e-works数字化企业网  »  文章频道  »  基础信息化  »  大数据

广汽埃安:基于数据驱动的智能工厂设计与应用

2024/1/22    来源:e-works    作者:e-works整理      
关键字:智能工厂案例 e-works年度盘点 智能制造 广汽埃安  
本文为“2023年度中国智能制造最佳应用实践奖”参评案例。本次活动将评选出2023年度,为中国智能制造领域带来突出效益的最佳实践工程,全面介绍企业推进智能制造的步骤、重点与难点、获得效益等,分享建设过程中的经验,供广大制造业行业企业学习供鉴。
一、企业简介

       广汽埃安新能源汽车股份有限公司(以下简称“广汽埃安”)成立于2017年7月28日,是广汽集团发展智能网联新能源汽车的战略核心载体。广汽埃安成立以来,坚持“EV(纯电动)+ICV(智能网联)”,坚持创新引领,建成了国内首家新能源纯电专属工厂,建立埃安+昊铂双品牌运营,埃安品牌主要产品:AION LX Plus、AION V Plus、AION Y Plus、 AION S Plus、 AION S ,昊铂品牌主要产品:Hyper GT、Hyper SSR。经过五年发展,广汽埃安已成为全球新能源汽车头部企业,拥有两个工厂、40万辆/年产能,拥有超7000名员工。年均复合增长率超120%,产销稳居行业前三。广汽埃安符合国家新能源汽车产业高质量发展战略,广东省唯一被列入“国家自主品牌新能源汽车提升计划”,2021年获取工信部智能制造示范工厂,2023年被世界经济论坛(WEF)评为全球“灯塔工厂”,而且是全球仅此一座的能源领汽车灯塔工厂。

       面向未来,广汽埃安将聚焦EV+ICV技术路线,围绕研发、产业链、智造与质量、营销服务与组织文化五大领域,全面提升品牌价值,致力于提供世界级的移动智能新能源产品和服务,成为世界领先和社会信赖的绿色智慧移动价值创造者。
图1 广汽埃安新能源汽车股份有限公司
图1 广汽埃安新能源汽车股份有限公司

二、企业在智能制造方面的现状

       根据国家发布智能制造成熟度5级评估体系,广汽埃安新能源汽车智能工厂建设分三阶段目标:自动化工厂、数字化工厂、智能化工厂。
图2 智能工厂建设阶段
图2 智能工厂建设阶段

       智能工厂建设必须通过数字化手段实现各业务的高度协同,即通过IT(信息化技术),CT(通信互联技术),OT(运营自动化技术),DT(数据驱动技术)以及先进的广汽生产方式(GPS)高度融合,打通集成产品研发、生产制造、供应链、销售等业务高度协同,实现汽车的大规模个性化定制与智能制造。目前已完成98%的基干系统建设,开始推进数据综合利用的价值链重构及运用模式创新。
图3 智能工厂系统架构
图3 智能工厂系统架构

       1. IT系统建设

       开发面向新能源汽车生产的全流程信息集成平台。从数据和业务两个层面开发和无缝集成G-BOM、DMS、ERP、MES、i-LMS、WMS、SRM等信息系统,实现柔性化订单管理、实时化生产过程监控、智能化生产执行管理、智能决策以及平台化制造数据共享,为广汽新能源汽车生产全过程智能管控提供支撑,最终打通新能源汽车生产过程的研发、生产、销售、供应链等各个环节的快速协同响应、高效集约、支持大规模个性化定制生产。

       2. CT层建设

       (1)IT主干网络建设

       主干网络采用全光网方式,融合万兆以太网、链路聚合等技术,建设高速带宽、稳定可靠、扩展性强的园区主干网络,保障生产、销售等业务稳定运行。

       (2)无线网络覆盖

       建成实现生产车间、物流仓库、办公室、会议室全方位覆盖的无线网络,满足生产及办公移动化、无纸化需求。

       实现厂前区、智能网联展示区、试车跑道等重点区域无线网络覆盖,满足VR/AR展示和自动驾驶测试等需求。

       (3)云平台建设

       基于私有云+公有云的混合云架构,采用专线和安全加密通道,实现云平台的全连接,既满足生产等关键业务的安全性和可靠性,又要满足销售等业务的快速迭代和扩展。

       (4)5G运用

       与中国移动、中国电信、中国联通三大运营商合作建设5G示范工业园区,实现园区5G信号全覆盖。通过引入5G技术,实现前沿技术研究及创新,试点5G智能安防,智能驾驶测试等。

