胡玉茹，葛 爽，夏曉毛

（博世汽車部件（長沙）有限公司，長沙 410100）

0 引言

汽車零部件企業(yè)的生產(chǎn)制造過程具有自動化、高速化、數(shù)字化等特點，生產(chǎn)設(shè)備的穩(wěn)定、高效運(yùn)行直接影響著產(chǎn)品質(zhì)量和產(chǎn)品的及時交付。在生產(chǎn)制造過程中，由于生產(chǎn)原料、生產(chǎn)條件、工藝參數(shù)、人員操作等因素導(dǎo)致生產(chǎn)設(shè)備及部件出現(xiàn)故障損壞，生產(chǎn)制造無法正常持續(xù)運(yùn)行時就需要對生產(chǎn)設(shè)備及部件進(jìn)行修復(fù)更換，從而恢復(fù)生產(chǎn)制造[1]。備品備件的智能化管理對保證生產(chǎn)設(shè)備的穩(wěn)定運(yùn)行及快速恢復(fù)至關(guān)重要。

但是在汽車零部件生產(chǎn)企業(yè)的備品備件管理過程中，很多工廠往往都存在如下共性痛點問題。

（1）無法快速地從備件庫找出所需的備件，尤其是當(dāng)備品備件上的標(biāo)簽損壞或由于備品備件體積小根本沒有貼標(biāo)簽時，甚至需要查閱圖紙才能準(zhǔn)確定位出所需備件，對備件庫操作人員專業(yè)知識要求高，不便捷。對于汽車零部件生產(chǎn)企業(yè)而言，備品備件存在品種繁多、數(shù)量龐大、通用備件適用范圍廣等特點。生產(chǎn)用戶往往需要拿著損壞的備件到備件庫，然后備件庫操作人員根據(jù)備件標(biāo)簽或憑借個人經(jīng)驗初步判斷備件及型號，最后基于這些數(shù)據(jù)再去SAP 中搜索出適合的備件，并取出交付生產(chǎn)用戶。此過程效率很低，尤其是出現(xiàn)集中領(lǐng)用備件的情況下往往需要排隊。針對這種情況，迫切需要一套系統(tǒng)幫助生產(chǎn)用戶和備件庫操作員實現(xiàn)“零基礎(chǔ)”快速識別并領(lǐng)用備件。

（2）往往要到用備件的時候才能發(fā)現(xiàn)庫存不足，從而引起長時間停機(jī)停線，或者備件一直沒有使用呆滯在備件庫，庫存周轉(zhuǎn)率低。備件庫操作人員往往根據(jù)設(shè)定的安全庫存數(shù)量進(jìn)行拉動式采購和庫存管理，即當(dāng)庫存低于安全庫存時立即進(jìn)行采購。但是由于安全庫存數(shù)量的設(shè)定是依據(jù)歷史消耗數(shù)據(jù)和經(jīng)驗，一旦設(shè)定基本不會更新，這就導(dǎo)致當(dāng)客戶訂單需求波動的情況下，非常容易造成庫存數(shù)量過多或過少的問題，要么造成備品備件庫存資金占比過高，要么備品備件供應(yīng)不及時。同時由于采購過程一般需要較長的交付周期，很多備品備件的交付周期在45～60 天，因此這種簡單依據(jù)安全庫存進(jìn)行采購的方式很容易造成備品備件供應(yīng)不及時的情況，尤其對于安全庫存為1的備品備件。

（3）無法有效跟蹤核心工藝的關(guān)鍵備件信息，例如這些關(guān)鍵備件在各個生產(chǎn)線的消耗、庫存和采購統(tǒng)計情況。

（4）備件出入庫管理數(shù)據(jù)大多是先記錄在紙質(zhì)excel中[2]，然后交接班前人工轉(zhuǎn)錄到SAP 中，效率低，庫存更新不及時且易出錯。

針對上述痛點問題，本文應(yīng)用深度學(xué)習(xí)、數(shù)據(jù)分析與預(yù)測等技術(shù)開發(fā)一套支持移動端和電腦端的備品備件管理系統(tǒng)，解決備品備件管理過程中紙質(zhì)化效率低，無法快速追溯，庫存周轉(zhuǎn)率低，缺件導(dǎo)致產(chǎn)線停機(jī)等問題。

