汽車企業智能制造發展現狀及需求研究

門峰 董方岐 蘇青福 劉雙虎

摘 ? 要：針對當前汽車企業智能制造發展不均衡、路線不明確、需求不統一等相關問題，在分析汽車企業智能制造整體發展現狀的基礎上，從整體、設計、生產、服務不同環節，挖掘了輕型汽車企業、重型商用車企業、零部件企業智能制造發展中存在的主要問題，并從不同環節對汽車企業智能制造轉型升級的迫切需求進行了梳理，對促進汽車行業智能制造產學研交流與合作具有重要的指導意義。

關鍵詞：汽車企業 ?智能制造 ?現狀 ?問題 ?需求

中圖分類號：F42 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）06（a）-0093-05

Abstract： Based on the analysis of the overall development status of Intelligent Manufacturing in automobile enterprises， the main problems in the development of Intelligent Manufacturing in light automobile enterprises， heavy commercial vehicle enterprises and parts enterprises are explored from the aspects of the whole， design， production and service.The urgent needs of intelligent manufacturing transformation and upgrading of automobile enterprises are sorted out from different aspects， which has important guiding significance for promoting the exchange and cooperation of intelligent manufacturing industry， learning and research in automobile industry.

Key Words： Automobile enterprise; Intelligent manufacturing; Present situation; Problem; Requirement

汽車產業作為國民經濟的重要支柱，是推動新一輪科技革命和產業革命的重要力量，是我國建設制造強國的重要支撐。汽車產業具有涉及面廣、影響范圍大、產業鏈條長、復雜程度高等主要特征，國家高度重視汽車行業智能制造的落地應用，希望汽車行業能夠作為離散工業智能制造的標桿與突破口，推進智能制造技術創新、標準制定、基礎能力建設和集成應用等發展，進而引領和帶動我國制造業整體智能化轉型升級的發展進程。

目前汽車行業智能制造的相關研究還較為有限，相關專家與學者主要從智能制造整體架構搭建、案例分析兩個方面探索當前汽車企業智能制造的發展路徑，以期能夠為行業從業者提供相關指導建議。

在整體架構研究方面，廖瑗、馮亮分析了我國汽車企業在智能工廠建設方面存在的需求和挑戰，構建了包含智能底層裝備、智能感知建設和智能管控建設三個方面的整體技術架構[1]，劉宗巍等人對傳統制造業向智能制造體系升級的要點進行了梳理，在此基礎上針對汽車產業提出了包含數字化、網聯化、智能化三個階段的智能制造升級路徑，并指出企業應根據自身定位確定合理的智能制造升級路線[2]，林錦州等人結合汽車企業的生產管理現狀和智能制造對于汽車生產智能工廠建設的發展要求，對智能制造領域中涉及到的制造運行管理（MOM）、智能傳感器網絡技術和多傳感器信息融合技術展開了重點研究，以構建高效、有序、數字化的汽車生產智能工廠[3]。

在案例研究方面，中國汽車工程學會組織匯編的《汽車智能制造典型案例選編2018》從汽車智能工廠建設案例、汽車智能化制造信息化案例和汽車智能制造技術應用等三個方面進行了歸納和分類，對智能工廠、智能車間、智能生產線、傳統生產工藝、智能管理、智能服務和智能物流等諸多方面的內涵和關鍵技術進行了詳盡介紹[4]。楊一昕等以北京汽車股份有限公司珠江分公司為例，系統研究了汽車智能工廠的架構和具體建設實施方法，構建了包含工廠智能設計、智能生產、智能物流、智能管理等多個方面的智能制造與汽車制造業務流程有機結合的系統體系，為汽車行業智能工廠的系統設計提供了重要參考[5]。

