領(lǐng)先汽車企業(yè)智能制造負(fù)責(zé)人王先博先后服務(wù)于奔馳、上海通用、IBM等著名企業(yè)，擁有豐富的智慧制造、供應(yīng)鏈規(guī)劃及信息技術(shù)管理咨詢的工作經(jīng)驗(yàn)。據(jù)他介紹，智能制造工業(yè)互聯(lián)網(wǎng)4T融合，第一個(gè)是CT，即連接的技術(shù)，對(duì)于工廠應(yīng)用的很多不同的智能化設(shè)備，怎么采集物聯(lián)網(wǎng)的數(shù)據(jù)是需要攻破的難題；第二個(gè)是OT（運(yùn)營(yíng)技術(shù)），很多公司都有設(shè)計(jì)自動(dòng)化的布局；第三個(gè)是IT，即傳統(tǒng)公司的IT部，需要軟件層的數(shù)據(jù)管理和打通；最后一個(gè)是DT，有一個(gè)觀點(diǎn)叫做雙模IT，怎么把這個(gè)數(shù)據(jù)管理應(yīng)用好。

領(lǐng)先汽車企業(yè)智能制造負(fù)責(zé)人王先博

（本文根據(jù)4月19日羅戈網(wǎng)&物流沙龍舉辦的“GMSC 2019全球制造業(yè)供應(yīng)鏈峰會(huì)”現(xiàn)場(chǎng)錄音整理）

CPS賦能模型，促進(jìn)物理空間與信息空間深度融合

從信息化工廠到數(shù)字化工廠再到智能化工廠，我認(rèn)為目前汽車行業(yè)的大部分工廠還處于可見性、透明性過渡的過程，屬于數(shù)字化工廠階段。

講到智能化制造，我在這里要介紹一下CPS，CPS是一個(gè)信息物理系統(tǒng)和模型過程與分析的決策支持系統(tǒng)，就是把我們實(shí)際應(yīng)用的工廠通過數(shù)字化進(jìn)行實(shí)時(shí)展現(xiàn)，不僅要展現(xiàn)而且還要做一個(gè)控制的思路。

這里是CPS的幾個(gè)階段，一個(gè)是從數(shù)字化到認(rèn)知工廠的過渡，現(xiàn)在很多還停留在數(shù)字化階段，第三個(gè)階段叫生態(tài)群的融合。接下來我介紹一個(gè)例子，讓大家可以更直觀地看到CPS最終的狀態(tài)。

John Deere是全球著名的農(nóng)用機(jī)械制造商，他實(shí)現(xiàn)了從系統(tǒng)到系統(tǒng)群的演變，第一個(gè)階段是可以通過CPS系統(tǒng)，在收割機(jī)上通過傳感器計(jì)算出每一塊田地的實(shí)際玉米、大豆等產(chǎn)量。第二個(gè)階段是可以通過該地塊所播種子數(shù)量、施肥種類及重量、土壤溫度、濕度、酸堿度、氣象信息等數(shù)據(jù)，分析出該地塊增產(chǎn)的最佳組合；再通過物聯(lián)網(wǎng)平臺(tái)指揮各種農(nóng)業(yè)機(jī)械量化執(zhí)行有關(guān)播種、施肥、澆灌的指令。到了后期就更厲害了，如果該物聯(lián)網(wǎng)平臺(tái)再結(jié)合玉米、大豆等大宗商品期貨交易市場(chǎng)的未來價(jià)格走勢(shì)，John Deere提供的系統(tǒng)還能為該農(nóng)場(chǎng)分析出本季、在本塊田播種什么種子將能在市場(chǎng)上獲得最佳利潤(rùn)收益。可以看出這是上升到了生態(tài)系統(tǒng)這樣的分析，通過這個(gè)例子可以直觀地了解CPS系統(tǒng)到單個(gè)的應(yīng)用以及到系統(tǒng)集群可以實(shí)現(xiàn)什么樣的應(yīng)用。

IT巨頭各顯身手

現(xiàn)在的IT巨頭都針對(duì)工業(yè)互聯(lián)網(wǎng)和智能制造推出了很多自己的產(chǎn)品。我們先看一下IBM，之前我在IBM做管理咨詢，對(duì)他的體系我比較熟悉。

