浙江吉利控股集團有限公司ME總監張喆：智慧化平臺工廠
4月26日，2018第十屆全球汽車產業峰會在北京舉辦，本次論壇以“創新技術引領產業未來”為主題，會議期間，浙江吉利控股集團有限公司ME總監張喆發表了精彩演講，演講內容如下：
浙江吉利控股集團有限公司ME總監 張喆
大家好，我是來自浙江吉利控股集團製造工程中心的張喆，今天我演講的話題是全新模組化平臺智慧工廠。與前幾年我們分享的話題不同，今天的話題將從整個吉利的製造角度來說，我們會撇開原來數字化工廠的平臺，
首先，大家先暢想一下未來的汽車會是什麼樣子，作為一家自主品牌企業。當然每一個人對於未來汽車都有自己的暢想。我舉一個例子，去年我女兒5歲，我帶著她去澳大利亞，在澳大利亞度假的時候，我問她汽車應該長成什麼樣子，這個問題也是學校老師佈置給她的一道題目，
第一類是公共汽車，她說這個就是每天接送她上下課的校車。
第二類是小轎車，她說這個就是我爸爸每天上下班開的汽車。
第三類是圓形的、粉色的、長有翅膀的車，她說“這個就是我長大了以後想開的車，它能夠上天，能夠下海，能夠去各個地方。
當然很多人覺得是童言無忌，但是從我們汽車人的角度，尤其是從整個ME製造工程角度來說，
我再舉個例子，2008年的時候，我從慕尼克回到國內，其實那時候德國已經有將近100多台機器人，會對整個生產線進行設計。那個時候我剛研究生畢業，隨後我跟我的導師一起吃飯的時候開玩笑說，
第一，機器人很貴。他問我一台工業機器人多少錢，我說可能10萬歐左右吧。他說2008年那個時候一個操作工月薪可能就2000多塊錢。他說操作工的成本遠遠低於機器人，而且那個時候機器人的故障很多，所以這是一方面。
第二，
從2008年到今年2018年，短短10年，我們卻發生了翻天覆地的變化。今年我跟我的博士生導師溝通的時候說“現在吉利要做IOT，要做ITS，您覺得我們能不能做成？”我的博士生導師說，“估計需要5年。”所以，未來工廠會是什麼樣的？我們這個團隊將定義整個未來工廠。
首先，基於數位化的工廠，裡面既有我們的大資料分析，也有智慧化管理和數位化雙胞胎。其實談到數字化工廠，瞭解我的人都知道，在我加入吉利之前，它已經成立了另外一個部門叫FA（工廠自動化），數字化工廠的建立其實是一個循序漸進的過程。
第一步是先達成工廠自動化，然後，在整個工廠自動化的基礎上加入模擬以及一些IT技術。逐漸演變成了數位化工廠，隨後在數位化工廠裡再引入整個IE，然後再進行整個大資料分析，以及引入AI技術，最終形成智慧工廠。除了數字化工廠之外，我們還有一個柔性化的工廠，最後的工廠將會是一個多平臺、多複雜性的工廠。
第三，是我們追求的綠色環保工廠。
我記得在廣州的那次論壇上跟大家共用過這樣一個案例。我概念裡的工廠其實更類似於像可口可樂這樣的工廠，無論是在中國、印度、巴西，還是德國，每一罐可口可樂的配料、口感、品質都是統一的。其實對於我們來說，做汽車最高的境界或者說最終目標，也就是無論在哪裡，所有的工藝、設備應該做到完全統一。
這張圖裡面其實更多應用在我們在台州的工廠裡，因為我們現在有領克、富豪、吉利這樣的品牌。我們在台州的領克工廠，其實就是我們所宣導的標準化的工廠，包括數位化雙胞胎。我們提倡所見即所得，所以我們所有的工裝設備以及現場標定跟模擬資料都做到完全無誤差的精准匹配。