目前我國汽車行業智能制造轉型升級正處于初期階段，不同企業都在積極探索智能制造轉型升級的發展路徑、存在智能制造發展現狀不均衡、企業重點需求不明確、智能制造產學研對接困難等諸多問題，嚴重影響了汽車行業智能制造轉型升級的歷史發展進程[6-7]。為深入了解汽車行業智能制造發展現狀、存在的問題及企業重要需求，本文在將汽車企業分為輕型汽車企業、重型商用車企業、零部件企業的前提下，采用線上線下調研相結合的方式，對全國百余家汽車行業企業智能制造發展情況進行了調查研究，從整體、設計、生產、服務等不同環節分析了當前各類企業智能制造轉型升級中存在的主要問題，然后系統匯總了汽車企業智能制造轉型升級的重要需求，為相關從業者滿足企業實際需求，促進產業發展提供了重要方向。

1 ?發展現狀

我國汽車產業智能制造發展呈現出轉型升級取得一定進展、自主探索路徑多元化、獨立運營趨勢明顯、不同企業發展基礎不均衡等四大特征。

1.1 智能制造轉型升級取得一定進展

在國家強有力政策指引下，國內主要汽車企業正在積極探索適用于企業自身實際的智能化轉型升級路徑，開展了一批試點項目，得到了國家的大力支持，智能制造試點示范項目和智能制造綜合標準化與新模式應用項目對推動汽車行業智能制造轉型起到了示范引領效果。

在智能制造試點示范項目申報方面，2015—2018年累計有46個汽車項目進入名單，占總體（共4批305個項目）的15%。

在智能制造綜合標準化與新模式應用項目方面，2016—2018年累計有64家汽車企業項目獲批，占總體（共3批466個項目）的13.7%。

在離散制造業中，汽車行業率先推廣和應用了很多先進的技術和管理方法，智能制造水平處于較領先地位。根據《智能制造發展指數報告（2019）版》，汽車行業智能制造成熟度得分為2.4分，僅次于計算機通信和其他電子設備制造業。

1.2 自主探索路徑多元化

汽車企業的生產組織方式、管理流程、工藝技術路線與自動化水平等差異較大，很難用一種通用性的方案解決所有企業的問題，因此汽車行業智能化轉型沒有統一的標準，需要多樣化的發展路徑。調研發現，汽車企業正在探索精益化管理提升路徑、設備智能化改造路徑、軟件與平臺建設路徑、軟硬管理同步推進路徑、特定場景智能化改造路徑等，在智能制造重點部署領域和路徑選擇方面呈現出多樣化的發展趨勢。

1.3 智能制造獨立運營趨勢明顯

汽車企業智能制造轉型是一項復雜的系統工程，難以依靠企業內部傳統部門推動。行業調研發現，部分大型整車企業開始組建跨部門、跨專業的復合型團隊，成立新的智能制造部門或者子公司，如一汽集團數字化部、吉利集團易云科技、北汽集團藍谷信息等，均在積極探索智能化轉型升級整體規劃與實施，積累了智能制造管理理念與技術，提高了汽車企業智能制造項目的成功率。

1.4 企業發展基礎很不均衡

汽車行業智能制造的發展基礎不均衡，一般來說輕型汽車企業基礎優于重型商用車企業，重型商用車企業優于零部件企業。輕型汽車一般實現了規模化生產，自動化和信息化水平相對較高，智能制造發展的基礎最好，先進技術一般率先在輕型汽車企業進行推廣應用。重型商用車定制化程度較高，特別是大中型客車用戶“個性化”需求較多，主要采用小批量生產模式，自動化和信息化水平與輕型汽車企業相比有一定的差距。汽車零部件企業數量多，企業結構和發展水平存在差異，大部分企業規模小，自動化與信息化水平低，與整車企業相比存在較大差距。

2 ?主要問題匯總

本文參照《GBT15089-2001機動車輛及掛車分類》、《中國汽車行駛工況 第1部分：輕型汽車》（GB/T 38146.1-2019）、《中國汽車行駛工況 第2部分：重型商用車》（GB/T 38146.2-2019），將汽車整車企業分為輕型汽車企業、重型商用車企業。其中輕型汽車為最大設計總質量不超過3500kg的M1類、M2類和N1類車輛，主要包括乘用車、輕型客車和輕型貨車。重型商用車為最大設計總質量大于3500kg的商用車輛，主要包括中重型貨車和大中型客車。零部件企業主要是指規模10億元以下的國內企業。

