导读：以产品生命周期(PLM)为梳理线路，针对PLM中制约产品生产质量、制造效率、诞生周期的“痛点”进行梳理。针对“痛点”逐一使用智能制造相关手段和和技术进行针对性消除，以此形成企业的智能制造规划方案。

1 前言

对整车行业而言，PDM(产品数据管理，Production Data Management)作为产品研发过程的数据管理手段为人熟知，随着PDM的不断实施而发展出的另一概念——PLM(产品生命周期管理，Production Lifecycle Management)逐步走人制造业的视野。

　PLM的观点认为，产品生命周期应该起源于需求，这种需求来自于市场调查、分析或者反馈，也可能来自企业自身创新引领市场的需要。PLM关注范围面向整个产品生命周期，其针对产品全生命周期需求的属性，也恰好与我们对智能制造的理解相类似。从用户对于整车产品的智能化、个性化需求，到智能产品的设计过程，再到使用智能化信息化装备完成产品生产及生产过程管理，接着是产品交付后的智能维护、智能售后，最终依据反馈的售后质保信息、生产信息、用户诉求等，通过引入人工智能进行数据分析，对企业车型规划、产品设计、工厂排产等做出智能辅助决策。如图1所示，为PLM示意图。沿着PLM所描绘出的产品生命周期闭环回路，逐一梳理业务板块之间协同化、智能化的相关需求，再利用工业化、信息化手段，逐一消除瓶颈及痛点，这便是我们基于PLM所梳理的智能制造规划的大体思路。

2 智能制造

伴随德国工业4.0、美国工业互联网、中国制造2025等先进制造理念越来越多的为制造业所接受并推崇，智能制造成为了众多制造业转型、甚至引领行业的制胜关键。

　图1 PLM产品生命周期管理示意图

　2.1 智能制造

　智能制造不是单纯的无脑投入金钱去提升装备自动化等级，也不是一股脑的上多种多样的系统，以求达到信息化目的，而应该依据企业当前所处状态、现实需求以及业务流程中存在的痛点等，有针对性的进行规划。“智能制造”像是企业提质增效降成本的“武器库”，当企业在实现其企业目标的过程中遇到瓶颈，出现“痛点”，就需要从这个“武器库”中，找出相应的武器去有针对性的解决企业前行道路上的“敌人”。

　2.2 智能制造的基础及进化阶段

　多数制造业从业者认为，智能制造以较高的自动化率以及线上信息采集量为基础，其实不然，完备的标准体系建设才是智能制造的基础。尽管在智能制造的不同阶段，标准体系可能有着不同的内涵和特征，但只有完备的标准体系，才能为智能制造高层建筑夯实基础。如图2所示，智能制造各进化阶段，以标准体系为基础，经过数字化转型及管理变革进入两化融合阶段，进而向智能化发展。其中，数字化转型是制造业发展的必然趋势和必经之路，与此同时，形成多领域的协同才能提升企业的效率。

　图2 智能制造的进化阶段

　2.3 智能制造的核心目的

　当前市场需求变得个性化、定制化，而不是以往的大批量同一化订单，要求小批量多品种，要求产品快速迭代，要求研发周期大幅缩短，要求订单快速到货且状态可见，要求质量问题快速解决，同时要求产品超越用户期待。这让任何企业的运营都面临改革，但放手改革也应做好规划，“有的放矢”应是这场智能改革的准则。追求以最高的效率生产出最切中用户“要害”的爆款品，注重用户体验，以用户为中心，突出重围杀人第一阵营、成为一流品牌便是智能制造的核心目的。

　上述核心目的，对企业运营模式提出迫切需求一一产品规划与销售市场相协同、产品研发与制造过程协同、生产过程与供应链协同、生产计划与销售需求协同、市场服务与销售协同。

3 基于PLM的智能制造规划

3.1 基于PLM梳理痛点

　真正高效的制造业运营方式，至少应该具备两个属性特点：a.所有部门的产品数据来源是唯一的，即便有数据版本更迭，所有部门所看到的或者获取的数据也应是最新的、实时的；b.所有运营业务流程相互贯通，信息传递及时，不会传递迟滞影响时效。影响以上两个属性达成的因素，即为阻碍智能制造的“痛点”。顺沿着PLM的路径对其进行梳理，并通过智能制造相关手段进行消除即可得到合理的智能制造规划方案。这里我们只提及两个产品诞生过程中比较重要的痛点为例。

