出产数字化是运用数字化技能，处理现有出产制作方法不能满意客户需求的中心问题，一起将出产流程、工艺中的不确定性降到最低。

  出产数字化了解：出产数字化是运用数字化技能，处理现有出产制作方法不能满意客户需求的中心问题，一起将出产流程、工艺中的不确定性降到最低。

  转型驱动力：国家方针和当地细则双轮驱动;顾客个性化需求关于出产提出更高要求;数字化转型确保企业竞争力;依靠经历的出产决议方案急需数据才干全面优化。

  转型方针：运用数字工厂将传统轿车出产制作方法改动为柔性化出产方法，以便快速的呼应顾客个性化需求，以及下降为了满意顾客需求而发生的全部不确定性和危险。

  窘境与应战：顶层架构缺失导致的内生动力缺少;因为缺少数字化认知导致的转型失灵;垂青出资报答率，难以承受出资报答不清晰下的巨额开销;出产端附加价值较低，难以取得高层注重。

  转型主张：自上而下：在集团层面树立数字化部分，自上而下遵循数字化路途;提纲挈领：捉住本身企业数字化的要害所在，以点带面、小步快跑;出产功率进步并非一蹴即至，装备暂时人员可促进产能进步。

  数据剖析：数据剖析东西和人才需求不断添加，既了解轿车制作又能够娴熟运用数据剖析东西的人才将在职业中取得巨大的竞争力。

  5G工厂：5G将成为数字工厂的重要通讯方法之一，其大带宽、高可靠性和低延时等功能在轿车制作中的合适用性不断进步。

  协作机器人：机器人在制作业中的继续优化及演进，人机共融的出产方法将重塑人们对制作业的刻板形象。

  出产数字化是运用数字化技能，以满意客户定制化需求为本，以应对车企出产不确定性为中心的出产革新方法

  现在，我国车企在制作端面对的中心问题是现有的制作方案不能满意客户个性化、定制化的购车需求，大批量制作的同质化产品已无法得到客户的喜爱，因而车企为进步本身竞争力开端测验小批量定制化产品。至此，客户关于质量、装备、服务和交给时刻要求的不确定性倒逼车企有必要对整个出产流程做出改动，而出产数字化就是车企出产流程革新的重要方法。出产数字化尽管可协助车企优化出产排期、工艺流程等到达减本增效，但自动化设备的运用、制作经历的进步和精益制作的理念已将出产功率成倍进步，边际效应愈加显着。因而，艾瑞以为，车企出产数字化的中心在于运用数据才干应对顾客需求改动所带来的潜在危险，将出产流程、工艺中的不确定性降到最低，其为车企供给的长时刻隐形价值将远远超出幻想。

  冲压：因为作业环境较为恶劣，一般为简略、批量化的作业，因而自动化率可达90%以上。但其数字化程度相对较低，因为其尽管要求在到达必定精度内的大批量出产，但可通过库存来处理大都问题。焊装：焊装是轿车质量分界点，工艺相对杂乱，环境恶劣，部分操作要求带有核算机视觉的设备进行自动化激光点焊，自动化率可达80%~90%，但因为分拼线和外表调整线操作较为杂乱，仍需人工操作。涂装：工艺相对简略，由机器人依照既定轨道喷涂即可，自动化率可达80%以上。但其进程罕见杂乱的数字化体系支撑，因而数字化程度相对较低。总装：因为零部件品种较多且不规矩，运用机器人本钱较高，因而较为依靠人工安装，自动化率在20%~30%左右，数字化特征较多表现在工时优化和质量检测方面。

  工业数据为车企出产环节转型的根底，而数据的通明化，决议方案的灵敏化是出产数字化转型的底子。通过在库存、制作、物流、质检等各个出产环节发生的数据进行有用衔接，剖析及运用，改动原有粗豪的出产方法。用数据的通明及快速传输才干打造数字工厂，处理车企出产环节长久以来的遗留问题或未被发现的问题，然后精准管控出产功率，防备潜在危险就是工业大数据赋予车企出产环节的含义。

  出产履行体系(MES)是车企出产环节重要的数字化东西，MES凭借底层信息，依据上传的方案数据和出产实时数据做出反响、核算和展现。MES上接车间办理层下接设备，横向掩盖冲、焊、涂、总四大车间，可在出产、物流、人员、工艺、进程等维度做出快速呼应，进步信息传递功率和精准度，有用下降因为不确定性要素导致的罢工、错料等状况。