如表1所示，本文從整體、設計、生產、服務等不同環節，對三類汽車企業智能制造轉型升級過程中存在的主要問題進行了調查研究與分析匯總。不同企業由于智能制造發展的水平和基礎不同，在智能制造轉型升級中面臨的主要問題也有所差異，表中主要按照不同企業面臨的問題嚴重程度將相關問題進行了簡單的劃分。但是值得注意的是，汽車企業在智能制造轉型升級中，在不同環節存在著一些突出的共性問題，主要表現在以下幾個方面。

2.1 整體環節

（1）汽車行業未來發展方向不明確。

目前，汽車行業技術革命與產業變革正在同步升級、行業發展方向與前景極為不明確。汽車產業的技術、產品、服務等多個領域正在發生重大變革，如電動汽車、燃料電池汽車、智能網聯汽車、共享出行服務等，發展方向與前景的不確定性對汽車企業的戰略與市場定位造成影響，企業需要對未來不確定的發展方向進行慎重選擇、謹慎投資，導致部分企業的智能化改造力度趨于保守。

（2）智能制造投資回報率不清晰。

智能制造轉型升級是一項復雜的系統工程，需要眾多的人員、資金、技術等資源大規模投入，由于當前智能制造相關技術發展尚不成熟、企業智能制造人才短缺等相關問題，全面智能化轉型升級風險較大，企業相關的投資回報率很不清晰，甚至可能會較低。因此，目前企業智能制造轉型升級以局部優化改造為主，在進行整體智能制造轉型升級中還存在著諸多顧慮。

（3）缺乏整體規劃設計。

汽車企業有較強的智能制造轉型意愿，在現實經營層面，對自身智能制造發展認知仍不清晰，對采取什么樣的智能制造發展戰略、實施什么樣的轉向路線、達成什么樣的績效，以及應該為此建立何種組織結構并配備相應人才等問題感到困惑。在此之前，行業內沒有完整的成功案例，汽車企業智能制造的未來藍圖依然非常不確定，既看不清終局，也不知該如何下手，現有轉型策略存在盲目照搬、路徑模糊、主次部分等問題，制約了汽車企業數字化轉型的發展進程。

2.2 設計環節

（1）協同設計機制不完善。

汽車產品協同設計機制不完善主要表現在兩個方面，一是基于模型的產品定義（MBD）等先進協同設計技術與方法在汽車產業應用尚不廣泛，相關技術與產品落地尚存在一定的差距，汽車產品在設計、生產、服務等不同階段的信息協同與實時反饋機制與方案不夠成熟;二是由于商業模式、知識產權保護、信息安全等問題，整車企業與零部件企業及供應鏈相關企業的協同設計機制不完善，整零協同設計存在較大不足，制約了產品的快速開發與設計。

（2）知識建模與復用不足。

汽車產品研發設計正在從主要依賴內部專業研發部門向跨企業跨部門的多主體共同研發轉變，從注重專家個人經驗向基于知識庫和專家系統知識共享轉變，從大量實車測試驗證向數字化驗證轉變。而現有專家經驗與專業知識、設計標準與法律法規、零部件配置等非結構化信息建模困難，企業對相關知識的收集、整理、入庫、檢索等應用不足，大量的個人設計經驗難以復用。現有研發設計系統難以全面滿足新要求。

2.3 生產環節

（1）高級排產能力不足。

我國汽車消費市場呈現出新增購置逐漸轉變為存量更新、年輕消費者個性化需求明顯等新趨勢，對傳統汽車產業模式提出挑戰。特別是隨著消費者個性化需求的日益提升，大規模個性化定制服務越來越受到企業的重視。由于汽車企業生產計劃存在工序多、約束條件復雜、突發情況多、需求變動快等現象，這對高級計劃排產系統提出了較高要求，隨著消費者個性化需求的不斷增加，汽車企業在實現多品種、小批量，快速滿足汽車企業需求方面尚存在高級排產能力不足等問題，實現基于訂單的生產計劃排產，縮短交貨周期、快速響應客戶成為汽車企業的重要需求。

