汽車生產現場海量數據的雲計算

作者： 劉勝勇

單位： 中國重汽集團濟南橋箱有限公司

來源：《金屬加工（冷加工）》雜誌

18世紀60年代至今，全球工業領域歷經4次工業革命。起於英國的第1次工業革命，以瓦特蒸汽機作為動力機被廣泛使用為標誌，使機器生產基本取代手工勞動。起於19世紀70年代的第2次工業革命，以電力和內燃機的廣泛應用為標誌，使重工業取代輕工業，其典型特徵為自動化。起於20世紀40～50年代的第3次工業革命，以電子計算機的發展和普及應用為代表，使原子能、航天技術、分子生物學和遺傳工程等領域取得重大突破並步入信息時代。起於2013年4月的第4次工業革命，以互聯網產業化、工業智能化和工業一體化為代表，以物聯網和雲計算支撐下的大數據應用為核心（見圖1），既可使價值網路實現橫向集成，也可使工程端到端的數字集成橫跨整個價值鏈，還可使綠色製造系統垂直集成並實現網路化。

圖1　智慧重汽互聯網+服務平台

隨著物聯網、移動通信、移動互聯網和數據自動採集技術的飛速發展以及在汽車等多領域的廣泛應用，人類社會所擁有的數據正呈前所未有的「GB→TB→PB→EB→ZB」跳躍級的爆炸式增長。這些海量數據唯有採用一些支撐雲環境的相關技術和數據立方等雲處理軟體，方可挖掘出有用的信息並被快捷、高效處理，方可釋放出數據的價值並被獲知彼此間的關聯關係，方可推動和實現數據、技術、業務流程和組織結構四要素的互動創新與持續優化。只有這樣，汽車等產業才能實現創新發展、智能發展和綠色發展，才能保持與其發展戰略相匹配的可持續競爭力，才能不斷滿足用戶日益增長的汽車個性化定製需求。

數據云計算的現場應用

對於汽車的產品生命周期管理（見圖2），產品設計和產品模擬的大數據分析能夠提高研發設計效率、降低研發設計成本，生產經營的大數據分析能夠優化工藝流程，客戶交易的大數據分析能夠開展精準營銷、實行定製化設計和服務，戰略資源的大數據分析能夠優化、重組和再造管理流程。在海量數據即將成為最大的交易商品之際，對蘊藏於汽車智造中的這一寶藏進行挖掘，用以形成大數據平台的基礎「資源池」。

圖2　汽車產品生命周期管理模型

（1）產品設計中的數據。產品設計是決定產品開發製造能否成功的先決條件。現今的商用汽車總會投入很多配置不同和款式不同的產品，以滿足市場化形勢和用戶個性化定製需要。按車輛類型分，有載貨汽車、自卸汽車、牽引汽車和專用汽車等；按驅動形式分，有全驅、4×2、6×2（雙前軸轉向）、6×2（後提升）、6×4、8×2、8×4等；按功率分（以kW為單位），有61-71、71-85、85-99、99-117等；按滿載質量分（以t為單位），有1、2、…、9、10、…、55等；按油箱容量分（以L為單位），有≤200、200-300、300-400、＞400等。可以說，設計數據海量，模擬實驗龐大，技術參數（如軸距、輪距、總長、總寬、總高、前懸、後懸、接近角、離去角和最小離地間隙）繁多，派生標準件數若干，衍生非標件數無數。

圖3　某車輛輪軸基於CAD平台的參數化流程圖

如何使產品設計合理、技術能力牢靠、銷售前景廣闊、零件標準化、部件通用化和產品系列化等，國內汽車製造業應加大資金投入，建設現代化工程技術中心，全面普及汽車CAD/CAM/CAE技術，實現產品設計、分析和製造的三維化、無紙化與數字化，並藉助「互聯網＋」行動計劃，實現汽車全價值鏈的信息和數據的綜合管理與共享，以滿足大規模客戶的個性化需求，從而獲得最佳效益。圖3為某車輛輪軸基於CAD平台的參數化流程圖。

（2）工裝夾具中的數據。在眾類型、多配置的汽車零部件的加工中，既有發動機的曲柄連桿機構、配氣機構、進排氣、增壓、潤滑、點火和起動等環節，又有傳動系統的離合器、變速器、萬向傳動以及驅動橋等部件，還有行駛系統的從動橋、懸架、車身和車架等部件；既有轉向系統的轉向器、傳動機構和操縱機構等環節，又有制動系統的制動器、驅動機構和ABS等部件，還有汽車室內的儀錶板、座椅、門護板、方向盤及手柄等部件。這些零部件的數字化加工均離不開各式各樣的液壓或氣壓型工裝夾具，有單一產品用的，有多個產品通用的，有固定在機床上使用的（見圖4），有隨零部件工序流轉再用的，有裝於零部件上不再卸掉的，等等。

