江苏龙网

  1. 首页 > 资讯 > 科技 > >

数据|机器主宰工厂这件事，远比你想的近

充满金属气息的流水线上 ， 十几个机械手齐齐舞动 ， 霎时间火花四溅——是最典型的现代化汽车生产画面 ， 经常会被电视作为高科技的代表播出的那种 。
以奥迪在德国的内卡苏尔姆组厂为例 ， 就拥有超过2500个工业机器人 ， 其中有900个专门负责点焊作业 ， 每天总共要处理超过1000台商用车 ， 每台汽车的点焊大概有5000个 ， 算下来这些点焊总共多达500万个 。
这么多机器加工的点焊 ， 如何确保质量？与上下飞舞的机器人焊接场面不同 ， 检查的过程看起来却很“笨”：每天将一辆汽车送到18位工程师的手上 ， 用超声波探测一点一点检查焊接的质量 。
如此鲜明的对比 ， 恰恰体现了制造业传统和未来的那条“分割线” 。
全球车企都头疼的问题 ， 是这样被解决的
之所以奥迪会选择1000台之中只抽1台 ， 并不意味着人们对于机器加工的完全信任 ， 而是检查的成本实在太高 。 1台车就要18个专家 ， 那1000台车岂不是需要18000名专家 。
在赤裸裸的数字面前 ， 人们只能选择投入更多前期建设、维护整个加工过程的稳定性 ， 这也是为什么工厂中经常有造价昂贵（数百万、数千万）、恒温恒湿防震的加工环境 。
数据|机器主宰工厂这件事，远比你想的近
图片

另外一方面 ， 尤其是像点焊这样加工数量众多的加工项目 ， 机器并没有大家想象中的“靠谱” ， 假设每次点焊加工的失误率仅为十万分之一 ， 但一台车5000个加工点算下来 ， 仍有5%左右的概率会出现失误 。
现实中的数据也很能说明问题 ， 根据市场监管总局今年3月公布的数据 ， 2019年因为车身质量问题 ， 中国就召回了33万辆乘用车 。 这个数字在全年超2000万台乘用车的总销量中看起来只算很小一部分 ， 但足以证明传统汽车制造业在经过上百年的不断进化之后 ， 仍存在比较明显的”天花板“ 。
汽车制造技术和能力止步”天花板“ ， 再加上大环境因素的影响 ， 让整个汽车制造业挑战重重 。 去年年底 ， 以在美国建厂的福耀玻璃(600660,股吧)为采访对象的Netflix纪录片《美国工厂》 ， 在中国互联网上爆红 ， 引发了广泛的讨论 。
抛开中美文化、企业管理制度这些最热的话题 ， 其实它很好地展现了全球汽车制造业当下面临的一部分困境——制造业人工成本不再像之前那么容易下降 ， 机器人技术不适用于所有场景、而且在生产力之外也带来了新的挑战 。
开篇中奥迪所面临的问题就非常典型 ， 好在奥迪在一位神秘伙伴“神秘伙伴”的帮助下很快找到了解决方法：在加工过程中引入全新测量的数值 ， 通过机器学习训练算法 ， 形成一整套全新的质量判定标准 ， 边加工边做质量检查 。
这个解决方法听起来简单 ， 但内在的创新实在不少 ， 以新增的数据为例：工业机器人是智能化的 ， 以往的质量监测数据往往来自它 ， 例如点焊过程中位置是否精准 ， 机器人是否运动出现故障等等 。
数据|机器主宰工厂这件事，远比你想的近
图片

相对应的 ， 实际完成焊接动作的焊枪 ， 却往往是非数字化的 ， 第一步改造的重点就是为这些焊枪加上控制器 ， 并且接入网络 。
除了焊枪之外 ， 解决方案中还引入了焊缝配置、焊接金属类型、焊条健康状况等数据 ， 并利用AI最终找出下一步就是找出规律——如何才能确保焊接的质量 。
从焊枪中收集而来的数据 ， 与焊接后的人工检查数据被一同输入计算机 ， 通过机器学习训练算法的预测能力 ， 增加其准确度 。
单就这个解决方案而言 ， 所需要的能力不小且复杂：
首先是加工设备焊枪的改造 ， 需要在终端部署一定量计算力和网络通信的能力；
其次是一条流水线上 ， 数台机器人共同作业时 ， 各自数据采集、边缘计算 ， 最终再将结果汇总的能力；


推荐阅读


上一篇：俞渝|声称“李国庆威胁要杀妻”，俞渝再申请人身保护令

下一篇：周鸿祎|周鸿祎：我国应建立强大的网络防御体系