IBM做汽車行業(yè)智慧工廠是分五層的：設(shè)備層、物聯(lián)層、執(zhí)行層、運(yùn)營(yíng)層、決策層。其三個(gè)平臺(tái)是指物聯(lián)網(wǎng)平臺(tái)、大數(shù)據(jù)的管理平臺(tái)、認(rèn)知計(jì)算的管理平臺(tái)，三步走的第一步是先做CT（通訊技術(shù)），因?yàn)槠囆袠I(yè)的IT發(fā)展已經(jīng)相對(duì)成熟，所以此時(shí)要先做CT，很多公司都知道汽車行業(yè)有一個(gè)軟件層，把這個(gè)打通之后做一個(gè)升級(jí)，相當(dāng)于我們的一個(gè)工廠服務(wù)組件進(jìn)行了打通。第二步是做DT（大數(shù)據(jù)應(yīng)用），就是把我們所有的應(yīng)用和硬件層的數(shù)據(jù)進(jìn)行清理之后管理。第三步我們要做優(yōu)化創(chuàng)新的應(yīng)用，這種場(chǎng)景可能非常多，怎樣有效地把后面的平臺(tái)打通，才是后面諸多應(yīng)用場(chǎng)景的基礎(chǔ)。

這個(gè)是當(dāng)時(shí)IBM提出來的三層大的技術(shù)架構(gòu)，這里不細(xì)講，因?yàn)楦鱾€(gè)車企都在企業(yè)上云，政府也在主導(dǎo)，他們當(dāng)時(shí)首先做的是構(gòu)造IaaS，政府也是把所有的機(jī)房和機(jī)構(gòu)逐步建成了自己的私有云，目前正在PaaS云化的過程當(dāng)中，這里還是比較糾結(jié)，面對(duì)從傳統(tǒng)的IT到數(shù)字化的轉(zhuǎn)型，汽車行業(yè)還是碰到了很多的問題。

第二個(gè)平臺(tái)就是很多IT行業(yè)都知道的這個(gè)平臺(tái)，這個(gè)平臺(tái)是想做一個(gè)工業(yè)的安卓，相當(dāng)于把所有的管理到應(yīng)用的組件和環(huán)境的管理以及客戶的應(yīng)用管理全部集成在一個(gè)平臺(tái)，如果很多企業(yè)應(yīng)用他這個(gè)平臺(tái)的話，很多智能應(yīng)用的場(chǎng)景和進(jìn)程會(huì)有一個(gè)比較大的進(jìn)步。不過在國(guó)內(nèi)的話，我覺得它可能還需要更多的實(shí)際案例來進(jìn)行支撐。

這個(gè)是之前他們的一些技術(shù)積累，這個(gè)是由兩家企業(yè)聯(lián)合打造的產(chǎn)品，有分析組件、物聯(lián)網(wǎng)連接的組件以及各種開發(fā)的組件，包括studia專門收購(gòu)了一個(gè)公司，把所有的應(yīng)用和分析通過VR這種技術(shù)展現(xiàn)給新的用戶。技術(shù)框架上基本就是這幾個(gè)維度，從連接層到后面的數(shù)據(jù)管理層再到安全的一些管理和展現(xiàn)，比如怎么APP化、移動(dòng)化以及通過智能設(shè)備有效地展現(xiàn)各種智能的場(chǎng)景。

這里我講一個(gè)拍立得的案例，這個(gè)也是國(guó)內(nèi)通訊比較專業(yè)的一家公司，后來在國(guó)內(nèi)主推工業(yè)物聯(lián)網(wǎng)的公有云的平臺(tái)，它把后面的大數(shù)據(jù)管理、智能分析都組建了一個(gè)相關(guān)的平臺(tái)，目前在國(guó)內(nèi)也有戰(zhàn)略合作，后續(xù)大家可能會(huì)對(duì)這個(gè)平臺(tái)越來越熟悉。

我前面說了這么多平臺(tái)，每一家都有自己的優(yōu)勢(shì)，因?yàn)樗麄儚氖碌膶I(yè)不同，不管是底層往上拔的這種模式還是其他的方式，各個(gè)制造業(yè)和企業(yè)都可以根據(jù)自己的需求選擇適合自己產(chǎn)品的云服務(wù)。