  供货商协助企业树立自动化出产线个月，取决于产线长度和制作工艺杂乱程度等要素。在四大车间傍边，出于焊装对质量、精度要求较高，涂装喷房中环境高温高湿且涂料异味较重，因而焊接和涂装环节机器人用量最大，从几十到几百台不等，取决于产线出产节拍。冲压环节因操作流程简略，机器人仅作为抓取、装卸运用，因而少数机器人便可满意需求。而总装环节本身自动化程度较低，除玻璃打胶、密封条张贴等，其他操作机器人难以履行，因而部分企业用量在8~10台不等。全体而言，每个机器人的运用约代替5个人工，可将JPH从30进步至50以上，将OEE从70%~80%进步至90%以上，极大程度上进步出产功率及制作水平。但是机器人在自动化年代就被各大车企广泛运用，因而机器人在数字化年代的价值不只是是机器代替人工，而是通过发掘机器人收集到的数据进行进一步剖析赋能整个出产环节，运用机器和数据价值的叠加打造数字工厂，为智能制作和工业4.0打下根底。

  在运用数字孪生进行出产仿真时，规划人员运用无人机等现场勘察设备进行制作产线的根本信息，一起运用工厂已有的前史信息作为参阅设置变量和参数树立模仿工厂，其输出的成果可作为点评工厂详细方针的重要参阅。例如，通过制作流程孪生体观测出产节拍、机器人作业状况和出产工艺异常值等，可有用协助现场办理者对物料运送、料道规划、工位和物料区进行一致规划。一起可比照物流、工位设置方案与出产工艺的适配性，提早得知规划的出产物流方案是否存在糟蹋，可在方案施行时大幅下降试错本钱，防止设备的过度投入，可将物料本钱节省30%左右，最大化下降在传统工厂出产时发生的不确定性问题。

  任何新式技能都并非为了运用而运用。在车企出产数字化进程中，技能运用的终极方针是运用数字工厂将传统轿车出产制作方法改动为柔性化出产方法，以便快速呼应顾客个性化需求，以及下降为了满意顾客需求而发生的全部不确定性和危险，为下一阶段的智能化打下杰出的根底。详细表现包括在冲压车间中以极短的时刻内替换胎膜;在焊装车间中以机器人自主辨认焊点方位和工艺要求;在涂装车间内自主完结油漆罐清洗一起下降资源糟蹋;在总装车间内AVG自动辨认所需物料并及时配送。总归，在车企数字化转型进程中，前沿技能运用的方针并非在技能晋级，而在完结一次前史性的出产方法革新;而革新后的未来工厂将具有快速而经济地习惯出产改动的才干，和习惯由需求改动引起的不确定性才干。

  出产各环节的数据、事务、流程、软件体系等打通都需求顶层构架的预先规划和规划，而缺少了顶层规划便简略呈现流程分裂、建造重复、规范纷歧的种种问题。更重要的是，在面对短期内的很多资金需求、部分间利益平衡和原有查核压力的问题时，缺少顶层规划导致各部分间数字化方针难以对齐，忧虑JPH、资金等短期丢失导致数字化内生动力缺少，然后数字化进程受阻。尤其在部分国资布景车企，国资委和集团的查核会集在市占率、产销量和赢利方面，除非承受国家研讨课题拿到相应预算，不然运用先进科技的决议方案将极为慎重。

  因为出产制作端的数字化转型依然为新生事物，国内起步较晚，因而车企对此认知依然处于良莠不齐的阶段。在职工层面，IT人员以为数字化是软件和数据的运用;出产人员以为智能制作设备是数字化的表现，各部分如盲人摸象般的认知难以一致。在企业层面，部分办理者并未从其实质层面动身思考问题，以为数字化只是为了降本增效，疏忽了其应对危险的实质，导致短期内难以到达降本增效的方针而在迷途中苦苦思索。一起，部分办理者简略将自动化和数字化混杂，愈加导致了认知误差。

  出产数字化的实质表现在轿车工业业态、顾客需求和外部环境发生改动时第一时刻应对危险和快速呼应的才干;是在设备通明化，出产灵敏化的根底上以柔性出产的方法为客户定制个性化、小批量产品的才干;是协助完结智能制作及工业4.0的必要方法和东西。而对此实质认知的误差成为了数字化进程中的重要阻止。