講到這裡很多人會問，你們做數字化工廠，那到底做了什麼成果？其實，在跟很多同行做對比的時候發現，我們的數位化工廠、模組化工廠，甚至是智慧工廠，都是花錢的，它的成本事很高的。德國那邊很多專家聲稱使用數位化工廠可以節約成本。其實，我不是很贊同這個說法，因為從成本效益角度來說，任何一個新技術要投入使用都需要增加成本。
但是除增加成本之外，還有有兩項隱性的成本我們可能都沒有考慮到。就像吉利為什麼會從之前的數字化工廠一直搞到智慧工廠。其實所增加的不只是投資成本、軟體成本，還有有兩塊隱性成本也會有所變化。第一塊是人力成本，它會顯著下降。第二塊土地成本，利用數位化雙胞胎、數字化工廠以及智慧化工廠，整個土地利用率會大大提高，我們每100個焊接，每一個節拍所帶來的效益，其實都是大幅上漲的。
從整個規劃來說，我們分為這樣幾步。總而言之，我們奔著先建立標準化的產品、標準化的流程開始，逐步培育自己的供應商體系，最終形成我們的競爭優勢。
這裡更多的還是基於我們的產品線，雖然前面講了那麼多技術，但其實還是得基於同一個平臺來進行開發。在很多企業裡面，尤其是在汽車廠裡面有這樣一個誤區：領域跟專業分得不是很清楚。在整個汽車生命週期裡，我們理解的領域其實只有三個。
1、研發。
2、生產製造。
3、銷售。
但是專業有很多。那如何把領域給串聯起來？目前就如何把專業串聯起來，我們用了很多像MS系統、ERP系統，甚至有一些企業還有其他的系統。其實我們理解的只是把各個專業串聯起來了，至於我的財務怎麼跟我的生產系統進行對接我們的生產製造怎麼跟研發進行對接，甚至我們這個部門怎麼跟另外一個部門進行對接，我們的車間之間如何配合，從我個人的角度來說，這只能稱作是專業性的溝通。
如果要做平臺化，做標準化的工廠，我們必須得把所有的領域串聯起來。只有通過生產製造從前端的研發，到最終的售後、銷售形成一個閉環，才能為整個智慧化工廠或者是平臺化工廠奠定這樣一個基礎。
大家就可以看到，整個模組化的工廠，無非就是在於兩塊，一個工藝的模組化，一個設備的模組化。那當然就像我們左上角所談的圖，這些圖都來源於我們真實的案例。其實從兩年前我們成立數字化工廠開始，我們已經把整個數位化的應用投入到了所有的生產階段裡面。
從去年開始，我們除了傳統的數位化驗證之外，開始引入了整個大資料。在後面也會講到，今年我在漢諾威那邊也拜訪了很多的企業，給了我很多新的見解。所以，今年我們除了在整個IOT之外，我們還會把整個ITS作為整個ME的數位化標準目標。
這一頁大家就可以看到，收集完所有資料之後，我們搭建成這樣一個數字化工廠。在這裡，我們可以很自豪的跟大家說，之前談到說目前所有的模擬跟現場的最大誤差是3毫米，這一級別基本上已經達到了全球頂尖技術，今年要奔著更高的程度，2毫米甚至是1.5毫米進行測量。只有這樣的話，我們接下來談虛擬調試、虛擬裝備才有意義。
在這裡的話，從去年開始，我們實施整個工廠級的數位化策略，用來減少和規避所有的品質問題，用來對所有的前期設計進行回饋。無論是通過我們的飛馬系統，還是通過我們的問題銀行系統，來對整個生產研發進行一個閉環。
對於整個專案投產階段，我們會利用一些虛擬調試技術、虛擬實境技術，基於一系列的點雲、掃描，以及其他的物流策略，來對整個設備資料進行挖掘，縮短整個產線的週期。就在一個多月前，我們做過一個比對，用了整個數位化的策略，從生產安裝（就是產線的安裝）到第一輛車的下線，我們只用了19天的時間。