汽車行業(yè)智能制造場(chǎng)景

在這里，我介紹一下汽車行業(yè)智能制造場(chǎng)景。第一個(gè)就是我們所說的智能供應(yīng)鏈管理，很多的車企都在做，從可視這個(gè)節(jié)點(diǎn)到經(jīng)銷商的產(chǎn)銷計(jì)劃和排產(chǎn)計(jì)劃，以及到生產(chǎn)和入庫交付這些節(jié)點(diǎn)全部可視化，然后去對(duì)標(biāo)這9個(gè)過程當(dāng)中所消耗的每一段時(shí)間是否合理。接下來是各個(gè)階段通過現(xiàn)在的數(shù)據(jù)做有效的數(shù)據(jù)優(yōu)化，這個(gè)是很多大數(shù)據(jù)運(yùn)用的集成應(yīng)用，車企里面有一個(gè)硬傷就是他們每個(gè)月會(huì)提供銷售的預(yù)測(cè)，這個(gè)可以直接影響工廠的排產(chǎn)。所以怎么通過數(shù)據(jù)的分析，形成一些產(chǎn)品去支撐和幫助全國(guó)眾多4S店進(jìn)行銷售預(yù)測(cè)，這是很重要的一環(huán)，現(xiàn)在各大公司都想做這件事情，但是真正落地的比較少。

還有一個(gè)是預(yù)防和維護(hù)，這個(gè)大家比較常見，因?yàn)楦鞣N設(shè)備碰到問題后會(huì)造成很大的損失。這里我認(rèn)為有三個(gè)階段，第一個(gè)階段是首先把設(shè)備的數(shù)據(jù)收集上來；第二個(gè)階段是通過收集的數(shù)據(jù)分析這個(gè)設(shè)備是不是有可能出現(xiàn)故障，我們做了一個(gè)場(chǎng)景就是電機(jī)的一個(gè)軸的數(shù)據(jù)，可以提前預(yù)知超過閥值的數(shù)據(jù)造成的些問題；第三個(gè)階段是預(yù)見一些更換的頻率。

智能穿戴的項(xiàng)目我們也進(jìn)行過研究，比如虛擬裝備，我們通過AR和VR眼鏡進(jìn)行新員工裝車的培訓(xùn)，包括在現(xiàn)場(chǎng)裝配的指導(dǎo)，我們的人員到現(xiàn)場(chǎng)怎么維修和各種指導(dǎo)的場(chǎng)景也是其中一個(gè)重要的環(huán)節(jié)。

視覺識(shí)別在汽車行業(yè)也是一個(gè)大的智能制造應(yīng)用場(chǎng)景，現(xiàn)在是定位比較多，但我認(rèn)為其在后期的質(zhì)量檢查中應(yīng)用會(huì)很多，包括一些用戶的零部件的質(zhì)量檢查都會(huì)用到視覺識(shí)別。

我再講講關(guān)于供應(yīng)鏈和物流的場(chǎng)景，在很多配送的環(huán)節(jié)怎樣通過一些算法，來檢查配送的路徑和智能的調(diào)動(dòng)，怎樣指使我們的車輛和員工提高他們的工作效率。這里我說一下入場(chǎng)的智能調(diào)動(dòng)，現(xiàn)在大部分都是集貨的方式，我們研究哪幾家串在一起比較合適，大概是什么順序，現(xiàn)在都是靠人工和經(jīng)驗(yàn)，來進(jìn)行動(dòng)態(tài)的路線智能規(guī)劃，降低整個(gè)計(jì)劃的工作量，并使整個(gè)運(yùn)輸?shù)臐M載率和運(yùn)輸?shù)男首顑?yōu)，這都是老大難的問題，很多大的車企都在做，采用不同的方法。

整車物流和備件物流因?yàn)?a class="tag_click" style="text-decoration: underline;" href="http://www.gillianpearce.com/news/9" onclick="tagClick(50)">倉(cāng)庫和區(qū)域選點(diǎn)的規(guī)劃以及配送的路徑，后續(xù)我認(rèn)為都要用到網(wǎng)絡(luò)的算法和大數(shù)據(jù)，對(duì)于這一類業(yè)務(wù)的支撐可能會(huì)比較大，一些車企也在這個(gè)課題上花費(fèi)了很多的精力。

我的分享就到這里，謝謝大家。

作者 |  王先博

整理 |  郭嘉