|
2023年3月31日，由中国电动汽车百人会主办，清华大学、中国汽车工程学会、中国汽车工业协会、中国汽车技术研究中心、中国汽车工程研究院共同协办的中国电动汽车百人会论坛（2023）在京开幕。4月2日举办的汽车产业数字化论坛上，华南理工大学机械与汽车工程学院院长李巍华发表了主题演讲。
以下为演讲实录。
尊敬的李秘书长、各位来宾，非常荣幸能来到今天这样一个论坛跟大家分享一下关于如何推进汽车产业的数字化转型这个话题，我今天汇报的题目是“数据贯通式制造服务融合赋能汽车产业数字化转型”。
首先，大家知道汽车产业的发展背景，刚才安院长也介绍了智能制造的过程，中国的智能制造大概是2015年提出来的，提出中国智能制造2025，提出了互联网规划，要实现由中国制造向中国智造的转变，中国制造业从2010年开始已经总值全世界第一，在全球的比重占到了30%，可以说已经非常高，但是仍然还存在一些问题。
什么问题呢？在整个制造产业里面，汽车制造是产业链最长、带动就业最长，可以说是我们国家的一个战略支柱产业，中国汽车的产销量已经连续多年稳居全球第一。2022年新能源汽车市场占有率得到了明显的提高。
在汽车产业要实现智能制造数字化转型是一个必然的结果。消费者有这样一个需求，希望制造商向生产运营商转变，消费者对产品消费服务的需求日益增加，车企无论从研发端、制造端、生产端都要面临数字化转型带来的影响。
如何实现汽车产业的数字化转型？数据已经成为生产要素，大数据蕴含背后是知识，大数据蕴含的知识将为汽车产业数字化转型提供了一种潜在的路径，所以数据赋能汽车产业。
我这里以汽车制造业为例，因为汽车产业链太长了，对汽车制造企业来讲数据这部分是可控的，他拿得到，主要分为这样三个环节：
1、设计研发环节。
2、生产制造环节。
3、运行维护环节。
我们看设计研发中，各种仿真数据、历史数据、技术文件、市场调研数据都有力地支撑了研发过程，数据类型多样，并且也涉及到企业本身的商业秘密，具有隐私性。
在制造环节中，把各种数据都汇集到了一起，物联网的采购、零配件的加工、整车质检数据、试验数据等等，这些数据具有离散性，分散在了多个部门和环节。
运行维护环节，汽车卖给消费者之后有后续维修的相关数据。
此外，对于新能源车，现在车厂都了解自己的车开到了哪里、电池怎么样、车辆的运行状态，对于改善电池管理，未来数据驱动的身份诊断、产品维护都有帮助作用，这个数据来源也非常广泛，这是一个数据基础。
现在存在的问题是什么呢？这些数据之间互相是不通的，设计研发的数据以汽车主机厂来讲，对应的是汽车研发研究院、数据中心等等，制造研发数据在主机厂本身，后面还有分散的数据资源，还有4S店。设计、制造、运维的服务相互独立，没有形成数据的互联互通，我们把它叫做数据的孤岛，各个环节之间协同优化能力不足，所以也制约着汽车的数字化转型。
制造服务融合实际上我印象里在2016、2017年就提出来了，也是在智能制造2025之后提出来的，制造服务融合，表示要从一个制造商向运营商转变，他要兼顾服务过程，以数字+制造、数字+服务，制造业向服务业延伸，服务业也要向制造端拓展。
另外服务衍生制造，在挖掘服务制造过程中的多元服务信息，运用新一代信息技术来重构你的经营和商业模式。通过融合规划设计、生产制造、厚厚服务等各阶段的数据，提供一揽子服务，这叫制造服务端融合。
下面讲两个例子：
第一个例子GE的，它是航空发动机开发，搜集了5000太发动机性能数据，包括100万个零部件的运维数据，构建了制造服务的闭环反馈体系，也就是从设计到制造、到运行过程在工厂中怎样去维护，这样一个反馈过程。希望通过运维数据去发掘原来设计制造过程中的某些薄弱环节、不合理环节，进行一个设计改进。
第二个例子英国RR，它是针对燃气轮机的，从设计、研发到产品的制造，到产品的运行，它做的是船舶，船舶系统应用于决策，实现燃气轮机的制造和反馈。
