|
近日，智数大会 2026「AI Ready·数据集成治理专场」举行。南京东华智能转向系统有限公司数字化总监陈从霜，围绕《实时为基，数智转向》展开分享。
扫码或点击图片查看直播回放
她先解释了「转向」的双重含义：既是公司深耕的汽车转向主业，也是从传统制造向智能制造、从经验驱动向数据驱动的转型。数据链路一旦打通，业务价值便会自下而上浮现。
陈从霜介绍，东华转向成立于 1958 年，总部位于南京，在上海、柳州设有两个分技术中心，在岗 383 人、技术人员占比 70%，人均产值 480 万元。公司是国家转向系统分标委秘书长单位，主导或参与国家转向系统标准制定，也是国家大数据产业示范单位、江苏省先进级智能制造工厂。产品覆盖 C-EPS 管柱式、DP-EPS 单/双小齿轮式、RWS 线控后轮转向与电动四向管柱，适配从 A0 级到 B 级以上各车型；客户既包括上汽荣威、五菱、上汽大众、智己等主机厂，也拓展至一汽、比亚迪、爱信，并在无人物流车领域与美团、京东等客户实现项目定点。
五年五步：从采数据到用数据
公司秉持「持续对业务对象、业务过程与业务规则数字化」的理念，目标是建成互联、智能、精准、高效的数据驱动型企业。转型起步于 2021 年，此前仅有 ERP，面临自动化程度低、信息系统缺失、产能与供应链稳定性不足等痛点。此后五年走出五步：建成覆盖全业务的 EICP 信息系统，让业务数据先「采得进来」；引进 FineReport 做可视化与大屏；2023 年引入 FDL 与 YM 建设数据仓库，统一标准、治理质量，把数据「管起来」；2024 年基于数仓搭建数据公共服务平台 FineBI，让业务人员自助分析；2025 年起以 AI + RPA 推进端到端流程自动化，向智能化深入。
业务架构的梳理始于 2019 年。当时上汽集团在南京开展信息化建设试点，公司借此梳理了从主机厂订单、生产计划排产、采购订单下发，到物流管理、生产过程控制与车间设备管理的全部业务流程，并基于质量追溯要求把流程串联打通。这次梳理为后续的系统落地与实时数据监控打下了底座。
技术架构分三层。底层是数据采集层，依托 RFID、二维码等信息载体与统一接口协议采集原始生产数据；中层是信息系统层，公司把生产计划、车间执行、质量控制、设备与供应链等生产全流程业务集成到企业云平台 EICP，并与 PLM、OA、ERP 等系统交互，业务流程在系统层面打通；上层是数据应用层，数据汇入数仓加工后支撑监控提醒、统计分析、预测预警与全面追溯。
数据架构上，BIP 财务、EICP 业务中台、PLM 研发、合思费控、WMS 自动化仓储、MES 生产以及简道云搭建的零星应用，全部集成进数仓统一治理与存储：ODS 贴源层 1332 张表、DWD 治理层 800 张表、DWS 指标层 260 张表。上层由 79 个实时任务支撑 OA、FR 与 API 的消息预警与实时监控，792 个定时任务支撑经营分析会与绩效考核，并赋能自助分析服务平台；同时通过 FDL 与 RPA 与供应商、客户交互数据，实现产业链协同。
场景一：FDL 实时预警，闭环管控。汽车行业一旦批次零件断点不干净，或 MES 防错规则被遗忘、违规配置导致防错失效，就可能造成质量问题溢出。陈从霜算过一笔账：公司服务客户 17 个、覆盖工厂 22 个，在途数量每天超过 1 万台，仅每起质量溢出的遏制人员人工费用就高达 5000 元/天以上。方案是用 FDL 实时管道加实时任务，把预警推送到 OA 形成消息提醒与待办；重要预警还设立逐级升级机制，直至总经理。成效是MES 防错有效率提升 50%、售后溢出事件减少 90%。她举例，异常批次零件一上线便触发预警，质量人员 5 分钟内就找到了问题点。
场景二：FDL 加速 SPC，实时分析提效。SPC 是生产过程质量分析的重要工具，但计算复杂、八大规则运算量大。此前用 FineReport 实现时，团队与其技术支持逐一攻克规则、历时一个多月才上线；随着数据量增长，系统卡顿、等待时间长，业务端抱怨不断。改用 FDL 多任务并行机制后，SPC 计算拆分为多个子任务并行运行，结果统一归集到单张汇总表并直连 FR/FBI 前端，任务平均耗时下降 76%、最大耗时下降 74%，数据读取平均速度提升约 31 倍。业务人员不再对着进度条干等，可以把精力放在分析异常上。
场景三：FDL + 简道云，实时驱动流程再造。老系统改造依赖外部供应商，周期漫长、成本高昂——2025 年零星开发成本 10.5 万元，每次至少一个月。公司改用简道云加 FDL 搭一条「柔性管道」：FDL 向简道云下发基础数据，业务人员在简道云发起采购申请，RPA 自动把报价链接发给供应商，供应商报价后系统自动比价定价，再由 FDL 同步回 ERP 生成请购单与采购订单。不改老系统，却让老系统参与新流程，全程由 IT 人员自主开发，响应周期从数月缩短至数天。
场景四：FDL 实时贯通，重塑产业链信息流。汽车行业高频订单与零库存压力下，信息互通已是供应链的「入场券」：既要满足主机厂穿透式查询，又要打通上游数据实现链上协同。此前接口开发高度依赖外部供应商，单接口费用 2 万元、周期逾月。FDL 落地后局面翻转——接到上汽大通的质量数据对接需求后，从数据源梳理、规则清洗到接口配置，不到一周即完成对接。接口开发实现自主化，既节约外部采购与运维费用，也让核心能力沉淀在内部。她补了一句：掌握了自主能力，但坚持数据真实的底线，绝不向客户推送包装美化后的数据。
面向未来，陈从霜给出的定位是以 AI 赋能数据治理，以治理支撑 AI 应用，构建「自感知、自诊断、自优化」的智能数据底座。公司计划建设 AI 数据治理大脑，通过智能调度与决策支撑数据标准体系、治理闭环、安全与生命周期三大模块，基座仍是 FDL + FR/FBI + 简道云，最终形成四项核心能力：治理 Agent 7×24 小时自动巡检数据质量、判断异常根因并推送建议方案；语义理解让业务人员用自然语言提问、自动生成查询分析结果；智能标准映射用大模型识别各系统字段含义、推荐映射关系；质量预测基于历史数据提前预判质量异常趋势，从事后处理走向事前预防。
落地计划分三个维度：智能标准体系，发布《企业数据标准手册》、建立核心指标字典、规范 FDL 数据服务 API 接口标准；智能质量闭环，配置完整性、准确性、时效性、一致性四大类质量规则，由 FDL 定时任务每日自动巡检、简道云形成整改工单闭环，并在 FR/BI 按部门公示考核；智能安全与生命周期，实现数据四级分级分类、行列级权限管控与敏感字段动态脱敏、操作全日志审计与分层存储。更长远处，则是大模型辅助标准映射、指标血缘自动解析、异常智能归因（TOP3 根因）、质量趋势预测与存储智能分层调度。
从实时预警到流程再造，从接口自主到产业链协同，东华转向的数据链路已经打通。正如陈从霜所言，下一步是让数据治理本身也长出一个会思考的大脑。 | 
