热点:

    汽车芯片制造企业携手奇点云,以数据支撑研发提效

      [  中关村在线 原创  ]   作者:科技快讯

    汽车芯片制造企业携手奇点云,以数据支撑研发提效

    “研发生产难度大”,是车规级芯片从业者共同的感慨。

    一份由国内某头部车规级芯片企业提供数据,搜狐汽车研究室及中国市场学会(汽车)营销专家委员会研究部制表的材料显示,处理器设计流片需18-24个月,车规级认证系统方案开发需要12-18个月,车型导入和测试验证需要24-36个月,方才进入量产部署及后续迭代提升的阶段。平均研发周期可能长达5.5年。

    车规级芯片技术攻坚难,标准要求高,天然导致研发生产周期长;而周期长意味着产品设计必须更具前瞻性,方能匹配新阶段的市场需求,又进一步增加了研发难度。

    对于本文将分享的客户S而言,情况也不例外。

    S是国内提供智能驾驶软硬件方案的领军企业,研发在其经营开支中占据了压倒性的最大比例。同时,S在积极探索技术攻坚、商业化、业务复杂度等各个层面的平衡。

    为对研发项目建立全面洞察,及时了解并化解卡点,预判高亏损/高风险项目,企业S携手奇点云,开启了针对研发域的数字化改造。

    汽车芯片制造企业携手奇点云,以数据支撑研发提效

    图:研发流程(简化版)

    1 数据痛点

    1.1 专业系统多,数据分散且封闭,项目数据整合难

    客户S提供的智能驾驶方案需要一系列软硬件及操作系统协同合作,涉及到人工智能、视觉计算、雷达、监控装置、定位系统等系统和设备,因而仅一个研发项目的覆盖面就非常庞大。

    与此同时,S与Tier1、整车厂等各类伙伴建立了深度合作,从数据安全隔离和便利合作伙伴的双重要求出发,S使用了多款异构系统进行项目管理,天然形成了项目管理数据割裂。

    1.2 指标口径不统一,数据处理结果滞后,项目管理成本高

    目前S对研发项目的管理主要基于手工数据展开,逐级汇报。随之而来有以下特点:

    · 自下而上逐层加工,环节多、链路长、耗时久,高管层拿到数据就有更严重的时间滞后,不利于敏捷反应决策。

    · 各项目未建立统一的数据指标体系,不同项目产出的汇报数据(口径)有不同的项目风格,常常需要花费较多时间解释数据、拉齐认知。

    2 解决方案

    如前文所述,本项目需要同时应对多源异构数据整合、项目/主体间数据安全隔离的问题,并在治理的基础上建立统一的数据指标体系,进一步构建数据分析模型,辅助业务洞察。具体环节包括:

    2.1 一体化数据治理,搭建数据平台,拉通研发域数据

    · 产品基础:基于数据云平台DataSimba,完成研发域数据的“采集→存储→计算→管理→应用”全流程管理,并按部门/研发项目等划分数据平台的项目空间,满足数据隔离需要;数据安全组件DataBlack进一步加持数据全链路的安全扫描和管控。

    · 治理标准:数据生产不是短期任务,而要从组织、制度等层面持续提供保障。奇点云协助客户S逐步建立并完善了数据治理体系,沉淀下符合S组织管理生态的“数据治理指引”、“数据标准”、“数据开发规范”等数据治理规范文档,为持续的数据生产和运营打好基础。

    2.2 构建芯片研发指标体系,提供全流程数据支持

    奇点云与客户S项目团队在调研基础上,从“研发周期”和“研发效率”两个维度,构建了芯片研发域全流程指标体系。

    注:该项目中,“研发效率”维度指各环节的工作达成率,例如从需求提交到需求受理的成功率、需求通过筛选率、研发成功率等等。为简化表达,本文以“效率”代称。

    汽车芯片制造企业携手奇点云,以数据支撑研发提效

    S企业研发域指标体系

    上述指标体系对各项目通用,能以统一的数据口径分析不同项目情况。同时,管理者可基于相关指标数据,探索研发的一般性周期规律,为效能改善、成本管理等提供客观依据。

    2.3 构建效能分析模型,辅助数据洞察

    在前述指标体系的基础上,本次实践选择了部分典型场景构建分析模型。基于实时产出的数据和可视化看板,帮助管理者快速洞察关键问题。

    汽车芯片制造企业携手奇点云,以数据支撑研发提效

    表:典型分析场景示意

    3 项目价值

    3.1 制定数据标准,统一管理标尺

    基于本次实践,数据指标存在二义性、各项目口径不统一等问题得到解决,管理层能用统一标准度量项目的执行情况,为实现研发项目的精益化管理打好可靠的数据基础。

    3.2 数据实时同步,减少手工依赖

    本次实践改变了以往的手工统计模式,数据定期自动产出(最快按需达到实时),让统计结果数据与运营业务系统数据保持同步,解决了数据产出严重滞后的问题,释放出了原本的手工劳动力;同时,依托DataSimba固化数据加工逻辑,解决了人工干扰带来的数据质量不稳定问题。

    也就是说,各环节的数据使用/运营者能更快地拿到更准确的数据用于洞察分析,在数据获取和处理上的工作量也大大减少

    3.3 数据洞察覆盖研发全流程,用数据辅助精益管理

    平台上线后,不同用户可以按权限获取相关数据指标和分析结果。

    例如,项目负责人可以通过PC端/移动端的看板小程序,随时查看从需求提交到研发成果验收的全流程,和基线对比各环节进度,找到可能导致项目中止的主要矛盾并及时化解;

    高管可以分主题(研发成本、研发质量、风险管控等)横向对比、纵向深挖各项目,从而总结出研发周期规律,为后续同类项目的研发资源计划、市场风控预案等提供科学的数据指导和充足的响应时间。

    汽车芯片制造企业携手奇点云,以数据支撑研发提效

    图:研发实现周期速览(示意)

    研发对于高科技企业而言,总是重中之重。当研发逐渐形成规模、业务愈发复杂时,数据的力量就愈发显著。S企业表示:“数字化无法带来革命性的技术创新,但有利于我们更科学、更高效地管理研发过程,来满足越来越多元的业务需求,并把研发整体沉淀为我们自己的竞争力。”

    本文属于原创文章,如若转载,请注明来源:汽车芯片制造企业携手奇点云,以数据支撑研发提效https://news.zol.com.cn/868/8687923.html

    news.zol.com.cn true https://news.zol.com.cn/868/8687923.html report 4148 “研发生产难度大”,是车规级芯片从业者共同的感慨。一份由国内某头部车规级芯片企业提供数据,搜狐汽车研究室及中国市场学会(汽车)营销专家委员会研究部制表的材料显示,处理器设计流片需18-24个月,车规级认证系统方案开发需要12-18个月,车型导入和测试验证需要24...
    • 猜你喜欢
    • 最新
    • 精选
    • 相关
    推荐问答
    提问
    0

    下载ZOL APP
    秒看最新热品

    内容纠错