某汽车零部件企业多工厂智慧云与 AI 质检

挑战

工厂间 MPLS 专线成本高、扩容慢，ERP / MES 云化后体验下降；与德国总部的数据同步每晚需 6 小时以上；产线人工目检漏检率高，缺乏可追溯的质量数据。

GSS 责任范围

GSS owned WAN and cross-border circuit design, carrier coordination, CPE and field delivery, infrastructure deployment for the hybrid cloud platform and edge AI inspection clusters, and 24/7 managed operations throughout. ERP / MES / PLM applications and inspection-model business rules were owned by the customer IT and quality teams.

方案

GSS 重构为 SD-WAN + 专线混合广域网并打通上海 ↔ 法兰克福 IEPL，建设混合云管平台承载 ERP / MES / PLM，在 5 座工厂边缘部署 AI 视觉质检集群，全部由 GSS NOC 托管运维。

背景

该企业在华东与华中拥有 5 座工厂、2 个研发中心和上海总部，IT 系统由德国总部统一规划：ERP 运行在总部数据中心，MES 与 PLM 正逐步迁移至云。原有网络为全 MPLS 专线，每月线路费用高昂且新增站点需 8–12 周；总部与中国区之间每晚的工程数据同步经常超过 6 小时，白天德国同事无法及时获取最新图纸。

生产侧，关键零部件（齿轮、精密铸件）依赖人工目检，漏检率约 2%，且质量数据无法与批次、设备和工艺参数关联追溯。

方案

网络与云（传统网络业务）

• 混合广域网：保留工厂核心业务的 MPLS，叠加双互联网 SD-WAN，按应用智能选路——ERP / MES 走专线，视频会议与办公 SaaS 走互联网，总带宽提升 3 倍而月费下降。
• 国际专线：上海 ↔ 法兰克福 IEPL 200M，由 GSS 北京上海团队统一交付，海外段由上游伙伴协同，时延 < 190 ms，承载 PLM 数据同步与 SAP 国际访问。
• 混合云管平台：统一纳管阿里云、本地 VMware 与德国总部 Azure 资源，为 MES / PLM 云化提供按工厂分账、自动化部署与安全基线检查。
• 全部站点由 GSS NOC 7×24 托管，中英双语支持，德国总部可直接查看中国区网络与云的实时仪表盘。

边缘 AI 质检（AI 业务）

• 边缘 GPU 集群：5 座工厂各部署一套 2 节点边缘推理集群，产线工业相机图像在本地完成推理，单件判定 < 200 ms，不依赖广域网。
• 缺陷检测模型：覆盖齿轮毛刺、铸件气孔、表面划痕、尺寸偏差四类缺陷，初始模型以 3 个月历史图像训练，上线后持续以人工复检结果迭代。
• AI 调用统一管控：工艺知识问答、质检报告生成等大模型调用全部经 GSS 统一 AI API 网关接入，按工厂 / 部门分配额度，输入 / 输出 Token 分开计量，德国总部可按月查看各厂 AI 花费归因。
• 质量数据回流：判定结果与批次号、设备编号、工艺参数一并写入 MES，形成可追溯的质量档案；模型更新经混合云管平台的流水线统一下发至 5 座工厂。
• 中德协同：德国总部质量团队通过 IEPL 实时查看中国区质检仪表盘与样本图像。

成果

指标	项目前	项目后
广域网月度成本	基准	−34%
站点带宽	20–50M MPLS	100–300M 混合
新站点开通周期	8–12 周	2–3 周
国际夜间同步	> 6 小时	约 50 分钟
质检漏检率	约 2%	约 0.3%（−85%）
单件质检耗时	人工 8–12 秒	< 0.2 秒
质量数据追溯	不可追溯	100% 批次关联

项目分两期于 2024 年 11 月全部交付，GSS 继续承担网络、云平台与边缘 AI 集群的托管运维。