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
广汽本田汽车有限公司成立于1998年7月1日，拥有黄埔、增城、广州开发区三个厂区，包含四条整车生产线及一条发动机生产线，总占地面积为238万平方米。量产车型包括Honda品牌旗下的冠道（AVANCIER）、雅阁（ACCORD）、奥德赛（ODYSSEY）、皓影（BREEZE）、缤智（VEZEL）、凌派（CRIDER）、飞度（FIT）七大系列车型，满足中国消费者日益多样化的产品需求。
面向未来，广汽本田将以2030愿景“为您智造悦享移动生活的无限可能”为指引，奋勇前行，向下一个梦想进发。广汽本田不仅要成为用户喜爱并主动选择的品牌，更要成为能够陪伴用户一辈子的品牌，让梦走得更远。
图1 广汽本田汽车有限公司
二、企业在智能制造方面的现状
广汽本田制造工厂通过数字化转型，重塑业务模式，在实现自身管理水平提升的同时，为体系的运行能力提升和未来功能拓展、业务发展打下了良好的基础，是在现有新一代信息技术蓬勃发展和广泛应用基础上的一次新的尝试。
目前工厂数字化转型的应用成果，将逐步推广至广汽本田第五工厂，并在未来第五工厂采用本项目的建设理念。同时通过公司、集团创新交流、工会竞赛等平台在公司、广汽集团、本田全球等平台进行展示交流，获得其他部门的认可和学习。同时通过参加行业协会、省、市等创新成果活动，将上述介绍的数字化转型的研究成果，在汽车行业、机械制造行业进行推广。
三、参评智能制造项目详细情况介绍
1. 项目背景介绍
中国汽车产业正实现过从“制造大国”到“制造强国”，从“中国制造”到“中国‘智’造”的战略转型，实现产业的全面升级与重塑。对于智能制造技术发展、互联网+制造的产业升级、技术创新，汽车行业肩负着重要使命。
广汽本田投产的工厂，是起步即与世界同步的先进工厂。精密的设备、高度的自动化，是达成高标准品质、成本、效率体制的核心部分。近年来广汽本田在智能制造领域，不断探索创新，寻找合适的发展道路，全面提升生产运营水平，打造行业领先的制造工厂。
2. 项目实施与应用情况详细介绍
广汽本田工厂建设具备工艺复杂、精度高、设备种类多特点，目前制造已基本实现设备工序间的自动化，但工序间的信息交互、车间总体协调仍处于探索开发阶段，一线劳务费用逐步降低，但生产管理、工艺、品质等运营成本在逐步上升，通过引入新一代信息技术至生产线，从自动化制造中探索智能化制造，规划可持续发展的制造平台，对具备燃油车发动机、混合动力动力系统、电动车动力系统等生产能力无缝切换的智能制造体系进行研究与实践。
目前工厂在生产、设备、模具、品质、物流等方面，已具备多个数字化的系统，有效解决传统制造存在的品质、成本、效率等问题，产生良好的经济效益。但目前系统主要采用传统模式，即需要专业的系统开发团队，进行系统开发、变更、运维。在系统导入初期，可以满足于业务需求，但随着生产业务模式、管理流程的不断改善、现有系统迭代效率较低，无法快速满足业务改善需求，从而反过来影响工厂运营效率。
1）基于业务驱动的平台建设理念
过往单纯投资数字化转型所需的生产线装备的软硬件，并不等于数字化转型，因为企业是个性化的，投资的软硬件需要针对企业需要来适配和调试。同时工厂现场装备的异构型和标准多样化，不利于对底层数据的采集。数字化转型需要信息技术与运营技术相融合，需要精通信息技术的人才、熟悉企业生产流程的人才或者两者兼备的人才的紧密合作。
广汽本田数字化转型，是基于业务驱动的平台建设理念，实现以客户为中心，通过数字化实现业务流程重塑。从现场生产工艺、工业物联网、视觉AI、账票无纸化至数据挖掘，实现业务人员能基于数字化平台进行自主开发、自主迭代，适应新时代生产业务模式。同时培养一批具备生产业务机能及系统开发功能的跨界复合型智能制造人才。
2）数字化平台总体架构
数字工厂通过根据业务架构，建立系统平台，并通过大数据平台实现数据关联，打破数据孤岛，以下为各平台主要功能的说明：
（1）基础数据层
视觉采集平台：用于采集深度学习相机图片并结合AI平台进行智能识别。
账票无纸化平台：主要包含工艺管理平台及低代码平台，其中工艺管理平台对用体系文件模板管理，无纸化平台对应体系记录管理，低代码对应非体系的日常文件管理。
IoT平台：主要基于5G、Wifi、蓝牙等无线介质，结合MQTT等协议，实现设备互联及接入，并可作为设备实时数据，提供给其他系统采集及交互。
MES平台：为过往工厂生产管理平台，主要包括自动排产、品质追溯、工序互检、智能配膳、工艺参数采集等功能。
（2）大数据分析层
