福鼎中小企业数字化转型案例展示(一): 福建省捷龙模具压铸有限 “捷龙智造”智慧压铸数字化平台改造升级项目

福建省捷龙模具压铸有限公司成立时间为2008年8月，经营至今已经有17年的时间，公司地理位置位于福鼎市铁塘工业园区（占地6000㎡），其公司注册资本为3000万元。企业经营资质认证已经顺利通过了IATF16949国际汽车质量管理体系认证经营规模为规上企业。

其中员工规模已经达到112人，2024年公司资产总额达到4003万元，年生产总值达到4885万元，年税收212万元。其核心业务包含高精度模具设计与制造、汽车零部件生产销售，核心客户:苏州中成、合肥达因、美国特赛亚、日本TK等，并不断通过市场开发获得新的客户和订单，实现持续健康发展和产业多元化。

二、项目背景

1.企业数字化现状与痛点

通过建设智慧压铸数字化管理平台解决，压铸行业本身遇到严重的“产能过剩”造成内卷，价格战严重挤压着企业的利润、威胁企业生存；

其智能化能够自动实现：“数据采集、数据分析、指标统计和实时呈现”，能够自动实现“指标目视化、数据报表化、问题TOP化、绩效自动化、改善模式化”。

完成协助工厂管理者自动生成图标提供企业问题和瓶颈预警响应决策；团队例会驱动精准沟通和问题复盘；以TOP问题为对象开展团队PDCA闭环改善！

系统通过“数据打通、智能协同、预测优化”，将传统压铸从“经验驱动”转变为“数据驱动”，从“被动管理”升级为“主动优化”，最终实现生产效率、产品质量与可持续发展能力的全面提升。

智慧压铸数字化管理系统价值

减少质量波动：通过实时采集工艺参数（如压射速度、锁模力、温度），结合AI算法分析参数与缺陷的关联，自动预警异常并动态调整参数，避免因人工经验误差导致的质量波动，提升产品一致性；质量追溯与根因定位：全流程数据记录（从原料到成品）可实现质量问题的精准追溯，结合大数据分析快速定位根因（如设备磨损、原料批次差异），缩短质量改进周期。

智能检测与分拣：集成机器视觉和机器学习，实现不良品的自动化检测与分拣，替代人工抽检，降低漏检率，确保出厂产品合格率。

减少物料浪费：通过工艺参数优化和缺陷预测，降低废品率（例如，某企业应用后废品率从5%降至1.5%），减少原料、能源浪费；提升设备利用率：基于预测性维护（通过设备振动、温度等数据预测故障），减少非计划停机时间，提升设备综合效率（OEE），降低设备闲置成本；优化人力成本：自动化数据采集、智能调机（如调机时间从几小时缩短至几分钟）和流程协同，减少人工干预，降低对高技能工人的依赖，节省人力成本。

缩短生产周期：通过MES系统实现排产智能化（结合订单优先级、设备负荷动态调整），减少工序等待时间；工艺仿真（如SupreCAST）提前优化方案，缩短试模周期；

加速决策响应：实时数据看板（生产进度、质量指标、设备状态）让管理层快速掌握全局，替代传统人工报表统计，决策响应速度提升数倍；

供应链协同增效：打通与ERP、供应链系统的数据接口，实现物料需求与供应的精准匹配，避免缺料或库存积压，提升供应链周转效率。

管理透明化：全流程数据可视化（如设备运行数据、能耗数据、质量数据），消除信息孤岛，让生产过程可监控、可追溯，提升管理透明度；

工艺知识沉淀：将优秀调机经验、工艺参数方案转化为系统算法和知识库，避免因人员流动导致的技术流失，实现工艺能力的标准化传承；

支持柔性生产：通过数据动态分析，快速适配多品种、小批量订单需求，灵活调整生产计划和工艺，增强企业对市场变化的响应能力。

节能降耗：实时监控能耗数据（电力、水资源），结合智能算法推荐节能参数，降低单位产品能耗，助力“双碳”目标；

合规与追溯：完整的数据记录满足行业监管、客户审计对生产过程的追溯要求（如汽车行业IATF16949标准），提升供应链信任度。

智慧压铸数字化系统的核心价值，在于通过数据打通生产全链路，用智能化手段解决传统压铸“依赖经验、效率低、质量波动大、成本高”的痛点，最终帮助企业在激烈的市场竞争中实现“高质量、低成本、快响应”的核心竞争力提升。

智慧压铸数字化管理系统赋能的绩效价值

1.车间数据统计人员统计工作量减少70%

2.车间能耗（燃气和电能）综合消耗降低20%；

3.车间生产节拍时间降低30%，提高综合效率30%；

4.工艺出品率达到48%以上；

绩效驾驶舱 稳定性是车间管理数字化呈现管理成效

计划性停机时间是车间正常运行的保障和前提

根据智慧压铸数字化系统的统计分析日TOP问题快反制定对策解决；

周/月报表分析TOP问题执行改善专题；后道月度料废缺陷TOP产品纳入专题改善；并构建日快反机制驱动每天的问题专题改善。

通过协助企业构建快反会议（日、周、月）的机制和模式，驱动现场持续改善和PDCA闭环管理：

智慧压铸数字化管理系统可以通过后台报表可实现：

跟踪生产计划的完成情况；

班/日/周/月产出及产品合格率、开动率、效率和OEE数据，为QDC改善奠定了数据收集的基础。