数字化工厂伴随数字仿真技术和虚拟现实技术发展而来，是智能制造发展的重要实践模式，它通过对真实工业生产的虚拟规划、仿真优化，实现对工厂产品研发、制造生产和销售服务的优化和提升，是现代工业化与信息化融合的应用体现。
制造业进入到全新的数字化时代，需要构建新型智能工厂、数字化工厂与智能车间以助力传统产业智能制造升级，将新一代信息技术贯穿到设计、工艺、生产、物流等各个环节。目的是完善创新体系、提升产品质量、推行绿色制造、增强核心竞争力、发展现代化客户体验。以恒大新能源汽车智慧工厂构建与运营的实践为例，对数字化信息技术与传统制造产业创新融合应用实例展开研究，分析了构建数字化工厂的目的、数字化工厂总体设计、数字化工厂建设路径要素，以期为我国制造业的转型升级之路提供参考。
引言
随着物联网、云计算、大数据和5G等信息技术的发展，全球化工业革命进入实质阶段，制造工厂面临着第四次工业革命。在这场革命中，制造业的环境发生了根本性的变化，通过运用网络通信技术使计算机和自动化以一种全新的方式实现了实时连接，配备有机器学习算法的计算机系统与机器人远程连接，可以学习和控制机器人技术，促使操作人员执行的操作发生根本的结构变化[1]。
“工业4.0”这个概念最早由德国产、学、研各界共同制定、以提高德国工业竞争力为主要战略目的提出[2]，该概念在德国学术界和产业界的共同倡导和推动下被政府接受，并迅速上升为国家战略[3]。
同时，欧美日等发达国家为了缓解本国严峻的就业压力，纷纷推行“再工业化”，力图通过产业升级化解高成本压力，寻找能够支撑未来经济增长的高端产业[4]。全球制造业逐渐形成：高端制造业回流发达国家、低端制造业转移低成本国家的格局。
新一轮科技革命和产业变革正在孕育兴起，这将重塑全球经济结构和竞争格局，这与我国加快建设制造强国的举措形成历史性交汇，为实施创新驱动发展战略提供了难得的重大机遇。智能制造、《中国制造2025》等战略的相继出台，表明国家已经行动起来，把握新一轮工业发展机遇实现工业化转型[5]。
数字化工厂伴随数字仿真技术和虚拟现实技术发展而来，是智能制造发展的重要实践模式，它通过对真实工业生产的虚拟规划、仿真优化，实现对工厂产品研发、制造生产和销售服务的优化和提升，是现代工业化与信息化融合的应用体现[6]。
数字化工厂模型的设计与应用
规划以智慧园区为基础，以IT技术和OT技术为支撑，以前瞻技术为引导，通过构建支撑应用场景的IOT架构。
图1 数字化工厂规划导图
广州工厂投入了大量的自动化设备和信息化应用系统，包含工厂级MES生产执行系统，设备管理系统，质量管理系统，SAP系统，供应商管理系统，WMS系统，AGV智能调度系统，可视化监控系统等。以往各个系统因为基础软件的不同，相互之间都是孤岛，数据需经过离线人为格式转换从系统导入另外一个系统。因此，针对不同工业基础软件的面向业务需求的接口二次开发至关重要。通过MES结合智能识别RFID系统，从制造的角度、从生产计划与生产过点动态角度把所有不同模块从业务的角度串联起来。
图2 数字化工厂规划结构图
数字化工厂实施案例
2.1产品数字化
为了加快新产品开发的步伐，通过建立高效的PLM协同集成平台，实现计算机辅助设计CATIA和研发设计管理软件PDM的系统集成，建立企业级中央集成BOM系统，对EBOM、MBOM、SBOM进行统一管理。
2.1.1机电软一体化复杂产品开发
基于PDM系统的全球数字化协同研发平台、结合CAD、CAE等数字化技术、利用CA PDS的研发数据管控及高性能计算系统，有效支撑了分布于全球多地的造型与总布置能力、结构设计与性能开发能力、仿真分析能力、样车制作与工艺能力及试验验证与评价等能力。
1、产品设计数字化