AI平台：采用百度飞浆AI训练平台，主要用于视觉识别及数据挖掘。
大数据平台：采用定制化HADOOP数据仓库，对以上系统关键数据进行入湖，实现产品全生命周期管理、数据挖掘及模型建立。
（3）展示层
UIP统一信息门户平台：企业级信息入口平台。
图2 工厂数字化平台架构
3）基于无线网络的工业互联网平台
构筑基于5G的工业互联网平台，目前工厂采用光纤进行设备之间的联网通讯，但随着工艺的进化，将出现产线布局或设备增加，目前基于光纤的工业网络将进行多次重组，且发生光纤故障后，无法短时间进行故障消除。但现有普通Wifi及4G网络无法实现工业设备低时延、高频数据采集等需要。为此，工厂导入基于5G的工业互联网平台，实现设备层、数据层的无线通讯，在满足数据采集及信号交互基础上，可柔性对应产线布局调整，同时实现各类传感器、监测设备的快速增加并实现数据采集。
图3 工厂IoT平台架构
例如在传统检具上增加无线传输模块，确保数据可输出。并在相应设备端配备通讯网络和硬件设备。通过对现有终端离线检测设备建立标准化数据库检测系统可实现不同测量、检验和数据收集系统之间的质量信息互换，进而提高了收据收集系统的兼容性。同时在搭建数据收集系统时选择的传动格式和标准语言为来自各个工序的设备、软件供应商的数据收集提供了标准化协议。通过认证的供应商接口界面使得数据传输更方便。
图4 检具及设备无线采集的应用
基于采集的机床内外部数据，通过对采集数据的详细分析与加工，实现基础模型的建立，并在基础模型上实现刀具断裂监控和刀具磨损监控两大功能，终端信息显示包括安装于工位的工业电脑实时显示和基于IoT服务器办公电脑Web 端的远程运维。
刀具断裂监控和刀具磨损监控可在终端上分开显示，刀具监控页面内可切换功率监控和振动监控画面，并查看历史刀具磨损曲线和历史报警记录。基于IoT 服务器的Web页面按照工件号查询对应的加工过程信息，实现产品加工质量追溯。
图5 刀具磨损预防性维护
4）账票无纸化平台
传统汽车制造企业，为实现工厂、车间的标准化管理，存在大量的纸质版账票，但纸质版的账票存在以下问题：
上下层文件一致性管理效率低。发动机的工艺管理，从设计图、工序质量管理、工艺卡直到现场的作业标准、点检记录，均存在一致性的要求，传统的纸质版管理，因涉及一次性及版次问题，造成多层文件同时修改审批，效率低下。
传统系统灵活性程度低。生产制造现场，存在各类需要快速迭代的文件账票，如采用传统定制化系统，将导致业务人员难以独立变更、灵活配置文件内容，造成成本与效率的损失。
本次方案将搭建智能互联的账票无纸化管理平台，基于业务特点，由柔性工艺管理平台、低代码平台结合实现。
（1）低代码平台
对应安全、环境、日常管理领域的文件账票，该类账票特点为独立化管理、迭代速度快，适合灵活性高的平台。
同时配合工厂无线网络和便携式移动端，并实现与现场设备层、数据层的互联互通，实现高效可靠的工艺管理一致性管理，及灵活的文件自主化管理，提升管理效率及管理精度。
低代码平台，主要通过拖拉拽实现表单快速构建、看板快速生成，替代传统管理账票。同时可灵活配置审批流，实现简单业务审批的快速制定，避免简单业务通过系统开发定制的繁琐过程，业务人员无需IT人员或系统供应商协助，自主制定系统化账票，实现大范围账票的无纸化。
图6 低代码平台（表单快速配置场景）
例如在安全、环保等领域，基于低代码平台，业务人员自主搭建系统，同时根据国家碳中和等要求随时迭代，快速实现数字化管理。整个搭建过程，由过往委托专业厂家约需要3个月的时间，减少至1周，系统搭建效率提升显著。
图7 低代码平台（危废管理场景）
5）基于AI的视觉识别平台
发动机作为汽车重要组成部分，其外观检测及其重要。在目前生产中，采用人工目视检测缺陷，此方式检测效率低，很难保持长时间稳定的检出效果，个人检出情况会由于各种原因导致检测效果发生变化。例如发动机缸体上的砂孔缺陷，需要人工目视判断0.5mm的砂孔直径大小，由于员工防止流出不良的心理，容易造成误判，导致二次复检或返修的浪费。传统传感器视觉监测，在简单检测项上稳定可靠，但对复杂表面检测抗干扰能力差，漏检误检高。AI深度在复杂纹理图像分类和背景干扰的情况下大幅减少漏检误检，缺陷阀精确可控。通过视觉系统替代传统的目视检测，结合深度学习算法及传统算法，实现视觉系统精度的大幅提升。
图8 传统检测及AI检测的区别
图9 视觉AI软件架构
通过AI视觉检测方案对以上缺陷检测(气孔、伤痕、磕碰、缺肉、异物、螺纹有无等)目前可达到检出率接近100%，同时建立深度学习迭代模型，随着缺陷图像数量的不断增加，模型自动迭代优化，达到比人工更可靠的检测效果。