（2）工業大數據分析與管理不規范。

工業大數據實現高效的分析和管理是實現智能制造的重要基礎。隨著信息通信技術與制造裝備等先進技術的快速發展，汽車企業動態產生的工業數據體量呈現指數型的快速增長，企業在工業大數據采集與存儲、動態更新管理等方面存在數據管理能力不足、管理不規范等相關問題。此外，企業在應用人工智能、知識圖譜等先進技術分析和挖掘工業大數據方面，還存在模型構建不完善、應用場景數量有限等相關問題，工業大數據的價值沒有得到有效的發揮。

2.4 服務環節

（1）遠程運維服務能力有限。

在新的市場競爭環境下，汽車產品的遠程故障診斷與報警提醒、在線維修服務等遠程運維服務已經成為汽車企業重要的競爭力。由于用戶隱私保護、傳感器干擾、信息通信技術等商業與技術問題，目前遠程運維服務還較為有限，相關解決方案還不夠成熟。

（2）客戶畫像與精準營銷能力仍需提升。

通過客戶畫像實現精準營銷是汽車企業優化產品設計、提高產品銷量、快速響應市場變化的必然要求。當前大部分企業與消費者聯系不夠緊密，客戶畫像與精準營銷的工具還較為有限，先進技術應用還不成熟，導致企業對消費者真實使用感受掌握不全面，用戶需求理解不足等。

3 ?需求分析

汽車企業智能制造轉型升級中存在的諸多問題，對智能制造系統解決方案供應商提出了諸多需求，本文主要從不同環節分析匯總了汽車企業對供應商提出的重要需求，為相關供需合作與交流提供重要支撐。

3.1 整體環節

（1）智能制造發展現狀診斷評估。

汽車企業智能制造轉型升級需要首先診斷自身存在的問題，并且明確發展目標。目前，部分企業對智能制造先進技術與管理方法的應用場景與應用效果不夠了解，對自身發展過程中存在的問題以及能夠進一步提升的方向不清楚，提不出具體的需求，希望能夠得到行業專家的診斷與評估。

企業希望供應商在診斷服務中，能夠幫助企業挖掘運營過程中存在的問題，分享當前行業標桿企業的優秀案例，介紹先進技術與管理方法，并給出相應的指導與建議。

（2）智能制造整體規劃與實施路線設計。

根據調研結果顯示，超過60%的汽車企業需要智能制造整體規劃設計服務，希望在整體規劃設計中，供應商能夠結合企業發展愿景、戰略目標定位、行業前沿技術發展趨勢等，綜合考慮企業內外部資源，為企業制定科學、合理、可持續發展的智能制造整體規劃設計方案，以及分階段、可落地的實施路線圖。

輕型汽車企業和重型商用車企業對整體規劃設計方案需求內容有所差異。大部分輕型汽車企業表示，企業已經制定了較為清晰的智能制造整體發展戰略與路徑，但缺少自上而下、可落地的具體實施方案;重型商用車企業對智能制造整體發展戰略有一定想法，但不夠清晰，并且缺少智能制造的實施路徑。

（3）信息系統集成或平臺搭建。

市場調研結果顯示，43%的企業明確需要信息系統集成服務，甚至部分企業提出希望把不同系統軟件集成到一個平臺上。

企業希望供應商能夠協助實現不同信息系統之間的數據交互，提高信息系統綜合應用的便利性，并且確保數據的真實性和安全性。在云服務方面，出于數據安全考慮，整車企業更傾向于自建私有云，而對公有云服務應用相對較為保守。

3.2 設計環節

（1）設計知識建模與復用。

調研結果顯示，50%的受訪企業在知識庫與專家系統建設方面有明確需求，希望供應商能夠將設計標準規范，產品系列化、模塊化、標準化的可重用零部件庫、模塊庫、案例庫、專家設計知識與經驗等導入設計知識庫，實現知識的復用。