通过CAD与PLM系统集成，设计人员可以将本机CAD设计图样等数据直接上传至PLM系统并与其产品物料相关联，实现物料的电子化签审和产品参数化集中管理，有效管控了零部件的重用、借用，依托于产品的架构实现EBOM的快速搭建。
图3 产品设计模块
2、数字样车（DMU）可视化
基于整车CAD BOM配置，对整车的物理集成进行虚拟评审，实现测量、断面检查、3D批注、静态间隙检查动态干涉检查，以及可视化报告；定义静态检查标准，按照整车舱室划分，考虑不同车型、同动力总成、不同配置等因素进行定义；定义整车虚拟评审框架，虚拟评审流程；建立远程协同评审机制及流程。
图4 数字化样车
3、产品配置管理
构建全新的满足定制化需求的车型配置选装管理模式；基于中央制造BOM集中管控，实现面向多基地生产的制造管理模式；打通上下游（工程、制造、售后）协调一致的的变更实施管控机制；基于售后工程介入工程方案评估的同步工程设计模式。
图5 产品配置管理
4、问题管理系统开发
实现以管理虚拟问题为主的设计问题管理，包含问题定义、根本原因、临时措施制定、永久措施制定、效果验证、问题关闭等环节的管理；可根据问题发生的阶段、问题发生的领域进行问题分类管理；支持分析图表及报告生成、下载、发布功能。
图6 问题管理系统
2.1.2仿真建模及数字化交付
采用西门子最先进的“数字双胞胎”智能制造系统。真实工厂与虚拟工厂同步运行，真实工厂生产时的数据参数、生产环境等都会通过虚拟工厂反映出来，虚拟与现实结合，并利用三维可视化技术将生产场景真实展现出来，生产数据实时驱动三维场景中的设备[7,8]，使其状态与真实生产场景一致，从而更充分了解整个生产场景中各设备的运行状况，达到监测、分析的目的；通过大数据与分析平台，将云端中汇集的海量数据转化、分析、挖掘，帮助工厂制定更明智的决策，快速提高生产效率、降低成本和实现质量目标[9]。主要功能介绍如下：
1、智能厂房设计
整个厂房的工作分区（冲压、车身、涂装、总装、检验、物流、仓储等）应根据工业工程的原理进行分析，引入BIM（建筑信息模型），通过三维设计软件进行建筑设计，可以使用数字化制造仿真软件对设备布局、产线布置、车间物流进行仿真，尤其是水、电、气、网络、通信等管线的设计。
同时，智能厂房规划智能视频监控系统、智能采光与照明系统、通风与空调系统、智能安防系统、智能门禁系统、智能火警系统等。采用智能视频监控系统，通过人脸识别技术及图像处理技术，过滤视频中无用或干扰信息、自动识别不同物体和人员，分析抽取视频源中关键有用信息，判断监控画面中的异常情况，并以最快和最佳的方式发出警报或触发其它动作。
2、虚拟仿真
通过详细的仿真分析验证，在计划节点内验证方案可行性、设备数量及用地面积等信息，有效地将成本控制在预算范围内，从而约束线体供应商不合理的预算追加；同时在前期进行生产能力仿真验证，有效控制实际生产的CT、JPH、设备开动率及产能匹配；通过数字化分析和搭建，可以保障设备安装进度、缩短在线调试时间。
图7 虚拟仿真
3、数字化工厂搭建
通过数字化平台将制造数据关联起来，提供一个制造数据管理与应用环境，利用虚拟现实技术，实现工厂场景建模，构建虚拟工厂。在数字模型的信息化，虚拟与现实高度一致的基础上，进行硬件接口开发和软件功能开发，建立虚拟与现实的数据通讯与互联，搭建虚实融合的数据采集、分析、优化平台，实现基于大数据、物联网的工艺优化和智能生产指导。
图8 数字化工厂搭建
2.1.3工艺一体化平台
基于3D的数字化工艺规划、仿真和优化平台来帮助恒大新能源汽车建立高效的、高质量的产品生产工艺规划水平，通过工艺一体化平台，实现产品设计数据向制造的同步，工装和工艺派生数据的在线设计，以及工装与产品数据的关联设计。建立以结构化数据方式整合在一起的产品、工艺、工厂、制造信息，实现制造、过程数据信息化和精细化管理。以产品数据、工艺资源数据为基础，在数字化环境内，进行工艺布局、工艺设计、工艺仿真验证。提高工艺文件编制效率，实现工艺经验积累、有效重用，最终实现设计面向制造[10]。