  因为数字化项目花费金额较大，一起车企为防止过度出资会慎重考虑前期出资额并对出资报率极为注重，因而部分企业仅将数字化作为测验性的前沿探究，不作为重要战略方向。更重要的是，因为在数字化前期难以快速见到报答且进程中存在许多瓶颈，办理者为企业短中期利益考虑难以承受出资报答不清晰状况下的巨额出资。尽管办理者此番考虑实属合理，但会必定程度上拖慢数字化转型的节奏乃至导致项意图功败垂成，然后失掉长时刻的商场竞争力。

  轿车工业被称作“工业中的工业”，其工业链相对其他工业更长、更杂乱;一起轿车的制作才干与其供应链、营销、品牌、口碑等有着极端亲近的联系，因而轿车工业的浅笑曲线理应愈加陡峭，而出产制作环节的价值理应更高，但是在全体轿车生命周期傍边出产制作依然是最不被集团高层注重的环节。尽管部分学者表明现在现已打破了传统的浅笑曲线由中部向两头攀升的固定思想，但不得不供认的是出产制作的附加值依然难以进步，因而出产制作在全体轿车价值链中处与较为为难的地步。因为出售量、赢利、市占率等“硬方针”的压力，车企愈加注重规划、研制和营销环节。数字化规划/研制能够加快轿车的更新迭代，数字化营销能够精准触达用户以完结出售方针，而关于出产制作环节的要求则为依照规则的质量及时刻顺利交给即可。因而，当“硬方针”难以到达时，出产制作方面的数字化投入则变成了部分企业的担负和负担。

  自下而上和自上而下的推进数字化转型的差异极端显着。例如，在缺少高层支撑的状况下，虽各部分均可布置数字化技能但短期本钱较高，如涂装车间改造多则需求二到三百台机器人，每台价格在几十万到几百万之间，在部分间协作和资金批阅等事项中将会发生极大阻止。一起，部分间在没有树立数字化一致时，研制、出产、供应链等部分独立数字化难以发生实践含义乃至会呈现反作用，例如通过工艺流程改造进步出产节拍后，供应链部分若无法做到数字化体系协同则会呈现暂时的物料严重问题。因而，数字化只是是转型东西，而通过部分间协同到达出产方法革新才是意图。而到达此意图则需求高层挂帅，自上而下的进行数字化进程，通过工艺、软件、体系等顶层架构削减各部分对数字化了解的误差，树立科学的决议方案机制和流程机制，最大程度上削减数字化进程中所走的弯路。

  一般IT部分与出产部分存在着不同的事务语言和对数字化的了解，因而在了解呈现误差时，出产人员以为技能人员缺少技能才干，而技能人员则以为出产人员需求不合理，简略导致责任推诿及内部办理紊乱，因而两者之间交流机制的树立成为根底。一起，传统车企中IT等部分仅扮演边际人物，而出产、事务部分因为直接与产销挂钩故话语权较大;当数字化降临后，因为数字化项目一般较为杂乱，消耗资金较大，且因为其专业性导致出产及事务部分难以承当，因而IT部分被给予了较大权力与责任。此举引发两种问题，其一直接削弱了出产及事务部分的话语权，导致部分间利益博弈，协作志愿下降;其二IT部分在过多的被公司寄以希望的一起，查核方针并未发生底子改动，导致内生动力缺少。因而，IT部分和出产、事务部分需协同协作，左右开弓，在各自的责任规模中进步希望与产出之间的一致性。

  问渠那得清多么，为有源头活水来。在开端数字化项目之前企业出产环节的流程整理非常要害，若线下流程紊乱则线上流程将毫无含义，因而流程明晰后再做体系和软件的开发将事半功倍。出产、质控、物流等需求有必要要从出产车间各个部分找到对应的出产担任人和工程师将流程厘清，清晰流程机制的中心和事务流中的权责机制，不然软件开发完结后流程不同便不得不做体系的二次更改，形成人力、物力及财力的糟蹋。一起，每种物料、车型等在不同环节的编号、规范数据也需求在开发软件之间进行一致，躲避不同格局、人称和操作方法导致的数据不一致的问题，为后期的数据剖析及数据库打下根底。而关于供货商来讲更需求做到与车企的数据同步，供给一致规范的数据标签，尽可能到达零部件状况可追溯。

