汽車制造工業大數據處理技術分析

序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了一篇汽車制造工業大數據處理技術分析范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

１前言

２０２１年，工信部發布了“十四五”智能制造規劃以及“十四五”大數據產業規劃，提出了到２０３５年，規模以上制造業企業全面普及數字化網絡化，重點行業骨干企業基本實現智能化的目標。工業大數據匯聚了產品全生命周期各個環節的數據，覆蓋了客戶需求調研、銷售、計劃訂單、設計研發、產品工藝、生產制造、產品交易、訂單發貨、售后維修運維、報廢處理、回收再制造等多個工業領域，形成了典型工業智能制造模式，工業大數據通過工業物聯網進行數據采集和整合，連接工業制造的各環節設備及企業資源管理（ＥＲＰ）、生產制造執行（ＭＥＳ）、產品全生命周期（ＰＬＭ）等信息系統，打通各設備產生的數據，為企業成本控制、資源優化、精細化經營創造價值。汽車產業是我國建設制造業強國的重要支撐，受到大數據發展的廣泛影響，汽車產業已經進入數字化轉型變革的關鍵時期。然而，我國汽車產業仍面臨大而不強的諸多弊端，例如缺失核心零部件制造技術及能力、缺乏基礎研發能力、制造水平較淺，自主創新能力及創新體系不完善等，隨著新一代信息通信技術與汽車產業深度融合，工業大數據處理技術逐步應用至汽車產業中，帶動汽車產業數智化轉型發展。

２工業大數據處理流程及作用

工業大數據作為大數據的應用行業，具有數據容量大、數據分布廣泛多樣、生產現場數據處理速度快、產品生命周期同一階段數據關聯性強等特點。工業大數據的處理為在適合工具的輔助下，汲取和集成不同結構的數據源，按照數據源結構標準進行統一存儲，并進行結構分析，最后將結果展示給終端前用戶。數據處理流程涵蓋采集、預處理、存儲、處理分析、可視化及應用環節。數據采集通過同構／異構數據庫、文件系統、服務接口等數據源收集數據，數據源數據易受數據沖突、噪聲數據及缺失數據值的影響，因此為了保證數據分析與預測結果的準確性，需要對數據進行預處理。大數據的預處理環節可大幅度提升數據整體質量，涵蓋了數據清理、集成、規律與轉換等多項內容。數據處理涉及的計算模型有分布式內存計算系統、分布式流計算系統、ＭａｐＲｅｄｕｃｅ分布式計算框架等。數據處理的計算模型可對海量結構化及非結構化的數據進行實時處理，有效降低數據讀寫及移動風險，保證工業大數據的價值性和時效性，大幅度提升數據處理性能。數據分析是大數據處理與應用的關鍵環節，工業大數據分析是工業智能化發展的核心，包括預測性分析、可視化分析、數據挖掘、語義提取、質量管理等分析方法，預測性分析可深度挖掘數據特點，由數據建模帶入新數據，對未來的數據進行預測，為決策提供數據性的判斷；可視化分析直觀顯示數據特點，便于理解；數據挖掘基于不同的數據類型及格式，采用挖掘算法，科學的呈現數據自身的特性；語義分析主要針對非結構化數據進行分析，可智能分析提取數據源數據。數據可視化可通過全過程信息化管控，通過顯示大屏、生產看板等單個或者多個技術手段，展現數字生產及數字運營成果，多視角展現計劃排產、生產制造、品質監控、設備管理、倉儲管理的過程，使數據管理過程呈現直觀方便、高效快捷的特點。數據應用主要體現在工業設備級管理、生產線級智能制造和工廠級控制三個層次，典型應用至產品創新、產品故障預測診斷、產線數據診斷、產品銷售預測管理、生產計劃排程、產品質量分析方面。