1、工艺数据中台的工艺管理
通过三维设计数据的同步更新，进行工艺数据的统筹管理；以产品、工艺、工厂、制造信息整合的结构化数据方式进行BOP发放管理。基于统一的三维数据协同管理平台，进行标准作业流程的固化，并形成标准作业指导，为精益制造、敏捷生产提供有利的基础保证。
2、工艺管理平台的工艺组织
通过工艺一体化平台，构建统一工艺数据结构，形成工艺信息模版，实现工艺经验积累、有效重用。建设与PLM系统高度集成的三维数字化协同工艺设计与管理系统，工艺编辑按照树状结构化方式进行组织管理，能够实现产品族的扩展和组织，进而搭建与制造工艺数据的关联，形成多品种的工艺数据拓展和组织管理。将三维工艺模型、工艺文档等数据直接与对应的工序/工步相关联，所有工艺数据均按照PBOM层级关系进行组织和展示。工艺输出同时支持二维/三维、视频动画等多种工艺表达形式[11]。
图9 工艺一体化平台
3、工艺基础数据管理
结合集团的业务特点和国内外经验，梳理出工艺知识库，包括标准工艺库、制造资源库等，将知识积累固化并集成到工艺一体化平台，供后续项目工艺规划和分析参考使用[12]。
4、工艺数据中台与PDM的集成
基于工时PDM系统建设基础，结合以上核心需求，构建基于PLM的三维数字化协同工艺系统。主要构建模块包括：三维结构化工艺设计与管理、工艺检验一体化管理、多专业工艺协同设计管理、现场工艺执行与更改管理、工艺资源与工艺知识管理等[11]。
5、工艺无纸化
一般生产过程中工件配有图纸、工艺卡、生产过程记录卡、更改单等纸质文件作为生产依据。恒大在智能工厂规划中普及信息化终端到每个工位，结合轻量化三维模型和MES系统，车辆抵达工位时，可以根据具体车辆配置信息在该工位显示屏终端显示对应该车型配置的电子工艺卡片，操作工可直接通过工位显示屏查看工艺卡片，而不需要自己去查找并切换；操作工人将可在终端接受工作指令，接受图纸、工艺、更单等生产数据，可以灵活地适应生产计划变更、图纸变更和工艺变更。也可以利用智能手机作为终端，完成生产信息查询等工作。
2.2生产数字化
恒大汽车广州工厂联合世界一流的西门子智能制造信息系统，实现数据互联互通；汇聚德国舒勒、库卡、杜尔，日本发那科等全球顶级汽车工艺装备；实现技术顶级，品质一流，成本最优，打造中国汽车工业“新智造”。
2.2.1全自动化冲压
冲压车间采用世界最先进德国舒勒伺服高速冲压线，打造智能互联全自动化工厂
1、先进智能工艺设备
图10 先进工艺设备
1）德国舒勒智能全伺服高速冲压线
伺服直驱的德国舒勒冲压线，高速、柔性、静音、节能。生产速度最快可达16SPM，可实现180s快速换模；顶级伺服直驱技术可实现压力曲线编程控制，最优成型性，智能MMS系统可全面监控压力、温度、速度、震动等，大数据分析，实现自诊断预防维护和最优化生产；静音78分贝行业最优；能源回收共享系统节能30%。
2）国内首创线首板料AGV自动上线
国内首家板料自动AGV上料系统，实现板料自动上线，突破线首单体运行的行业现状，实现智能互联：设备各组件自带智能硬件配置，通过传感和感应，互联互通。拥有智能调度系统，可实现生产计划智能承接，自动识别前后工序状态并做出运行决策，实现智能高效安全的板料上线。
图11 线首板料AGV自动上线
2、国内领先全零件自动装框系统
1）线尾自动装框采用机器人取代传统人工装框方式，实现全零件自动装框，零件装框后通过AGV小车自动输送入库；
2）国内首家将线尾各种复杂人工作业，实现自动化、无人化的下料区，解决了冲压行业线尾痛点。通过高精度的零件特征视觉识别技术，结合机器人自动纠偏和工位切换技术，创造性地实现各种造型零件的全自动装箱；
3）结合生产执行系统和物联网技术，生产调度智能驱动，各组件无缝匹配，数据无感传递自动互联，实现数字智慧助力工业生产。