　3.1.1 产品-工艺设计之间协同的痛点

　产品数据发放以及工艺评审流转，作为产品诞生阶段数据交互最为频繁的工作内容，却因为没有良好的技术手段进行数据传递，管理手段不够严谨，成为了制约产品诞生周期缩短以及产品成熟度的“痛点”。

　传统的产品数据下发工作如图3所示，在数据收集过程中等待长设计周期件；传递过程节点繁多，效率低下；传递方式以压缩包、介质拷贝为主；正式数据与过程数据关联性差，正式下发须反复校验。传统的工艺评审以静态评审为主，进行线下OFFICE评审单编制，与数据下发一样，评审单须经过冗长的流传周期，缺乏时效，见图4。

　图3 传统的产品数据下发过程示意图

　图4 传统的工艺评审流转示意图

　3.1.2 工艺设计-制造验证的痛点

　提质增效降成本，是企业精益制造的不二法门，但这几个词乍一听起来，其实是相违的。要缩短产品诞生周期，就势必要削减长周期的尺寸育成过程，这样就不得不以牺牲产品质量尤其是产品尺寸质量为代价，去换取产品的快速上市，此为质量与效率相互制约的“痛点”。

　传统的尺寸匹配工作流程见图5，是以零部件实物为基础，只有零部件实物到件焊接成分总成才能进行测量。而虚拟制造通过产品数据模型的方式，以及零部件实物点阵扫描的手段，为我们提供了另外一种便捷的尺寸匹配途径，见图6。

　图5 传统尺寸匹配工作流程

　图6 虚拟制造中的虚拟尺寸匹配

　虚拟尺寸匹配将产品的尺寸育成工作提前进行，在保证产品质量的同时实现了产品的快速上市。与虚拟尺寸匹配相类似，许多传统制造过程中，需要使用产品零部件或分总成进行实物验证的工作，均可以通过产品数据以及相关工装设备模型所建立起来的虚拟环境进行验证，可以将问题的验证识别尽可能的提前。在虚拟制造技术的前提下，虚拟仿真也成为了可能，这里不单是产品的通过性验证或者工艺性评审，甚至连产品的质量感知以及色彩评价、用户体验配置选装等，都成为了可能。

　整车产品进行宣传时，大多是以“渲染效果图”出现，而真实场景中的实物整车，其色彩光亮以及尺寸间隙外观，都可能与“渲染效果图”有“落差”，这样可能会给试车评审带来一定的出入，也给销售端的用户带来一定心理落差。如图7所示，左侧为实物图，右侧为同一角度同一位置渲染图。

　图7 车身色彩实物图与渲染图对比

　前翼子板这个部位表面件接缝组合多，变化丰富。图中可见，右侧渲染图突出了棱角、折线这样的表面变化，色彩也浓密沉稳大气，容易夺人耳目。左边的实物图，色彩虽然略显跳跃灵动一些，但却色彩饱满不足，且实物并没有棱线突出的并不明显，立体感相对差一些。

　车身色彩，是为了迎合消费者感官的部分，也是产品上市之前重要评审环节之一。销售广告端一般使用经过3DMARKS等软件处理过的渲染图作为宣传媒介，如果采用更为真实的虚拟色彩仿真，在产品数据阶段就可以制作出无限趋近与实物产品外观的数字仿真模型，以此消除实物与渲染图的差距，同时给消费者更为真实的感官体验，如图8所示，即为通过虚拟色彩仿真手段做出的某车型尾灯附近的模型，同样为表面件接缝多、变化多的部位，但其显示出的效果却与实车相差无几。

　图8 虚拟色彩仿真手段制作的数字模型

　3.2 智能制造规划中的使用新技术

　智能制造不仅仅是一种理论规划和概念，更应该是多种适应当前需求的新技术的集合。这里只提及对智能制造产生重大影响的新技术。

　3.2.1 基于模型的数字化

　传统的产品研发模式是模型加文件的管理方式，好一点的企业，会通过软件平台将图纸、模型、文件数据集合起来进行管理，但设计、工艺、制造等环节仍相对独立。这种模式下交互成本高，数据易出错，产品数据也是基于文件的非结构化数据。

