汽车制造业数字化转型的可持续发展研究

摘要：汽车行业的数字化转型不仅是行业升级的必然趋势，更是未来竞争力的源泉。本文阐述了汽车制造企业在数字化发展战略、数字化建设框架以及数字化实现路径等方面的探索，论述了如何运用数字化技术实现业务流程重组，搭建数据底座实现数据的互联互通和数据共享，从而实现制造业全要素和全价值链的全面链接，助力企业的降本增效。研究结果表明，依托产业优势，加快建设汽车制造业的产业链伙伴的数字化生态，打通产业链上下游合作伙伴间数据，实现资源共享和业务协同，可以为整个汽车制造业的数字化转型提供了有益参考。

关键词：数字化转型；可持续发展；数据底座；数字化技术；数字化生态

中图分类号：F272.3 文献标识码：A

0 引言

在当前的信息化时代，数字化转型已经成为各行各业不可逆转的趋势。随着科技的飞速发展，大数据、云计算和人工智能等新兴技术正在重塑我们的生活方式和工作模式。消费者对于智能、个性、便捷的汽車产品和服务的追求，也一直在推动着汽车企业进行数字化转型。传统的汽车制造企业在数字化转型中面临着诸多挑战，从技术驾驭到业务创新，从组织变革到文化重塑，从数字化能力建设到人才培养，任何一个环节准备不足，都会使数字化转型的成效大打折扣。

汽车制造企业在数字化转型之初就需要先进行顶层设计和规划。“智能化、数字化、生态化”的发展战略、“数据可视、灰度创新”的双创圆理念及面向场景运营的IT 平台和业务平台的“双平台模型”是一套行之有效的数字化运营思路。这套运营思路不仅提升了数据驱动业务的能力，还依靠数据分析进行科学决策，使其更能适应多变的市场需求，并在竞争中保持领先地位。本文从数字战略、组织建设、数据底座和技术创新四个方面，论述了我司汽车制造企业数字化转型的探索和研究。

1 制定数字战略，数据驱动变革

数字化战略规划是实现企业数字化转型的关键。“智能化、数字化、生态化”是指生产制造智能化、管理运营数字化和产业体系生态化。对传统汽车制造企业来说，生产制造智能化是按照场景驱动、快速示范原则，推进数字化智能工厂建设；利用物联网、人工智能等技术应用，实现生产制造全过程自动感知。在管理运营数字化上，利用大数据、数字孪生技术及开源平台，搭建企业数据平台，实现数据可视、实时分析和辅助决策，赋能企业降本增效。产业体系生态化是汽车企业独有的优势，汽车企业生态链庞大，可依托产业优势，加快建设产业链伙伴的数字化生态，打通产业链上下游合作伙伴间数据，实现资源共享和业务协同。

在实现路径上，创新性地提出了双创圆的模型，从单一业务场景到数据变现的创新路径（图1）。模型将数字化实现路径分成三步：首先是基于业务场景需求，从0 到1 先实现单个业务场景的上线运行，迈出创新实践的第一步；然后将成果复制到其他场景，实现从1 到N 的裂变；在应用场景进行分享推广后再从全局整合统筹，最终实现从N 到0 的数据变现。

数字化双创圆是数字化实现路径的指导思想，而实际落地时，要面向场景运营，依托于IT 和业务两个平台。IT 提供技术上的支持，并将成熟场景进行固化改善推。业务区域基于标准化的业务流程进行场景创新，绘制数据服务地图，最终实现数字化场景从发展、发育到分享的全过程（图2）。

2 加强组织建设，营造文化氛围

传统的汽车制造企业与互联网企业不同，这种不同既表现在系统建设层面，也表现在企业员工的思想上。传统企业在成立之初是按照业务板块建立了分散的系统支持业务运行，数据分散的分布在不同的系统中，企业员工的数字化思想薄弱。因此在传统企业推进数字化的过程中首先要做的是全员的思想统一。

为了统一思想，在数字化的不同发展阶段建立了不同的组织以促进加快数字化的发展。数字化第一阶段的目标是先将数据可视化。人的视觉感知是最主要的信息界面，它输入了从外界获取的70% 信息[1]。先从数据可视开始，把已有的数据可视出来，数字化初始团队的成员以可视化开发为主。随着时间的推进，第一阶段可视化的目标逐渐达成，数据已经被采集到数据库中并在数据平台进行了展示。

随着数据的积累，数字化逐渐向数据分析迈进，这个时期数字化的组织机构以数据主题域的方式组建。每个域的负责人制定各自业务域数字化转型的计划和目标，并由负责人亲自监督执行。这种分布式的组织架构模式使企业在数字化转型的道路上，各个业务板块携手并进，共同发展，使数字化业务拼图更加全面。

随着数字化工作的深入推进，各主题域自主探索、百花齐放。在进行到这个阶段时，数字化已经有了一定的经验积累和技术成果，这时整个企业的数字化也需要由前期的分散发展转为统一标准、统一管理。这既需要解决由于缺乏统一的标准和技术规范各区域的技术开发工作的重复性问题，也需要解决数据共享不便利、人力资源浪费等问题。