第三个例子是直升机HUMS-MSS平台，四年前开始在国家重点研发项目的支持下开展的。我拿其中一部分举一个例子，这个是针对民机的直升机系统，直升机的研发涉及很多的部门，而且不在一个主机厂里边。做的事就是通过直升机在运行过程中的一些数据，包括后来它的维修的数据，指导设计、制造，当然它的用户相对会比较简单，包括了一些民用的、搜救、救援等等，还有军方的，比汽车要相对简单一些。这样一个平台就实现我们刚才所说的整个一套数据流的流动，达到改进这个产品的目的。
这种模式称为智能运维核心驱动的设计制造服务新模式，关键技术包括了检测、预测、闭环反馈、全局优化、协同，直升机是一个机队，它的寿命特点是叫做时寿件，比如飞行2000个小时就不能再用了，这个价值规划在我们汽车行业非常常用。
针对设计制造数据运营信息的反馈模式，形成设计制造数据前馈和智能运维信息反馈模式，构建数字孪生驱动前馈式与运维数据驱动的反馈是制造服务新模式。基于健康状态对于配件规划、维修策略进行一个管理，从而指导维修活动。实际的维修数据反过来再告诉我原来设计制造过程中有哪些不合理的环节，去促进改进，形成了智能运维小闭环+智能运维设计制造大闭环。
概括起来分为这样三个阶段：设计制造阶段、服务与监测阶段、运行反馈阶段，我们就形成了这样一个闭环反馈的设计制造服务的模式。反观汽车行业：
第一，汽车产业具有更好的条件。第一，具有数据基础，现在工业互联网自动化程度非常高，汽车制造是离散制造的代表，代表了我们最高的制造自动化水平。第二，具有信息化支撑，现在大数据、云计算技术的普及，对于多元异构的数据处理、数据隐私保护、数据安全治理都提供了技术手段。第三，政策的支持，我们国家大力发展智能网联和新能源汽车产业，要实现整个产业链的数字化转型，在这样一个背景下去构建数据贯通的汽车制造服务融合的新模式，去提高生产的效率、提升汽车的品质来实现数据的增值，这就是一种可能的解决途径。
汽车研发设计数据传递给了生产制造，我们把它叫做前馈，生产制造的数据又可以指导数据监测、对产品性能的了解。后续的故障数据、故障模式的积累又可以反馈给设计和制造的环节，我们把它叫数字化协同体系，通过数据流反复贯通，发现蕴含的制造知识和服务知识，来实现这样一个融合的模式。我们把它叫做“双馈式设计制造服务融合新模式”。基于设计研发端、贯通是知识发现、从而使得制造服务的融合成为一个可能。
它带来的优点是什么呢？首先，带来产品的创新升级，通过制造服务的融合，精准的分析这个产品设计的可行性，精准地捕捉到客户的需求，来加速设计流程，提升客户的满意度、提高你的研发效率。第二，制造增值，除了刚才汽车制造之外，汽车制造商可以提供更多的增值服务，包括只能维护和保养提醒，驾驶人行为监测，提供个性化的驾驶模式服务，中间可以引入多阶段的数据贯通、优化模型，提升产品性能和设计创新。
第二，整个贯通体系的优化，对汽车制造商来讲可以实现整个优化产线的模式，保证规模化、个性化的生产。
第三，以汽车运行的模式回馈给维护服务体系，通知我怎么样去规划配件管理，再通过我的运行维护数据反馈改进设计制造，从而建立了整个的数据治理的服务体系，形成一个从备件库存的管理，汽车备件预测性规划、再进行管控三位一体的管控。
最后，这是我提出的设想，跟企业小闭环之间的合作，链路非常长。
1、数字孪生驱动设计制造数据前馈优化服务体系，以运维数据驱动智能运维信息反馈，从而实现汽车制造业服务融合。
2、数据贯通式知识发现，赋能汽车制造业，促进主机厂由生产型制造向服务性制造的数字化转型。
3、打造大规模个性化定制，贯通多环节应用场景的汽车产业新生态。
通过设计研发、生产制造、运行维护等各环节的数据互联互通与协同优化，实现汽车产业制造服务融合，推动我国汽车产业数字化转型，可能是一种有效的实现路径，当然这个工作也没有那么容易，尽管是同一个集团，设计研发部门、生产厂商，包括后续的营销部门它也有各种各样的集团内部的点会存在，希望这可以有效地区推进这样一个工作的进行。
我的演讲到此结束，谢谢大家！
|