我們講的整個模組化、平臺化的工廠，首先我們要對數位化的標準體系進行建立。當初我在帶領整個數字化工廠的時候，用了差不多大半年的時間來完成這樣的體系建立。隨後對平臺搭建進行了一個規範。
因為每家車廠所使用的軟體、平臺有很多，我相信每家企業都說我們有MS，我們有ERP，但是有幾家企業把MS和ERP打通了給真正用起來了呢？每家企業都說我們要關注大資料，但是大資料能給我們帶來什麼？在這之外，我們對整個資來源資料庫進行搭建。目前吉利有接近20家工廠在國內，我們會對所有通用型的設備進行資源庫的搭建。以後像選功能表模式一樣，我們在資源庫裡面進行選擇、進行搭建，最終形成整個業務資料庫，並形成從研發到生產製造、到銷售這樣資料庫的規範。
講了那麼多，我們再回到大資料，其實大資料是一個很時髦的詞。再舉一個例子，僅供參考。假設中國人民銀行1949年開始到現在有20億個帳戶。無論你在哪個銀行裡面開戶，央行裡面都會有這樣一個資料庫被記錄，它的資料庫可以說記錄了我們所有儲戶的資訊，資料量非常的龐大。
另外一個例子是阿裡，就拿支付寶來說，它的帳戶可能只有1個億，遠不及央行20億帳戶那麼龐大。但是誰對於消費習慣，對於目前資料量更有效，那我相信所有人都知道肯定是阿裡。即使它的資料量不是那麼龐大，但是它所有的資料都是有效資料，都是活躍資料。
在這裡就延伸出來了一個概念，其實吉利從去年開始就試著應用大資料的策略，我們也找了4、5家在各個行業裡面頂尖的大資料服務提供者，來進行溝通。結果我們發現一個很大的問題，就是如果只是站在整車廠這邊，從吉利的角度上來說，我們要大資料究竟是為了什麼。其實這個問題呢，我們跟其他專業裡面的人在溝通，聽上去覺得很可笑。但其實每個人往深層次去想，大資料到底能給我們企業帶來什麼樣的效果，是做節拍提升，還是做預防性維護，還是做其他的。
吉利從去年到今年， 1年多的時間裡，當中也跌倒過，也走了一些誤區。所以我在這裡想跟大家分享的是，大資料這個東西，我們更關注的是資料的利用率，而不是資料的採集，不是資料量有多龐大。舉個例子，講到大資料很多人覺得這東西很新，其實我在高校裡面，給別人上課的時候，我跟那些學生說，其實大資料一點都不新。我們在座的所有人在幾十年前都用過大數據了，這句話怎麼說？每個人都參加過高考，其實高考就是大資料的應用。進清華、進北大的，大資料採擷能力比我們強。進其他學校的，大資料用得不是那麼好。
那有了大資料之後，我相信很多人高考的題目放在平時做，我都能做，只是考試的時候，可能我一時想不起來了，可能我的搜尋速度太慢了。這又引申到了大資料的第二個範疇，就是及時性。回饋速度有多快，及時性就有多高。整個吉利大資料的製造策略裡面，我們做大資料無非就是為了滿足這樣幾個功能。
第一，做主動性的預防維護。
第二，能夠幫助我們做整個產能的提升。
這一頁呢，其實跟其它企業一樣，每家企業想建資料都會基於整個資料互聯網平臺，把ERP給接進來。但是這裡想要談的是，在我們的概念當中，把大資料用好了意味著兩個資訊。
第一，有可能取代MS平臺的。
第二，很多在講我們要上雲，那是不是真的要雲、從吉利角度來說，目前還是在本地部署為主。因為至於你切上雲，還是切上藍光儲存，只是儲存介質不同。
我們會採集所有生產事實資料，隨後進入到更重要的一個資料採擷。這也包含了很多資料過濾、資料處理，包括一些邊緣計算，隨後得到一個最佳工況的參數，最終把整個生產跟能源系統結合在一起。
