云和大数据技术相结合，正在降低技术复杂性和实施成本。

“智能数据分析正在为我们的生产系统设定新的标准，”生产系统创新和数字化主管Christian Patron表示。“通过结合我们员工的经验和高效处理大量数据的新可能性，我们能够创建准确的预测和主动优化流程。这加快了我们生产系统的持续改进，符合精益生产的基本原则。”

激光打标身体部位

高达40吨、长约3公里的钢卷在冲压车间被切成坯料，然后形成车身部件。然而，板材的厚度、强度、表面纹理和涂油程度在整个线圈中并不均匀。偏离目标可能导致在成形过程中受到特殊应力的车身部件出现裂纹。

这就是宝马德国雷根斯堡工厂的智能数据分析应用程序发挥作用的地方。激光用一个多数字代码标记每个空白，作为一个ID。今后，这将允许印刷机进行微调，以适应空白的特点。如果需要，ID可以包含一个控制命令，例如，可以在成形前触发对压坯进行额外的上油。

每个身体部分都分配了在所有后续生产步骤中仍然可用的信息。由于空白停留在其生产线上进行标记，标识被分配没有任何周期停机时间。ID的设计，使其保持可见整个车身结构。

宝马集团的规划专家已经利用所有部件的可追溯性进行进一步优化，涉及到额外的算法。例如，考虑到为每个单独的车身部件测量的特性，成品车身的间隙尺寸可以进一步优化，或油漆应用更好地匹配该特定车身的表面。

根据毛坯特性对压力机参数进行微调已经产生了重大影响——报废零件的数量显著减少，线圈材料得到更好的利用，故障分析所需的系统停机时间也减少了。

车身小铺的预测性维修

智能数据分析应用程序为在高度自动化的制造业领域增加生产设备和机器的可用性提供了特别高的潜力。最大程度地准确预测故障风险有助于避免计划外的系统停机。根据预测，维护人员可以计划有针对性的维护干预，将停机时间限制到最小。

这种“预测性维护”是通过对大量实际生产的智能分析实现的，对这些信息的传感器和过程数据进行针对性分析，使确定何时更换生产中使用的易损件成为可能。如果更改得太晚，就有停产的风险;如果开发得太早，宝贵的资源就会被浪费。

在没有相关数据的情况下，在不知道实际磨损状态的情况下，对过去进行了纯粹的预防性维护。这种方法需要允许切换时间的安全裕度，但不能检测到意外故障。

基于数据的预测性维修解决方案用于车身生产的各个阶段，以预测机器人的磨损。当缺陷或质量问题可能发生时，焊钳中的传感器会提前发出信号。大范围的传感器监测还提高了各种系统中使用的电气驱动的可靠性，包括升降机和转盘。机器人和控制技术配备了传感器，允许维修人员分析数据并得出正确的结论。

在线过程控制

宝马集团在法国戛纳著名的Surcar大会上获得了2017年技术大奖，获奖原因是该公司位于墨西哥圣路易斯Potosí的新工厂的全面油漆车间数字化概念，该工厂将于2019年开始系列化生产。宝马集团的油漆车间已经使用传感器对自动化生产过程进行持续监控。

智能网络系统增强了工艺序列的稳定性，使预测性维护成为可能，并为客户确保最高质量。在线过程控制结合了基于算法的大数据量分析的优势和员工经验。因此，人们可以更多地关注他们作为生产过程架构师的角色，因为实际生产数据是为他们排序和优化预结构的。可以及时发现潜在的错误，避免返工。

2017年5月，宝马集团在其慕尼黑工厂首次开始使用全自动质量控制，机器人扫描整个汽车外表面。该系统能够检测人眼无法察觉的错误。所获得的数据也为上游涂装工艺的精度提供了有价值的反馈，允许持续优化和及时识别潜在的缺陷。

紧固件数据和错误预防

螺栓连接是汽车生产的基础，因为每辆车都有数百个螺栓连接。宝马集团监测和分析所有与安全相关的螺栓连接。不满足或仅部分满足要求的螺栓连接可能需要返工。自2017年7月以来，凭借预防性质量策略，宝马集团开发了一套算法，对所有汽车厂的3200多个装配系统中的螺栓连接进行了分析。

对螺栓连接工艺曲线的记录和分析可以对螺栓连接的质量提供准确的反馈。该程序可以识别不同类型的故障，并在因果图中显示可能的错误来源。宝马集团利用这一信息对员工进行预防性质量工作的培训和资格认证——没有犯过的错误不需要纠正。然后，培训师还可以提供避免错误的技巧。

对螺栓工艺曲线的分析也为系统监测螺栓系统和参数提供了重要的见解，如拧紧扭矩。如果快速实施，这些发现将创建一个持续改进的闭环。

在许多情况下，人工分析螺栓工艺曲线只能得到“可接受”或“不可接受”的结果，而不能识别错误的原因或突出改进的潜力。

维护和物料搬运

宝马集团的生产体系具有最高程度的灵活性。该公司在其装配线上生产各种型号和变体，但仍具有竞争力——正如独立基准所证实的那样。在装配线上，可靠的材料供应尤为重要。任何时候的故障都可能导致整个生产区域陷入停顿。

在装配过程中，许多输送系统现在都配备了大量的传感器来监测各种因素，特别是温度、振动和电力。这些传感器的成本效益足以使其得到广泛应用。来自这些传感器套件和其他流程数据的数据被实时传输到宝马物联网平台，在那里可以实时可视化和分析。

如果数据检测到偏离以前故障的趋势或模式，平台会通知维护人员。工作人员可以决定是否应该将吊架拆下来进行维护。这样，就有可能保证输送机系统多年的长期、可靠运行。

“在汽车生产中，分秒必争。如果一个零件不能按时供应或系统出现故障，生产过程就会延迟，价值链就会被打乱。”Patron指出。“生产数据的智能使用确保了稳定和高效的过程。我们认为智能数据分析具有巨大的潜力，可以更快地将客户反馈整合到开发和生产中。”