图10 AI图像检测方案及精度曲线
另外，针对缸盖气门分装线弹簧颜色、油封颜色，气门杆检测字符识别难等问题，本次项目为减少对人工检查的依赖，据所检零件特征点采用AI视觉检测技术对零件特征值采用高性能图形处理技术进行自动在线检测。通过卷积技术的应用展开的自我深度学习，能随着图像识别的积累提升判别准确率。
6）大数据平台
发动机工厂采用定制化HADOOP数据仓库，主要作用是对以上系统关键数据进行入湖，实现产品全生命周期管理、数据挖掘及模型建立。主要包括以下模块：
ODS: 贴源层-原始数据的落地
DW: 数据整合层-原始数据整合处理后的数据
ADS: 应用层-实际应用与最终报表的数据
TEMP: 数据处理过程中的临时数据
DIM: 主数据
元数据: 存储数据定义、数据标准以及数据血缘分析
图11 HADOOP平台架构
建立一台份品质数据：通过对工厂系统（MES系统、工业互联网平台、工艺管理系统、无纸化系统等）关键业务数据实施入湖，以发动机号码、缸体缸盖等零件的零件编码为标识、建立一台份全生命周期品质数据管理，实现从流动信息、工艺参数、品质检查等全过程数据关联，大幅提升管理精度并提升业务人员效率。
图12 一台份发动机产品数据
建立质量评估：从测量系统分析到过程性能分析，再到系统化的过程评估。都是建立的统一并广泛使用的数据评估规范和标准之上。并根据品质标准来判定过程模型。最终的评价结果以数值结果、图形和报告的形式展示。
通过以上大数据分析，实现了生产现场品质数据的高效利用。可实现数据采集全面自动化、品质异常早期预警、品质不良缩小追溯范围等诸多功能。为生产制造企业的劳动力释放提供了有效方案。
通过图像展示在线监测数据的过程特征，生产过程中产品特性的正常区间和异常区间可更加清晰的展示，避免了面对大量枯燥的数据，为数据管理者和分析者提供了便捷的系统化改善方向。节省了大量数据处理和特征分析所需消耗的时间。
图13 品质数据分析及质量评估
建立产品工艺与质量关系模型：发动机铸造、加工、装配等工序品质，均存在与工艺条件间的对应关系，传统方式是通过经验知识库或对比法等方式进行工艺条件优化，需花费大量工时对工艺条件和品质结果进行数据整理、整合及挖掘。本方案，通过大数据的数据挖掘平台，实现产品工艺条件与品质关联的大数据分析，实现辅助智能决策，最终为产品挖掘最优的工艺条件。
图14 建立产品工艺及质量关系模型
7）数字化转型体制
在国家及行业大力推行智能制造在生产企业的应用背景下，如何将新一代信息技术更好更快的融入并服务生产，全面提升品质、效率，降低劳务成本，是管理者需要考虑并转变的地方。在后续设备、品质、工艺、生产管理的人才培养，也要在传统的制造业思维基础上，扩展智能制造、互联网等新一代信息技术的先进理念。
数字化转型是长期工作，需要持续投入。为保证工厂数字化转型工作顺利，工厂成立数字化推进小组，从工厂长、科长至员工的数字化转型体制，鼓励工厂人员主动学习数字化、自主活用数字化平台开发系统，通过强化生产技术人员的系统开发领域培训，数字化技能大幅提升。已具备一批熟练掌握BI平台、数据分析平台、工艺管理平台等应用，同时具备解析性语言、数据库和网页发布等互联网基本技能，为后续数字化项目的开展提供人才储备。
同时工厂各科室制定数字化项目推进体制，鼓励一线员工充分活用数字化思维，挖掘生产现场数字化应用场景。经过2年以来的体制运行，目前一线员工，挖掘多个场景，并能运用低代码平台，搭建生产一线的业务平台。
3. 效益分析
1）经济效益
项目通过采用领先的数字化技术，在人机交互、智慧集约上有着非常鲜明的独创性，实现了多机种高品质量产，取得了良好的经济效益和社会效益。
在品质领域，建立工艺参数与质量之间的数字模型，发动机质量处于国内领先水平，开发基于AI的产品缺陷视觉识别，提升工序品质保证能力，实现发动机免冷热试验，处于中国汽车行业领先地位。
在产能领域，通过导入基于5G的工业互联网，革新传统工业通讯架构，运用基于预防性维护的数字化技术，设备开动率显著提升，提升产能。
在成本领域，通过账票无纸化、大数据等平台，实现传统目视化管理的飞跃，多种业务流程通过大数据平台自动关联及计算，人员业务效率约提升30%。
2）知识产权
随着智能制造模式的不断深化，团队成员不断创新，开发并孵化多项国家专利，目前已获得软件著作权及多项专利。
3）相关荣誉
依靠数字化平台，参与行业、工会等创新成果竞赛，获得全国汽车行业智能制造创新成果一等奖、全国汽车行业“智能标杆工厂”、全国机械冶金建材行业“创新百强班组”、全国机械冶金建材行业创新成果二等奖等成绩。
文章
