智慧工厂解决方案——汽车行业数字化建设

智慧工厂解决方案——汽车行业数字化建设

汽车行业经历了从大批量流水线生产到平台化生产，这种平台化生产模式既考虑了产品的共性，同时也兼顾了客户个性化需求和企业的生产能力，大幅度降低汽车制造成本。同时，平台化生产模式极大地提升了汽车模块化、标准化和柔性化生产能力。随着汽车产品“新四化”以及市场需求多样化性，汽车开发与制造越来越复杂，因此，大量的智能创新技术开始广泛应用，以此提升汽车研发能力、生产过程管控能力、柔性化生产能力、灵活的供应链体系、高品质的质量保证以及OEM和供应商协同能力等。

下图展示了基于工业软件、自动化和精益生产深度融合，以追求生产的柔性化、均衡化、准时化和同步化的数字化企业构架。

数字化企业架构

横向集成：数字化是一个数字流程，横向整合了产品创意、设计、制造规划、生产和使用过程，并利用数字孪生技术实现虚实融合，实现产品研发和生产运营的闭环的持续改进，提升产品创新能力和缩短交付时间；

纵向集成：通过纵向信息整合，将产品设计需求、工艺需求、质量控制需求精确输送到能理解需求的生产系统和智能设备，并实现严格按需求制造，确保产品质量和满足客户需求。

深度融合：深度融合精益制造、自动化和工业软件，重构产品结构、制造流程和供应链，实现快速交付，提升混线生产和供应链的柔性配送能力，在满足平台化生产的基础上，同时满足个性化需求，实现企业卓越运营。

多领域协同和集成开发：基于PLM多学科管理平台，可以帮助产品专家从系统层面统筹规划，实现智能汽车在机、电、软、控制等多领域跨学科集成开发和数据的统一管理和验证，完成从概念设计到多学科详细数字样机设计过程。

 在概念设计阶段，基于PLM平台对需求分类和量化描述，然后完成整车系统构架、功能、性能、接口的建模，并对各分领域的模型验证和设计目标优化，如对动力传动系统、空气动力学、电气系统和控制系统等进行系统建模分析，以优化系统的整体方案和架构，快速设定整车性能目标。在详细设计阶段，开发需求规格下发给结构、电子电气以及软件等各个专业领域完成详细设计，并利用仿真分析平台对详细样机验证和优化，如：利用产品数模进行动力学分析、机电液一体化分析、空气动力学和热力学分析、零部件的强度分析、疲劳耐久性分析以及振动噪声分析等；利用自动驾驶仿真平台，通过定义各种虚拟交通场景和传感器来验证ADAS自动驾驶辅助系统如：自适应巡航ACC、车道偏移报警LWDS，FCW碰撞预警、自动紧急刹车AEB等可靠性研究。通过模型在环、软件在环和硬件在环以及集成人-车-路-交通和车辆动力学行为来分析和验证主动安全测试、电子控制系统测试、驾驶员行为测试的等。

 数字化制造工程规划：基于数字工艺规划平台全球过程制造清单（BOP）解决方案：企业标准工艺（GBOP）->产品工艺（ProductBOP）->工厂工艺（PlantBOP）帮助企业快速实现制造工程的全球化部署和柔性工艺体系，并结合制造知识共享及全球工艺标准，快速完成冲压、焊装、涂装和总装的柔性化ProductBOP设计。同时根据全球不同工厂的产线要求，快速将ProductBOP部署到各个工厂产线，完成PlantBOP的设计规划，实现工艺需求高效、准确的传递到全球各个工厂。并通过在虚拟制造环境中完成对冲压、焊装、涂装以及总装工艺仿真验证，实现对工艺、工装夹具、产线布局以及生产和物流策略的优化。

 

通过BOP实现研发与生产融合：如何让机器和生产系统理解工艺和质量控制正在促进工艺规划和质量规划手段变革。制造过程清单BOP(Billof Process)将制造过程中的所有制造活动、生产资源规划以及质量规划，如产品、工艺过程、质量控制、工厂和制造资源整合在一起，通过标准化动词和时间代码来表述产品的制造过程，这些表述的语法，除了能够被人理解外，同时也满足机器和生产系统理解制造过程的要求。西门子BOP数据模型从最早的3PR模型，发展成为今天的3PQR（Product-Process-Plant- Quality -Resource）模型，最新发布的Teamcenter 12.5版本，融入了质量规划解决方案如FMEA、控制计划、检验规划和特性管理等。

均衡生产：实现均衡生产目标的关键技术是如何制定与需求和能力均衡化的生产计划，并要求主机厂和供应商按计划同步生产和JIT供货。汽车生产计划采用多级计划管理模式，通常分为年度、月度、周和日计划，这些计划通常在ERP系统中完成，并通过EDI与供应商共享生产计划，供应商按双方签订的计划协议实现同步生产和JIT/JIS供货。另外，均衡生产计划的执行，需要完善的精益生产体系来保证计划的实施，因此，生产线和工装夹具的设计需要具备支持产品平台混线生产和快速切换能力，同时生产过程要按节拍生产，培养多技能操作工人支持一人多序；通过MOM同步生产指示来实现主机厂、供应商以及第三方物流进行同步生产和JIT物流配送；工厂需推行TPM和全面质量管理，减少意外停机和产品缺陷，最终实现物料消耗稳定、设备和人力负荷固定化、以最小的在制品和库存应对生产需求波动、快速交付订单。

