核心技术应用（1/4）：工业大数据

工业大数据为生产数字化转型中的核心技术，五层构架和网状应用赋能车企精准决策

大数据为车企数字化转型的核心、基础技术，部分企业将数字化理解为数据的采集、分析和使用的闭环，但简单的闭环模 式难以解决车企面临的问题，还需要通过生产控制系统、BOM系统、PMS、PLM、WMS等进行串联形成网络化数字体系， 如此才能将每条孤立的纵向烟囱状应用打通，通过数据中台形成相互连通的网状结构，不同数据以相互交织的方式向上赋 能，才能真正做到汽车生产全流程数字化转型。

工业大数据如何改善生产方式?

数据透明化、敏捷化成为车企生产方式变革的根本所在

工业数据为车企生产环节转型的基础，而数据的透明化，决策的敏捷化是生产数字化转型的根本。通过在库存、制造、物 流、质检等各个生产环节产生的数据进行有效连接，分析及使用，改变原有粗放的生产方式。用数据的透明及快速传输能 力打造数字工厂，解决车企生产环节长久以来的遗留问题或未被发现的问题，从而精准管控生产效率，预防潜在风险便是 工业大数据赋予车企生产环节的意义。

核心技术应用（2/4）：工业软件

网络化的工业软件系统成为智能制造的核心工具

工业软件是应用，数据，方法和功能的集合，在工业领域实现信息化、数字化产品研发、设计、生产、数据收集和信息管 理。在生产制造环节，生产现场问题始终困扰着汽车行业，严格的交货周期、新旧车型的调整、产线设备的升级和一线人 员的匹配使静态的生产计划转为动态，往往牵一发而动全身。同时，为应对消费者的个性化需求，生产管理的单位正在由 最小批量向单一整车转变。因此，工业软件的使用正是解决以上问题的方案之一，而制造执行系统（MES）是生产执行侧 软件，填补计划层与控制层之间的信息空白，负责车间级生产过程执行管理，在车企智能制造构架中搭建上下联通的桥梁。西门子、通用等制造业巨头正在持续加大对工业软件的投入，并持续展开依托于工业软件的工业物联网、数字化工厂等革 新性项目。

工业软件如何赋能生产控制？

处于执行层的MES赋能生产制造环节的数字决策

生产执行系统（MES）是车企生产环节重要的数字化工具，MES借助底层信息，根据上传的计划数据和生产实时数据做出 反应、计算和展示。MES上接车间管理层下接设备，横向覆盖冲、焊、涂、总四大车间，可在生产、物流、人员、工艺、 过程等维度做出快速响应，提高信息传递效率和精准度，有效降低由于不确定性因素导致的停工、错料等情况。

核心技术应用（3/4）：工业机器人

为车企生产数字化提供制造基础的执行终端和数据收集器

根据ISO 8373:2012定义，工业机器人是一种自动控制的、可编程的、多用途的，拥有3个或多个轴并可移动或固定使用的 机械装置。我国工业机器人密度全球排名第15，每万名员工拥有187台机器人，在汽车行业使用的机器人数量占整体的 30%~35%左右。据工信部统计，截止2021年3月底，企业关键工序数控化率、数字化研发设计工具普及率分别达52.1%和 73%，工业互联网平台连接工业设备总数达7300万台，工业APP突破59万个 。机器人在生产数字化中扮演者执行终端和 数据收集器的角色，将生产制造层面的基础数据进行收集和储存，通过服务器上传至车间级MES和企业级ERP集成中，为 生产数字化提供数据基础。然而，目前在项目规划时会提前在冲、焊、涂、总各个环节上进行人力执行和机器人执行的成 本核算，考虑项目成本、运维成本后按需使用工业机器人。同时，部分工艺所需机器人的负载、精细度和臂展并不能完全 满足车企要求。目前解决方案包含增加机器人数量、更换吊具或在机器人末端增加臂触传感器等，由于成本问题较少出现 在机器人本体上的定制化解决方案。

工业机器人如何提升制造水平？

利用机器人流程自动化和数据能力打造数字智能工厂

供应商帮助企业搭建自动化生产线的周期一般为6到18个月，取决于产线长度和制造工艺复杂程度等因素。在四大车间当中，出于焊 装对质量、精度要求较高，涂装喷房中环境高温高湿且涂料异味较重，因此焊接和涂装环节机器人用量最大，从几十到几百台不等， 取决于产线生产节拍。冲压环节因操作流程简单，机器人仅作为抓取、装卸使用，因此少量机器人便可满足需求。而总装环节本身自 动化程度较低，除玻璃打胶、密封条粘贴等，其他操作机器人难以执行，因此部分企业用量在8~10台不等。总体而言，每个机器人 的使用约代替5个人工，可将JPH从30提升至50以上，将OEE从70%~80%提升至90%以上，极大程度上提高生产效率及制造水平。然而机器人在自动化时代就被各大车企广泛应用，因此机器人在数字化时代的价值不仅仅是机器替代人工，而是通过挖掘机器人采集 到的数据进行进一步分析赋能整个生产环节，利用机器和数据价值的叠加打造数字工厂，为智能制造和工业4.0打下基础。

核心技术应用（4/4）：数字孪生

生产制造转型中以预测和控制为目的的认知解决方案

数字孪生是以数字化的方式将物理实体转化为数字模型，利用实施数据和历史数据的结合进行模拟、控制、验证、预测， 降低生命周期中不确定性的技术手段。数字孪生可在汽车生产之前通过虚拟生产的方式模拟不同配置、类型汽车的生产过 程，降低实际操作时出现的瓶颈，缩短产能爬坡周期，减少计划外的停机时间。同时可将原材料、边线物流、工序要求、 设备健康状况等进行统一模拟并记录模拟生产时的参数，有助于及时发现实际生产过程中的异常情况，快速解决不确定性 问题。通过数字孪生技术，车企将看到更加理想的最终产量和生流程可靠性。

数字孪生如何进行模拟仿真？

利用数据透明化降本增效，减少生产环节不确定性因素

在利用数字孪生进行生产仿真时，规划人员利用无人机等现场勘测设备进行绘制产线的基本信息，同时利用工厂已有的历 史信息作为参考设置变量和参数建立模拟工厂，其输出的结果可作为评价工厂具体指标的重要参考。例如，通过制造流程 孪生体观测生产节拍、机器人工作状态和生产工艺异常值等，可有效帮助现场管理者对物料输送、料道规划、工位和物料 区进行统一规划。同时可对比物流、工位设置方案与生产工艺的适配性，提前得知规划的生产物流方案是否存在浪费，可 在方案实施时大幅降低试错成本，避免设备的过度投入，可将物料成本节约30%左右，最大化降低在传统工厂生产时发生 的不确定性问题。

互联互通社区

互联互通社区专注于IT互联网交流与学习，旨在打造最具价值的IT互联网智库中心，关注公众号：互联互通社区，每日获取最新报告并附带专题内容辅助学习。

方案咨询、架构设计、数字化转型、中台建设、前沿技术培训与交流，合作请+微信：hulianhutongshequ