由中國科學技術協會、北京市人民政府、海南省人民政府、科學技術部、工業和信息化部、生態環境部、住房和城鄉建設部、交通運輸部、國家市場監督管理總局、國家能源局聯合主辦的第四屆世界新能源汽車大會（WNEVC 2022）于8月26-28日在北京、海南兩地以線上、線下相結合的方式召開。其中，北京會場位于北京經濟技術開發區的亦創國際會展中心。

大會由中國汽車工程學會等單位承辦，將以“碳中和愿景下的全面電動化與全球合作”為主題，邀請全球各國政產學研界代表展開研討。本次大會將包含20多場會議、13,000平米技術展覽及多場同期活動，200多名政府高層領導、海外機構官員、全球企業領袖、院士及行業專家等出席大會發表演講。

其中，在8月28日舉辦的技術研討：“新能源汽車先進制造及綠色供應鏈”上，北京富通東方科技有限公司副總裁 張玥發表精彩演講。

以下內容為現場演講實錄：

各位專家，各位嘉賓，大家上午好。今天我帶來的演講內容是關于智能制造在汽車主機廠、零部件廠的數字化和智能制造。我有四個主題，過程當中會有一些案例和觀點的分享。第一，概念性，什么是對的。因為剛才諸位專家都講到，無論汽車行業還是中國制造業，數字化轉型其實是一個相對籠統，可能還沒有一個足夠清晰定義的過程。數字化轉型對于我們個人來講是什么，現在我們已經習慣使用微信，甚至不簡簡單單是溝通工具，而是連通的工具。傳統內容的獲取都有報刊亭購買書報，現在利用幾秒種就可以利用短視頻獲取信息。從傳統到數字化轉型，其實是數字化的產品改變了我們的生活方式。聽前面專家演講的過程有一個感想，我們有很多技術領域都在一個明確目標下實現技術攻關，企業從1到10的過程，更加很好的市場化。但數字化領域，尤其是數字化加智能制造，我們一開始是沒有一個依據可循的，我們做的每一步都是嘗試的過程。我想分享我在三個和客戶溝通案例中給我的觸動。第一，我們曾經和一個汽車零部件企業進行涂裝換色的智能化升級。這個企業在每個工位的涂裝過程中，除了理性的工業規則有一些感性認識，比如前后工序的狀況，清漆顏色的使用。這個過程中一旦產生人員流失，對于經驗的傳承會大大折扣，將傳承和經驗路線放到協同平臺，產生了對工人的指導，所以我們稱之為工位級的排產平臺誕生。

商用車主機廠案例，最大的問題就是關鍵件采購，經常因為關鍵件沒有到位，不能給供應商溝通，產生生產性的延時問題。我們是IT從業人員，我們做IT時會考慮這樣一個問題，如果一個關鍵件不能到達，后面的聯動是否要配套，就是其他物料調整，對后工序產生調整。這樣的情況下，產生動態聯動效果。

第三個案例，我們覺得比較好的事兒，軟硬聯動。一個企業里面有一條輔線，包括主料和輔料，是半成品和再制品的運送過程，存在大量人力因素和不確定性，我們和企業交流，能否用自動化的機械臂實現，隨之而來的問題，誰給機械臂做命令，如果依然用人工，和原有產線沒有太大差別，因為沒有減員，也沒有空間更大利用，我們用協同平臺的指令推送，很好的和主流機械臂品牌聯動，達到推送過程。

剛才講到什么是對的，我們是通過一系列案例，不停的校驗我們給企業帶來什么。數字化核心，我們這些年看到工信部一些標準和準則，也在不停的在智能制造和數字化轉型層面有更新。主流技術在數字化里面有云智能、大數據、云計算、物聯網、5G、元宇宙等，我們會在應用這些技術的同時，和行業探討，什么樣的技術更適合這樣的業務場景，他是如何做匹配的。在這里因為我是從事人工智能行業，我經常和我的企業伙伴進行交流。我們談到人工智能，我們先要給他做分類，就像我們的自動化、工業技術也會有分支和分類一樣。常人經常了解到，進入會場需要刷臉，通過一些打電話或智能客服跟您溝通，這些是模式識別的過程，通過您的生物數據、聲音數據進行判定和下一步的動作。我不知道有沒有朋友是炒股的，現在都會有一些機器學習方式給到投資研判，類似這樣的數據挖掘和機器學習的方式，經常用于一些藥品研發、金融產品研發和市場預測當中。在我們的領域，利用的是資源優化，不停進行多目標求解的過程。比如剛才提到的不同工藝規則之下如何用一個很好的資源匹配。在這樣一個人工智能分支領域里，我們也有研發自己的一個求解器，通過求解器升級迭代，讓運算速度加快。現在主流的求解產品都是開源的形式，未來我們也是希望通過一種開源的技術，封裝好一種產品，給到企業直接做應用。

我們剛才講到技術驅動，在我看來智能制造核心能力必須同時符合三個特點，技術驅動的能力，產品落地的能力，標準指定的能力。所以我們經常把我們自研的一款APS生產排程產品去稱之為一個制造行業的定位器。