３汽車制造過程中的工業大數據

汽車車身制造工藝異常復雜，通常需要通過上百道工序，將幾百個零部件拼接成完整的白車身，在汽車制造過程中的工業大數據可以將企業信息化系統打通，聯通工廠、車間工業環境，為企業產品全生命周期數據管理提供解決方案，為企業管理提供預測分析?；谄囌嚰傲悴考髽I資源管理（ＥＲＰ）系統、生產制造執行系統（ＭＥＳ）、生產排程系統（ＡＰＳ）、物流執行（ＬＥＳ）系統、產品全生命周期系統（ＰＬＭ）、物料揀選系統（ＰＴＬ）、倉儲管理系統（ＷＭＳ）、供應商管理系統（ＳＲＭ）等眾多工業軟件平臺在汽車制造過程中的應用，在構建數據驅動下的智能制造體系，建立汽車生產流程數字化模型過程中，從產品數據流、工藝數據流、制造數據流、質量數據流等維度分析，主要有以下工業大數據。

３．１產品數據

產品數據是企業研發能力的重要體現，是新產品研發的重要依據。產品數據管理水平的提高可以優化產品設計過程，提高生產制造部門的工作效率。主要包括以下幾個方面：整車產品數據：包括車輛識別代號（ＶＩＮ）等整車信息、整車技術條件、整車技術規范、內外飾效果圖、人機工程設計要求、整車性能分析報告、整車總布置圖、管線布置圖等；零部件產品數據：包括產品零部件開發要求書、產品圖紙、產品數量及規模、零部件確認報告等；試驗測試數據：包括車輛基本性能測試報告、整車可靠／耐久性試驗報告、法規項驗證報告、強制性標準檢驗、風洞試驗、動力標定、產品公告等；產品配置及零件清單：包括商標代碼、型號代碼、顏色代碼、發動機代碼、檔位代碼、整車裝配結構、關鍵產品特性（ＫＰＣ）清單、裝車物料（ＢＯＭ）清單、車輛零件清單、零件種類清單、車身附件清單、零件清單適用性評估報告等；車輛設計問題處理及產品更改：包括各階段車輛生產問題庫、試驗故障問題庫、感知質量問題庫、工程工作指令、產品更改申請等；研發項目文檔：包括產品開發策略、產品開發計劃、競品分析、產品質量目標、項目組織結構等。

３．２工藝數據

汽車制造屬于典型的離散制造，主要采用多品種配置，中小批量生產，面向訂單的生產方式，產品結構復雜，零部件種類繁多，工藝路線和設備配置靈活，工藝數據的傳遞可保障汽車生產過程的有序進行，具體如下：生產車型數據及其制造工藝數據：包括生產計劃、排產順序、車型品種、零部件類別、生產及消耗數量、材料規格型號、物流路線、消耗或存放點位、工藝參數、檢測參數、電子電氣標定數據、操作要求等，用于傳達生產指令、指導生產線及相關人員生產車型、生產工藝、工藝參數和檢測參數、產品數據、零部件材料、送至工位的時間等信息，可通過信息系統及時傳遞到設備及人員，識別車型及零部件、指導生產操作。

３．３制造數據

汽車制造過程數據是過程制造質量實時監控、質量判斷、預警分析、技術決策等項目的重要抓手［１］。制造數據是汽車制造過程中隨時產生的，主要包括以下兩個部分：生產物流數據：生產制造過程中車身及零部件運輸、倉儲、搬運裝卸、包裝及流通加工產生的數據［２］。設備運行狀態數據：設備生產汽車零部件或整車時產生的電壓、電流、功率、壓力、位移、轉速、風速、風量、溫度、運行時間、振幅、頻率等；關鍵工裝的狀態數據如模具狀態、焊裝夾具狀態、車身吊具狀態、噴漆室清潔度、合裝托盤狀態等。

３．４過程質量監測數據

制造過程質量監測伴隨著汽車制造的全過程，從沖壓件至整車下線，大量不同類型監測數據源源不斷的產生，主要包括沖壓件表面質量評審、焊點超聲波檢查、車身ＡＵＤＩＴ、涂裝ＡＵＤＩＴ、白車身ＣＭＭ、總裝下線檢驗、整車客戶評審數據等過程質量監測數據。

３．５能源消耗數據

汽車生產制造過程會直接或間接消耗鋼、鐵等原材料、刀具等輔助材料、電、煤、天然氣等能源，并產生廢棄物排放，所產生的能源消耗類數據主要有全年單車電量、全年單車空氣壓縮量、全年單車水量、全年單車循環水量、全年單車蒸汽量、全年單車天然氣量等能源消耗數據［３］。