       3. OT层建设

       新能源工厂总规划产能100万辆/年,分三期建设,现已建成两期产能40万辆/年。

       (1)生产设备方面

       冲压车间规划2条生产线,包括冲压A线和B线;另外配备天车、研配机、试模机等。冲压全工艺流程自动化率达到81.25%,其中冲压主线采用高速自动化机器人连续生产线,材料传输、冲压生产均实现自动化,自动化率达100%。

       焊装车间规划下车体线、侧围线、车身线、四门两盖线、调整线、地板缓存线、侧围缓存线、车身缓存线及焊装至涂装缓存平台。焊装车间总体自动化率93%,其中门盖线自动化率100%,地板自动化率100%,上车体自动化率86.4%。主要生产设备包括机器人、手动涂胶泵、自动涂胶泵、悬挂点焊机、螺柱凸焊机、C02焊机、下车体台车、补焊线台车、电极修磨器、滚边胎模、VIN打刻机等,以及激光跟踪仪、关节臂测量仪、双悬臂三坐标等测量仪器。

       涂装车间生产工艺主要包括:前处理、电泳、涂胶、PVC、底涂、打磨、中涂、色漆、清漆。配置前处理设备、电泳设备、烘干炉设备、空调器设备、打胶、喷涂、开关门机器人等。涂装全流程的设备均实现了自动化(装夹具、检查打磨及擦拭岗,由于工艺需求,还需人工作业);涂装设备整体的自动化率达到79.2%。

       总装车间规划电装线、内装线、底盘线、合装线、外装线、复合线,以及九条分装线,包括仪表分装线、前端模块分装线、车门分装线、前悬分装线、后悬分装线、前转向节分装线、后转向节分装线、组合支架分装线、电池PACK线、动力电池输送线、轮胎输送线、座椅输送线等。通过建设、导入先进自动化设备,实现前端模块、风挡玻璃、座椅、轮胎的全自动安装,车门密封胶自动涂布,全自动底盘合装及拧紧;生产线自动化水平处于国内领先水平。其中车门涂胶系统、前端总成装配系统、车体涂胶生产线及车体涂胶装置、应用于新能源汽车的底盘合装系统已申请国家专利。

       (2)生产运行数据采集方面

       各工艺环节运用RFID对每个车辆、关键配套零件进行全面识别监控。在各线体区域布局信息系统工控机及PLC用于收集对应线体的设备运行数据、连接质量数据及精度检测数据等关键信息,实现不同设备之间信息互联互通和有效集成。

       通过工业互联网系统进行数据采集、流转,实现与车间制造执行系统(MES)、物流系统互联互通。例如:焊装车间规划智能设备决策系统,采用大数据平台,实现设备互联,对设备关键数据进行收集并进行快速分析,提前预知设备故障,做好设备预保全;通过即时质量管理系统,在线测量系统和连接质量管理系统,对车身精度、强度、整车质量检测数据进行收集,可在线实现质量数据传递,即时解决质量问题,实现质量数据15年可追溯。

       4. DT层建设

       打造支持汽车全生命周期协同优化的工业大数据平台,针对大规模个性化定制模式下业务协同的决策优化,以汽车全生命周期数据的挖掘分析并反馈到研发设计环节为目标,重点构建以用户需求数据、产品设计数据、制造过程质量数据、制造过程设备数据、产品运维服务的车联网数据等为核心的工业大数据库;并综合运用数据挖掘、知识发现、知识图谱等技术,实现对整车大规模个性化定制过程的产品设计优化、生产运营优化以及设备运行优化等多目标、多环节的协同优化。

三、参评智能制造项目详细情况介绍

1. 项目背景介绍

       本项目以建立世界级数字化智慧工厂为目的,建立智能智造生产管理平台,打破不同领域的壁垒,整合人力,设备,物料信息,能源环境等数据来全面提升工厂的感知监控能力、分析预测能力、优化提升能力、协同作业能力、数字化支持能力五项核心能力,实现真正意义上的智能制造。

       以生产排产,产线设备,车身质量,物料调度,作业规程,班组人员为切入点,项目分步实现数据小中台建设,异常监控,健康分析与预测,作业智能协同,作业辅助决策五项能力:

