汽车零部件企业数字化车间管理系统概况分析

谢绥萍，周后文

（内蒙古科技大学，内蒙古 包头 014000）

近年来中国汽车零部件制造企业有了突飞猛进的发展，但是距离世界先进的汽车零部件制造企业还有很大的差距。根据《美国汽车新闻》对外公布的2022 年全球汽车零部件供应商百强榜的排名中可以发现：全球前20 大车企中，中国有5 家，但全球前20 大汽车零部件企业中，中国却只有1 家。中国贡献了全球31%的汽车产量，但全球前100 家零部件企业中，中国只占12%。中国零部件企业理应发展潜力巨大，然而，最近几年全球经济增长放缓，汽车行业整体增长也随之减速，利润收窄，为中国零部件企业平添了多重压力[1]。一方面是发展的潜力，另一方面是转型的压力，中国零部件企业在赛道切换的过程中实现换道超车难度可想而知。中国头部汽车零部件企业正纷纷采取拓展多元化客户结构、推进产品转型升级、积极寻找海外并购机会等手段[2-3]。然而，传统降本增效手段收效甚微、供应链不确定性上升、新赛道投资需求增大、传统研发与供应链合作模式过时、大型并购整合经验和能力不足等挑战层出不穷，中国汽车零部件企业想在转型中快速成长绝非易事[4]。

中国政府也在大力推进以数字化转型为整体驱动的生产和经济各个方面的变革，并且2021 年通过了《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》，其中明确了数字化转型成为中国国家的战略目标。因此，中国汽车零部件企业需要重新审视数字化转型的价值，制定数字化转型路线图，建立以业务价值为导向的数字化车间智能制造管理系统，同时变革管理架构、思维与能力[2]。制定数字化转型路线图和清晰的数字化目标。全面评估数字化的潜力，设立清晰的数字化目标，从公司层面制定清晰的转型路线图。避免各部门盲目摸索，简单试点，从而造成进退两难的局面。建立以业务价值为导向的数字化车间智能制造管理系统。将数字化转型覆盖从生产管理至质量管理、设备管理、供应链管理等价值链环节，在生产管理方面引入生产执行系统（Production Executive System，PES）[3]，在质量管理方面引入质量管理系统（Quality Data Analysis，QDA）[4]，在设备管理方面引入智能预防性维护系统（Intelligentpreventivemaintenancesystem，IPMS）[5]。同时，还需要整合各数字化平台将IT 系统与各个数据模块进行联通，实现数据—传感器—机器学习—自动化设备的闭环。

1 数字化车间智能制造管理系统整体架构和系统集成

数字化车间智能制造管理系统的建设是一项复杂的系统工程，从顶层设计到实施方案及落地应用。在面向全车间管理环节的综合集成应用及在多个系统应用的场景过程中，对制造全流程质量管理能力、工业数据管理能力、预测优化能力等要求越来越高，而实现拓展及落地的关键就是先进技术牵引[6]。数字化车间智能制造管理系统采用了新一代信息技术、工业机器人技术、大数据分析技术和人工智能技术等多项先进技术，拥有生产执行系统（PES）、质量管理系统（QDA）、智能预防性维护系统（IPMS）等多个先进系统，实现了人、机、料、法和环等关键要素的互联互通，规避了生产不清、库存不准、效率不高等制造业普遍存在的问题，使企业在数字化、智能化、绿色化发展领域始终保持行业领先水平。

1.1 数字化车间智能制造管理系统整体架构

首先，数字化车间智能制造管理系统需要符合公司的发展愿景。其次，该系统需要与公司现有的运营体系，如精益生产体系、质量管理体系进行有机的结合[7]。数字化车间智能制造管理系统是应该以独立的双机热备份服务器为运算存储处理中心，将数字化车间分为4 个层次：现场设备层、数据采集层、运营监控层和企业经营层。

1.2 数字化车间智能制造管理系统集成

B 汽车零部件公司属于离散型的制造企业，并且是按照从原材料加工一直到成品组装的全工艺链布置生产车间布局，其中吹塑和机加工中心属于工艺链中成本投入较大、管理精度要求高且产品附加值高的工艺类型。数字化车间智能制造管理系统包含生产执行系统（PES）、质量管理系统（QDA）、智能预防性维护系统（IPMS）等多个先进系统。

