沈莉/文

在汽车零部件制造行业，多品种、小批量、复杂工序一直是绕不开的痛点——传统生产模式下，订单调整、设备稍有波动，人工排产就容易乱套；海量复杂的工艺参数高度依赖资深技工经验，质量风险难以避免……

能不能把难题交给人工智能？

“想让人工智能把活干好，核心在于优质数据支撑。数据体系越完善、数据质量越高，人工智能就越能精准捕捉生产规律。”宁波均胜群英汽车系统股份有限公司高质量数据集项目负责人余美珍说。作为国内汽车零部件龙头企业，均胜群英深耕生产场景，用两年时间打磨出离散工业智能排产与工艺优化数据集。

日前，这一数据集成功入选浙江省人工智能行业高质量数据集建设重点项目清单。

事实上，过去几年，均胜群英已初步搭建了企业数据仓库，但当时的数据链路割裂、场景适配性弱，无法满足智能化生产的应用需求。

2025年初，宁波市数据局的一场高质量数据集培训会，为余美珍打开了新思路，“数据必须成体系，才能更好发挥作用，从而依托系统化数据驱动，实现工艺优化、质量预测、智能排产等生产场景的全面升级”。

“先天条件”占优的均胜群英，所有数据均来自真实生产一线，相较于市面上多数依托实验室仿真生成的工业数据集，更贴合工业实操场景，落地适配性强，行业参考价值高。

余美珍介绍，该数据集涵盖结构化与非结构化两大核心数据类型，全方位覆盖生产流程。“结构化数据对应标准化生产参数，每一个都有明确含义，比如扭矩、角度数值等。”她说，而非结构化数据则是产品外观质检图像、车间作业视频等，可通过人工智能看懂画面，识别产品缺陷、工人操作是否合规等。

截至目前，离散工业智能排产与工艺优化数据集已收录1.23亿条结构化数据，非结构化数据存储规模超28TB。

在具体生产场景中，离散工业智能排产与工艺优化数据集着实“帮了大忙”。企业可精准预判设备波动、工艺偏差等生产异常情况，自动迭代优化排产方案，实现生产计划精准落地、产能高效调配，将订单延期率严控在5%以内。

在质量管控环节，人工智能可依托历史生产数据与质检数据的关联规律，预判产品质量优劣，预判结果与实际质检吻合度超98%，较传统模式提升6%，把质量隐患拦截在成品流出之前。

在生产效率方面，数据显示，均胜群英某产品1小时产能从45件至47件提升到70件至73件，整体生产效率实现1.5倍跃升。

眼下，余美珍和团队成员正持续迭代升级数据集，不断拓展样本维度，丰富数据适配场景，让数据集适配更多汽车零部件品类。

她透露，未来3年至5年，均胜群英将依托汽车零部件行业数据资源优势，深度对接区域数据要素市场，探索工业数据合规流通、行业数据共享服务等创新模式，推动企业数据从内部生产自用向全行业价值赋能跨越。