數字時代下，如何加速實現智能汽車制造?

隨著數字技術對汽車行業各個環節的滲透，數十年來，汽車制造商們不斷收集、分析保修索賠、維修報告，以及汽車智能網聯數據，以便提升服務能力，提高汽車質量，從而改善消費者駕乘體驗。在各汽車企業的數字化轉型過程中，想要更好地利用這些智能資源產生的海量數據，同時提高企業短期和長期的績效，汽車制造商們可從如下幾方面進行優化：

正確規劃規模

對于智能制造而言，基于云計算的服務和分析平臺，以及智能設備，都能幫助制造商獲取數字投資的價值。目前，部分汽車制造商們已采用了基于云的平臺進行數據聚合和分析，并將其應用到智能生產中。但是，該數據的整合分析并不能滿足制造商高效生產的需求，他們仍需要更智能、更高效、更清晰的生產車間實時性能信息。

為什么會產生這種現象?通常，我們會將數據發送到基于云的平臺，在非常適合分析的業務場景和具有更寬松時間線的情況下進行企業級決策。但是，過多的網絡流量和分析滯后，可能會妨礙生產車間工作人員及時獲取生產現場的實時信息和關聯數據，從而采取糾正措施。換句話說，就是“數據分析-控制系統”之間的閉環反饋完成速度不夠快，無法立即生效。

可擴展分析：位于邊緣側的更快優化方法

可擴展分析平臺通過將數據分析和機器學習功能嵌入到最接近信息源和工廠決策層的位置，能夠更快完成大數據分析和生產車間控制的閉環。例如，一個整車制造商使用變速驅動器來控制物料輸送線上的電機，現代交流驅動器可持續監測直接與電機的機械部件相關聯的輸出扭矩和電流，能夠將驅動器配置為在參數超過限值時發出警告。此外，溫度、振動和其他傳感器可以捕獲和報告有關變速箱狀況的關鍵信息。

通過對這些參數和其他設備運行參數進行持續監測和分析，可在發生意外停機之前預測變速箱和皮帶的磨損或滑移、電機軸承和繞組問題。同時，該分析在維護策略上還具有及時可見性。

在設備裝置級的應用中，這種全新分析解決方案可通過插件式裝置及時洞察到在工業網絡運行中的各種資產，比如交流驅動器和狀態傳感器，可通過將生成的數據轉換為預配置的健康狀況和診斷儀表板來提供分析。

當此插件式裝置洞察到相關設備是如何關聯時 (如通過故障因果關系)，該解決方案就開始了解所在系統，并提出說明性建議。例如，如果某個驅動裝置為了保持最佳性能而需要重新配置，該解決方案即可向用戶的智能手機或平板電腦發送“行動卡”。這種規范性的方法能夠使維護團隊更加積極主動，還有助于將潛在的停機時間降至更低。

改變汽車制造業的游戲規則

在汽車智能制造中，可擴展分析有助于改變離散汽車制造的游戲規則。對于復雜的連續生產過程，機器學習對產品質量和制造速度都有很大影響，所以該可擴展分析方法在智能制造中尤為重要。例如，方形柱狀電池生產，與圓柱形汽車電池相比，方形柱狀電池單位體積提供的能量更高，在電動汽車市場上越來越受歡迎。但方形柱狀電池的生產涉及大量運動、高度精度和連續加工，所以想要優化這種動態、多變量環境中的流程就變成了一個挑戰;同時，對于可擴展分析及機器學習也是一個挑戰。

該分析系統可使用動態數學模型學習識別一個變量對另一個變量的影響，并自動調整后續操作以獲得更佳結果。同時，該分析系統還可以向操作人員提供關鍵分析，例如SPC 圖表，從而實現持續的質量監控和主動調整。

更重要的是，可擴展方法可擴展到設備裝置之外，并應用于整體機器及過程裝備。同時，該平臺還可以與 MES、OEE 以及其他制造運營和分析系統集成，以幫助推動整個企業在生產計劃和能源管理等不同領域的優化。

作為智能制造的引領者，羅克韋爾自動化將繼續以過硬的技術實力和優質的服務能力為汽車行業提供更完善的數字化解決方案，全方位賦能企業的數字化轉型之路，加速汽車行業邁向“智能汽車時代”。

（來源：羅克韋爾自動化）