按ISA-95 标准，数字化车间智能制造管理系统可分为4 层，自下而上分别为：现场设备层、数据采集层、运营监控层和企业经营层。

1.2.1 现场设备层

B 公司数字化车间智能制造管理系统的现场设备层包含吹塑机、集成一体化机加工中心、氦气检测气密性设备等大量先进设备，以及大型转台机、工业机器人等复杂设备和系统集成。如图1 所示。

图1 现场设备层

B 公司的产品为吹塑产品，其具有重量轻、安全性高、防腐能力强等优势，且综合成本相较铁质油箱更有竞争力。B 公司采用的吹塑设备性能稳定、可靠性强，并采用了多项先进的控制技术，如螺杆清洗自动启动技术、关键参数采集技术、液压及成型系统预测性维护技术，确保产品质量可靠和设备的无故障运行。

为了确保产品质量的绝对可靠，产品在下线前100%进行气密性测试，采用业内最精密的氦检方式。氦检设备拥有独立的数据库记录检测过程的所有数据。服务器上的预防性软件从PLC 读取数据，通过采集每个产品的泄露率、本底值、抽空时间、填充时间和检测压力等过程参数，综合分析产品的质量状态，同时根据过程参数的变化趋势，通过大数据来判断设备的健康状态，做到及时预判设备能力。

1.2.2 数据采集层

公司所有设备均可通过现场总线及工业以太网互联，对PLC 数据进行采集[8]。同时加装大量先进传感器并利用物联网网关对数据进行采集，如对吹塑机电机加装振动传感器监测其震动情况，对焊接工位的热电偶加装温度传感器监控焊接温度等。B 公司所有原料、半成品、成品均有二维码标识，可扫码采集、确认相关物料信息，进行自动出入库操作，实现防错、自动报产等追溯与确认功能。

B 公司通过引入生产执行系统（PES）实现了生产全过程的产品单件追溯，产品从第一道工序吹塑检测合格后即由设备自动生成二维码，由员工贴在产品上。此后每一个环节均需设备扫描产品的唯一条码后再进行相应操作，从而实现全过程的单件精确追溯。追溯的内容包括物料信息、工艺参数、质检结果、批次和人员等，包含了产品所有相关的关键信息。依靠追溯系统，有质量问题的产品无法流入下一工序，也无法打出客户标签，从而防止流入客户端。各工位可以通过生产执行系统的按灯功能，实现可由操作人员触发实现报修、求助等功能，并可在车间大屏动态显示各工位按灯状态。

1.2.3 运营监控层

B 公司数字化车间智能制造管理系统中的运营监控层采用达索的生产执行系统（PES）对生产进行管理和监控。PES 应用集成技术，通过现场的数据采集，能够建立起物料、设备、人员、工具、半成品和成品之间的关联关系，保证信息的继承性与可追溯性。PES 能够提供实时的数据，可以向生产管理人员提供车间作业和设备的实际生产情况，同时也能向不同的部门提供客户的订单生产情况。这样各部门的生产信息就能实现共享，减少大量的统计工作，提高生产效率，实现统计的全面性和可靠性，实现完整的产品追溯体系。

1.2.4 企业经营层

B 公司数字化车间智能制造管理系统中的运营监控层采用了SAP 系统，使企业在“供应商—原料仓储配送—生产制造—成品发运—客户收货”的价值链上实现水平整合，在“技术研发—产品开发—工艺设计—批量生产—客户反馈”的创新过程中实现产品全生命周期整合[9]。将SAP 与PES 打通，可实现自动报工、设备资产管理、产品全价值流追溯等多模块联动功能。数字化车间智能制造管理系统的4 级架构中各层级有效协同，形成从生产现场到企业运营各个职能间的有效垂直整合。最终，形成了以数字化运营、数字化质量、预测性设备维护等组成的数字化管理系统。

2 数字化车间智能制造管理系统的设计与应用

2.1 智能感知与数据采集

数字化车间智能制造管理系统的智能感知与数据采集在设备PLC 数据采集的基础上，增加了检测设备部件运行状态的工业专业传感器，然后通过物联网网关，对关键部件的状态进行采集、分析与监控。工业级专业传感器包括震动传感器、速度传感器、温度传感器、湿度传感器、压力传感器和流量传感器等，可对相应参数进行高频率的专业数据采集。