４工業大數據處理技術在汽車制造過程中的應用

４．１數據采集

４．１．１射頻識別（ＲＦＩＤ）技術

車型識別是數據采集的重要步驟。生產車型來自生產計劃，在沖壓件倉庫和總裝零件倉庫，零件入庫信息可記錄適用的車型及生產日期或批次，通過掃碼將零件信息錄入工廠計算機信息管理系統，信息傳遞和識別采用ＲＦＩＤ實現。在需要傳遞信息零件轉運臺車或貨架上安裝ＲＦＩＤ電子標簽，通過ＲＦＩＤ讀寫器將零件信息自動寫入轉運臺車或貨架上電子標簽中，信息往下傳遞至與所裝配車型車輛識別代碼ＶＩＮ相聯，建立起追溯關系。焊裝線車身載具、涂裝車身吊具、ＰＢＳ線臺車、總裝重要零件出庫臺車、動力總成載具、儀表表盤總成裝配臺車、座椅總成轉運托盤等各類載具上均可安裝ＲＦＩＤ，實現采集數據與車型代碼的關聯。通過ＲＦＩＤ技術進行實時數據采集，可保證設備、物料、人力、工具等資源的正確使用，尤其體現在總裝配生產線上，利用ＲＦＩＤ技術識別車輛零部件，保證物料被送到準確位置，減少裝配出錯率。在車間生產調度上，通過ＲＦＩＤ對生產現場的設備和人員的實時跟蹤，監控其生產狀態，可實現對車間生產的整體控制。

４．１．２可編輯邏輯控制器（ＰＬＣ）通信技術

設備運行數據是實時監測設備運行、故障預測、設備效率分析、能耗分析及制訂降本措施等工作的依據。基于ＴＣＰ／ＩＰ通訊協議的電氣設備ＰＬＣ可通過以太網口直接接入到車間網絡中。

４．１．３在線監測技術

制造數據及過程質量監測數據是質量實時監控、質量判斷、預警分析、技術決策的重要抓手。采集這些數據需安裝在線檢測設備或傳感器，自動連續檢測數據，通過車間網絡傳到計算機數據庫，并與車輛ＶＩＮ碼建立聯系，以便進行建模分析。

４．２數據處理分析

４．２．１數據融合

通過建立數據處理系統或平臺，對采集的數據根據數據源、數據類型、數據分類進行數據解析，對汽車制造行業生產數據的多層次、多方面、多級別的融合處理，實現制造過程業務流的貫通，打通工藝、生產、物流、質量等環節，實現了實時分析、狀態感知、自主決策及精準執行的智能管控模式。針對汽車制造行業中數據的制造屬性，建立數據融合功能模塊之間關聯性與融合算法，構建典型的數據融合模型，應用多元感知技術，獲取目標的高似然率特多源數據融合與協同管控方法的研究與應用征矢量信息，利用數學描述的角度，將矢量信息轉化為標量信息，并對其進行控制。根據數據時間多變性及隨機性，采用不同方式和方法，考慮數據要素之間的差異，對定向目標多次數字化產生的幾何差異進行分析篩選，對新數據及原始數據，則根據幾何屬性和時間要素進行轉換兼容，基于時間軸，構建數據算法模型［４］。

４．２．２數字化虛擬仿真

根據汽車廠沖壓、涂裝、焊裝、總裝四大工藝車間生產流程，進行數字化虛擬仿真，利用Ｔｅｃｎｏｍａｔｉｘ等軟件工具，建立數字化產線仿真模型，搭建數字化工藝平臺，快速準確的對生產線進行工藝布局設計、工藝流程規劃設計及ＡＧＶ路徑規劃，通過路徑仿真，實現節拍驗證與工藝優化工作，有效降低施工階段工程更改，降低成本，縮短生產調試時間，提高生產能力。

４．３數據可視化及應用

數據可視化利用計算機網絡技術，可分析處理海量的信息數據，在汽車生產車間以ＰＣ、看板、大屏、駕駛艙等為主要視覺展示手段實現可視化，可大幅度提高汽車生產制造過程的透明度，方便管理者進行決策分析。