1 系統(tǒng)方案

用戶僅需要通過系統(tǒng)移動端拍照就能快速識別和追蹤備品備件（即使沒有標(biāo)簽）。通過備件管理流程數(shù)字化取代傳統(tǒng)紙質(zhì)管理模式，通過大數(shù)據(jù)分析改善庫存周轉(zhuǎn)率，平衡生產(chǎn)需求[2]。系統(tǒng)流程如圖1所示。

圖1 系統(tǒng)流程

系統(tǒng)技術(shù)方案如圖2 所示，其核心包括全生命周期數(shù)字化管理、基于圖像識別的備件追溯、庫存大數(shù)據(jù)分析與預(yù)測3個部分。

圖2 系統(tǒng)方案

全生命周期數(shù)字化管理主要是對備品備件的采購、收貨、入庫等流程實現(xiàn)數(shù)字化管理，并建立基于工藝的備件消耗精準(zhǔn)監(jiān)控，實現(xiàn)十幾種核心工藝關(guān)鍵備品備件信息的有效跟蹤[3-4]。基于圖像識別的備件追溯，通過構(gòu)建Resnet50 殘差神經(jīng)網(wǎng)絡(luò)模型，幫助用戶快速識別備品備件，不再需要查找圖紙或要求用戶具備專業(yè)知識。尤其是在備品備件無標(biāo)簽或標(biāo)簽損壞的情況下，也能快速識別備品備件。庫存大數(shù)據(jù)分析與預(yù)測根據(jù)備品備件的特點，從3 個層次（一般性備件、產(chǎn)量強(qiáng)相關(guān)備件、預(yù)測性備件）逐步實現(xiàn)安全庫存的優(yōu)化和總庫存需求的預(yù)測，進(jìn)而實現(xiàn)自動補(bǔ)庫。

2 全生命周期數(shù)字化管理

備品備件全生命周期數(shù)字化管理涉及采購、收貨、入庫、領(lǐng)料、出庫、移庫、退庫、返修、去功能化、盤點、呆滯備件檢測等過程，如圖3所示。

圖3 全生命周期數(shù)字化管理

利用SAP系統(tǒng)、RFID 技術(shù)和二維碼技術(shù)來實現(xiàn)數(shù)字化管理，具體包括以下內(nèi)容。（1）生產(chǎn)用戶在系統(tǒng)移動端拍照識別備件，加入購物車并發(fā)起領(lǐng)料申請。（2）系統(tǒng)根據(jù)備件價值自動發(fā)起對應(yīng)的審批流程。（3）審批同意后，領(lǐng)料申請單自動顯示在備件庫管理大屏幕上并語音提示備件庫操作員。（4）備件庫操作員根據(jù)申請單信息（備件名稱、備件圖片、庫存數(shù)量、庫存位置等信息）準(zhǔn)備備件至待領(lǐng)料區(qū)域。（5）備件庫操作員準(zhǔn)備完畢后系統(tǒng)自動通知申請人，在備件庫待領(lǐng)料區(qū)域刷員工卡自助領(lǐng)料。（6）申請人自助領(lǐng)料完成后，通知備件庫操作員掃描系統(tǒng)出庫二維碼，完成SAP 出庫。同時，在出庫過程中自動進(jìn)行庫存檢測，根據(jù)庫存預(yù)測和優(yōu)化模型的結(jié)果自動發(fā)起采購補(bǔ)庫。收貨時，通過掃描包裝上的采購訂單二維碼，完成SAP 入庫。（7）對于領(lǐng)料出庫的備件，用戶可在24 h 內(nèi)通過系統(tǒng)發(fā)起退庫申請。系統(tǒng)自動發(fā)起對應(yīng)的退庫審批流程，審批同意后自動顯示在備件庫管理大屏幕上并語音提示備件庫操作員。備件庫操作員根據(jù)申請單信息，掃碼系統(tǒng)入庫二維碼，完成SAP 入庫。（8）財務(wù)在SAP 中發(fā)起年度盤點計劃并自動生成盤點清單。根據(jù)備品備件自身的特點，系統(tǒng)提供RFID自動感應(yīng)盤點和人工掃描二維碼盤點2 種方式，盤點結(jié)果自動寫入SAP。對于存放于RFID 自動感應(yīng)盒中約15%備件，系統(tǒng)自動獲取實際庫存數(shù)量和庫存位置信息，完成自動盤點。其他備件由于體積、數(shù)量等原因無法存放于RFID 自動感應(yīng)盒中，則需要人工清點，然后通過掃碼槍掃描二維碼完成盤點。（9）對于廢舊備品備件，還可以通過系統(tǒng)提供的返修和去功能化管理流程，通過合規(guī)的維修和檢測實現(xiàn)再利用，完成對現(xiàn)有庫存的補(bǔ)充。（10）系統(tǒng)按設(shè)定周期和條件自動檢測呆滯備件，并提醒備件庫操作員在SAP中完成對應(yīng)的轉(zhuǎn)讓和出售管理[5-7]。