　制造业前沿的航空领域，最早推动了三维设计与基于模型的产品定义，也就是MBD（Model Based Design，基于模型的设计）的过程。图9即为MBD的示意举例。MBD将与产品有关的信息附加在模型上，将模型作为数据信息存储于服务器上，而不是我们固有认知中的三维数据文件形式。模型随着业务进行流转，做到单一数据源的数字连续性。模型中包含几何、制造基准、标注信息、属性等内容，以主模型为载体，实现设计、工艺、制造、检测的协同。从而实现了企业全三维化、全数字样机、企业内外的协同。MBD是集管理和技术于一身的体系，可以大幅缩短产品上市时间。

　图9 基于模型的设计

　3.2.2 虚拟仿真调试技术

　自动化生产不是什么新技术，但其带来稳定生产质量的同时，也增加了调试周期。从设备现场集成，到机器人轨迹规划、焊点可达、节拍分析等，都对现场调试时间有较多需求，这与高效生产是相悖的。虚拟仿真调试技术，很好的解决了这一矛盾。早在西门子TCM之前，就已经有了PD(工艺设计，Process Designer)、PS(工艺仿真，Process Simulate)的应用，加上Robcad对于机器人轨迹的仿真应用，基本可以做到产品通过性、装配性分析，路径优化，自动线轨迹规划等。通过早期发现设计缺陷来减少成本并缩短开发周期，通过动态虚拟仿真发现制造问题并进行工艺调整和优化。

　一直以来我们都是在实物安装完毕再进行现场电气调试，很容易受机械安装进度制约，同时给电气调试预留的验证时间不够充分，生产时容易发生停台。而近几年，一项基于虚拟模型的技术VC（虚拟调试Virtual Commissioning）得到了很多应用，使用电气虚拟调试的技术，提前对线体时序以及程序逻辑进行验证，可以有效缩短现场实物调试周期。虚拟调试对电气调试周期的影响见图10。

　图10 虚拟调试对电气调试周期的影响

　通过计算机内的生产线仿真虚拟环境，与真实的PLC硬件进行对接（甚至可以只用WINCC来取代PLC硬件），实现虚拟生产线的完整电气调试及功能验证。一般的VC实现流程见图11。

　图11 虚拟调试的一般流程

　3.2.3 过程可视化

　制造过程中我们所关心的问题，可以通过数据显示出来，经过分析，甚至可以对现状进行预测和优化。制造过程需关心的有三个问题：a.生产线上何种错误正在发生?b.哪个生产环节将出错？c.哪里还能挖掘隐藏产能？将生产线关键设备状态通过传感器获取，将各工位运行时间通过PLC间接获取，并目视化展示出来，即可解答问题a；将所获取数据经过一段时间的收集积累，与线体各自工位一段时间之前的数据进行比对，即可发现该工位的异常趋势，可解答问题b；分别对线体每个工位节拍、具体工艺内容、工艺动作进行分析，可解答问题c。图12所示即为过程可视化带来的处。

　图12 过程可视化

4 某整车企业智能制造进展情况及遇到的问题

4.1 某整车企业智能制造进展情况

　在中国制造2025的大背景下，各车企都开始了他们理念中的智能制造，投入财力、人力用于提升自动化率，甚至运行各种信息化系统，以拔高自身信息化程度。但事实上，智能制造不应该是标准的、一成不变的。某整车企业，正在进行着智能制造的规划与实施，本人有幸作为规划与实施者参与其中。

　由于之前有较长的工艺设计及制造环节从业经验，所以我们对产品诞生环节进行了比较细致彻底的痛点识别，从痛点需求出发，再进行方案规划。但是因为整个集团公司内，有多个子公司，且各子公司有各自不同的现状及需求，造成了集团公司内关于智能制造规划方案的不统一，也经过了长久的讨论推敲，最终才敲定了能够最大程度上解决协同问题痛点的方案。目前集团方面以开始进行试点车型的实施，各子公司也将在不久的将来逐步铺展开来。

