在智能制造的浪潮下，吉利以全新的视角定义了自己的数字化工厂，并通过多种先进技术的创新应用，走出了一条独特的数字化发展之路。作为吉利数字化工厂的负责人，浙江吉利控股集团有限公司制造工程中心总监张喆先生在接受AI《汽车制造业》记者采访的过程中，向我们展现了吉利数字化工厂的部署和架构，分享了数字化团队三年来的阶段性成果和一些创新亮点，让我们看到了智能制造在中国汽车制造业的落地和发展。这位睿智的德国海归，以跨行业的创新思维，将可穿戴设备用于工艺仿真，将测绘仪器用于工厂扫描，并带领团队，从生产制造、物流等各个环节进行数字化的提升，全面务实地推进吉利的数字化工厂。

浙江吉利控股集团有限公司制造工程中心总监张喆先生

AI：在“工业4.0”和“中国制造2025”大发展的背景下，我们如何结合中国汽车制造业的实际去理解数字化？

张喆先生：实际上，每个人对数字化的理解是不一样的，每家企业根据实际情况对数字化的理解也会不一样，相应部署也会大不相同。

吉利的数字化工厂是一个基于自动化、网络化的系统，是一个贯穿整个产品生命周期的系统，需要从产品研发、生产制造、物流和销售等各个环节进行数字化的提升，目的是缩短产品上市周期，全面提升产品质量，同时，数字化、智能化也是帮助企业降本增效的重要途径，是制造业的发展趋势。

当然，数字化是不断发展变化的，随着技术的进步和时间的推移，它所包含的内容也会不断扩展，因此，我们的数字化建设，也是一个边建立标准边实施、边实施边优化完善的动态过程。

AI：整体组织形式上，吉利是如何管理和部署数字化工厂的呢？

张喆先生：吉利制造工程中心（ME）将数字化定为重点发展方向之一，从资金、技术和人力等方面全力支持数字化工厂的建设。三年前，通过对制造工程的拆分、整合建立了数字化工厂部，希望能够引导整个集团旗下所有工厂的数字化建设，无论是老基地的改造还是新基地的建设投产，都由我们来进行数字化工厂的统一部署。

AI：吉利数字化工厂的整体架构是怎样的呢？

张喆先生：吉利数字化工厂的整体架构上，我们有两个维度的考虑—— 一个平台和一套评价体系。

一个平台，即“One TC”平台，我们希望以此平台为数据流的互通和共享打好基础，建立顺畅通道。“TC”即Teamcenter系统，其业务范围覆盖：产品造型设计、工程总布置数据管理、CAD数据管理，Part-Design可视化EBOM管理、Master MBOM管理以及与企业级BOM系统集成、整车虚拟评审DMU、工程设计变更、SBOM管理、工艺管理、产品BOP和工厂BOP等，总之是以产品数字化为基础，关联生产工艺流程数字化、设备数字化、物流和销售数字化的方方面面。

一套评价体系是我们希望建立一套侧重于生产制造的数字化评价体系。基于目前研发和销售方面的数字化程度较高而生产制造环节的数字化成为相对短板，因此，现阶段，我们把吉利数字化工厂建设的重心放到了生产制造环节，重点工作包含全部生产流程工艺仿真、工厂自动化、设备监控和维护、工厂扫描和工厂点云、IE技术、大数据等方面的应用。在发展应用的过程中，我们会逐渐将这些点逐步连成面，进而发散出去，最终形成一套体系。

目前汽车行业的自动化水平还是比较高的，但这并不等于数字化。我们在进行一个新工厂规划和建设的时候，不仅要关注产能节拍、无故障时间等传统指标，还要关注设备开动率、编程效率、物流策略是否合理，以及操作人员的工作效率以及土地利用率等问题，整个决策的过程中，评价体系的作用和价值就会越来越凸显出来。最终通过统筹考虑，我们就可以提出一个更加合理的符合吉利实际需求的数字化解决方案。

AI：在吉利数字化工厂部署实施的过程中，有哪些值得分享的阶段性成果或创新亮点？

张喆先生：具体实施过程中，从最初将工艺仿真作为切入点，然后逐步深入进行SE同步工程，之后又把自动化新技术融入进来，到今年进一步融入IE技术，我们希望将数字化逐步转型为智能制造，我们也正在持续努力打造吉利工业3.0，并逐步迈向工业4.0。

谈到创新亮点，我想分享我们将可穿戴设备用于工艺仿真、采用测绘仪器实现的工厂扫描技术以及虚拟调试技术的实施等几个项目。

在最初准备进行仿真和软件开发时，为了提高仿真精度，同时对人机工程进行检验和优化，我们参考了美国环球影城的真人动画拍摄制作方式，大胆创新，将可穿戴设备引入进来，通过传感器实现人机工程数据的采集、分析和标定等，经过在工厂车间的探索和应用，目前我们已经实现了工艺仿真与实际生产环境几乎完全一样的结果——所见即所得，有效地解决了很多人机工程的问题，与此同时，对所有人员和设备的编程效率统计和标准工时制定，都帮助我们大幅提高了设备开动率。目前，经过不断积累，目前我们已完成了冲压、焊装、涂装、总装及物流等主要流程的工艺仿真。