我想跟大家分享一件事，前年我們在吉利某一個基地開展了一個大資料應用。其實就像前面講到的，現在有4、5家大資料應用商同時在幫我們做大資料的試點。我分享一下其中一家帶來的成果。那一家只讓它對我們的主線進行大資料的檢測，整個檢測的時間也不長，可能只有將近2個月的時間。
在兩個月的時間裡面，我們利用了這些大資料，檢測出了一些人眼沒有辦法看到的故障。在整個兩個月的測試結束之後，我們拿到這樣一份報告。共花了有12個人研究成本，隨後對整個資料進行挖掘和優化，最終我們的產線提升了4秒鐘，這就是大資料所帶來的價值。
從今年開始我們會把整個大資料的應用部署到所有的新建基地裡面。這一頁裡面講得更多就是模擬，其實我們談了整個模組化、整個平臺化，模擬還是起到很重要的一個作用。模擬不僅僅是整個工藝的模擬，在這裡我們把整個工藝工程也放到整個模擬的應酬範圍去，來對整個工時效率，對整個人機工程，對整個標準工時進行模擬驗證。
通過整個數位化模擬業務進行策略，從總裝角度上來說，其實顯而易見的，我們對於整個重點工位可以進行人機驗證。我們可以對所有的干涉性事項進行驗證，對裝配進行分析。除了這些，我們所要做的還有更多，包括如何提高總裝的自動化率。其實目前我們總裝更多的可能會用在這些方面，座椅，天窗、塗膠，輪胎會用自動化，會用機器人。那其他那些工藝，我們要研究如何提高它們的標準化和模組化。
在整個物流方面，也一樣。我們通過引入整個ITS，對整個物流方案進行設計，對整個交通流量進行模擬，隨後確定最佳的生產工藝排序方式，包括物流配送策略，滿載率，交通入口的統計，最後形成這樣一個3D物流環境。
平臺那一邊，現在有一個團隊專門關注整個數位化平臺模組。到現在為止，我們一共開發了6個平臺模組，當然還包含了一些二次開發。因為富豪那邊更多是基於VCC的二次開發，吉利這邊會基於整個吉利標準來進行所有客戶的定制化開發。
在整個開發完成之後，最終會形成整個吉利數位化工廠的經驗庫系統，並使整個經驗庫系統應用到各個領域裡面去，從前端的研發，可以通過飛馬系統，通過問題系統，包括售後和銷售一些培訓模式，把整個EPS貫穿到整個領域。基於同樣一個平臺，我們有4套子系統來對整個物聯網進行即時監控，把網間隔離技術，大資料分析挖掘和系統應用串聯起來，形成整個吉利的標準化模組工廠，並形成這樣4個模組，分別對應的是模擬驗證、數位化雙胞胎、能耗模擬驗證，最終達到智慧工廠的目標。
謝謝大家！
敬請關注蓋世汽車“第十屆全球汽車產業峰會”直播專題：
提示：“本文根據發言整理，未經嘉賓審核！”如需轉載，請聯繫尤女士：15121021076
作者：蓋世汽車綜合
首先，基於數位化的工廠，裡面既有我們的大資料分析，也有智慧化管理和數位化雙胞胎。其實談到數字化工廠，瞭解我的人都知道，在我加入吉利之前，它已經成立了另外一個部門叫FA（工廠自動化），數字化工廠的建立其實是一個循序漸進的過程。
第一步是先達成工廠自動化，然後，在整個工廠自動化的基礎上加入模擬以及一些IT技術。逐漸演變成了數位化工廠，隨後在數位化工廠裡再引入整個IE，然後再進行整個大資料分析，以及引入AI技術，最終形成智慧工廠。除了數字化工廠之外，我們還有一個柔性化的工廠，最後的工廠將會是一個多平臺、多複雜性的工廠。
第三，是我們追求的綠色環保工廠。