图12 机器人视觉引导抓取
3、工艺数字化开发
采用Autoform 软件，实现零件成型全工序分析，识别零件刚度、滑移线、冲击线、回弹等问题，并针对性的提出解决方案，确保零件质量满足要求，减少后期模具调试周期。
图13 零件成型模拟
4、模具数字化开发
1）模具废料滑落模拟
通过 ADAMS 软件，模拟模具废料滑落状态，提前识别堵废料风险并针对性优化模具结构，降低后期生产过程卡废料风险。
2）生产线虚拟调试
通过使用PLS 、DIGSIM软件进行虚拟仿真调试，实现冲压线、端拾器、模具最优匹配，优化模具结构、优化自动化曲线，缩短调试周期，提高生产节拍。
图14 产线虚拟调试
5、冲压智能化MMS系统
通过传感器进行数据的收集、存储、分析和处理，设备自我监控、自我诊断，提前识别设备异常问题并准确进行维护保养，确保设备安全稳定运行。
图15 智能冲压系统
2.2.2车身黑灯工厂
车身车间自动化率达到100%，各生产线上的智能机器人协同工作，不但能轻松完成白车身的焊接、定型等工序，还可实现24小时全自动作业，是名副其实的高端智能“黑灯工厂”。KA生产线，采用六车型柔性生产线技术，随机切换生产。共611台机器人，244个NC定位机构，148台AGV，全力打造满足多种车型、多种工艺、钢铝混合的自动化、柔性化、生态化、数字化、智能化生产车间。
图16 车身全自动车间
通过数字化建模、仿真、VC调试、影像线体监控，实现全工艺开发流程3D可视化管理。
1）工艺规划：使用数字化手段实现工艺流程、BOM、工艺文件、焊点分配、资源调配等的工艺信息管理，可提高效率50%；
图17 总装工艺规划
2）工艺仿真：在设计阶段，实现对生产过程的仿真，减少现场调试问题80%，缩短项目工期1个月，降低项目成本5%。
图18 总装工艺仿真
3）虚拟调试：在设备安装前，对机械及电气系统进行仿真评估，缩短现场自动化调试时间超过1个月，减低工时成本20%。
4）虚拟影像：车身主线外总拼工位使用虚拟影像系统进行监控维护，在二层参观通道中布局VR体验和数字化双胞胎展示。用户可不进现场，就能够清晰的掌握线体内的生产情况，身临其境的沉浸式体验自动化线体的车身制造过程，也可以尝试对机器人进行示教，体验自动化的乐趣。
图19 总装虚拟调试
2.2.3总装智慧云工厂
总装车间采用世界顶级德国杜尔装配生产线，集成ABB自动化及西门子全球首创底盘自动合装虚实匹配技术，融合西门子全球智能MES系统，实现高度的“智慧”工厂（HEAD-Factory）。
融合工业4.0、物联网、云计算等前沿技术，实现车间及工序间数据互联互通，300多套智能拧紧工具及全流程电检诊断系统，实现关键信息追溯及大数据管理；
运用数字双胞胎技术助力产品全生命周期价值链整合，并通过西门子数字化仿真软件进行虚拟仿真，建立虚拟与现实映射的工厂环境。实现从设计、工艺、生产一体化，生产、质量和管理的纵向集成。
2.2.4智能匹配
总装是所有尺寸偏差最终累积的集合点，新工厂新产品导入时尺寸配合有超出机器识别范围的风险，易导致高停线率，为此南沙工厂总装车间投入机器人75台，规划整体自动化率达到20%以上，处于行业领先水平，并对自动装配涉及的尺寸实测数据进行虚拟匹配，可预知和处理尺寸匹配风险，提高设备开动率，并对不良数据进行大数据分析，根据变化趋势，找到根因，提前对策锁定（设计问题、车身工艺、总装托盘、装配因素…..）。
广州工厂首先以底盘全自动合装为项目试点，开发了一套数据互联互通应用方案。车身车间布置在线蓝光检测设备，测量每台车的尺寸数据；总装在前后桥区域布置在线测量工作站，测量每台前后桥总成的安装孔位尺寸；托盘缓存区布置蓝光检测设备，测量托盘定位销尺寸数据；测量数据经过编码标识后，通过MES系统上传至智能匹配系统中，与质量数据管理系统上传来的来料数据一起，通过匹配算法，虚拟计算自动合装尺寸匹配状态，将结果输出至工位上，提前应对解决。