PLC 数据通常通过总线或以太网协议采集，采集频率与传输带宽往往达不到预测性应用的要求，时序数据存储、查询、提取和整合的工作也无法通过普通的关系型数据库有效完成。因此，数字化车间智能制造管理系统需要采用传感器、物联网网关、数据库、分析平台和应用程序等全套解决方案。如图2 所示。

2.2 多源异构数据集成

数据挖掘工作需要整合多维度的数据，如产品信息、订单信息、客户信息、质量信息、设备信息和物料信息等等，而且数据类型多样，包含时序数据、照片声音等非结构化数据等，这是大数据分析的典型特征[10]。数字化车间智能制造管理系统采用了先进的数据分析平台技术，并使用Grafana 数据分析工具，对采集到的数据进行清洗、提取、整合和转化，综合成多维数据[11]。数字化车间智能制造管理系统在对数据的利用上也分为不同层次，既有边缘侧的即时监控也有综合报表分析，同时还有支持机器学习的数据挖掘，然后形成数据洞察。

2.3 预测性维护

数字化车间智能制造管理系统的智能预防性维护系统（IPMS）不仅可对设备进行阈值监控，而且还可对设备的数据进行建模分析，诊断出具体的根因，以及预测设备健康度，为制定最合理的维修与保养策略提供数据洞察和理论依据。例如，对吹塑机电机的震动和温度进行监控，综合分析电机的质量状态，同时根据过程参数的变化趋势，通过大数据来判断设备的健康状态，做到及时预判设备能力，判定设备是否需要保养或维修，从而提前介入，避免生产过程中的质量报废机设备停机。这一案例中，电机与主轴都属于高价值、采购周期极长的进口备件。一旦发生故障需要更换，意味着公司需要长时间停产，损失极大，在以往没有采用预测性维护解决方案时需要常备至少一套备件，但使用频率极低，对成本有很大影响。因此，智能预防性维护系统（IPMS）对上述关键部件进行高频数采与健康度分析，可以在设备健康度下降的最早期进行识别与预警，根据备件交付周期、产能利用率等因素综合给出最合理的维修策略。

2.4 全生命周期质量管控

数字化车间智能制造管理系统的质量管理系统（QDA）包含了质量管理体系和全面质量管理，完全满足汽车行业对零部件制造企业的质量管理要求，符合IATF 16949 质量管理体系与VDA 管理标准。质量管理体系可概括为质量策划体系、过程质量体系、产品质量体系，对设计过程中质量、原材料质量、生产过程中质量和客户使用时质量进行全面管理。

数字化车间智能制造管理系统中QDA 满足了质量策划过程中的流程与体系要求，其中集成了设计质量模块，将前期质量策划的流程数字化，如将失效模式分析、生产过程控制计划、生产作业指导书中的要求进行数字化关联，确保质量风险及早识别、质量措施第一时间导入。检测结果除可靠保存在追溯系统中外，还可生成各类报表进行趋势分析与过程能力分析。为了深入挖掘质量数据中蕴藏的知识和根因，质量管理系统还包含了预测性分析系统，其对产品质量进行诊断性、预测性分析。

3 结论与展望

3.1 结论

当前世界正处于百年未有之大变局，工业技术转型升级也伴随其中，工业互联网技术的出现给制造业带来新的机遇。数字化转型是制造业，尤其是汽车零部件制造企业发展的必经之路，数字化车间智能制造管理系统是利用新一代工业互联网技术和信息技术对企业运营管理进行优化改进，提高企业的运营效率、智能化数据管理、智能化设备管理，从而提高企业的核心竞争力。

3.2 展望

数字化车间智能制造管理系统的管理范围不够完善，后续需要在仓储管理、产品全生命周期管理及能源管理方面继续提升，即开发和引入仓储配送系统（WMS）、产品生命周期管理系统（PLM）、能源管理系统（EMS）[12]。数字化车间智能制造管理系统的跨行业数据挖掘和应用还存在不足，例如今后可以将供应商零部件的批次信息、生产人员信息加入到智能预测性维护系统中，从而提高智能预测性维护系统的准确性。