第三個板塊，我們要有咨詢能力、研判能力、定義標準的能力。其實大家知道，在不同的場景里，比如今天專家有分享到，我們車身輕量化，安娜講到涂裝黏合劑的效果，我們要對每個領域有顧問和研究，才能對這個場景充分展開。一些標準的能夠給制造領域，尤其是汽車主機廠和相對應的零配件廠起到的效果，包括物料的提效提升，同時包括降本增效。依據我們制造的數字化經驗，我們也會分為底層的技術，剛才講到的大數據、云計算、人工智能，也會分為核心軟件平臺技術。

講到我今天分享的核心主題，在場景當中，我們如何利用智能制造數字化技術給企業賦能。這里面的例子相對于比較聚焦在某個點上，我們和企業有過涂裝換色的研判，是在汽車行業當中非常關鍵的環節。

剛才講到工位級的保險杠排產，規則達到500多條，比如顏色之間，黑色、白色不能銜接，過程中如何錯落，機臺做噴槍清洗過程中，人員換服裝過程中，都會作為數據體納入進來。類似剛才提到的機臺、物料的管理，這樣的案例，我們在亦莊地區和一家企業溝通的時候，他把貨品拉到作業區外，進行入庫之前，或者進行儲運之前，會有一個臨時儲放區，如何對物料更好的臨時儲放，也是我們非常好的場景。利用員工服裝更換或吃飯的交接班過程中做換模，利用人工智能算法，我們做了各小產品。空間碼放時設計成規則或不規則的形狀體，會有長寬高或指定界限，怎樣利用形狀做綜合的碼放堆疊，都可以通過人工智能算法研判。于是我們可以給到企業裝箱時完整的料單，不需要人工核對和研判。

剛才也提到，整車廠在試制過程需要快速迭代，由兩三年壓縮到一年，通過一些傳統制造數據，還有市場客戶表現數據給到企業很好的定位。這是我們給企業做的一個案例中，把上面方方面面的維度進行了展示。后面也是一個相對詳細的案例，這個企業是相對于汽車零部件一個關鍵的核心，尤其新能源的一個零部件，在這過程中遇到供應鏈的供應問題和裝配的資源問題。

首都機場的一個項目，是否是進機位，還是乘坐擺渡車，領取行李轉盤是不是足夠快速有效的給到您，機場來說這些都是資源，根據旅客的情況、場地情況進行調度，現在我們也在研判這樣項目的未來規劃，就是到廠站里面所有的擺渡和無源設備的綜合利用。

前面的這些小案例，其實想表達的還是我們雖然從技術角度驅動，但想要做好每個數字化轉型，一定是在整體架構設計之下，在每個場景下垂直鉆研，才有可能給到合作伙伴想要的降本增效或者預判未來的效果。

富通科技集團成立有將近三十年時間，從最早中國一磚一瓦建設IDC、ICT產業開始，到今天陪同汽車、3C，做整個行業的數字化轉型。富通在這個賽道上一點一點的做垂直深耕，包括去年，北京最大的事件是冬奧會，我們作為人工智能供應方之一，承載運動員的受傷研判。花滑的時候，有位韓國運動員摔倒，大家都覺得可能問題不大，但是我們的機器給到的指令是有嚴重受傷可能，因為從傾倒姿勢，腿著地一瞬間的角度，我們認為有風險，根據機器研判指令給到救助。

一輛車的誕生要經過研判、設計、試制、生產、制造、銷售、售后的整體過程。我們希望是首先在供應鏈環節上，我們能夠助力一級、二級供應商和整車廠商，為他們產業當中的關鍵位置做提升。基于供應鏈模型，分為幾個等級，可量化或者自動優化，讓大家做到量化級，乃至于優化級。我也從最新的研報看到國內外整車廠沿用的柔性化生產平臺，這塊將來在我們的整個供應鏈里面會成為至關重要的評判標準。我們做業務調度的時候，顧問過程中要深入到企業的全鏈條過程，包括分析產業的方向，正向研發中使用什么樣的工具、工藝，核心標準是什么，最重點的就是我們做得出來，也包括生產計劃上面的部件、物料、來料、供需平衡的分析。有了整體的研判能力，才能給到我們企業更好的數字化轉型過程。

未來不僅賣得出去、做得出來，也是提升企業自主對市場預測的能力。我們曾和很多汽車行業乃至非汽車行業企業都溝通過，大家有一個共同的訴求和難題，就是市場的預判。個人化的定制和傳統大批量的不同，必須加強企業物料生產的柔性管理，所以我們希望在企業有相應的能力的同時，預測到多少個客戶、用戶需要到我們企業這樣柔性生產和協同性的供應鏈。人工智能行業會通過不斷的優化、迭代模型，不斷的深耕數字化場景，給到大家這樣的預測和預判能力。

最后總結一下，大家對于我們這個行業的人會講，是不是你們提出了軟件定義汽車？其實還好，兩化融合的過程中，一定是每個產業都要相互交叉的。對于我個人來做數字化創業、數字化轉型的理念，不是定義誰或被誰定義，我們只希望做中國汽車制造升級的同路人。

謝謝大家!

（注：本文根據現場速記整理，未經演講嘉賓審閱）

返回第一電動網首頁 >