我記得在廣州的那次論壇上跟大家共用過這樣一個案例。我概念裡的工廠其實更類似於像可口可樂這樣的工廠，無論是在中國、印度、巴西，還是德國，每一罐可口可樂的配料、口感、品質都是統一的。其實對於我們來說，做汽車最高的境界或者說最終目標，也就是無論在哪裡，所有的工藝、設備應該做到完全統一。
這張圖裡面其實更多應用在我們在台州的工廠裡，因為我們現在有領克、富豪、吉利這樣的品牌。我們在台州的領克工廠，其實就是我們所宣導的標準化的工廠，包括數位化雙胞胎。我們提倡所見即所得，所以我們所有的工裝設備以及現場標定跟模擬資料都做到完全無誤差的精准匹配。
講到這裡很多人會問，你們做數字化工廠，那到底做了什麼成果？其實，在跟很多同行做對比的時候發現，我們的數位化工廠、模組化工廠，甚至是智慧工廠，都是花錢的，它的成本事很高的。德國那邊很多專家聲稱使用數位化工廠可以節約成本。其實，我不是很贊同這個說法，因為從成本效益角度來說，任何一個新技術要投入使用都需要增加成本。
但是除增加成本之外，還有有兩項隱性的成本我們可能都沒有考慮到。就像吉利為什麼會從之前的數字化工廠一直搞到智慧工廠。其實所增加的不只是投資成本、軟體成本，還有有兩塊隱性成本也會有所變化。第一塊是人力成本，它會顯著下降。第二塊土地成本，利用數位化雙胞胎、數字化工廠以及智慧化工廠，整個土地利用率會大大提高，我們每100個焊接，每一個節拍所帶來的效益，其實都是大幅上漲的。
從整個規劃來說，我們分為這樣幾步。總而言之，我們奔著先建立標準化的產品、標準化的流程開始，逐步培育自己的供應商體系，最終形成我們的競爭優勢。
這裡更多的還是基於我們的產品線，雖然前面講了那麼多技術，但其實還是得基於同一個平臺來進行開發。在很多企業裡面，尤其是在汽車廠裡面有這樣一個誤區：領域跟專業分得不是很清楚。在整個汽車生命週期裡，我們理解的領域其實只有三個。
1、研發。
2、生產製造。
3、銷售。
但是專業有很多。那如何把領域給串聯起來？目前就如何把專業串聯起來，我們用了很多像MS系統、ERP系統，甚至有一些企業還有其他的系統。其實我們理解的只是把各個專業串聯起來了，至於我的財務怎麼跟我的生產系統進行對接我們的生產製造怎麼跟研發進行對接，甚至我們這個部門怎麼跟另外一個部門進行對接，我們的車間之間如何配合，從我個人的角度來說，這只能稱作是專業性的溝通。
如果要做平臺化，做標準化的工廠，我們必須得把所有的領域串聯起來。只有通過生產製造從前端的研發，到最終的售後、銷售形成一個閉環，才能為整個智慧化工廠或者是平臺化工廠奠定這樣一個基礎。
大家就可以看到，整個模組化的工廠，無非就是在於兩塊，一個工藝的模組化，一個設備的模組化。那當然就像我們左上角所談的圖，這些圖都來源於我們真實的案例。其實從兩年前我們成立數字化工廠開始，我們已經把整個數位化的應用投入到了所有的生產階段裡面。
從去年開始，我們除了傳統的數位化驗證之外，開始引入了整個大資料。在後面也會講到，今年我在漢諾威那邊也拜訪了很多的企業，給了我很多新的見解。所以，今年我們除了在整個IOT之外，我們還會把整個ITS作為整個ME的數位化標準目標。
這一頁大家就可以看到，收集完所有資料之後，我們搭建成這樣一個數字化工廠。在這裡，我們可以很自豪的跟大家說，之前談到說目前所有的模擬跟現場的最大誤差是3毫米，這一級別基本上已經達到了全球頂尖技術，今年要奔著更高的程度，2毫米甚至是1.5毫米進行測量。只有這樣的話，我們接下來談虛擬調試、虛擬裝備才有意義。