圖4　從動錐齒輪柔性線上NM515立式加工中心用工裝

1.機床工作台　2.轉角氣缸　3.分氣塊　4.吊環螺釘　5.底板　6.三爪卡盤　7.吹氣管

這就要求汽車智造生態系統的工藝設計平台既能識別不同產品所需的工裝夾具，又能定位工裝夾具的工序間位置，還能判知是否多產品通用等。現場的工裝夾具倉管在物聯網的控制下，能夠將所需目標自庫中調出後，由智能機器人放置於AGV小車上，再運送至指定的工作台位，人工或機械手將其裝於工作母機或待加工配件上。低端水平的工裝夾具僅實現裝卡定位功能，中端水平的工裝夾具也可經由感測器感知溫度變形並適當補償數控系統，高端水平的工裝夾具還能經GPS等獲知所在位置及磨損壽命曲線。

（3）工具輔料中的數據。眾所周之，現代數字化機械加工既離不開數量眾多的機夾刀具和可轉位刀片，也離不開數控機床上自動換刀機構的快速裝/卸刀具；既離不開工具輔料倉管據產品設計平台信息形成的定額控制，也離不開4～5小時無人值守加工的全程壽命監控。因此，未來的汽車智造生態系統必須對工具輔料中蘊藏的數據進行實時分析，自覺評定庫內山特維克、阿諾、鈷領、肯納和京瓷等品牌刀具的庫存量，自動統計各柔性製造線的月度用量及預測日後可能用量趨勢，經刀具製造商平台提供的性能參數自行補償現場的數控加工，經現場的質量檢測平台預判刀具使用壽命並預警操作者和反饋數控系統。圖5為某企業的倉儲管理系統模型示意。

圖5　某企業的倉儲管理系統模型示意

（4）設備運行中的數據。在現今複雜、激烈的市場競爭中，充分發揮工作母機的利用率，實時獲知設備運轉情況，據動態生產進度制定準確、科學的生產計劃，準確統計機床利用率，從海量數據中分析出制約生產的瓶頸，據以往統計結果預測機床故障分布等等。如此，設備運行中的數據便由資源變為資產，由資產轉為價值，繼而促進信息技術與工業技術的深度融合。

利用汽車智造生態系統中的機床實時狀態模塊（拓撲模型見圖6），可採集機床的開關機時間、程序起始及結束時間、主軸負載、主軸轉速、進給速度、進給倍率、當前運行程序、當前工件加工數、故障代碼和報錯內容等數據，並把採集到的數據按機床時間、開機率和利用率等條件，以餅圖、柱圖、折線圖和統計表格等多種方式統計和分析數據後，輸出office文檔或PDF文檔。在統計表格中，可涉及設備狀態、加工產量、停機原因、設備用時、設備稼動率、操作人員達成率、設備報警、停機原因、工單完成率、員工效率和調機用時等。

圖6　機床數據採集拓撲模型

（5）質量檢測中的數據。在市場經濟快速發展的今天，企業間競爭日趨激烈，質量對於一個企業的重要性日益凸顯。縱觀國內外，每一個長久不衰的知名企業，其產品或服務都離不開過硬的質量。因此，質量是企業的生命，是企業的靈魂。

在汽車智造生態系統的構建進程中，產品出廠前的終檢驗進行全項測量是毋庸置疑的，但產品在柔性製造線上的過程質量控制也是不容忽視的。過程質量控制數據不僅涉及到線性尺寸（如外尺寸、內尺寸、階梯尺寸、直徑、半徑、距離、倒圓半徑和倒角高度）和角度尺寸，還包括產品的幾何公差，如形狀公差、方向公差、位置公差和跳動公差。這些具有快速、複雜和多變特點的海量數據，已經無法再由質管人員採用傳統分析方式（紙質手工描點與Excel表格分析）進行加班加點地分析，只能是藉助於智能感測和智能檢測手段，並通過工業互聯網和雲計算來實現即時捕捉、快速存儲、按需分配在線分析和趨勢預測。圖7為某產品裝配線的過程信息智能測控系統示意。

今後，企業新增柔性製造線時，既要在當前機床上採用在線實時測量，並進行溫度等環境因素補償；又要使產品的全數檢驗從製造中分離出來，成為一個獨立的工序後，採用SPC技術進行工序質量控制；還要研究面向製造產能柔性的質量集成控制技術（如精益和六西格瑪有機融合等），使工序質量、製造成本和時間綜合達到企業的期望值，使柔性製造線乃至數字化車間、智能工廠持續平穩運行，使企業利益實現最大化。

圖7　某產品裝配線的過程信息智能測控系統示意

結語

Google無人駕駛汽車的首席科學家Peter Norvig曾講到「我們沒有更好的演算法，我們有的只是更多的數據」。這些數據的價值不僅在於數據的本身，還在於數據彼此間的關聯關係。互聯網平台的雲計算能夠梳理並治理這些雜亂且海量的數據，通過「數據採集→數據交換和預處理→數據存儲處理及共享→數據資源深度分析和挖掘→數據智能應用」的計算曆程，做到計算的泛在化，實現數據的社會化。因此，國內汽車製造業在搭建智造生態系統的同時，務必要加大生產現場海量數據的挖掘深度，推進基於雲計算的大數據中心建設，讓汽車全價值鏈上的數據由資源變為資產、由資產轉為價值，使數據流通下的汽車智造不斷衍生新產品、產生高效率和釋放大智能。

近期鼓勵投稿內容：工業機器人相關、維修與改造相關

《金屬加工》出品（其他投稿地址均為虛假信息）

熱門圖書排行

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！