汽車零部件企業數字化車間管理系統概況分析

謝綏萍，周后文

（內蒙古科技大學，內蒙古 包頭 014000）

近年來中國汽車零部件制造企業有了突飛猛進的發展，但是距離世界先進的汽車零部件制造企業還有很大的差距。根據《美國汽車新聞》對外公布的2022 年全球汽車零部件供應商百強榜的排名中可以發現：全球前20 大車企中，中國有5 家，但全球前20 大汽車零部件企業中，中國卻只有1 家。中國貢獻了全球31%的汽車產量，但全球前100 家零部件企業中，中國只占12%。中國零部件企業理應發展潛力巨大，然而，最近幾年全球經濟增長放緩，汽車行業整體增長也隨之減速，利潤收窄，為中國零部件企業平添了多重壓力[1]。一方面是發展的潛力，另一方面是轉型的壓力，中國零部件企業在賽道切換的過程中實現換道超車難度可想而知。中國頭部汽車零部件企業正紛紛采取拓展多元化客戶結構、推進產品轉型升級、積極尋找海外并購機會等手段[2-3]。然而，傳統降本增效手段收效甚微、供應鏈不確定性上升、新賽道投資需求增大、傳統研發與供應鏈合作模式過時、大型并購整合經驗和能力不足等挑戰層出不窮，中國汽車零部件企業想在轉型中快速成長絕非易事[4]。

中國政府也在大力推進以數字化轉型為整體驅動的生產和經濟各個方面的變革，并且2021 年通過了《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》，其中明確了數字化轉型成為中國國家的戰略目標。因此，中國汽車零部件企業需要重新審視數字化轉型的價值，制定數字化轉型路線圖，建立以業務價值為導向的數字化車間智能制造管理系統，同時變革管理架構、思維與能力[2]。制定數字化轉型路線圖和清晰的數字化目標。全面評估數字化的潛力，設立清晰的數字化目標，從公司層面制定清晰的轉型路線圖。避免各部門盲目摸索，簡單試點，從而造成進退兩難的局面。建立以業務價值為導向的數字化車間智能制造管理系統。將數字化轉型覆蓋從生產管理至質量管理、設備管理、供應鏈管理等價值鏈環節，在生產管理方面引入生產執行系統（Production Executive System，PES）[3]，在質量管理方面引入質量管理系統（Quality Data Analysis，QDA）[4]，在設備管理方面引入智能預防性維護系統（Intelligentpreventivemaintenancesystem，IPMS）[5]。同時，還需要整合各數字化平臺將IT 系統與各個數據模塊進行聯通，實現數據—傳感器—機器學習—自動化設備的閉環。

1 數字化車間智能制造管理系統整體架構和系統集成

數字化車間智能制造管理系統的建設是一項復雜的系統工程，從頂層設計到實施方案及落地應用。在面向全車間管理環節的綜合集成應用及在多個系統應用的場景過程中，對制造全流程質量管理能力、工業數據管理能力、預測優化能力等要求越來越高，而實現拓展及落地的關鍵就是先進技術牽引[6]。數字化車間智能制造管理系統采用了新一代信息技術、工業機器人技術、大數據分析技術和人工智能技術等多項先進技術，擁有生產執行系統（PES）、質量管理系統（QDA）、智能預防性維護系統（IPMS）等多個先進系統，實現了人、機、料、法和環等關鍵要素的互聯互通，規避了生產不清、庫存不準、效率不高等制造業普遍存在的問題，使企業在數字化、智能化、綠色化發展領域始終保持行業領先水平。

1.1 數字化車間智能制造管理系統整體架構

首先，數字化車間智能制造管理系統需要符合公司的發展愿景。其次，該系統需要與公司現有的運營體系，如精益生產體系、質量管理體系進行有機的結合[7]。數字化車間智能制造管理系統是應該以獨立的雙機熱備份服務器為運算存儲處理中心，將數字化車間分為4 個層次：現場設備層、數據采集層、運營監控層和企業經營層。

1.2 數字化車間智能制造管理系統集成

B 汽車零部件公司屬于離散型的制造企業，并且是按照從原材料加工一直到成品組裝的全工藝鏈布置生產車間布局，其中吹塑和機加工中心屬于工藝鏈中成本投入較大、管理精度要求高且產品附加值高的工藝類型。數字化車間智能制造管理系統包含生產執行系統（PES）、質量管理系統（QDA）、智能預防性維護系統（IPMS）等多個先進系統。

