数字时代下，如何加速实现智能汽车制造?

随着数字技术对汽车行业各个环节的渗透，数十年来，汽车制造商们不断收集、分析保修索赔、维修报告，以及汽车智能网联数据，以便提升服务能力，提高汽车质量，从而改善消费者驾乘体验。在各汽车企业的数字化转型过程中，想要更好地利用这些智能资源产生的海量数据，同时提高企业短期和长期的绩效，汽车制造商们可从如下几方面进行优化：

正确规划规模

对于智能制造而言，基于云计算的服务和分析平台，以及智能设备，都能帮助制造商获取数字投资的价值。目前，部分汽车制造商们已采用了基于云的平台进行数据聚合和分析，并将其应用到智能生产中。但是，该数据的整合分析并不能满足制造商高效生产的需求，他们仍需要更智能、更高效、更清晰的生产车间实时性能信息。

为什么会产生这种现象?通常，我们会将数据发送到基于云的平台，在非常适合分析的业务场景和具有更宽松时间线的情况下进行企业级决策。但是，过多的网络流量和分析滞后，可能会妨碍生产车间工作人员及时获取生产现场的实时信息和关联数据，从而采取纠正措施。换句话说，就是“数据分析-控制系统”之间的闭环反馈完成速度不够快，无法立即生效。

可扩展分析：位于边缘侧的更快优化方法

可扩展分析平台通过将数据分析和机器学习功能嵌入到最接近信息源和工厂决策层的位置，能够更快完成大数据分析和生产车间控制的闭环。例如，一个整车制造商使用变速驱动器来控制物料输送线上的电机，现代交流驱动器可持续监测直接与电机的机械部件相关联的输出扭矩和电流，能够将驱动器配置为在参数超过限值时发出警告。此外，温度、振动和其他传感器可以捕获和报告有关变速箱状况的关键信息。

通过对这些参数和其他设备运行参数进行持续监测和分析，可在发生意外停机之前预测变速箱和皮带的磨损或滑移、电机轴承和绕组问题。同时，该分析在维护策略上还具有及时可见性。

在设备装置级的应用中，这种全新分析解决方案可通过插件式装置及时洞察到在工业网络运行中的各种资产，比如交流驱动器和状态传感器，可通过将生成的数据转换为预配置的健康状况和诊断仪表板来提供分析。

当此插件式装置洞察到相关设备是如何关联时 (如通过故障因果关系)，该解决方案就开始了解所在系统，并提出说明性建议。例如，如果某个驱动装置为了保持最佳性能而需要重新配置，该解决方案即可向用户的智能手机或平板电脑发送“行动卡”。这种规范性的方法能够使维护团队更加积极主动，还有助于将潜在的停机时间降至更低。

改变汽车制造业的游戏规则

在汽车智能制造中，可扩展分析有助于改变离散汽车制造的游戏规则。对于复杂的连续生产过程，机器学习对产品质量和制造速度都有很大影响，所以该可扩展分析方法在智能制造中尤为重要。例如，方形柱状电池生产，与圆柱形汽车电池相比，方形柱状电池单位体积提供的能量更高，在电动汽车市场上越来越受欢迎。但方形柱状电池的生产涉及大量运动、高度精度和连续加工，所以想要优化这种动态、多变量环境中的流程就变成了一个挑战;同时，对于可扩展分析及机器学习也是一个挑战。

该分析系统可使用动态数学模型学习识别一个变量对另一个变量的影响，并自动调整后续操作以获得更佳结果。同时，该分析系统还可以向操作人员提供关键分析，例如SPC 图表，从而实现持续的质量监控和主动调整。

更重要的是，可扩展方法可扩展到设备装置之外，并应用于整体机器及过程装备。同时，该平台还可以与 MES、OEE 以及其他制造运营和分析系统集成，以帮助推动整个企业在生产计划和能源管理等不同领域的优化。

作为智能制造的引领者，罗克韦尔自动化将继续以过硬的技术实力和优质的服务能力为汽车行业提供更完善的数字化解决方案，全方位赋能企业的数字化转型之路，加速汽车行业迈向“智能汽车时代”。

（来源：罗克韦尔自动化）