汽车行业目前的数字化基础应该说是非常好的：产品设计的数字化早已是工程师们的日常平台化管理也已越来越普遍；规模化生产的流水线上自动化水平普遍较高不少机加线、冲压线、焊装线、涂装线都实现了100%的自动化无人工厂已不鲜见；产品性能测试也已在周期和成本倒逼的情况下越来越多地采用了虚拟仿真手段。
在这样的基础上汽车行业实现智能制造按理应该是轻而易举、水到渠成不过事实并非如此时过境迁当数字化、智能化来袭曾经傲娇的优势也许会变成今日的痛点。由于早期缺乏前瞻性的顶层设计很多模块和系统现在成为了信息孤岛。后期的一些指导策略和规划多为现况所困在实际推行中往往也是阻力重重。汽车供应链非常复杂尤其是像汽车主机厂这样体量庞大的企业智能制造的整体架构往往比较宏大实现智能制造的落地并没有那么容易。那么汽车主机厂要如何实现智能制造呢？
一、智能制造的核心是数据
首先要明确一点智能制造的核心是数据。随着信息物理系统（CPS）的推广智能装备和智能终端的普及以及各种各样传感器的使用将会带来无所不在的连接所有的联网终端包括汽车及零部件的设计者和生产者本身都会源源不断地产生数据这些数据将会渗透到企业运营、价值链乃至产品的整个生命周期成为智能制造的基石。
理想的智能制造必须做到产品全生命周期各阶段中数据流的畅通无阻包括产品设计、生产规划、生产工程、生产实施以及服务这五大环节用数字化全部打通最后呈现出来一种完全不同于传统生产方式的全新的企业运营模式。
在智能制造时代数据将呈现爆炸式的增长态势。现阶段的汽车主机厂及零部件供应商首要的难题，是把底层设备数据以统一的标准连接起来这也正是智能制造落地的基础。
在汽车行业如果是一家“造车新势力”那么数字化、智能化的理念正是其先天特质从产品设计和新建工厂开始就使用统一的标准化的数据是比较容易做到的。越南VinFast就给了我们一个很好的示范。他们采用了西门子的全套数字化解决方案只用了传统车企50%的时间就实现了从设计到交付的整个过程这就是数字化带来的卓越效率！
如果是一家成熟的传统汽车主机厂或是零部件供应商这个问题可能会比较棘手因为他们大多面临的是把原来的工厂从自动化和基础信息化逐步向数字化进行改造除了技术问题还要考虑人才、现有软/硬件、正常生产任务以及成本回报等因素。
对于这样的普遍现状面向制造业的OPC UA（OPC统一架构）应需而生它可以有效帮助用户解决已经形成的信息孤岛问题最终获得标准化的数据。
OPC UA是一种专为目前尚处于信息孤岛的设备之间建立附加通信通道的工具可以为不同生产厂商生产的成套装备、机械设备和部件之间提供一种统一的通信方式确保设备之间的信息可以无缝传输。当然OPC UA不是来替代现有通信协议的新协议而是实现设备通信进行统一对话的工具。
在此基础之上数据流可以畅通无阻。
二、科学规划指导实践
获得数据之后用户希望充分利用这些数据。小到一个汽车零部件设计尺寸的优化、加工参数的优化大到整个汽车供应链上相关部件产品、生产以及相关供应商和合作伙伴的所有数据用户都希望能够深入挖掘和分析支持业务的良性发展。
这个数据流应该怎样流动？汽车行业用户需要一个科学的总体规划来指导具体实践。这方面西门子的“数字化双胞胎”解决方案是一个比较完整的产品全生命周期的数字化解决方案可以以此为例展开讨论。不过实际上西门子也是目前业界唯一能够提供这样完整解决方案的企业。
这个解决方案包括“产品的数字化双胞胎、生产的数字化双胞胎、性能的数字化双胞胎”。在这里虚拟和实际互为验证预测和现场完美结合——“双胞胎”的命名非常形象地反应了这种镜像关系。
产品的数字化双胞胎对象包含构成整车的零部件及控制软件包含机械结构、电气系统及其物理特性；生产的数字化双胞胎涉及到规划、编程、工艺仿真、现场自动化软硬件的所有方面；性能的数字化双胞胎使用户可以实现更深入、更全面的数据分析从而帮助设计工程师和工艺工程师实现更好的产品性能和更高效的生产运营。
区别于智能制造关于“产品设计、生产规划、生产工程、生产执行、服务”这五个横向连接的端对端的解决方案“产品的数字化双胞胎、生产的数字化双胞胎、性能的数字化双胞胎”是企业运营中三个纵向连接的环节他们在不同的维度对数字化进行了互为补充的阐释。