按ISA-95 標準，數字化車間智能制造管理系統可分為4 層，自下而上分別為：現場設備層、數據采集層、運營監控層和企業經營層。

1.2.1 現場設備層

B 公司數字化車間智能制造管理系統的現場設備層包含吹塑機、集成一體化機加工中心、氦氣檢測氣密性設備等大量先進設備，以及大型轉臺機、工業機器人等復雜設備和系統集成。如圖1 所示。

圖1 現場設備層

B 公司的產品為吹塑產品，其具有重量輕、安全性高、防腐能力強等優勢，且綜合成本相較鐵質油箱更有競爭力。B 公司采用的吹塑設備性能穩定、可靠性強，并采用了多項先進的控制技術，如螺桿清洗自動啟動技術、關鍵參數采集技術、液壓及成型系統預測性維護技術，確保產品質量可靠和設備的無故障運行。

為了確保產品質量的絕對可靠，產品在下線前100%進行氣密性測試，采用業內最精密的氦檢方式。氦檢設備擁有獨立的數據庫記錄檢測過程的所有數據。服務器上的預防性軟件從PLC 讀取數據，通過采集每個產品的泄露率、本底值、抽空時間、填充時間和檢測壓力等過程參數，綜合分析產品的質量狀態，同時根據過程參數的變化趨勢，通過大數據來判斷設備的健康狀態，做到及時預判設備能力。

1.2.2 數據采集層

公司所有設備均可通過現場總線及工業以太網互聯，對PLC 數據進行采集[8]。同時加裝大量先進傳感器并利用物聯網網關對數據進行采集，如對吹塑機電機加裝振動傳感器監測其震動情況，對焊接工位的熱電偶加裝溫度傳感器監控焊接溫度等。B 公司所有原料、半成品、成品均有二維碼標識，可掃碼采集、確認相關物料信息，進行自動出入庫操作，實現防錯、自動報產等追溯與確認功能。

B 公司通過引入生產執行系統（PES）實現了生產全過程的產品單件追溯，產品從第一道工序吹塑檢測合格后即由設備自動生成二維碼，由員工貼在產品上。此后每一個環節均需設備掃描產品的唯一條碼后再進行相應操作，從而實現全過程的單件精確追溯。追溯的內容包括物料信息、工藝參數、質檢結果、批次和人員等，包含了產品所有相關的關鍵信息。依靠追溯系統，有質量問題的產品無法流入下一工序，也無法打出客戶標簽，從而防止流入客戶端。各工位可以通過生產執行系統的按燈功能，實現可由操作人員觸發實現報修、求助等功能，并可在車間大屏動態顯示各工位按燈狀態。

1.2.3 運營監控層

B 公司數字化車間智能制造管理系統中的運營監控層采用達索的生產執行系統（PES）對生產進行管理和監控。PES 應用集成技術，通過現場的數據采集，能夠建立起物料、設備、人員、工具、半成品和成品之間的關聯關系，保證信息的繼承性與可追溯性。PES 能夠提供實時的數據，可以向生產管理人員提供車間作業和設備的實際生產情況，同時也能向不同的部門提供客戶的訂單生產情況。這樣各部門的生產信息就能實現共享，減少大量的統計工作，提高生產效率，實現統計的全面性和可靠性，實現完整的產品追溯體系。

1.2.4 企業經營層

B 公司數字化車間智能制造管理系統中的運營監控層采用了SAP 系統，使企業在“供應商—原料倉儲配送—生產制造—成品發運—客戶收貨”的價值鏈上實現水平整合，在“技術研發—產品開發—工藝設計—批量生產—客戶反饋”的創新過程中實現產品全生命周期整合[9]。將SAP 與PES 打通，可實現自動報工、設備資產管理、產品全價值流追溯等多模塊聯動功能。數字化車間智能制造管理系統的4 級架構中各層級有效協同，形成從生產現場到企業運營各個職能間的有效垂直整合。最終，形成了以數字化運營、數字化質量、預測性設備維護等組成的數字化管理系統。

2 數字化車間智能制造管理系統的設計與應用

2.1 智能感知與數據采集

數字化車間智能制造管理系統的智能感知與數據采集在設備PLC 數據采集的基礎上，增加了檢測設備部件運行狀態的工業專業傳感器，然后通過物聯網網關，對關鍵部件的狀態進行采集、分析與監控。工業級專業傳感器包括震動傳感器、速度傳感器、溫度傳感器、濕度傳感器、壓力傳感器和流量傳感器等，可對相應參數進行高頻率的專業數據采集。