　4.2 某整车企业智能制造典型应用场景

　针对前文提到的一些痛点，我们可以考虑一个典型应用场景来阐述应用智能制造新技术的意义。产品设计、工艺设计作为整车开发的两大业务，其协同关系的好坏、同步工程工作的完善与否，与整车开发周期息息相关，将工艺评审作为典型应用场景。

　在某整车企业，传统的工艺评审以静态评审为主，在三维环境下，加载产品数据、工装数据等进行可达性、通过性的判断，并将问题评审内容进行线下OFFICE评审单编制，工艺评审单样例见图13，只有截图及附带备注说明，很容易让产品设计人员与工艺设计人员之间产生理解误区。同时，如前文中图4所示，评审单须经过多个串行节点的审核流程，耗费冗长的流传周期，才能完成单次评审流转。

　图13 工艺评审单样例

　在智能制造规划方案中引入“协同平台”来应对上述痛点。在协同平台中，产品数据全部存在于平台的数据库中，数据源唯一。所有部门开展相关工作都访问数据库中的数据源，进行在线设计或改动，甚至可以实现产品设计人员与工艺设计人员同时在线针对某一零件进行互动评审和沟通，如图14所示，为协同平台数据下发的过程示意图，图15为协同平台工艺评审的流转示意图。图16为协同平台中的智能评审模块。评审过程中，一方对于数据的更改可以实时体现到双方所展开的数据中；利用评审界面下部的互动对话框，双方可以针对此项评审做出的修改意见进行及时讨论。变动过的产品数据以高亮颜色显示，会与变动零部件的上下文数据进行干涉确认，如有干涉影响，则高亮显示干涉位置，如没有干涉，则由平台进行版本管控。引入“协同平台”后产品数据下发过程及工艺评审流转示意图见图13。

　通过协同平台的引入，可以将产品设计、工艺设计、工艺评审等工作转型成为一种并行模式，大幅缩短产品数据准备周期并可以在产品数据定稿之前让产品达到很高的成熟度，进而实现“第一次即为正确的一次”，消除设计变更等往复工作。

　图14 基于协同平台的数据下发过程示意图

　图15 基于协同平台的工艺评审流转示意图

　图16 协同平台智能评审模块

　4.3 某整车企业智能制造规划中遇到的问题及经验

　在规划智能制造方案以及开展实施的过程中，也遇到了很多问题。

　4.3.1 智能制造是涉及多个领域多个部门

　智能制造是一个涉及多领域多部门的T程，从单一部门白下而上的进行规划，容易造成以点概面的偏颇，并且由下及上执行难度颇大。智能制造作为一个公司级战略，应该由顶层规划向下逐层拆解，拆解到不同部门、不同层级的目标之后，再依据阻碍这一目标实现的痛点，采取有针对性的规划设计，来消除痛点。

　4.3.2 智能制造的实施方案需要实践检验

　由于集团公司内不同子公司对智能制造理解不同、理念不同、需求不同，以至于我们的智能制造方案规划了许多版，期间多次商讨、反复推敲，经历了很长一个初期规划实践，却始终踟蹰不前，原地踏步。其实只要选对了适合自身企业的大方向，具体实施细节完全可以通过车型试点进行部署实施，从得到的效果中找寻方案的细节修订方向。

　4.3.3 智能制造分布实施的一部分也是智能制造进程的一部分

　任何一个企业级的方案规划，涉及的金额想必不会是个小数目，很多公司一味的注重投入产出比，认为所有成本投入都必须要有短期同笼成本的可行性，否则便全盘否定项目方案。但事实上，制造业的成本同收本来就体现比较迟缓，需要经过整个产品生命周期之后，才能够对成本投入是否合理有一个评估。此外，智能制造是一种提升产品诞生效率，提高产品开发准确度的手段。对智能制造的投资，是一种可以对企业带来深远影响的投入，实在不能只局限于眼前。

5 结论

智能制造这样庞大的工程，应该是对现有情况进行准确梳理，对现有条件的最优改造，对现有系统的最大集成互通化。不要被智能制造的整体规划开销吓退，制定好实施方案，有条不紊的分步实施，分阶段确认实施效果，哪怕只是向着智能制造前进一小步，也不失为对企业运营体系的重大改善。