Ford Enhances Manufacturing Efficiency with Altair Knowledge Studio

技术

分析与建模 - 机器学习
分析与建模 - 预测分析

适用行业

汽车
教育

适用功能

人力资源
产品研发

用例

预测性维护
时间敏感网络

服务

数据科学服务
培训

挑战

钣金冲压是汽车制造业的关键工艺，需要使用各种工具、模具和工艺组合来制造各种零部件。传统上，确定特定零件设计的最佳冲压工艺是一项劳动密集型且耗时的任务，严重依赖冲压工程师的知识和技能水平。福特墨西哥公司试图通过记录五年内成功的金属冲压生产运行来解决这个问题。目标是获取内部领域知识和最佳实践，以加快为未来生产运行选择最佳冲压工艺。这将提高工厂效率和零件质量，减少废料，并能够快速培训新人员。然而，挑战在于不断增长的设计复杂性、非常规材料类型以及众多的工艺组合，即使是最有经验的工艺工程师也可能面临挑战，因此需要劳动力和材料密集的试错验证过程。

关于客户

福特汽车公司是财富 50 强汽车公司，在世界各地设有工厂，每年生产数百万辆汽车。质量、效率和上市时间对其盈利能力和销售增长都至关重要。 30 多年前，福特开始与 Altair 合作，支持该公司的产品开发活动。如今，该公司在全球范围内采用 Altair 软件来支持福特汽车、卡车和重型设备的开发。在许多生产设施中，有多种钣金冲压工艺可用于形成嵌套和单独的零件。其中包括渐进式、传送式和串联式冲压线。

解决方案

Ford Mexico 联系 Altair，探讨应用 Altair 机器学习和预测分析解决方案 Knowledge Studio 来支持其业务目标的可能性。福特的冲压领域专家和 Altair 的解决方案架构师利用福特为 3,000 多个冲压流程收集的数据（这些数据被确定为代表未来需求）合作，通过 Knowledge Studio 开发了准确、可靠的机器学习模型。 Knowledge Studio 提供 15 种不同的机器学习模型，允许用户探索、选择和训练最适合其数据的模型。该团队使用数据子集进行了一系列测试，以确定哪种方法最有效。决策树模型的准确率超过 90%，产生的结果最为一致。与所有其他数据点相结合，机器学习算法为福特提供了接近 100% 准确的结果。

运营影响

The machine learning predictive power of Knowledge Studio proved to be highly accurate and successful in largely automating stamping process selection. By minimizing manual trial-and-error process validations and rework, more time was available for stamping process engineers to address the most difficult and complex part designs further enhancing production efficiency and business value. Overall the projected throughput increased by a factor of three and, increased FTT rates resulting in reduced rework time – all accomplished without increasing resources. In addition, the Knowledge Studio machine learning model was effective in capturing Ford’s in-house domain knowledge to support a faster learning-curve for training of new personnel.

数量效益