图20 底盘合装智能匹配方案
底盘合装智能匹配主要从虚实结合-数字化双胞胎技术、数据互联-智能匹配应用、大数据应用-预测分析三个角度来阐述：
1、虚实结合-数字化双胞胎
底盘全自动合装以工业4.0为标准，引入德国西门子顶尖技术，采用25台ABB机器人配合完成。同时整合了数字化双胞胎虚实结合技术：
1）项目规划及调试阶段，在虚拟世界搭建3D模型完成PLC程序虚拟调试，提前模拟验证合装过程、节拍瓶颈、干涉、人员安全等相关内容，缩短设备导入及调试时间；
2）在生产过程中，通过3D仿真动画与产线PLC实时通信，实现现实与虚拟世界同步对接，虚实结合，实现合装工艺过程监控，保证生产平稳运行；
3）新车型导入时先在虚拟世界验证，再进行实车导入，缩短停机改造时间及导入周期，形成工艺优化的闭环。
图21 数字化双胞胎虚实结合
2、数据互联-智能匹配
采用数据互联及大数据应用技术实时监控合装过程质量，保证自动合装的一次通过率。从车身及总装车间在线测量设备采集的数据中抓取与合装相关的尺寸数据，上传至工厂云端数据中心，根据匹配策略利用统计学相关算法，建立虚拟匹配模型，在实车进入合装工位作前提前识别合车风险，并将分析结果反馈至各车间工位上，提前应对解决，保证自动合装高质量通过。
3、大数据应用-预测分析
在云端数据中心将各车间的数据进行收集、处理、分析，根据质量变化趋势预测工艺及工装夹具的调整周期，保证自动化设备无故障常态运行。
2.2.5智能物流
1、智能物流设备
智能物流设备具有极高的先进性。单机设备自动化程度高，使用业内高性能高可靠的国际知名品牌，智能设备作业流畅，同时可实现无感高效的智能化设备交互，系统操纵简洁智能，可实现虚实现实数据互通，助力数字化工厂，基于性能卓越的单机设备，智能匹配使用场景，最大化发挥设备效能，打造不凡的先进物流智造。
2、先进物流系统
恒大汽车生产物流系统由PTMS、SRM、EWM、MES系统构成，基于智能化、网联化、数字化的生产目标，打造基于工业4.0标准下智能驾驶舱管理系统，实现零部件从供应商端到运输、入厂及上线的全流程管理PTMS与SRM系统实现了订单与运输精细化管理，EWM系统有效支持物流仓储管理业务，集成系统的智能交互，为无人化、柔性化生产提供了强有力的网联调度支持。
图22 物流仓储管理系统
3、冲焊物流先进性
焊装车间物流体系搭建基于“智慧物流、绿色物流、敏捷物流”的战略[13]，在生产物流构建中导入目前国际上一线智能化设备供应商研发生产的AGV智能小车，运用RCS（AGV智能调度系统）与MES(生产管理系统)、EWM（仓储管理系统）互联，实现自动化物料分拣和搬运上线，并结合线体视觉取件机械手达到配送-上件全流程无人化，大大降低了物流成本并减少了人员波动对生产带来负面影响。
依靠视觉感知机械手和高精度器具，在重载激光导航AGV的支持下，冲压车间成品物流自线尾开始，从下线装箱/搬运到入库实现全流程的物流无人化；通过RFID电子标签的引入，在生产中的任一环节可对每框零件进行详细追溯，实现对自制件的全生产过程管理。
图23 冲焊物流系统（RCS系统监控界面）
4、总装物流先进性
1）智能物流AGV
总装车间大件共采用38台潜入式AGV，实现全流程智能配线。
传统模式：使用作业人员驾驶厂内牵引车，从库区配送到线体投料点，人工将每一托物料逐一从牵引车脱钩后，推到满箱物料缓存工位，再将空箱逐一挂接至牵引车上，返回库区的循环作业流程。
智能模式：此项目为汽车行业首创大批量导入的二维码导航AGV，基于AI智能算法，具有集群调度分配任务、自主规划路径、高度智能避障，实现从库区准备物料到线体工位料箱空满置换，最终返回库区全流程闭环无人化作业，解决了汽车行业车间物料配送的最后100米，真正意义上解决了行业的痛点和难点。