       (1)引入数据平台概念,建立工厂级数据平台:

       将离散分步的各类数据信息勾连一起,描绘出工厂的画像,监控其生命状态。例如将设备的健康数据与生产作业的质量数据关联一起,刻画出产品的健康数据,从两者的强关联性找到质量波动的原因以及发现设备的生命健康状态;将生产排产得信息与物料调度的信息结合分析,可以更加有效地安排车间产品的生产计划,更高效合理地运用工厂的产能;

       (2)建立数学模型,实现健康监控与分析:

       针对重点设备、重要工艺品质建立数学模型,实现生产全过程监控,有效利用数据诊断设备健康状态和车身质量状况,并及时做出预案或决策,保证生产。

       (3)配置智能化设备,上下工序作业高效化:

       在工厂全方位覆盖呼叫系统,智能工业一体机,移动工业平板以及工业通讯设备,确保信息及时联络以及作业流程线上高效流转,方便作业人员迅速处理生产故障及品质问题,保证生产不受影响。

       (4)建立智能决策系统,高效处理生产问题:

       项目建立智能决策系统,针对现场的故障,品质问题等的所有的案例进行学习累积,而后为后期生产发生的类似问题提供相似的处理方案,辅助作业人员处理问题,提高作业效率。

2. 项目实施与应用情况详细介绍

       建立服务制造用户、覆盖生产任务全流程的一站式智慧工厂平台,实现流程规范统一,数据互联互通,全面无纸化。包含设备管理、Andon、质量参数管理、车辆跟踪AVI、生产管理、工时管理、能源管理、内作成本管理、智能交互中心等功能模块。智慧工厂平台架构以数据和工业机理库为基础,以多样的IT组件和算法为支撑,实现各种功能模块的智能应用。基于运营决策和预测性算法的应用场景,进一步提升可视决策、数据驱动的智能化水平。

       (1)冲焊数据湖

       冲压车间与焊装车间存在的线体设备、零件品质、生产作业等的数据的固有属性,业务属性存在着共通点和差异点,项目在此基础上制定数据的标准,流程的标准,打通两个车间的壁垒,实现数据共享,在进行设备故障分析,品质异常分析等,可相互借鉴彼此的经验,完美地解决问题。

       (2)智能设备管理

       项目建立智能设备管理系统能够高效处理车间设备相关事务,其功能涵盖了设备的资产台账管理,健康状态监控与预测,日常保养维护,生产故障抢修,生命履历记录,过往案例分析及辅助决策等几大方面。

       1)横纵双向掌控设备健康状态

       设备的良好健康状态是工厂产能高效实现的基础,掌握好设备健康状态是智能设备管理的重中之重。因此,系统从横向及纵向两个方向上对其进行管控:

       ① 从横向上,系统建立好设备台账对设备的备件进行管控。台账记录了备件的出入库消耗情况,根据备件消耗的频率,警醒管理员做好备件的定点及采购计划;针对重点设备、采购周期较长的设备,让管理员做好突发情况的预案。

       ② 从纵向上,系统针对车间重点设备进行健康状态的实时监控以及预测,旨在及时发现设备的异常,能够提前做好设备的维修保养,延长设备的生命周期,保证工厂的产能。

       ③ 除此之外,项目还做好了设备的生命履历,清楚他经历了什么维修,曾经发生过什么故障,方便设备员探果寻因,处理频发故障。
图4 设备履历
图4 设备履历
图5 设备台账
图5 设备台账

       2)零秒出动,智能决策

       项目在两大车间覆盖了呼叫系统,智能工业一体机,智能工业移动机,无线通讯设备等,一旦发生故障,区域的设备员能够立即获取发生故障的设备信息,工位,故障类型,节省前往现场查看故障原因,能够针对性的排查找到解决方案。

       同时系统在不断积累的过程中,能够在发生故障的时候,智能探寻存在共通点的案例,提供最优的解决方案,让设备员迅速找出问题的根本所在,快速解决问题,恢复生产。
图6 呼叫系统
图6 呼叫系统
图7 消息系统
图7 消息系统

       3)线上审批,高效作业

       针对线下的许多设备维保,改造,及备件申请等许多作业在签字审批的过程及其占用时间,项目根据工厂实际情况将其转变为线上流程,并辅助消息提醒系统,让作业审批,工作交接,物品申请变得更加轻松,高效处理业务。