PLC 數據通常通過總線或以太網協議采集，采集頻率與傳輸帶寬往往達不到預測性應用的要求，時序數據存儲、查詢、提取和整合的工作也無法通過普通的關系型數據庫有效完成。因此，數字化車間智能制造管理系統需要采用傳感器、物聯網網關、數據庫、分析平臺和應用程序等全套解決方案。如圖2 所示。

2.2 多源異構數據集成

數據挖掘工作需要整合多維度的數據，如產品信息、訂單信息、客戶信息、質量信息、設備信息和物料信息等等，而且數據類型多樣，包含時序數據、照片聲音等非結構化數據等，這是大數據分析的典型特征[10]。數字化車間智能制造管理系統采用了先進的數據分析平臺技術，并使用Grafana 數據分析工具，對采集到的數據進行清洗、提取、整合和轉化，綜合成多維數據[11]。數字化車間智能制造管理系統在對數據的利用上也分為不同層次，既有邊緣側的即時監控也有綜合報表分析，同時還有支持機器學習的數據挖掘，然后形成數據洞察。

2.3 預測性維護

數字化車間智能制造管理系統的智能預防性維護系統（IPMS）不僅可對設備進行閾值監控，而且還可對設備的數據進行建模分析，診斷出具體的根因，以及預測設備健康度，為制定最合理的維修與保養策略提供數據洞察和理論依據。例如，對吹塑機電機的震動和溫度進行監控，綜合分析電機的質量狀態，同時根據過程參數的變化趨勢，通過大數據來判斷設備的健康狀態，做到及時預判設備能力，判定設備是否需要保養或維修，從而提前介入，避免生產過程中的質量報廢機設備停機。這一案例中，電機與主軸都屬于高價值、采購周期極長的進口備件。一旦發生故障需要更換，意味著公司需要長時間停產，損失極大，在以往沒有采用預測性維護解決方案時需要常備至少一套備件，但使用頻率極低，對成本有很大影響。因此，智能預防性維護系統（IPMS）對上述關鍵部件進行高頻數采與健康度分析，可以在設備健康度下降的最早期進行識別與預警，根據備件交付周期、產能利用率等因素綜合給出最合理的維修策略。

2.4 全生命周期質量管控

數字化車間智能制造管理系統的質量管理系統（QDA）包含了質量管理體系和全面質量管理，完全滿足汽車行業對零部件制造企業的質量管理要求，符合IATF 16949 質量管理體系與VDA 管理標準。質量管理體系可概括為質量策劃體系、過程質量體系、產品質量體系，對設計過程中質量、原材料質量、生產過程中質量和客戶使用時質量進行全面管理。

數字化車間智能制造管理系統中QDA 滿足了質量策劃過程中的流程與體系要求，其中集成了設計質量模塊，將前期質量策劃的流程數字化，如將失效模式分析、生產過程控制計劃、生產作業指導書中的要求進行數字化關聯，確保質量風險及早識別、質量措施第一時間導入。檢測結果除可靠保存在追溯系統中外，還可生成各類報表進行趨勢分析與過程能力分析。為了深入挖掘質量數據中蘊藏的知識和根因，質量管理系統還包含了預測性分析系統，其對產品質量進行診斷性、預測性分析。

3 結論與展望

3.1 結論

當前世界正處于百年未有之大變局，工業技術轉型升級也伴隨其中，工業互聯網技術的出現給制造業帶來新的機遇。數字化轉型是制造業，尤其是汽車零部件制造企業發展的必經之路，數字化車間智能制造管理系統是利用新一代工業互聯網技術和信息技術對企業運營管理進行優化改進，提高企業的運營效率、智能化數據管理、智能化設備管理，從而提高企業的核心競爭力。

3.2 展望

數字化車間智能制造管理系統的管理范圍不夠完善，后續需要在倉儲管理、產品全生命周期管理及能源管理方面繼續提升，即開發和引入倉儲配送系統（WMS）、產品生命周期管理系統（PLM）、能源管理系統（EMS）[12]。數字化車間智能制造管理系統的跨行業數據挖掘和應用還存在不足，例如今后可以將供應商零部件的批次信息、生產人員信息加入到智能預測性維護系統中，從而提高智能預測性維護系統的準確性。