与此同时，出于高效生产的需求，所有生产设备需要被严格、精准地定位和安装，因此我们借鉴了测绘技术在构建地理信息系统中的应用，将全站仪等测绘仪器用于工厂扫描，对所有生产设备的位置信息进行精确扫描和定位，将其相对坐标变成绝对坐标，实现了工厂的网格化，为数字化工厂奠定了非常好的基础。工厂扫描的使用也为仿真系统提供了可靠的位置信息，经过两年多的发展，我们最终将虚拟环境与现实环境之间的误差缩小到了3 mm。

此外，随着产品更新换代速度的加快，吉利的改造项目不断增多，为了最大程度地减少改造项目对现有产线正常生产带来的影响，我们又开发实施了虚拟调试技术，成为国内自主品牌汽车企业中第一家在生产过程中使用虚拟调试技术的厂商。该技术虽然诞生于几年前，但在后续几年的时间里始终没有国内汽车企业使用，原因在于该技术的实施需要大量的数据库开发、程序开发和模块开发作为支持，难度非常大。吉利基于自身发展需求，独立完成了所有开发任务，2017年开始使用，有效提升了改造项目的进度，综合效益非常显著。

吉利数字化工厂成果

AI：在您分享的这些案例中，我们看到了一种打破常规应用的创新思维，为汽车行业带来了很多跨行业的创新应用，也取得了意想不到的收获。能否分享一下您的体会？

张喆先生：在我看来，创新不是必须要有发明创造，而是要将已有的、先进的技术进行整合与使用，并对此承担责任。

从吉利制造工程中心（ME）的角度来说，我们同样更多的是希望将外界先进的、吉利还没有的技术引入进来进行创新应用。吉利制造工程中心（ME）一直十分鼓励员工在推动企业发展、帮助企业解决实际问题的基础上进行创新活动，除了一些高端的前沿科技外，我们一直在致力于跨行业、跨领域的技术创新。

AI：数字化工厂中是如何进行生产监控和管理的呢？它与传统工厂的管理模式有何不同？

张喆先生：从宏观角度来说，传统的制造企业是对人进行管理，而数字化工厂是对设备、数据和生产状态进行管理。从微观角度来说，传统工厂的管理模式很粗犷，生产指标也不够完善，随着数字化、智能化的发展，数字化工厂的管理将更加精细化、网格化，并且越来越精准的数据及评价体系的建立，会给决策带来更多量化的依据，进而大幅提升管理水平。

相较于传统的生产管理模式，数字化工厂会有更多的技术指标和数据信息，因此，基于数据的管理模式更加科学合理，也更加高效。当生产过程出现问题时，数字化管理体系可以精准地找到发生问题的环节和原因，并通过整体调控有效地解决问题，保证整个生产系统高效运作。另外，数字化工厂中，越来越多的设备会具备预维护的功能、远程诊断的功能，加上大数据的应用，都会为生产效率和效益的提升带来更多可能性。

AI：现在大家提及智能制造的时候，会越来越多地提及“大数据”。在您看来，对于生产企业来说，应该如何有效地利用工业大数据呢？

张喆先生：大数据对于智能制造来说是非常必要的，但是从宏观角度来说，大数据通常意味着庞大的数据量，但对于我们，更为重要的是，其中有用的数据有多少。

我经常会举一个例子：中国人民银行可能有几十亿条储户信息，而支付宝仅有几亿个用户。当我们单纯考量数据量的时候，我们会发现中国人民银行的数据量是非常庞大的；但当我们对数据进行分析再利用的时候，可能支付宝的活跃数据更为有效。这可能正是很多人的误区，认为在做大数据分析的时候一定要强调数据采集量的丰富，其实这种做法是不合理的。

同样，从整个制造策略上来看，工厂在采集数据时不应该在乎量大，而更应该在乎如何挖掘和使用这些数据。以吉利来说，发展大数据的主要目的是提升产能，同时对设备进行主动性维护，因此，我们会过滤掉很多对我们来说没有实际价值的数据，将我们需要的数据保存下来并进行分析利用。

以设备维护为例，所有的设备故障可以被分为三类：第一类是可以被预测的，例如设备即将达到使用寿命时容易出现的故障；第二类是日常频发性的故障；第三类是突发性的故障，根本无法预测。我认为现有的大数据只能解决第一类问题，而对另外两类问题仍然束手无策，我们的大数据，正是希望逐步解决后两类问题。为此，吉利建立了自己的经验库，将设备问题进行量化，通过采集有效的数据来逐步实现对频发故障和突发故障的预警和预防。

AI：能否展望一下数字化工厂的未来？

张喆先生：数字化工厂的未来方向是智能工厂，除了现有的各种新技术的应用和完善，将来，虚拟现实、人工智能甚至神经网络等高科技都有可能被用于工业现场，使得生产系统能够主动获取信息、主动优化生产。展望未来，一切皆有可能。