汽車行業目前的數字化基礎應該說是非常好的：產品設計的數字化早已是工程師們的日常平臺化管理也已越來越普遍；規模化生產的流水線上自動化水平普遍較高不少機加線、沖壓線、焊裝線、涂裝線都實現了100%的自動化無人工廠已不鮮見；產品性能測試也已在周期和成本倒逼的情況下越來越多地采用了虛擬仿真手段。
在這樣的基礎上汽車行業實現智能制造按理應該是輕而易舉、水到渠成不過事實并非如此時過境遷當數字化、智能化來襲曾經傲嬌的優勢也許會變成今日的痛點。由于早期缺乏前瞻性的頂層設計很多模塊和系統現在成為了信息孤島。后期的一些指導策略和規劃多為現況所困在實際推行中往往也是阻力重重。汽車供應鏈非常復雜尤其是像汽車主機廠這樣體量龐大的企業智能制造的整體架構往往比較宏大實現智能制造的落地并沒有那么容易。那么汽車主機廠要如何實現智能制造呢？
一、智能制造的核心是數據
首先要明確一點智能制造的核心是數據。隨著信息物理系統（CPS）的推廣智能裝備和智能終端的普及以及各種各樣傳感器的使用將會帶來無所不在的連接所有的聯網終端包括汽車及零部件的設計者和生產者本身都會源源不斷地產生數據這些數據將會滲透到企業運營、價值鏈乃至產品的整個生命周期成為智能制造的基石。
理想的智能制造必須做到產品全生命周期各階段中數據流的暢通無阻包括產品設計、生產規劃、生產工程、生產實施以及服務這五大環節用數字化全部打通最后呈現出來一種完全不同于傳統生產方式的全新的企業運營模式。
在智能制造時代數據將呈現爆炸式的增長態勢。現階段的汽車主機廠及零部件供應商首要的難題，是把底層設備數據以統一的標準連接起來這也正是智能制造落地的基礎。
在汽車行業如果是一家“造車新勢力”那么數字化、智能化的理念正是其先天特質從產品設計和新建工廠開始就使用統一的標準化的數據是比較容易做到的。越南VinFast就給了我們一個很好的示范。他們采用了西門子的全套數字化解決方案只用了傳統車企50%的時間就實現了從設計到交付的整個過程這就是數字化帶來的卓越效率！
如果是一家成熟的傳統汽車主機廠或是零部件供應商這個問題可能會比較棘手因為他們大多面臨的是把原來的工廠從自動化和基礎信息化逐步向數字化進行改造除了技術問題還要考慮人才、現有軟/硬件、正常生產任務以及成本回報等因素。
對于這樣的普遍現狀面向制造業的OPC UA（OPC統一架構）應需而生它可以有效幫助用戶解決已經形成的信息孤島問題最終獲得標準化的數據。
OPC UA是一種專為目前尚處于信息孤島的設備之間建立附加通信通道的工具可以為不同生產廠商生產的成套裝備、機械設備和部件之間提供一種統一的通信方式確保設備之間的信息可以無縫傳輸。當然OPC UA不是來替代現有通信協議的新協議而是實現設備通信進行統一對話的工具。
在此基礎之上數據流可以暢通無阻。
二、科學規劃指導實踐
獲得數據之后用戶希望充分利用這些數據。小到一個汽車零部件設計尺寸的優化、加工參數的優化大到整個汽車供應鏈上相關部件產品、生產以及相關供應商和合作伙伴的所有數據用戶都希望能夠深入挖掘和分析支持業務的良性發展。
這個數據流應該怎樣流動？汽車行業用戶需要一個科學的總體規劃來指導具體實踐。這方面西門子的“數字化雙胞胎”解決方案是一個比較完整的產品全生命周期的數字化解決方案可以以此為例展開討論。不過實際上西門子也是目前業界唯一能夠提供這樣完整解決方案的企業。
這個解決方案包括“產品的數字化雙胞胎、生產的數字化雙胞胎、性能的數字化雙胞胎”。在這里虛擬和實際互為驗證預測和現場完美結合——“雙胞胎”的命名非常形象地反應了這種鏡像關系。
產品的數字化雙胞胎對象包含構成整車的零部件及控制軟件包含機械結構、電氣系統及其物理特性；生產的數字化雙胞胎涉及到規劃、編程、工藝仿真、現場自動化軟硬件的所有方面；性能的數字化雙胞胎使用戶可以實現更深入、更全面的數據分析從而幫助設計工程師和工藝工程師實現更好的產品性能和更高效的生產運營。
區別于智能制造關于“產品設計、生產規劃、生產工程、生產執行、服務”這五個橫向連接的端對端的解決方案“產品的數字化雙胞胎、生產的數字化雙胞胎、性能的數字化雙胞胎”是企業運營中三個縱向連接的環節他們在不同的維度對數字化進行了互為補充的闡釋。