在這裡的話，從去年開始，我們實施整個工廠級的數位化策略，用來減少和規避所有的品質問題，用來對所有的前期設計進行回饋。無論是通過我們的飛馬系統，還是通過我們的問題銀行系統，來對整個生產研發進行一個閉環。
對於整個專案投產階段，我們會利用一些虛擬調試技術、虛擬實境技術，基於一系列的點雲、掃描，以及其他的物流策略，來對整個設備資料進行挖掘，縮短整個產線的週期。就在一個多月前，我們做過一個比對，用了整個數位化的策略，從生產安裝（就是產線的安裝）到第一輛車的下線，我們只用了19天的時間。
我們講的整個模組化、平臺化的工廠，首先我們要對數位化的標準體系進行建立。當初我在帶領整個數字化工廠的時候，用了差不多大半年的時間來完成這樣的體系建立。隨後對平臺搭建進行了一個規範。
因為每家車廠所使用的軟體、平臺有很多，我相信每家企業都說我們有MS，我們有ERP，但是有幾家企業把MS和ERP打通了給真正用起來了呢？每家企業都說我們要關注大資料，但是大資料能給我們帶來什麼？在這之外，我們對整個資來源資料庫進行搭建。目前吉利有接近20家工廠在國內，我們會對所有通用型的設備進行資源庫的搭建。以後像選功能表模式一樣，我們在資源庫裡面進行選擇、進行搭建，最終形成整個業務資料庫，並形成從研發到生產製造、到銷售這樣資料庫的規範。
講了那麼多，我們再回到大資料，其實大資料是一個很時髦的詞。再舉一個例子，僅供參考。假設中國人民銀行1949年開始到現在有20億個帳戶。無論你在哪個銀行裡面開戶，央行裡面都會有這樣一個資料庫被記錄，它的資料庫可以說記錄了我們所有儲戶的資訊，資料量非常的龐大。
另外一個例子是阿裡，就拿支付寶來說，它的帳戶可能只有1個億，遠不及央行20億帳戶那麼龐大。但是誰對於消費習慣，對於目前資料量更有效，那我相信所有人都知道肯定是阿裡。即使它的資料量不是那麼龐大，但是它所有的資料都是有效資料，都是活躍資料。
在這裡就延伸出來了一個概念，其實吉利從去年開始就試著應用大資料的策略，我們也找了4、5家在各個行業裡面頂尖的大資料服務提供者，來進行溝通。結果我們發現一個很大的問題，就是如果只是站在整車廠這邊，從吉利的角度上來說，我們要大資料究竟是為了什麼。其實這個問題呢，我們跟其他專業裡面的人在溝通，聽上去覺得很可笑。但其實每個人往深層次去想，大資料到底能給我們企業帶來什麼樣的效果，是做節拍提升，還是做預防性維護，還是做其他的。
吉利從去年到今年， 1年多的時間裡，當中也跌倒過，也走了一些誤區。所以我在這裡想跟大家分享的是，大資料這個東西，我們更關注的是資料的利用率，而不是資料的採集，不是資料量有多龐大。舉個例子，講到大資料很多人覺得這東西很新，其實我在高校裡面，給別人上課的時候，我跟那些學生說，其實大資料一點都不新。我們在座的所有人在幾十年前都用過大數據了，這句話怎麼說？每個人都參加過高考，其實高考就是大資料的應用。進清華、進北大的，大資料採擷能力比我們強。進其他學校的，大資料用得不是那麼好。
那有了大資料之後，我相信很多人高考的題目放在平時做，我都能做，只是考試的時候，可能我一時想不起來了，可能我的搜尋速度太慢了。這又引申到了大資料的第二個範疇，就是及時性。回饋速度有多快，及時性就有多高。整個吉利大資料的製造策略裡面，我們做大資料無非就是為了滿足這樣幾個功能。
