【第十届全球汽车产业峰会】浙江吉利控股集团有限公司ME总监张喆：智能化平台工厂

4月26日，2018第十届全球汽车产业峰会在北京举办，本次论坛以“创新技术引领产业未来”为主题，会议期间，浙江吉利控股集团有限公司ME总监张喆发表了精彩演讲，演讲内容如下： 

浙江吉利控股集团有限公司ME总监 张喆

大家好，我是来自浙江吉利控股集团制造工程中心的张喆，今天我演讲的话题是全新模块化平台智能工厂。与前几年我们分享的话题不同，今天的话题将从整个吉利的制造角度来说，我们会撇开原来数字化工厂的平台，迈进更高层次的智能化平台。也就是前面李总所谈到的，我们往整个MIT这个角度上去。

首先，大家先畅想一下未来的汽车会是什么样子，作为一家自主品牌企业。当然每一个人对于未来汽车都有自己的畅想。我举一个例子，去年我女儿5岁，我带着她去澳大利亚，在澳大利亚度假的时候，我问她汽车应该长成什么样子，这个问题也是学校老师布置给她的一道题目，随后我女儿在画了三种类型的汽车图。

第一类是公共汽车，她说这个就是每天接送她上下课的校车。

第二类是小轿车，她说这个就是我爸爸每天上下班开的汽车。

第三类是圆形的、粉色的、长有翅膀的车，她说“这个就是我长大了以后想开的车，它能够上天，能够下海，能够去各个地方。

当然很多人觉得是童言无忌，但是从我们汽车人的角度，尤其是从整个ME制造工程角度来说，我们对于未来汽车的定义、顶尖技术的应用、新能源、新材料都将会是什么样的？那为什么我会把这个东西先作为一个开场白给抛出来？因为我们一直觉得只有用智能化、高效率的设备才能造就未来汽车的样子。

我再举个例子，2008年的时候，我从慕尼黑回到国内，其实那时候德国已经有将近100多台机器人，会对整个生产线进行设计。那个时候我刚研究生毕业，随后我跟我的导师一起吃饭的时候开玩笑说，在德国我们已经大规模地使用机器人了。那个时候我的导师告诉我这在中国很难。我问他为什么？他给了我两个答案。

第一，机器人很贵。他问我一台工业机器人多少钱，我说可能10万欧左右吧。他说2008年那个时候一个操作工月薪可能就2000多块钱。他说操作工的成本远远低于机器人，而且那个时候机器人的故障很多，所以这是一方面。

第二，机器人编程是一门很先进的学科。2008年中国的高校可能都没有建立机器人编程这样的学术课题，所以要培养专业的机器人编程的人员，可能还需要几年的时间。

从2008年到今年2018年，短短10年，我们却发生了翻天覆地的变化。今年我跟我的博士生导师沟通的时候说“现在吉利要做IOT，要做ITS，您觉得我们能不能做成？”我的博士生导师说，“估计需要5年。”所以，未来工厂会是什么样的？我们这个团队将定义整个未来工厂。

首先，基于数字化的工厂，里面既有我们的大数据分析，也有智能化管理和数字化双胞胎。其实谈到数字化工厂，了解我的人都知道，在我加入吉利之前，它已经成立了另外一个部门叫FA（工厂自动化），数字化工厂的建立其实是一个循序渐进的过程。

第一步是先达成工厂自动化，然后，在整个工厂自动化的基础上加入仿真以及一些IT技术。逐渐演变成了数字化工厂，随后在数字化工厂里再引入整个IE，然后再进行整个大数据分析，以及引入AI技术，最终形成智能工厂。除了数字化工厂之外，我们还有一个柔性化的工厂，最后的工厂将会是一个多平台、多复杂性的工厂。

第三，是我们追求的绿色环保工厂。

我记得在广州的那次论坛上跟大家共享过这样一个案例。我概念里的工厂其实更类似于像可口可乐这样的工厂，无论是在中国、印度、巴西，还是德国，每一罐可口可乐的配料、口感、质量都是统一的。其实对于我们来说，做汽车最高的境界或者说最终目标，也就是无论在哪里，所有的工艺、设备应该做到完全统一。

这张图里面其实更多应用在我们在台州的工厂里，因为我们现在有领克、沃尔沃、吉利这样的品牌。我们在台州的领克工厂，其实就是我们所倡导的标准化的工厂，包括数字化双胞胎。我们提倡所见即所得，所以我们所有的工装设备以及现场标定跟仿真数据都做到完全无误差的精准匹配。

讲到这里很多人会问，你们做数字化工厂，那到底做了什么成果？其实，在跟很多同行做对比的时候发现，我们的数字化工厂、模块化工厂，甚至是智能工厂，都是花钱的，它的成本事很高的。德国那边很多专家声称使用数字化工厂可以节约成本。其实，我不是很赞同这个说法，因为从成本效益角度来说，任何一个新技术要投入使用都需要增加成本。

