红旗汽车“数字工厂”背后的智能密码

     2020年，一汽红旗新能源战略提速。4月开始，红旗新能源汽车工厂项目正式动工，这个内部被称为“繁荣工厂”的新基地，总投资78亿元，主要生产红旗新能源汽车、智能网联汽车，预计年产能将达20万辆。

     根据红旗“2030年技术发展战略”规划，红旗将在智能网联领域打造中国领先、世界一流的智能网联全场景平台架构。在红旗的构想中，这座新能源汽车工厂必须在建设之初就抓住数字化转型、智能化变革的机遇，为企业高质量发展打好基础。

     如何实现数字化与智能化的“高点起跳”呢？2020年，阿里云与机械工业九院联手为一汽红旗打造智能工厂整体方案，其联合推出的“汽车数字工厂1.0”正在红旗繁荣工厂实践落地。

 

一汽红旗驶入快车道

     时间来到2018年，这一年，红旗更换了新的徽标，推出了红旗H5车型，从此驶入发展的快车道。2018年，红旗各品牌完成3.3万辆的年销量，同比增长了6倍；2019年红旗全年销量超过10万辆，增速超过300%；2020年，红旗销量达20万辆，再次实现业绩翻番。

     亮眼市场表现的背后，是红旗品牌管理、渠道建设、研发体系、产品布局等各方面实力的全面提升。

     2020年，红旗提出新十年的奋斗目标——到2030年实现销量80万-100万辆。 接下来五年，新红旗将形成覆盖全家族四大系列的21款产品；其中，新能源产品将推出18款，占比达85%以上。在这一背景下，红旗加大了对研发的投入，在长春建设了研发总部，并在国内外设立分院，形成了全球研发网络。

     除研发外，红旗还在采购、制造、营销、运营等领域开展全面的数字化转型。特别是在生产环节，红旗将数字化技术全面应用在冲压、焊装、涂装、总装以及电池驱动业务过程中。在建的红旗繁荣工厂就是最好的数字化试验场。

“数字工厂”落地红旗

     当前，数据驱动汽车、软件定义汽车的数字化转型已经成为汽车产业发展的潮流。中国一汽董事长、党委书记徐留平接受媒体采访时坦言，对红旗来说，数字化转型既是生存问题，也是发展问题。

     为顺应汽车行业电动化、智能网联化、共享化、生态化的发展趋势，红旗繁荣工厂在规划之初就明确了“汽车数字工厂”的目标，致力于实现数字化工艺闭环、数字化质量闭环、数字化物流闭环三大闭环，打通系统间的数据流，形成高效的数字网络，实现生产过程的高效、可控以及透明化。

     除此之外，红旗的“汽车数字化工厂”还将实现连接所有数控设备、所有业务部门的网络集成环境，使各种生产信息能从上到下、从下到上快速反馈、统计和分析，为管理者提供快速响应和应变的支撑。

     在这个过程中，红旗繁荣工厂必须发挥出数字化、智能化的后发优势，这也是红旗选择部署阿里云与机械九院共同开发的“汽车数字工厂”方案的重要原因。

     机械工业九院素有“中国汽车工厂设计摇篮”之称，1958年成立至今，一直专注汽车工厂建设、和汽车工程整体解决方案，已服务国内外数十家汽车主机厂，曾创下97天建造完成特斯拉上海工厂涂装车间的记录。

     阿里云在数据智能领域的优势则更为突出。最近几年，阿里云在能源、制造、电力等工业领域建立了产业智能团队，培养出各个行业的算法工程师，助力企业的数字化转型。目前，阿里云已服务国内 70% 的汽车主机厂和出行车企。

自研的数据采集与监控平台

     在阿里云与机械九院联合打造的“汽车数字工厂”中，智能中控系统起到了枢纽的作用。智能中控系统位于上层的MOM系统与底层PLC控制系统之间，是面向车间产线层面边缘侧的数据采集及数据治理系统，通过边缘侧数据采集、实时分析及智能应用，并与自动控制系统高效协同，提升产线效能，实现产线的高可靠运行。