４．３．１人工智能物聯網技術

ＡＩｏＴ（人工智能物聯網）＝ＡＩ（人工智能）＋ＩｏＴ（物聯網），它結合了ＡＩ技術及ＩｏＴ技術，利用物聯網技術產生、收集海量數據，經過大數據分析、人工智能，實現萬物數據化及可視化。全流程可視化為汽車生產制造及物流優化發展的重要支撐和方向，通過ＡＩｏＴ（人工智能物聯網）等技術應用，可形成汽車生產物流全過程及自動設備可視化，幫助汽車主機及零部件廠、零部件供應商、車輛承運商、汽車經銷商及客戶等關鍵用戶實時掌握汽車生產及物流運行情況，實現生產指導、實時預警、及時改進、有效追溯的目標。

４．３．２數字孿生技術

數字孿生（ＤｉｇｉｔａｌＴｗｉｎ），即數字鏡像、數字映射，是超越現實的概念，體現了物理實體和數字虛擬體間的精確映射與孿生的關系，數字孿生持續的發生在孿生體的全生命周期中。依托數字孿生技術，可對關鍵數據進行數字化映射、監測、診斷、預測、仿真、優化［５－７］，實現汽車從產品研發、物料采購、零部件制造、物流質檢、整車生產、車輛運輸、車輛銷售、車輛服務等多環節的汽車領域全生命周期數字孿生驗證環境，可應用于生產制造、經營管理等多個場景［８－９］，提升整體生產價值鏈的數字化轉型效率。

５結語

工業４．０時代，工業制造業轉向智能互聯方向發展，信息技術是企業運營的重要載體，數據變革時代，工業大數據將成為汽車企業的核心資產，提高工廠對不同設備收集的海量信息進行梳理的能力，企業信息系統數據計算能力及數據消化能力的提高，能夠使企業在低成本運營的同時，實現綠色生產、精益生產以及按需生產，有效控制生產流程，加速產品創新，大幅度提高企業經營效率。工業大數據的應用不僅意味著企業數字化信息化，更是把數據作為智能制造的核心數據資產和驅動力，在不斷獲得數據的驅動過程中優化制造資源的配置效率，構建完善的業務體系，從單機設備、生產線、產業鏈再到產業生態不斷拓寬。在未來１０年以內，汽車整車及零部件制造產業會真正邁入大數據時代，汽車生產制造的各個環節將全面實現數字化及智能化，汽車產業智慧化發展，以工業大數據的處理技術將在汽車制造過程中得到全面推廣，以數據挖掘為核心的解決方案應用將成為汽車行業的必然。

參考文獻：

［１］汽車制造過程質量監測數據管理平臺開發與應用，黃文亮、梁其升、黃曉麗，汽車與駕駛維修（維修版），２０２１，（０５），４８－５１．

［２］汽車制造數據深度賦能研究及實踐，王娟娟、彭小剛、顏先洪、王俊平、劉宗和、趙仁茂，２０２１中國汽車工程學會年會論文集（５）．

［３］汽車生產過程中能源消耗的碳排放計算與分析，周亞蘭、龔本剛、張孝琪，巢湖學院學報，２０１４，１６（０３），９２－９８．

［４］多源數據融合與協同管控方法的研究與應用，閆媛媛、張博、馮志祥，電子技術與軟件工程，２０２０，（２０），１８３－１８５．

［５］基于數字孿生的物聯網工業運維系統，周興澤、劉松、孫浩、師好智、李依霏、王瑞、李一凡，工業控制計算機，２０２２，３５（０５），１１５－１１６．

［６］５Ｇ數字孿生實驗室構建技術及實現，游佳，通信技術，２０２２，５５（０５），６０５－６０９．

［７］數字孿生技術在全生命周期生產中的應用，楊子兵、周海臣、邢亮、張新生，電子技術，２０２２，５１（０４），２５０－２５１．

［８］汽車白車身焊接生產線可試驗數字孿生體建模方法，李浩、林奧奇、李兵、張曉峰、王昊琪、謝貴重、劉根，中原工學院學報，２０２１，３２（０１），１－７．

［９］基于數字孿生的再制造車間作業模式，劉丹、黃海濤、王保興、周同新、羅盛照，計算機集成制造系統，２０１９，２５（０６），１５１５－１５２７．

作者:劉藝 歐培培 魏磊 李佳林 單位:中汽研汽車工業工程（天津）有限公司