但是除增加成本之外，还有有两项隐性的成本我们可能都没有考虑到。就像吉利为什么会从之前的数字化工厂一直搞到智能工厂。其实所增加的不只是投资成本、软件成本，还有有两块隐性成本也会有所变化。第一块是人力成本，它会显著下降。第二块土地成本，利用数字化双胞胎、数字化工厂以及智能化工厂，整个土地利用率会大大提高，我们每100个焊接，每一个节拍所带来的效益，其实都是大幅上涨的。

从整个规划来说，我们分为这样几步。总而言之，我们奔着先建立标准化的产品、标准化的流程开始，逐步培育自己的供应商体系，最终形成我们的竞争优势。

这里更多的还是基于我们的产品线，虽然前面讲了那么多技术，但其实还是得基于同一个平台来进行开发。在很多企业里面，尤其是在汽车厂里面有这样一个误区：领域跟专业分得不是很清楚。在整个汽车生命周期里，我们理解的领域其实只有三个。

1、研发。

2、生产制造。

3、销售。

但是专业有很多。那如何把领域给串联起来？目前就如何把专业串联起来，我们用了很多像MS系统、ERP系统，甚至有一些企业还有其他的系统。其实我们理解的只是把各个专业串联起来了，至于我的财务怎么跟我的生产系统进行对接我们的生产制造怎么跟研发进行对接，甚至我们这个部门怎么跟另外一个部门进行对接，我们的车间之间如何配合，从我个人的角度来说，这只能称作是专业性的沟通。

如果要做平台化，做标准化的工厂，我们必须得把所有的领域串联起来。只有通过生产制造从前端的研发，到最终的售后、销售形成一个闭环，才能为整个智能化工厂或者是平台化工厂奠定这样一个基础。

大家就可以看到，整个模块化的工厂，无非就是在于两块，一个工艺的模块化，一个设备的模块化。那当然就像我们左上角所谈的图，这些图都来源于我们真实的案例。其实从两年前我们成立数字化工厂开始，我们已经把整个数字化的应用投入到了所有的生产阶段里面。

从去年开始，我们除了传统的数字化验证之外，开始引入了整个大数据。在后面也会讲到，今年我在汉诺威那边也拜访了很多的企业，给了我很多新的见解。所以，今年我们除了在整个IOT之外，我们还会把整个ITS作为整个ME的数字化标准目标。

这一页大家就可以看到，收集完所有数据之后，我们搭建成这样一个数字化工厂。在这里，我们可以很自豪的跟大家说，之前谈到说目前所有的仿真跟现场的最大误差是3毫米，这一级别基本上已经达到了全球顶尖技术，今年要奔着更高的程度，2毫米甚至是1.5毫米进行测量。只有这样的话，我们接下来谈虚拟调试、虚拟装备才有意义。

在这里的话，从去年开始，我们实施整个工厂级的数字化策略，用来减少和规避所有的质量问题，用来对所有的前期设计进行反馈。无论是通过我们的飞马系统，还是通过我们的问题银行系统，来对整个生产研发进行一个闭环。

对于整个项目投产阶段，我们会利用一些虚拟调试技术、虚拟现实技术，基于一系列的点云、扫描，以及其他的物流策略，来对整个设备数据进行挖掘，缩短整个产线的周期。就在一个多月前，我们做过一个比对，用了整个数字化的策略，从生产安装（就是产线的安装）到第一辆车的下线，我们只用了19天的时间。

我们讲的整个模块化、平台化的工厂，首先我们要对数字化的标准体系进行建立。当初我在带领整个数字化工厂的时候，用了差不多大半年的时间来完成这样的体系建立。随后对平台搭建进行了一个规范。

因为每家车厂所使用的软件、平台有很多，我相信每家企业都说我们有MS，我们有ERP，但是有几家企业把MS和ERP打通了给真正用起来了呢？每家企业都说我们要关注大数据，但是大数据能给我们带来什么？在这之外，我们对整个资源数据库进行搭建。目前吉利有接近20家工厂在国内，我们会对所有通用型的设备进行资源库的搭建。以后像选菜单模式一样，我们在资源库里面进行选择、进行搭建，最终形成整个业务数据库，并形成从研发到生产制造、到销售这样数据库的规范。

讲了那么多，我们再回到大数据，其实大数据是一个很时髦的词。再举一个例子，仅供参考。假设中国人民银行1949年开始到现在有20亿个账户。无论你在哪个银行里面开户，央行里面都会有这样一个数据库被记录，它的数据库可以说记录了我们所有储户的信息，数据量非常的庞大。

另外一个例子是阿里，就拿支付宝来说，它的账户可能只有1个亿，远不及央行20亿账户那么庞大。但是谁对于消费习惯，对于目前数据量更有效，那我相信所有人都知道肯定是阿里。即使它的数据量不是那么庞大，但是它所有的数据都是有效数据，都是活跃数据。