       (3)智能质量管理

       保证产品质量是公司生产中极其重要的任务,但是现有许多质量数据都是孤立的,并未能高效的利用起来,完成车身的质量解析,提高产品的质量。项目基于串联各种作业的质量数据,探究产品各方面数据的变化趋势,做好突发异常数据,恶化趋势的改善,把关好产品的质量。

       1)高效流转,精准应对

       基于工业一体机,RFID,智能通讯设备等硬件基础,项目大大缩短了质量问题上报,处理的时间差,强化了自工序完结,同时加强上下工序的连接,做到了问题发现与处理无缝连接。

       项目为每个检查岗位,工作岗位,配置了接口,简单方便的操作让检察员能够快速反馈质量问题,完成上报。系统的自动派发,让返修人员能够快速获取到他们的任务与具体信息,快速应对,做出决策,极大减少了沟通成本。

       同时项目为其辅助在制车辆的生命履历及车辆在位跟踪系统,清楚的知道每一辆车的质量情况及在制位置,可以让作业员精准定位,快速作业。
图8 质量反馈
图8 质量反馈
图9 车身履历
图9 车身履历

       2)从数据出发,寻找高质量的钥匙

       质量数据不该是彼此毫无关系的,项目系统把各个作业工艺的数据聚集起来,研究各个工艺的“良好”的数据与“不良”的数据之间的差异,探索不同工艺之间的联系,从而寻找到保证高质量的秘钥。

       项目针对重点工艺建立数学模型,在一轮又一轮的作业,检查,判定中不断地并进行自适应学习,剖析影响该工艺质量的核心因素,剥离出好与不好的关键特征,实现更精确地监控,不让产品的质量问题隐匿于茫茫数据中流出。

       项目针对数据建立起趋势分析,在数据的变化趋势中提前扼住质量问题爆发的苗头,并与本身的数学模型共同分析,变化点所在,对症下药,保证产品的高质量。

       产品的质量问题通常是多因素叠加引发的,因此项目在研究质量领域的数据的同时,引入了设备的数据,作业人员变动数据,来料的数据进行统筹分析,以确保探索真正的原因,并点对点解决问题。
图10 质量分析
图10 质量分析

       “冲压智慧排产大脑”是埃安智能制造工厂冲压车间的运营核心,是集成物流管理、生产管理、机时调度、产能优化等各项功能的自动排产算法模型及数据引擎。

       传统冲压生产计划员进行手工排产时,常常不能充分考虑零件/材料实时库存、台车可用状态、设备与模具可用状态、以及生产人员调度等状态。

       针对库存盘点实时性差、台车料框数量状态无法实时监控等痛点,埃安智能制造工厂冲压车间通过部署超高频RFID物流管理系统,以RFID载码体为载体对冲压零件台车与材料托盘进行全生命周期管理,实现冲压物流自动监控实时库存、人工高效盘点库存,还能同步冲压生产入库记录、焊装出库记录等物流数据,并为 “冲压智慧排产大脑”提供基础数据。
图11 智能排产
图11 智能排产

       针对设备与模具可用状态无法考虑充分等痛点,埃安冲压车间通过“边缘计算服务”实现对设备故障状态、产线可用机时、模具可用状态等信息进行同步采集;同时“冲压智慧排产大脑”还能进一步帮助协调机时调度,充分保证生产机时与调试机时。

       传统的冲压生产计划员进行手工排产时,常常以保证库存供件为目标,一方面导致库存水位设定并非在最优,另一方面则是不能充分考虑设备稼动率/加工耗时/成本/能源/库位水平等目标进行最优排产排程。

       “冲压智慧排产大脑”通过供件分析、优化配单、库存推移预测、优化排产、滚动排程等系列任务,借助混合整数线性规划算法模型,对上文状态参数进行充分考虑,并能根据不同的目标进行最优排产排程,从而满足埃安冲压多车型、高柔性、JIT等生产要求。
图12 智能排产
图12 智能排产

       (4)智能交互中心

       目前车间数据多而繁杂,大部分数据无法进行有效利用,现场管理多为线边看板管理,无法远程把握工厂生产情况,智能交互中心基于数据治理及可视化的特点,提升车间数据治理水平。