需要強調的是這是一個閉環的完整數字化生態環境三個數字化雙胞胎通過基于工業云平臺的MindSphere物聯網連接用戶能夠利用物聯網的豐富數據和高級分析持續進行改進讓流動的數據持續不斷地產生價值。
此外在大數據、云計算、人工智能等智能化技術的加持下該解決方案還可以實現更大范圍的整個價值鏈的持續優化和自學習并能夠將數據轉化為知識庫——這對于任何一個企業用戶來說都意味著價值的無限放大和無限延伸也意味著從數字化向智能化的提升。
隨之而來的好處顯而易見：新車的開發周期大幅縮短開發所需的原型樣件數目減少生產工藝和車間現場可以精確模擬生產單元和最終產品的性能得以預測，生產效率提高、產品不良率降低幫助企業在產品和生產運營的全生命周期內優化整體運營有效提升企業競爭力。從汽車零部件到整車從設計到生產再到銷售和服務都是如此。
在我們看來這不僅是一個解決方案更是一種理念和思維非常具有前瞻性指導意義。
三、分解整體規劃分階段分步驟
明確了整體指導思路之后智能制造要真正落地。這是最挑戰的過程也是最艱難的過程不過分解整體規劃分階段分步驟地去做可以化難為易、化繁為簡。
智能制造在汽車及零部件企業的落地必須是腳踏實地、穩扎穩打地通過數字化、智能化逐步演進到智能制造時代。這是一個循序漸進、持續改善的過程沒有一家企業能夠一蹴而就即便是全球數字化樣板——西門子安貝格成都工廠也是經過了25年的持續建設和不斷提升才達到了今天的水平。
北汽新能源青島基地先期建立了產品設計和制造工藝的數字化連接今后將在工藝仿真和仿真測試平臺建設方面更進一步。一汽紅旗則是一期項目從總裝開始探索二期項目將著手沖壓、焊裝、總裝繼續實施工藝和管理的數字化。
每家企業都應結合自身現狀和需求量身裁衣選擇一些應用場景開始由點及線再到面逐步推動數字化的落地。必要的時候可以借助于專業的咨詢和服務團隊的力量來進行。特別是成熟度比較高的汽車及零部件企業對于大的數字化項目更要慎重因為短期內的附加值可能很難評估但是他們仍然可以關注一些具體的應用場景結合瓶頸問題來進行數字化然后根據發展需求逐步擴展應用。
針對瓶頸問題業界也有很多例子可以參考。如果熱銷車型供不應求你的主要壓力是設備故障停機影響產能那么你需要重點關注易損部件或關鍵設備的數字化和預維護比如沖壓工藝中的電機振動檢測與分析等可以避免或減少停線造成的產能影響和直接經濟損失；如果你的主要瓶頸問題在于車身質量那么數字化焊接質量監控就可以對包括焊帽尺寸、焊接電流等在內的工藝參數進行在線監控并可實時進行智能化的調整以達到穩定可靠的最佳焊接質量；如果你當前的首要目標是節能降耗降低生產成本那么作為四大工藝中的能耗大戶涂裝工藝中的數字化能源管理等都會對企業降本增效帶來最直接的受益；如果多元化能源動力需要一條總裝線上生產N種車型并且車型每年都在變化，甚至基于消費者個性化需求的汽車定制化生產成為重要需求那么總裝線的柔性化、數字化則必不可少......
另外在汽車行業很多車企和零部件供應商都是跨國企業這些廠商在世界各地建有多家工廠那么在標準化、模塊化的部署之下只要用數字化的手段監控并分析其中的一個工廠其他工廠的同類問題都可以得到解決數字化使得技術創新和模式創新的市場化效率大幅提升。
當然除了技術智能制造還必須同時考慮人的因素。自動化、數字化的目的不是替代人而是與人更好地協作起來實現最終目標。事實上據德國政府發布的一項報告顯示在交通、能源相關行業數字化不僅不會減少工作崗位反而會有增加——預計到2021年會有4%～7%的崗位增加。人在數字化的過程中依然非常非常重要只有將人與技術、人與產品、人與設備完美協調起來整個體系才能發揮最大效能。
這些年對于“工業4.0”亦或是“智能制造”的行業發展大勢汽車行業的熱情非常之高各個企業都在數字化的道路上積極探索和實踐只是基于現狀的需求不同大家都在不同的階段不懈努力中有收獲也有困惑。制造業的數字化勢不可擋汽車行業的數字化又顯得更為迫切。一方面汽車產品正在經歷電氣化、智能化、輕量化等多種技術的顛覆性變革另一方面汽車市場正在逐步走向多品種、小批量甚至定制化的商業模式因此整個產業鏈都在重構價值鏈也將向后端轉移。想要靈活應對各種紛繁變化數字化是唯一的出路。在這個創新激蕩的數字化時代數據的血液會將汽車供應鏈甚至整個物聯網的世界連成一個合體各個系統之間的邊界將會在今后逐步變得越來越模糊你中有我、我中有你。當邊界在不知不覺間逐步消失那正是數字化的偉大成功。