图24 零部件智能物流
5、智能立体库
总装车间采用了一套智能立体库，打造颠覆传统的小件拆垛、入库、存储、拣选、出库、上线全自动的智能解决方案，行业首创实现总装车间小件从收货到上线的全程的无人化。项目投入了两台工业机器人，一台进行拆垛，一台进行入库、出库作业。其中拆垛机器人配合可以自学习、自适应、自决策的3D视觉技术进行快速拆垛，拆一箱的平均时间仅为14S，3D视觉技术的应用以及拆垛夹具的柔性化设计降低了对周转箱及码垛的要求，目前可以实现5种不同尺寸型号的周转箱任意码垛方式的拆垛；另一台机器人在智能立体库内部，在系统的控制下进行入库及出库操作，可满足每小时120箱的流量要求。
6、智能分拣机器人
传统的SPS和排序人工拣选部分确一直以来都是汽车制造物流的智能化瓶颈，要实现物流配送和拣选全流程无人化就须对分拣部分进行研究，对物流SPS机器人分拣进行案例实施，整合物流智能搬运，视觉的有序/无序识别，智能升降设备，自动空满交换技术，实现了无人化的作业。
图25 物流智能分拣系统
1）通过MES系统与分拣机器人控制PLC交互，实现生产信息自动下发至分拣机器人，指导机器人按照生产信息作业；
2）通过2D/3D视觉设备对分拣零件进行数据建模，PLC控制机器人抓取零件时，视觉设备对零件拍照识别，指导抓手调整方位合理的抓取零件和将零件放置在SPS小车上[14]；
3）为了解决满箱零件分拣完成后空箱回收问题，采用将传统的SPS流利货架进行改造增加气缸和光电传感器，通过视觉系统识别和计数分辨零件箱中零件是否抓取完，以此指导控制气缸上下摆动，通过零件箱自身重力实现空满交换作业，同时光电传感器识别零件箱的到位情况，确保作业的可靠性。
图26 智能分拣协助
2.2.6工厂实时监控
恒大汽车广州工厂引入SIEMENS智能制造标杆方案，开发具有恒大特色的生产制造执行系统，采取SCADA集中数据采集方式，打通上下游系统，实现四大生产车间、质量、物流、工艺数据的一体化控制和管理，实现了订单至交付全流程数据实时互通，满足客户查询订单的实时位置的需求。
MES系统追溯模块实现了将精益生产粒度下沉到分总成件，通过上下位系统的信息互通和分总成件单件标识化管理，提升了车辆生产过程数据细化管理的程度，为车辆全过程信息追溯和分析提供了数据支持。分总成工艺数据的采集，也为下游智能装配的精准化定位提供数据支撑。
MES系统可支持从工厂整体到工位级别的生产状态监控。
1、MES提供生产状态整体监控
通过MES系统可实现柔性化生产提高生产能力，解决了当前管理层关注的问题，能通过MES系统可了解当前订单执行情况、运行情况并得到实时管理报表。系统集成了现场生产实时数据，如生产计划进度、车间生产实时队列，生产质量数据等，方便生产管理人员实时掌握车间现场情况，作出生产优化调整，提高生产效率。MES系统实现了生产过程透明化，MES系统监控画面通过软件客户端发送至CCR集中监控室，信息从决策层、管理层，操作层同步传递，为后续生产及生产管人员提供决策支持。
图27 生产状态整体监控
2、车间级监控
MES系统通过运用RFID和线体上的编码器结合实现整车的实时跟踪定位，将车辆定位信息传送到车间线体的ANDON显示屏上，可以及时了解车间的在制品情况，并通过分析原因不断减少在制品实现精益生产，能有效的制定出合理的总装生产计划以及各分装线、焊装、涂装的对应节拍和解决焊装车型生产批次以及涂装颜色生产批次的问题[15]。能实现了解车间停线情况，提高了维修可达性。如现场异常需要跨车间处理，现场触发异常Andon，系统会自动推送请求信息到对应部门的Andon大屏。
3、线体级监控：
实时自动显示生产区域的生产信息、呼叫信息、JPH信息、停线时间日期等内容[16]。操作班组长可以通过通知、虚拟画面等不同方式根据不同的颗粒度获得生产、设备、工艺、产品的实时状态。