（2）協同設計服務能力提升。

產品協同設計包括產品全生命周期協同設計和整零協同設計。89%的受訪企業有明確的產品全生命周期協同設計需求，希望供應商能夠搭建平臺，完善管理制度，幫助企業將生產、服務不同階段的產品數據反饋到設計階段，如將生產環節出現的工藝問題、客戶使用過程中出現的設計缺陷及時反饋至設計人員，幫助設計人員有針對性地進行改善。68%的受訪企業有明確的整零協同設計服務需求，希望供應商開發協同設計服務平臺，在保障不同企業利益與信息安全的基礎上，實現設計要求及設計相關數據同步傳輸，幫助零部件企業縮短開發周期，并與整車汽車保持同步開發進程。

3.3 生產環節

（1）工業大數據分析與管理。

工業大數據分析與管理是實現智能制造的重要基礎。46%的受訪企業在生產數據采集與分析方面有明確需求。在數據采集方面，希望供應商將自動化設備、傳感設備、計量設備和視頻設備等設備數字化，實現不同設備的數字化改造以及網聯化。在數據分析方面，希望供應商應用人工智能、邊緣計算、云計算等新興技術，實現在產品質量管控、設備預測性維護、企業能源管理與環境監測、生產運營管理等諸多方面的應用。在數據資產管理方面，企業希望供應商提供先進的數據管理平臺或系統，實現對工業大數據的動態管理和更新。

（2）高級計劃排產。

高級計劃排產是滿足消費者個性化定制的必然要求。68%的受訪企業有明確的高級計劃排產需求，希望供應商幫助企業開發與應用高級計劃排產系統，能夠根據用戶訂單，實現全自動排產/半自動排產、詳細的作業計劃、精細化投料計劃、自動處理緊急插單、可延續可滾動執行的閉環計劃、模擬排產進行交期評估和清晰直觀的可視化方案等功能。

3.4 服務環節

（1）遠程運維服務方案。

市場調研結果顯示，57%的受訪企業有遠程運維系統解決方案的服務需求。希望供應商能夠解決產品遠程運維服務中存在的相關技術難題，在保障用戶隱私的基礎上，通過有效手段進行信息采集與分析，建立實時的信息交流渠道，及時追蹤用戶體驗和產品運行情況，增強快速響應能力，實現產品問題提前預判和及時解決。

（2）客戶畫像與精準營銷解決方案。

市場調研結果顯示，64%的受訪企業有客戶畫像和精準營銷需求。希望供應商為企業提供系統解決方案，搭建平臺，依托線上線下交互工具，人工智能與大數據等技術，幫助企業了解客戶真實需求，實現營銷精準。

4 ?結語

汽車行業智能制造轉型升級是一項長期的、復雜的系統工程，需要產學研用等相關組織機構形成一個良好的產業生態共同促進。本文通過對我國主流整車及零部件企業調查研究，深入了解了我國汽車企業智能制造發展現狀，分析和挖掘了企業在智能制造轉型中存在的主要問題，以及企業對供應商提出的迫切需求，相關研究能夠為汽車產業智能制造供需對接提供重要的支撐。

參考文獻

[1] 廖瑗，馮亮.汽車企業智能工廠建設探索[J].企業管理， 2018，443（7）：103-105.

[2] 劉宗巍，張保磊，趙福全.面向智能制造的汽車產業升級路徑研究[J].汽車工藝與材料，2018，359（11）：5-12.

[3] 林錦州，于英杰，趙彥春.面向智能工廠建設的汽車制造運行管理系統方案研究[J].現代工業經濟和信息化， 2018，158（2）：81-83.

[4] 中國汽車工程學會 組編 汽車智能制造典型案例選編2018[Z].2018.10

[5] 楊一昕，袁兆才，皮智波，等.智能透明汽車工廠的構建與實施[J].中國機械工程，2018，29（23）：2867-2874.

[6] 梁慶文.應用示范性汽車零部件智能制造新模式[J].中國汽車，2018，320（11）：59-64.

[7] 杜莎.盤點知名汽車企業的智能工廠[J].汽車與配件， 2018，1230（20）：26-31.