此外，基于過去3 年約12 萬條備品備件消耗數(shù)據(jù)，系統(tǒng)建立了備品備件與核心工藝的關(guān)聯(lián)數(shù)據(jù)庫，結(jié)合全生命周期各個環(huán)節(jié)的數(shù)字化管理信息，實現(xiàn)核心工藝備品備件消耗的精準(zhǔn)監(jiān)控。

3 基于深度學(xué)習(xí)的備件圖像識別

備品備件的圖像識別本質(zhì)是圖像分類問題。這里采用Resnet50 殘差神經(jīng)網(wǎng)絡(luò)模型來實現(xiàn)備品備件的識別，模型結(jié)構(gòu)如圖4所示。通過深度學(xué)習(xí)替代人工經(jīng)驗識別，同時解決無標(biāo)簽或標(biāo)簽損壞備件的追溯難題，極大提高備件識別效率。

圖4 Resnet50模型結(jié)構(gòu)

數(shù)據(jù)集按物料號對備品備件進(jìn)行標(biāo)記，分成100類，共計5萬張圖片。其中訓(xùn)練集包含圖片5萬張（每個分類均500 張圖片），測試集包含圖片1 萬張（每個分類均100張圖片），每一張圖片為224×224的RGB圖片。

通過CAM（Class Activation Mapping）技術(shù)對模型訓(xùn)練過程進(jìn)行可視化，發(fā)現(xiàn)在復(fù)雜背景下模型無法正確定位出備件所在的圖像區(qū)域，進(jìn)而沒有正確實現(xiàn)的識別。如圖5 所示，在第一個場景中模型正確定位出了需要識別的備件，但是在后面2 個場景中模型忽略了需要識別的備件而關(guān)注了其他區(qū)域。針對這種情況，需要對模型訓(xùn)練參數(shù)進(jìn)一步調(diào)優(yōu)[8-11]。

圖5 CAM特征熱力圖

（1）批次大小batch_size和訓(xùn)練次數(shù)epochs的選取。

采用小批量梯度下降法來進(jìn)行模型訓(xùn)練，即從總樣本中選取一個批次（batch），然后計算這個batch 的總誤差，再根據(jù)這個誤差來更新權(quán)值。這里按照經(jīng)驗，取批次大?。╞atch size）分別為8、16、32、64和128進(jìn)行對比訓(xùn)練，結(jié)果如圖6所示。

圖6 參數(shù)batch_size 和epochs的選取

根據(jù)訓(xùn)練效果，當(dāng)參數(shù)Batch_size=16，Epochs=50時模型錯誤率較低，因此這里將訓(xùn)練集分成3 125 個batch，每個batch有16張圖片，訓(xùn)練集循環(huán)訓(xùn)練50次。

（2）Dropout率dropout_prob 和全連接層層數(shù)layers的選取。

模型訓(xùn)練時，為了減少過擬合，在全連接層加入Dropout。通過Dropout，在向前傳播的時候，讓某個神經(jīng)元的激活值以一定的概率p停止工作，這樣可以使模型的泛化性更強(qiáng)，因為它不會太依賴某些局部的特征，防止過擬合[12]。

這 里 按dropout_prob 從0.1、0.2、0.3、0.4、0.5、0.6、0.7，layers 從10、20、30、40、50 的不同組合進(jìn)行了對比訓(xùn)練，結(jié)果如圖7 所示。從圖中可以看出，當(dāng)dropout_prob=0.5，layers=30時模型錯誤率最低。

