为解决新能源汽车生产企业从车辆制造到售后服务产品生命周期内信息管理与质量追溯问题。利用条形码图像处理技术与图像模式识别算法对整车制造装配环节的重要零部件进行数据采集和信息绑定。采用.NET编程技术设计图像识别程序完成对零件条码图像自动识别分类工作。形成整车车辆识别代码与关键零部件物料信息结合的管理体系。最后通过企业ERP系统物料完成数据接口,承接起ERP系统零件管理功能向仓库和制造流程扩展的作用。物料流程追溯与质量信息管理功能实现验证了技术方案的可行性。通过对质量数据的管理提高了制造企业对质量问题的反馈和追踪能力。

为了实现对涡旋盘轮廓高精度测量评价，根据检测特点，从线轮廓度的定义出发，分析并提出了一种计算涡旋线轮廓度误差的新方法——极半径误差法。通过提取被测轮廓的实际测量离散点，根据涡旋线形成原理绘图分析，计算出一系列与实际测量点对应的理论轮廓点的极半径；计算各对应点的极半径误差并将其2倍值作为最小包容被测轮廓的两轮廓线的最小距离，即为涡旋线轮廓度误差。实验计算15000条数据用时0．2s，求得平均极半径误差为0．0056mm，远小于精度要求0．01mm。运用极半径误差表达最小包容距离，方法简单可行，有效提高了涡旋线轮廓度误差的计算精度和效率，适用于涡旋盘的高精度测量评价。

为满足混线生产车间物料配送准时化的需求，以配送路径最小为目标函数，满足配送工具装载量、工位时间窗等约束条件，分析并建立了车间物料配送路径优化问题的模型。基于蚁群算法对蚂蚁选择概率作改进，引入确定性和探索性搜索扩大搜索空间，并结合遗传算法里的相关操作，改善全局搜索的局限性和收敛速度，运用改进的蚁群算法对模型求解。最后通过某汽车后桥生产车间实际案例分析，验证了该算法的有效性。为制造企业车间物料配送优化提供了可参考的模型和算法。