       智能交互中心对生产、质量、设备等信息进行可视化检测,对生产过程中的突发事件进行可视化告警,对生产过程中的数据进行融合、分析,深挖数据价值,建立了全面的指标管理体系,进行指标的多维度、多层级的展示分析,为企业生产管理提供了数字化决策平台。

       建立KPI指标体系,提升工厂数字化管理水平。结合现场管理实际,从车间七大任务为基本出发点,全面进行指标梳理,整理完成40个主要KPI指标,形成完善的指标体系。从现场不同管理者的业务出发,交互中心建立了多维度的指标看板,从决策层、管理层到执行层三个层级进行区分,实现车间管理者到现场操作员都有自己的专属数字化看板,做到工作任务实时提醒,状态实时追踪;极大的提升了生产效率及管理水平
图13 车间指标体系
图13 车间指标体系

       基于指标库、决策库、模型库、知识库追因溯源,深度挖掘数据价值,实现数据驱动,智能决策,实现运营决策模型7项:KPI异常追因溯源;设备维保自动派单;故障解决方案推送;备件库存预警;单台内作成本自动下钻分析;保全人员调度系统(基于定位、能力、负荷);能耗智能根因分析。

       (5)大数据预测

       建立算法模型,基于大数据实现设备故障、质量参数的预测性分析和健康诊断,实现预测性算法模型16项:电机健康预测分析;机器人健康预测分析;车身精度趋势分析;冲压自动排产;油品在线监测;压力机运行预测性维护;风机振动在线监测系统;空调器压差参数趋势监控系统;输送设备链速监测预警;设备精准开关机分析;设备能耗参数优化;涂总电机PHM预测性维护;涂总机器人预测性维护;涂装过程工艺参数预警;总装吊具监测预警;尺寸数据管理分析。
图14 交互中心决策层页面
图14 交互中心决策层页面

       1)数据实时交互,问题追根溯源

       交互中心具备多源异构数据的整合管控能力,进行生产、质量、设备等数据的交互,同时连通MES数据,打破了不同系统间的壁垒,实现了数据的高效利用;数据实时进行交互展示,对不良的问题实时报警、异常推送并支持数据多层级钻取,追根溯源,直至找到问题真因,提高了问题解决的效率。
图15 数据交互逻辑
图15 数据交互逻辑
图16 异常数据报警
图16 异常数据报警

       2)低代码开发,提升业务人员数字化水平

       交互中心无需编写代码,即可访问和合并异构数据;根据需求进行实时连接和数据提取。

       通过自助数据集功能,普通业务人员就能对数据做筛选、切割、排序、汇总等,自助灵活地达成期望的数据结果

       用户可根据自身需求通过拖拽方式配置自身需求的业务看板,灵活高效;极高的提升了系统开发效率,真正做到了人人都是开发者。

       3)3D可视化,实现透视化工厂

       通过3D建模,对车间现有物理实体对象虚拟化,建设数字虚拟工厂;通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态,实时交互ANDON、设备、MES等系统信息,实现了任何人,在任何地方,在任何时间都能实时洞察车间的运营状况,并依据数据分析作出战略级别以及操作级别的决策。
图17 冲压A线
图17 冲压A线

       4)深挖数据价值,赋能智能工厂

       通过梳理管理指标体系,明确指标体系每一项指标数据来源和对应责任人。指标出现异常时,能够第一时间传送给责任人,督促责任人对相关问题的整改进度。

       交互中心对异构数据进行整合和数据提取,实现决策层/管理层关注的管理指标“一张表”呈现。决策层通过这一张表就可以完全掌握现场管理的实时状态。关注的管理指标出现异常时,决策层可以点击指标进行指标逐层下查,直指问题产生根源。

       通过更丰富的3D 模型渲染技术,更加生动演示车间设备运行情况,能够给参观者带来更深的视觉冲击。其次通过不同类型的热点展示(物流/质量/设备等),执行层能够更直观的了解生产一线状况,及时发现和处理生产过程异常,确保生产顺利进行。

3. 效益分析
效益分析
责任编辑:吴婕
本文为e-works岁末盘点活动参评材料,版权属于提供材料的企业和本网站共同所有。本文严禁任何形式的转载,任何人不得以复制、转载、摘编等任何方式进行使用和传播,否则将负法律责任。如因作品内容、版权和其它问题需联系本网站,请发送邮件至editor@e-works.net.cn。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