     据阿里云一汽红旗数字工厂项目负责人介绍，在现场层的数据采集环节，传统的数采软件大多适用于几万量级的数据采集点。作为新建的智能网联工厂，红旗繁荣工厂的数据采集点增加了20倍甚至更多。这就需要数采软件可接入更多点位、可支持更短的采集频次，并且对CPU造成的负荷不会太高。

     传统数采软件和中控系统并不能很好解决这些问题。主要是因为汽车行业很多数据是分散孤立的，流动性差；如果不同部门间想要共享数据，通常需要原厂专程跑一趟，开放接口、授权，可能还需要重新编码。这就导致车企无法掌握完整的数据，也无法基于数据做智能应用开发。

     为应对这一挑战，阿里云与机械九院自主研发出数据采集与监控平台（SCADA系统），为红旗繁荣工厂接入上百万个点位，可支持每200毫秒的采集频率，超过大多数主流数采设备。

     值得一提的是，这也是国内头部主机厂最先在五大车间全面采用自研的的数据采集与监控平台。

基于数据中台的智能应用

     结合采集的各种设备数据，以及ERP、MOM、物流等系统的业务数据，阿里云为红旗新能源工厂搭建了服务汽车产线的数据中台，所有数据在数据中台进行分类、治理、建模和数据分析，继而输出基于场景的数据服务。

     以设备的预测性维护为例。汽车是复杂工业品，尤其是智能网联汽车有着更高的生产要求，所以生产的连续性至关重要。当设备出现故障时，车间只能暂时停产，进行排查、维修或更换。假如停产1个小时，全年发生50次故障，按60JPH的生产节拍计算，会损失3000辆车的产能。

     有没有办法避免因设备故障造成的停产呢？ 

     阿里云数据中台上有一个AICS算法平台，集成了控制类、优化类、预测类等各种算法，通过低代码、可配置化的形式，提供给车企没有算法经验的IT和业务人员使用。只需拖拉拽的方式，就能结合机器学习优化的计算结果，形成可以投入到真实应用场景的算法模型。

     在红旗繁荣工厂，实时采集的海量数据汇入统一的数据中台，自动生成数据API服务，随时调取，可以为生产制造环节提供重要参考。譬如基于深度学习优化的算法模型，即可对设备的健康状况作出提前预判，避免突发设备故障导致的停产。

     除此之外，也可以基于数据对焊点的质量做出分析。过去只有车辆下线、或故障发生后才能溯源，但现在可以提前分析、提前处理。可以预想，未来的汽车产线不再会因为设备故障而中断，焊点的问题在车辆下线前就能及时发现。

数据智能的魔力

     数据智能的魔力远不止体现在预测性维护和质量环节。

     在能耗优化方面。众所周知涂装车间是汽车制造过程的耗能大户，涂料需要在稳定的温湿环境下进行喷涂才能保证质量，且烘干和固化也需要消费大量的电能，每年涂装车间的空调能耗可能是千万人民币级别。基于采集的设备数据对能耗进行管理和优化，如果可以节省5%-10%的能耗，每年就能节省上百万的成本。

     在减少人为误操作方面。基于APC智能控制系统，可以替代人工完成一系列硬件层面上的管控，减少人工操作，缓解企业用工荒的问题；此外，还能避免现场工人可能出现的误操作而导致的现场环境不稳定问题。

     在管理可视化方面。为加强对生产计划和生产过程的管控，阿里云基于数据中台搭建了管理驾驶舱，将库存、生产、设备、人力资源、质量等信息实时显示在仪表盘中，包括开机数量、机器故障、人员到岗情况、人均生产效率等数据均可实时呈现，实现了生产管理的可视化。

     基于这些数据和智能应用，阿里云还在帮助红旗构建“数字孪生工厂”，通过低代码“拖拉拽”的方式实时实景地呈现工厂各个角落的设备运行状况，将工厂数据发挥最大价值，为生产运营提供更多分析和辅助决策。

     按预计进度，红旗繁荣工厂下个月就有试生产的首批新能源汽车下线，到今年年底，红旗繁荣工厂将正式开启新能源汽车的量产。

     一个数据驱动的汽车工厂正应运而生！