“工业4.0”概念的提出，在全球制造业掀起了新一轮工业革命，德国的奔驰、宝马、大众和博世等都已率先试水“工业4.0”。作为“中国制造2025”战略的领跑者，我国汽车行业正站在“工业3.0”的起跑线上，大步向4.0迈进。
近日，西门子公司发布的我国16家乘用车企业评估调查报告显示，我国乘用车行业目前在数字化和自动化领域处于“工业3.46”的水平，但仍面临数字化策略和路径缺失、大数据应用不足等难题亟待攻克。工信部电子科学技术情报研究所信息化研究与促进中心主任周剑提出，我国汽车企业快速提升数字化和信息化水平已迫在眉睫，在开展顶层设计、建立数据驱动机制方面需加快脚步。
顶层设计缺失
在谈到实现“工业4.0”的关键因素时，周剑认为，建立“工业4.0”制造生态的顶层设计是第一步。遗憾的是，在此次报告中通过对管理流程环节的评估后发现，参与评估的国内车企目前没有一家制定数字化和自动化的总体策略和路径，更遑论开展相关投资。即使是比较先进的合资企业，也仅处于起步阶段。
据《汽车工艺师》主编田付新分析，顶层设计缺失的原因在于现代化制造依赖计算技术、云端技术、网络和系统的整体优化。作为国民经济的支柱产业，汽车企业具有成熟且习惯性的生存法则，车企周边所有资源调配和平衡体系均已形成，包括政府公共资源和人力物力等。因此，在运用以“工业4.0”为主要内容的先进理念推动现代制造业变革时，势必会对现有系统造成冲击，甚至打破原有的平衡体系。“推陈出新是一个过程，新陈代谢需要时间。”田付新在接受《中国汽车报》记者采访时如是说。
因此，针对如今大多数汽车企业在开展“工业4.0”改革时“东一榔头，西一棒槌”的做法，周剑建议，车企应做好总体规划，使用科学的方法体系。作为实现“工业4.0”的制度保障，工信部推出的两化融合管理体系值得推广和借鉴，该体系从理念、技术、流程和组织模式等方面均为企业提供了新的发展思路和指导意见，车企可在充分与实际情况相结合的前提下，借此方法论系统地梳理企业的发展战略、重点和机会，以找到可持续发展的竞争优势。
数据挖掘是盲区
“‘工业3.0’时代的核心是标准化和规模化，而‘工业4.0’时代则应将数据驱动作为核心。”周剑说。在大数据成为各行业关注焦点的当下，汽车领域的大数据应用却仍然处于初级阶段。以本次评估结果中提到的大数据服务为例，合资车企在问题管理解决方案和能源监控等方面做得比较好，但在工业信息安全方面，只有两家自主品牌汽车企业得分较高。值得注意的是，评估样本中仅一家企业采用了大数据驱动服务，即请专门的数据机构分析经销商数据，以作为产品研发升级的重要参考。
周剑坦言，当前多数汽车企业正开展客户数据的采集和整理工作，但事实上，大部分车企对于应采集哪些数据，如何整理相关数据仍然是一头雾水，更别提利用大数据开展产品和服务升级，以及建立以数据驱动为核心的“工业4.0”体系。对此，田付新认为，大数据体系构建是一个全面协调、类似信息高速公路的大工程，建议分为三个阶段逐步推进：第一，构建小范围的大数据系统；第二，推进各集团各系统间的通讯标准化进程；第三，全网无缝对接，数字化生存法则的集权化统一。
周剑则提出了另一个可行性建议：传统汽车企业应开展更大范围的跨界融合以及分享协作，以提升汽车业大数据的应用能力和水平。当前，汽车企业已经和互联网企业开展深度合作，但这些合作为汽车行业带来的改变主要集中在研发和生产领域。“事实上，大数据时代下的汽车产业还将迎来商业模式的颠覆。”周剑称，“因此，与金融机构开展广泛跨界合作也极为必要。”
生产环节未打通
由于自主品牌近几年已基本建立流程完整的正向研发体系，因此，此次评估中自主品牌在数字化研发领域表现最佳。报告结果显示，9家企业在产品设计环节使用了PLM（生命周期管理软件），其中，6家为自主品牌汽车企业。
相较之下，在生产规划数字化和制造执行互联化方面，自主品牌与合资企业均面临较大挑战。报告指出，国内车企均无法实现所有制造BOM（产品结构及物料清单）在数据平台的统一管理，只有一家自主品牌车企正计划引进TIA系统（集成化工程技术软件平台），先进理念及生产工具的缺失导致了大部分车企在物料一体化、透明化管理以及工程实施环节的虚拟调试技术基础薄弱。
如果说在生产规划数字化和制造执行互联化方面，合资和自主品牌均处在初级阶段，而在制造执行环节的供应链数据化平台建设方面，自主品牌和合资车企则差距较大。报告披露，目前合资车企已基本贯彻实现MES（生产执行系统），而自主品牌仍处在推行理念的阶段。
“事实上，自主品牌乘用车企业已具备和供应商开展互联合作的条件，供应商这方面的需求也较为急切。”周剑告诉记者，目前在供应链互联的实现和应用技术层面，自主品牌和合资车企已相差无几，差距主要体现在管理水平上。与供应链厂商实现MES级别或者ERP 级别的互联，实现物料的及时拉动是自主品牌接下来面临的更高目标。
田付新建议，汽车企业在现有的装备布局、硬件建设和供应链调配中，应注重装备大数据、资产大数据和供应大数据与其他数据平台的标准化和统一化，提高数据准确性。“小到螺钉、螺母，大到大型生产线的所有环节，逐步实现企业、行业甚至全社会的数据统一。”田付新称。
转载请注明出处。
相关文章
热门资讯
精彩导读
关注我们