图28 线体级生产监控
4、工位级监控：
现场工位安装软Andon屏呼叫取代传统物理按钮呼叫方式，减少硬件投入及后期维护成本。呼叫信息更精准，方便现场快捷及时的发送异常信息及请求信息到对应负责人，提高现场问题解决效率，如现场异常需要跨车间处理，系统会自动推送请求信息到对应部门的负责人。
图29 工位级生产监控
2.3运维数字化
2.3.1生产运行监控
传统焊点质量检测方法是通过人工破解、超声波检测、涡流在线检测等手段来控制焊点质量。以上方法都是抽检，不能达到100%检测，且焊接参数和质量数据没有实时的互通，发现质量问题后去追溯，缺乏时效性。
焊点质量智能预测系统将焊接参数和质量数据紧密关联，形成焊接质量数据模型，能够通过监控参数的变化，更好地控制焊点质量并及时的进行预警，遏制不良品的产生。打造数据采集、上传云端、大数据分析、智能预测的智能化流程，同时建立了一车一档的焊接质量记录，利于后期问题的追溯。
该系统通过智能仪表测量采集温度、振动、电流、电压、水流量等参数，并将参数上传至系统，与焊点质量测量数据一起进行分析、训练，最终得到焊接参数与质量数据的相关性，建立焊接质量智能预测数据模型。积累焊接参数和焊接质量的大量数据，与质量问题库一起作为企业的知识库沉淀下来。后续新车型根据车身位置、材料、板厚等信息可以快速的在系统库中找到准确的参数，从而节约新车型焊接参数调试时间。
图30 焊点质量智能预测
2.3.2智能运维
设备自动化率越来越高，设备复杂程度越来越高，对设备管理要求越来越高，PHM属于智能制造一部分，通过人工智能和大数据分析处理，提高设备管理效率。
充分利用冲车涂总已有设备自带的监测传感器，通过设定的阈值形成简单的预警曲线，代替人工点检节省人工工时，从而避免设备出现大故障引起的长时间停机所带来的经济损失，同时还能延长设备的使用寿命从而降低备品备件的需求。
图31 智能运维结构图
设备状态监测系统通过采集底层传感器的数据，或通过其它协议方式接入设备的运行、状态等多种类型的数据，对关键设备的振动、温度及关键参数进行展示和分析。监控室人员或状态监测中心工程师利用网页浏览器即可满足对关键设备的状态监测、远程监视及分析的要求。同时，也可利用移动端微信小程序方式获取状态监测数据。
系统支持服务报告和诊断报告的管理功能，可以对月度运行报告和诊断分析报告进行上传管理，在线查看，下载等操作，方便用户对报告的管理。
2.3.3可视化培训和远程维修支持
1、VR培训系统
VR培训系统通过头戴沉浸式VR设备，为总装生产培训提供与现实产线无异的虚拟培训环境，模拟产线各工位动态组装过程，在此过程中，实现对产线、产品、装配工艺乃至上下游工作流的整体认知，应用逐步引导式的培训方式，使学员能够快速掌握操作工序及工艺要点。
VR培训系统，针对车辆总装产线的人工操作培训及保障维修培训，在理论学习与实操训练之间，构建三维虚拟的装配与养护环境，使受训人员在沉浸式的感官体验中认知、学习、锻炼及考核。
培训系统支持2人以上的多人协同操作培训，技术人员分别在VR环境内，进行汽车产线装配练习以及虚拟培训，同时可支持以观看人员身份进入观看。
图32 VR视觉培训系统示意图
应用VR技术手段，用户可通过环绕观览、透明剖切、规格标注、讲解说明等形式，完成对设备结构、产线功能、关键性能参数及各工位任务、工作流程、关键生产指标的认知学习。
2、AR远程设备运维系统
更便捷、准确地指导产品的生产制造过程，为操作工人提供更加直观的工艺指导，而不再只是复杂、枯燥的作业指导书和图纸。通过采用AR技术，即使是能力一般、经验不足的使用者，也可以准确地完成各种各样的现场维护作业[17]。通过智能眼镜使用者可以看到高亮显示的零件，计算机会提示使用者按照何种顺序如何安装，大大提升生产效率并减少安全隐患。