需要强调的是这是一个闭环的完整数字化生态环境三个数字化双胞胎通过基于工业云平台的MindSphere物联网连接用户能够利用物联网的丰富数据和高级分析持续进行改进让流动的数据持续不断地产生价值。
此外在大数据、云计算、人工智能等智能化技术的加持下该解决方案还可以实现更大范围的整个价值链的持续优化和自学习并能够将数据转化为知识库——这对于任何一个企业用户来说都意味着价值的无限放大和无限延伸也意味着从数字化向智能化的提升。
随之而来的好处显而易见：新车的开发周期大幅缩短开发所需的原型样件数目减少生产工艺和车间现场可以精确模拟生产单元和最终产品的性能得以预测，生产效率提高、产品不良率降低帮助企业在产品和生产运营的全生命周期内优化整体运营有效提升企业竞争力。从汽车零部件到整车从设计到生产再到销售和服务都是如此。
在我们看来这不仅是一个解决方案更是一种理念和思维非常具有前瞻性指导意义。
三、分解整体规划分阶段分步骤
明确了整体指导思路之后智能制造要真正落地。这是最挑战的过程也是最艰难的过程不过分解整体规划分阶段分步骤地去做可以化难为易、化繁为简。
智能制造在汽车及零部件企业的落地必须是脚踏实地、稳扎稳打地通过数字化、智能化逐步演进到智能制造时代。这是一个循序渐进、持续改善的过程没有一家企业能够一蹴而就即便是全球数字化样板——西门子安贝格成都工厂也是经过了25年的持续建设和不断提升才达到了今天的水平。
北汽新能源青岛基地先期建立了产品设计和制造工艺的数字化连接今后将在工艺仿真和仿真测试平台建设方面更进一步。一汽红旗则是一期项目从总装开始探索二期项目将着手冲压、焊装、总装继续实施工艺和管理的数字化。
每家企业都应结合自身现状和需求量身裁衣选择一些应用场景开始由点及线再到面逐步推动数字化的落地。必要的时候可以借助于专业的咨询和服务团队的力量来进行。特别是成熟度比较高的汽车及零部件企业对于大的数字化项目更要慎重因为短期内的附加值可能很难评估但是他们仍然可以关注一些具体的应用场景结合瓶颈问题来进行数字化然后根据发展需求逐步扩展应用。
针对瓶颈问题业界也有很多例子可以参考。如果热销车型供不应求你的主要压力是设备故障停机影响产能那么你需要重点关注易损部件或关键设备的数字化和预维护比如冲压工艺中的电机振动检测与分析等可以避免或减少停线造成的产能影响和直接经济损失；如果你的主要瓶颈问题在于车身质量那么数字化焊接质量监控就可以对包括焊帽尺寸、焊接电流等在内的工艺参数进行在线监控并可实时进行智能化的调整以达到稳定可靠的最佳焊接质量；如果你当前的首要目标是节能降耗降低生产成本那么作为四大工艺中的能耗大户涂装工艺中的数字化能源管理等都会对企业降本增效带来最直接的受益；如果多元化能源动力需要一条总装线上生产N种车型并且车型每年都在变化，甚至基于消费者个性化需求的汽车定制化生产成为重要需求那么总装线的柔性化、数字化则必不可少......
另外在汽车行业很多车企和零部件供应商都是跨国企业这些厂商在世界各地建有多家工厂那么在标准化、模块化的部署之下只要用数字化的手段监控并分析其中的一个工厂其他工厂的同类问题都可以得到解决数字化使得技术创新和模式创新的市场化效率大幅提升。
当然除了技术智能制造还必须同时考虑人的因素。自动化、数字化的目的不是替代人而是与人更好地协作起来实现最终目标。事实上据德国政府发布的一项报告显示在交通、能源相关行业数字化不仅不会减少工作岗位反而会有增加——预计到2021年会有4%～7%的岗位增加。人在数字化的过程中依然非常非常重要只有将人与技术、人与产品、人与设备完美协调起来整个体系才能发挥最大效能。
这些年对于“工业4.0”亦或是“智能制造”的行业发展大势汽车行业的热情非常之高各个企业都在数字化的道路上积极探索和实践只是基于现状的需求不同大家都在不同的阶段不懈努力中有收获也有困惑。制造业的数字化势不可挡汽车行业的数字化又显得更为迫切。一方面汽车产品正在经历电气化、智能化、轻量化等多种技术的颠覆性变革另一方面汽车市场正在逐步走向多品种、小批量甚至定制化的商业模式因此整个产业链都在重构价值链也将向后端转移。想要灵活应对各种纷繁变化数字化是唯一的出路。在这个创新激荡的数字化时代数据的血液会将汽车供应链甚至整个物联网的世界连成一个合体各个系统之间的边界将会在今后逐步变得越来越模糊你中有我、我中有你。当边界在不知不觉间逐步消失那正是数字化的伟大成功。