第一，做主動性的預防維護。
第二，能夠幫助我們做整個產能的提升。
這一頁呢，其實跟其它企業一樣，每家企業想建資料都會基於整個資料互聯網平臺，把ERP給接進來。但是這裡想要談的是，在我們的概念當中，把大資料用好了意味著兩個資訊。
第一，有可能取代MS平臺的。
第二，很多在講我們要上雲，那是不是真的要雲、從吉利角度來說，目前還是在本地部署為主。因為至於你切上雲，還是切上藍光儲存，只是儲存介質不同。
我們會採集所有生產事實資料，隨後進入到更重要的一個資料採擷。這也包含了很多資料過濾、資料處理，包括一些邊緣計算，隨後得到一個最佳工況的參數，最終把整個生產跟能源系統結合在一起。
我想跟大家分享一件事，前年我們在吉利某一個基地開展了一個大資料應用。其實就像前面講到的，現在有4、5家大資料應用商同時在幫我們做大資料的試點。我分享一下其中一家帶來的成果。那一家只讓它對我們的主線進行大資料的檢測，整個檢測的時間也不長，可能只有將近2個月的時間。
在兩個月的時間裡面，我們利用了這些大資料，檢測出了一些人眼沒有辦法看到的故障。在整個兩個月的測試結束之後，我們拿到這樣一份報告。共花了有12個人研究成本，隨後對整個資料進行挖掘和優化，最終我們的產線提升了4秒鐘，這就是大資料所帶來的價值。
從今年開始我們會把整個大資料的應用部署到所有的新建基地裡面。這一頁裡面講得更多就是模擬，其實我們談了整個模組化、整個平臺化，模擬還是起到很重要的一個作用。模擬不僅僅是整個工藝的模擬，在這裡我們把整個工藝工程也放到整個模擬的應酬範圍去，來對整個工時效率，對整個人機工程，對整個標準工時進行模擬驗證。
通過整個數位化模擬業務進行策略，從總裝角度上來說，其實顯而易見的，我們對於整個重點工位可以進行人機驗證。我們可以對所有的干涉性事項進行驗證，對裝配進行分析。除了這些，我們所要做的還有更多，包括如何提高總裝的自動化率。其實目前我們總裝更多的可能會用在這些方面，座椅，天窗、塗膠，輪胎會用自動化，會用機器人。那其他那些工藝，我們要研究如何提高它們的標準化和模組化。
在整個物流方面，也一樣。我們通過引入整個ITS，對整個物流方案進行設計，對整個交通流量進行模擬，隨後確定最佳的生產工藝排序方式，包括物流配送策略，滿載率，交通入口的統計，最後形成這樣一個3D物流環境。
平臺那一邊，現在有一個團隊專門關注整個數位化平臺模組。到現在為止，我們一共開發了6個平臺模組，當然還包含了一些二次開發。因為富豪那邊更多是基於VCC的二次開發，吉利這邊會基於整個吉利標準來進行所有客戶的定制化開發。
在整個開發完成之後，最終會形成整個吉利數位化工廠的經驗庫系統，並使整個經驗庫系統應用到各個領域裡面去，從前端的研發，可以通過飛馬系統，通過問題系統，包括售後和銷售一些培訓模式，把整個EPS貫穿到整個領域。基於同樣一個平臺，我們有4套子系統來對整個物聯網進行即時監控，把網間隔離技術，大資料分析挖掘和系統應用串聯起來，形成整個吉利的標準化模組工廠，並形成這樣4個模組，分別對應的是模擬驗證、數位化雙胞胎、能耗模擬驗證，最終達到智慧工廠的目標。
謝謝大家！
敬請關注蓋世汽車“第十屆全球汽車產業峰會”直播專題：
提示：“本文根據發言整理，未經嘉賓審核！”如需轉載，請聯繫尤女士：15121021076
作者：蓋世汽車綜合