  现在部分车企并未有专门的数字化部分担任相关项目，而以项目组或某一部分冠名的方法居多，其专业性仍有待考量。因而在数字化决议方案初期，企业应在集团层面树立数字化部分，录用出产与IT的复合型人才作为CDO，确保其与出产、事务部分的顺利交流。一起决议方案层在树立数字化转型路途后，需从久远考虑，从顶层规划动身向下遵循，因为一旦全体体系模型建好后将来事务或许需求需求拓宽，流程的兼容性以及不同供货商之间的体系兼容性可能对体系功能发生严重影响。一起，商场、顾客、技能、竞对等在不断改动，不应将数字化孤立的看待为静态的路途，相反响树立循环式流程，周期性的对上述各项要素进行判别，而认知的不断改写也将促进企业走向合适本身的数字化路途。

  车企每日被很多的伪数字化所围住，不扫除部分软件企业以推销为意图将本身产品及服务包装为数字化概念，其动机仍有待商讨。而数字化并非是能够处理全部企业问题的良药，因而企业需求清晰阶段性数字化方针和本身革新的细节，对应顶层规划和企业现状筛选出能够处理要害问题的数字化方法，只要对事务有实质性的进步，企业战略层才干看到价值然后给与资源支撑。一起测验从要害的小问题着手，做好数据规范和底层软件为将来的全面数字化和智能化打下根底，采纳提纲挈领、以点带面，小步快跑的方法进行数字化转型。此举能够将一次性的大额出资进行分摊，减轻短期内资金压力，下降对出资报答的忧虑，然后有意图、有要点的促进出产环节的数字化转型。

  出产功率的进步是车企数字化中重视较多的课题之一，而因为停线频率、物流问题、人员操作等不确定性要素，运用数字化东西得出的进步方针仍需通过现场验证和磨合才干真实表现价值。因而，工厂可采纳装备提名人、提早测验等按部就班的方法完结出产功率的进步。

  艾瑞针对出产数字化树立了评价模型，旨在协助车企开端了解本身的数字化程度以便对本身竞争力做出根本判别。此模型结合了很多外部材料审理与职业专家深度验证，包括24项评价方针并对其重要性进行剖析和量化，内容包括软硬件、机器人、仿真模仿、规范化、出产方法等方面。

  因为国内合资企业能够更有用的学习国外先进的制作经历，出产数字化水平较高。而自主车企尽管起步较晚，暂时稍显落后，但其拥抱数字化的情绪与积极性不断进步，逐步缩短与合资企业的距离。而新势力车企则后发优势显着，部分新势力工厂数字化程度极高，部分出产环节如冲压、焊接可到达95%以上乃至100%的自动化率，并运用数字化技能进行办理调度。

  跟着数字化趋势不断扩张，全球数据数据量将继续指数型添加，2020年数据量相当于世界上一切沙子的57倍，而大都为非结构化数据。在数字化工厂中，传感器、机器人等数据的处理及剖析将成为轿车制作领域中的一大应战，因而数据剖析相关人才的重要性显而易见，BI、Business Objects和Cognos等数据剖析体系的运用将成为日常，而既了解轿车制作又能够娴熟运用数据剖析东西的人才将在职业中取得巨大的竞争力。

  2014年丁汉院士、杨学军和郑南宁院士主导推进了国家自然科学基金委严重研讨方案“共融机器人根底理论与要害技能研讨”，推进人、机、环境共融机器人的研讨，包括了刚-柔-软耦合顺柔结构规划与动力学、多模态环境感知和人机互协作等方向，逐步成为当时机器人的发展趋势。而协作机器人在轿车出产制作中的运用依然取决于场景的开发，估计5~10年后将逐步开端老练。协作机器人的研讨并非为了不断添加机器人的用量以替代人类，人类的才智更不会因协作机器人的呈现而停滞不前乃至阑珊，而是在出产制作中互相习惯、互相支撑的一起优化与演进。

  除机器人或硬件服务商外，大都数字化服务商为互联网及IT企业，其互联网思想与传统的工业制作思想有所差异，而数字化也并非是简略的互联网与制作业的结合，因而部分车企在与数字化服务商协作后发现其实践发生的价值不如预期。而数字化服务商也在探究中不断生长，愈加聚集于处理车企的实践问题而被车企广泛认可，以BATH为代表的大型互联网企业正在不断攫取外商商场份额，而少部分宣扬伪数字化概念的服务商将逐步退出前史舞台。