圖7 參數(shù)dropout_prob 和layers的選取

模型參數(shù)優(yōu)化后，測試集上運(yùn)行的平均正確率為0.953 9。同時，再次通過CAM 對測試過程進(jìn)行可視化，發(fā)現(xiàn)模型無法正確定位出備件所在的圖像區(qū)域的問題也得到了有效解決，模型可以正確識別出相關(guān)備件，如圖8所示。

圖8 優(yōu)化后CAM特征熱力圖

4 庫存優(yōu)化與預(yù)測

根據(jù)備件的特性，分3 個層次實現(xiàn)庫存大數(shù)據(jù)優(yōu)化與預(yù)測，本文現(xiàn)階段的研究主要針對層次2。

層次1：一般備件，建立備件安全庫存多目標(biāo)優(yōu)化模型。

層次2：產(chǎn)量強(qiáng)關(guān)聯(lián)備件，建立動態(tài)相關(guān)性模型，實現(xiàn)自動補(bǔ)庫。

層次3：維護(hù)性備件，建立備件需求預(yù)測模型。針對生產(chǎn)一定數(shù)量產(chǎn)品后必須更換的備品備件而言，建立產(chǎn)量預(yù)測模型將能有效預(yù)測未來的庫存需求[13]。

通過近3 年的歷史數(shù)據(jù)分析，選取排名前10 的高消耗高價值備品備件作為優(yōu)化對象，分別為沖筋刀、蝸桿成型刀、精軋機(jī)刀、具針嘴，蒙套密封橡膠圈、鉚刀、鎢電極、蒙套罩蓋（短）、蒙套桿（長）、繞線輪[14]。

采用滑動平均和線性回歸方法建立備品備件庫存和產(chǎn)量的動態(tài)相關(guān)性模型，如下：

式中：y為安全庫存預(yù)測值；x為產(chǎn)量需求；? 為模型系數(shù)；n為樣本數(shù)量；β為模型系數(shù)；MSE為均方誤差。

這里以沖筋刀為例，訓(xùn)練集樣本數(shù)量為70 000，以月為優(yōu)化周期，分別采用一般的線性回歸模型和基于滑動平均的線性回歸模型進(jìn)行訓(xùn)練，結(jié)果如圖9所示。

圖9 模型比較

通過對比可以發(fā)現(xiàn)，采用滑動平均回歸模型可以得到更低的安全庫存值，更加符合低成本的目標(biāo)。

最終得到基于滑動平均的安全庫存優(yōu)化模型如下：

5 結(jié)束語

通過實施運(yùn)行，切實地幫助企業(yè)提高了備品備件管理效率，降低了運(yùn)營成本。具體實施成效主要體現(xiàn)在如下幾點：首先，通過備品備件全生命周期流程數(shù)字化管理，將備品備件管理效率提高了35%；其次，創(chuàng)新性地將基于深度學(xué)習(xí)的圖像識別應(yīng)用于備品備件管理領(lǐng)域，并通過圖像識別的應(yīng)用，減少了備件查找耗時80%；最后，通過庫存和產(chǎn)量的動態(tài)相關(guān)性模型實現(xiàn)庫存優(yōu)化和預(yù)測，經(jīng)過1 年的運(yùn)行，提升了庫存周轉(zhuǎn)率25%。

本文介紹的全生命周期數(shù)字化管理思路和技術(shù)實現(xiàn)手段涵蓋生產(chǎn)制造企業(yè)備品備件管理的所有環(huán)節(jié)，對生產(chǎn)制造企業(yè)實現(xiàn)備品備件的數(shù)字化閉環(huán)管理有一定指導(dǎo)意義。同時，本文提出的通過基于深度學(xué)習(xí)的備件圖像識別實現(xiàn)備品備件快速追溯的應(yīng)用研究不僅適用于各行業(yè)的備品備件管理領(lǐng)域，也適用于原材料管理領(lǐng)域。此外，本文提出的3 層次庫存優(yōu)化和預(yù)測模型結(jié)構(gòu)以及庫存和產(chǎn)量的動態(tài)相關(guān)性模型，對于簡單且有效地應(yīng)用實施備件備件庫存優(yōu)化具有較高的參考示范價值。