通过AR远程运维系统和预留对4S维修现场的支持接口，各车间工程师可得到设备原厂专家远程实时的AR多媒体维修指导和设备程序远程控制，让各车间工程师得到最及时的技术支持。
展望
当前，恒大新能源汽车通过大量使用全球最顶尖技术，融合工业4.0、智能制造、物联网、大数据等前沿技术在数字化智能工厂建设上颇具规模，取得的成绩无疑是令人瞩目的。与此同时，恒大汽车始终保持着对前沿技术的不断探索与精进精神，对5G及区块链创新技术的应用研究也在紧锣密鼓的开展中。
恒大在国家政策的引导下深耕新能源汽车制造领域，致力于构建世界级的“智慧工厂”，与中国制造一同在世界崛起，谱写新华章。
本文作者：恒大新能源汽车集团高景深，郭宁，王琪栋
参考文献 (References)
[1] Targu Mures, “Industry 4.0” the Development of a New Generation of Smart Factories Grounded on the Manufacturing andAssembly[J].Process.Digitalization,Procedia Manufacturing, 2020(46): 1-3
[2] 丁纯，李君扬．德国“工业4. 0”: 内容、动因与前景及其启示［J］．德国研究， 2014， 29( 4) : 49-66
[3] Lasi H，Fettke P，Kemper H G，et al． Industry 4. 0［J］．Business & Information Systems Engineering，2014，6( 4) : 239-242
[4] 潘健生，王婧，顾剑锋．我国高性能化智能制造发展战略研究［J］．金属热处理， 2015， 40( 1) : 1-6
[5] 赵升吨,贾先.智能制造及其核心信息设备的研究进展及趋势[J].机械科学与技术,2017,36(01):1-16.
[6] 彭瑜.智能工厂、数字化工厂及中国制造[ J ] .自动化博览. 2015.1:28-31.
[7] 张淑丽. 西门子:工业4.0时代的未来工厂[N]. 中国信息化周报,2015-09-07(019).
[8] 葛岩. "工业4．0"时代的MES设计[J]. 电子技术与软件工程, 2015, 000(009):P.14-14.
[9] 刘进,关俊涛,张新生,史康云,梁冬青.虚拟工厂在智能工厂全生命周期中的应用综述[J].成组技术与生产现代化,2018,35(01):20-26
[10] 姚建辉,高英敏,高运芳,马铁利.数字化制造工程系统在工艺评审中的应用[J].机床与液压,2016,44(22):47-51+79.
[11] 彭明峰,李玮,李华,周瑞红,杨卓峰.基于PLM的三维数字化协同工艺系统研究与应用[J].航天制造技术,2016(01):56-60.
[12] 刘海江,范幸华.白车身生产线规划知识管理系统知识库的构建[J].计算机工程,2007(07):232-233+236.
[13] 黄一钧.车身车间AGV物料搬运系统小车数量配置规划[J].工业工程与管理,2015,20(04):156-162.
[14] 司小婷. 基于视觉的零件特征识别与分类方法研究与实现[D].中国科学院研究生院(沈阳计算技术研究所),2016.
[15] 刘继锋, 曾小青. 柔性、精益的汽车行业MES解决方案[J]. 汽车与配件, 2012(02):42-44.
[16] 李玉河,吴晓健,吴国祥.工程机械智能化制造PCS系统研究[J].建筑机械,2015(10):29-31+4.
[17] 崔佩羽,谭磊,白克勤,姚学庆,王莉君,朱鑫.AR技术在发动机行业的应用研究[J].工程建设与设计,2020(20):251-252.