在这里就延伸出来了一个概念，其实吉利从去年开始就试着应用大数据的策略，我们也找了4、5家在各个行业里面顶尖的大数据服务提供商，来进行沟通。结果我们发现一个很大的问题，就是如果只是站在整车厂这边，从吉利的角度上来说，我们要大数据究竟是为了什么。其实这个问题呢，我们跟其他专业里面的人在沟通，听上去觉得很可笑。但其实每个人往深层次去想，大数据到底能给我们企业带来什么样的效果，是做节拍提升，还是做预防性维护，还是做其他的。

吉利从去年到今年， 1年多的时间里，当中也跌倒过，也走了一些误区。所以我在这里想跟大家分享的是，大数据这个东西，我们更关注的是数据的利用率，而不是数据的采集，不是数据量有多庞大。举个例子，讲到大数据很多人觉得这东西很新，其实我在高校里面，给别人上课的时候，我跟那些学生说，其实大数据一点都不新。我们在座的所有人在几十年前都用过大数据了，这句话怎么说？每个人都参加过高考，其实高考就是大数据的应用。进清华、进北大的，大数据挖掘能力比我们强。进其他学校的，大数据用得不是那么好。

那有了大数据之后，我相信很多人高考的题目放在平时做，我都能做，只是考试的时候，可能我一时想不起来了，可能我的搜寻速度太慢了。这又引申到了大数据的第二个范畴，就是及时性。反馈速度有多快，及时性就有多高。整个吉利大数据的制造策略里面，我们做大数据无非就是为了满足这样几个功能。

第一，做主动性的预防维护。

第二，能够帮助我们做整个产能的提升。

这一页呢，其实跟其它企业一样，每家企业想建数据都会基于整个数据互联网平台，把ERP给接进来。但是这里想要谈的是，在我们的概念当中，把大数据用好了意味着两个信息。

第一，有可能取代MS平台的。

第二，很多在讲我们要上云，那是不是真的要云、从吉利角度来说，目前还是在本地部署为主。因为至于你切上云，还是切上蓝光储存，只是储存介质不同。

我们会采集所有生产事实数据，随后进入到更重要的一个数据挖掘。这也包含了很多数据过滤、数据处理，包括一些边缘计算，随后得到一个最佳工况的参数，最终把整个生产跟能源系统结合在一起。

我想跟大家分享一件事，前年我们在吉利某一个基地开展了一个大数据应用。其实就像前面讲到的，现在有4、5家大数据应用商同时在帮我们做大数据的试点。我分享一下其中一家带来的成果。那一家只让它对我们的主线进行大数据的检测，整个检测的时间也不长，可能只有将近2个月的时间。

在两个月的时间里面，我们利用了这些大数据，检测出了一些人眼没有办法看到的故障。在整个两个月的测试结束之后，我们拿到这样一份报告。共花了有12个人研究成本，随后对整个数据进行挖掘和优化，最终我们的产线提升了4秒钟，这就是大数据所带来的价值。

从今年开始我们会把整个大数据的应用部署到所有的新建基地里面。这一页里面讲得更多就是仿真，其实我们谈了整个模块化、整个平台化，仿真还是起到很重要的一个作用。仿真不仅仅是整个工艺的仿真，在这里我们把整个工艺工程也放到整个仿真的应酬范围去，来对整个工时效率，对整个人机工程，对整个标准工时进行模拟验证。

通过整个数字化仿真业务进行策略，从总装角度上来说，其实显而易见的，我们对于整个重点工位可以进行人机验证。我们可以对所有的干涉性事项进行验证，对装配进行分析。除了这些，我们所要做的还有更多，包括如何提高总装的自动化率。其实目前我们总装更多的可能会用在这些方面，座椅，天窗、涂胶，轮胎会用自动化，会用机器人。那其他那些工艺，我们要研究如何提高它们的标准化和模块化。

在整个物流方面，也一样。我们通过引入整个ITS，对整个物流方案进行设计，对整个交通流量进行模拟，随后确定最佳的生产工艺排序方式，包括物流配送策略，满载率，交通入口的统计，最后形成这样一个3D物流环境。

平台那一边，现在有一个团队专门关注整个数字化平台模块。到现在为止，我们一共开发了6个平台模块，当然还包含了一些二次开发。因为沃尔沃那边更多是基于VCC的二次开发，吉利这边会基于整个吉利标准来进行所有客户的定制化开发。

在整个开发完成之后，最终会形成整个吉利数字化工厂的经验库系统，并使整个经验库系统应用到各个领域里面去，从前端的研发，可以通过飞马系统，通过问题系统，包括售后和销售一些培训模式，把整个EPS贯穿到整个领域。基于同样一个平台，我们有4套子系统来对整个物联网进行实时监控，把网间隔离技术，大数据分析挖掘和系统应用串联起来，形成整个吉利的标准化模块工厂，并形成这样4个模块，分别对应的是仿真验证、数字化双胞胎、能耗模拟验证，最终达到智慧工厂的目标。

谢谢大家！

敬请关注盖世汽车“第十届全球汽车产业峰会”直播专题：

PC：http://auto.gasgoo.com/NewsTopic/97.html

移动：http://m.gasgoo.com/news/topic/97

提示：“本文根据发言整理，未经嘉宾审核！”如需转载，请联系尤女士：15121021076