柔性化生产控制与Smart Product/Mobility：车体自动识别系统（AVI），是根据工业4.0中描述的Smart Product和Smart mobility的智能识别、智能路由、定位和记录产品制造需求和制造历史的理念开发的解决方案，支持在生产过程中产品与产线智能设备对话完成产品生产过程，是连接智能设备和MES之间的信息桥梁，是实现汽车柔性生产的基础。AVI作为车间设备控制层，能够增强生产线控制系统的柔性，满足混流生产需求。

 AVI系统接收MES发布的日生产计划，获取车型和颜色等信息，并根据生产计划发指令给生产自动化设备，并调用对应的加工程序生产。AVI根据每辆车的工艺路线，控制车辆在生产过程中的自动路由，通过对车辆信息识别，进行工艺指导和防错，并在加工结束后返回实际生产结果。AVI通过与自动化产线控制系统对话，实现工装、设备工艺参数、程序的自动切换。AVI自动跟踪每一台车辆生产信息，在生产过程中对车辆进行识别和定位，并实现过站生产数据和质量信息采集，实时记录每台车辆的制造数据和生产路径，采集的数据将及时传递给MES和PMC系统，实现对生产订单、生产节拍、车辆信息、产量、质量等信息进行生产过程监控。

柔性化精益物流与横向集成供应链：为了实现对主机厂整个供应链的准时的柔性物料配送过程，首先需要将整车厂的AVI、MES、LES、ERP、SCM以及供应商的WMS系统进行集成。当AVI通过物料同步配送点发出物料同步配送指示时，MES将目前整车生产序列发送的LES系统，并由LES通知厂内物料配送区执行JIT配送以及按生产序列实现SPS单车物料配送。对于外厂物料配送，SCM将生产序列发布给供应商，供应商将根据JIT交货指令进行生产，并按规定时间，按JIS/JIT配送到规定的地点。另外，在整个供应链的横向价值链上，由不同层面的供应商组成，因此，为了实现物流配送的平准化、同步化和可视化，需要在集成的IT环境中共享物料配送计划信息和JIT物料配送指令。

 生产运营透明化：通过集成MES、PMC与AVI、Andon系统（设备、物料、质量）系统，MES和PMC实时获取生产现场反馈数据，实现对现场层生产订单执行、产线、设备、缓冲区、质量、在制品等状态进行监控，同时MOM的智能计算分析功能实时评价生产业绩。另外，通过MES、LES、WMS、ERP、SCM以及供应商WMS系统的集成，实现内部物流和外部物流的物流状态监控，如订单执行、库存、供货计划的执行、在途运输、物流设备等，全面实现生产过程、质量过程和和物流过程的透明化和业绩评价。各个系统采集的数据可以抽取到Mindsphere平台，通过深度机器学习AI技术，提供预测性工程分析。

闭环质量管理：在质量策划阶段，产品工程师利用FMEA工具发现和评价潜在的失效模式和其失效的后果，为产品设计的可靠性及优化设计方案提供依据，为制定产品试验和产品检验质量控制方案提供依据，同时也为故障诊断、维修性分析、安全性、危险源、故障源分析提供依据。另外，制定好的PFMEA将导入到控制计划中，制定符合产品所要求检查项目、测量技术、检验频次、样本容量、控制方法，反应计划等。

整车生产过程质量管理主要业务包括过程质量控制、成品车质量评审、供应商质量评价、物料防呆和质量追溯等。整车质量数据主要采用单车VIN号来管控和采集生产过程中的质量数据，并根据工艺制造流程如冲压、焊装、涂装、总装，实时自动采集生产过程中的设备数据和质量检验数据。对于已下线的成品车辆，需要抽检进行质量审核，由审核员站在用户的立场，对合格产品进行质量评价，通过评价打分得出相应的质量等级。系统还通过计算平均首次故障里程、平均故障间隔里程、当前故障率来评价已交付产品的可靠性，并对发现问题给出纠正预防措施计划及整改进行跟踪。

车辆生产过程中的物料防呆是质量控制的一个重要方面。由于多车型多频次的排序混线生产，要求物流的柔性配送做到一次性选准物料，并通过采用物料防错技术如SPS、DPS以及物料扫描识别等手段来减少物料装车错误和漏装概率。对于发生的质量问题或客户抱怨，质量管理系统需要建立有效的问题处理机制，如Problemsolving流程、RootCause分析等，通过制定整改措施消除问题对生产和产品质量的影响，同时为了避免问题再次发生，通过质量管理系统的FMEA来建立预防措施，真正从被动检验向主动预防转变。汽车作为大消费品，其安全性要求越来越高，因此建立全生命周期的追溯体系至关重要，整个追溯过程涵盖了主机厂到下级供应商的要求。

无人输送系统：作为智能工厂的重要组成部分，无人驾驶输送系统和自适应物流开始应用于在制品和物流配送系统，无人驾驶物流输送小车可以通过主控系统或语音以及手势识别，下达需要到达取货和送货目的地指令，通过导航和感知识别系统完成自动驾驶路径规划以及取货送货过程，并可以实时地根据现场物流输送路线的拥堵情况，随时计算优化输送路线。

未来工业4.0时代，更多的人工智能技术、大数据预测服务和实时决策系统将融入到数字精益制造，这些智能创新技术将普遍应用在智能工厂的各个环节，实现大规模个性化生产，届时制造业将进入以智能精益为代表的自适应生产的智能化工厂时代。