基于此，数字化工作开始探索成立球形组织。球形组织集合了来自各个区域的技术专家和业务精英，共同参与数字化转型的探索和实践。在球形组织中，技术积累得到了共建共享，避免了重复开发和资源浪费。这种模式也为汽车企业在数字化转型过程中提供了一种新的思路和方法，为行业的数字化转型提供了有益的借鉴和参考。

3 夯实数据底座，平台助力转型

数据底座在数字化转型中起着关键作用。通过建设数据底座，将内外部的数据汇聚在一起，对数据进行组织和联接，让数据有清晰的定义和统一的结构，并在尊重数据安全的前提下，让数据更易获取，最终打破数据孤岛和垄断[2]。通过数据底座，实现统一管理数据，将数据视为资产，能够追溯数据的产生者、业务源头和数据需求方。

通过物联网技术，结合OPC 软件、Python 编程、Node-red工具和通讯管理机四个技术路线，实现了生产现场设备参数、工艺参数等数据的自动采集与上传，提升了数据采集的效率和准确性，减少人工干预，避免错误和漏失。终端数据自动采集入库的实现和系统外补充数据手工填报的实现，为数据进一步集成入库奠定了基础。在数据集成上，使用数据库订阅发布、同步工具、ETL 工具和API 工具等技术，实现了数据库的集成。

数据只有被使用才有价值。在数据进行了汇聚入库之后，进行数据应用平台的开发支撑业务数据的使用。数据应用平台与生产系数据打通，与生产现场PLC 数据库对接，企业运行实时可预防、可调度、可追溯、可共享，实现生产管理的可视化、透明化和高效化。运营数据APP 是基于企业用户移动办公的需求，基于JAVA、PHP，使用Android Studio 等软件，后台使用开源API 框架搭建，实现了数据的移动查询和填报，实现了现场数据的一次填报多次复用。为满足企业各区域轻量级的应用搭建，APP 引进了低代码应用平台。业务用户可快速搭建出符合自身需求的管理微应用，实现信息收集、流程审批和功能应用。另外，自主开发的Web 应用，实现部门级数据采集、数据分析和数据可视化等场景应用集成。

4 技术驱动创新，人才引领发展

在数字化推进过程中对数字化技术进行研究并落地在实际业务场景中。

（1）智能网关：通过使用智能网关打通了三液加注系统的數据，并汇聚到数据应用平台，在数据应用平台通过可视化的页面进行监测、控制和管理。

（2）RFID ：运用在整车生产过程及物流过程中，通过RFID实现了电子拉动、装配防错及整车入库。

（3）智能仪表：通过大量应用智能仪表，有效避免人工抄表出现的错抄和漏抄等问题，并实现数据的长期保存，提升了数据采集的时效性和精确性，便于后期进行数据展示和分析。

（4）工业视觉：通过工业视觉实现了螺柱、焊点和印字等场景的防错和追溯，并且通过自研工业视觉软硬件平台，实现了生产车间质检等工业视觉场景应用的自主开发。

（5）ETL 和API ：通过使用ETL 实现数据孤岛和烟囱式系统的数据汇聚，包括MIS 系统报表库、运营数据APP 数据库、能源管理中心数据库及各车间级边缘数据库等。通过搭建API 平台，实现了部分共享数据的分享发布，便于各区域进行相关数字化应用的开发。

（6）数字孪生：通过Unity 引擎和UE4 引擎，搭建了发动机工厂数字孪生平台，实现了生产现场全数据透明，并通过对加工过程参数设定阈值，实时智能管控，同时可与质量数据整合，从过程到结果把控过程质量趋势。

在数字化时代，人才已成为企业发展的重要组成部分。无论在哪个行业，人力资源都是组织中最重要的资源，也是最能够创造价值的资源[3]。在数字化推进的不同阶段制定了相应了培训机制，在不同的阶段培养了各方面的技术人才。为了更准确全面的进行数字化人才评估，建立了数字化人才评估机制并配套了激励机制，通过对人才的全面评估，更好地了解员工的优势和不足，有针对性的提供培训和发展机会。

在数字化的推进过程中也进行体系建设。我司结合DCMM国家标准和企业实际数字化转型发展需要，建立企业成熟度自评价模型，制订《企业数字化体系成熟度评估标准》。该标准定义了4 个能力域，14 个能力项，以专业性、权威性和驱动性为目标，持续指导并推动企业数字化建设工作开展[4]。

5 加速数据变现，赋能持续发展

我司的数字化转型从数据自动采集到数据可视，从数据分析到数据挖掘，从持续优化整合到探索驱动创新，一步步把数据变成资产，使数据在生产经营中越来越发挥着更重要的作用。每一个场景案例的实施都在不同方面对降低成本、提高效率、提升质量创造了价值。上海数策软件股份有限公司CEO 张椿琳曾在一篇文章中表示：人们越了解一个事物，就越知道它的局限，此为清醒。而了解局限之后还坚信，谓之勇气。继而不断创新、否定、回归，从革命到融合，靠的是敬畏[5]。数字化不是单纯的数据驱动业务或者业务创造需求，而是数据和业务共生，一起共同创造数字化模式的过程。

我司通过电子化项目的实施实现了一百多个流程的电子审批，有效消除了员工的步行浪费，提升了工作效率，同时提升了员工体验。并且在工艺、质量、过程和检测等数据的自动采集与上传方面大大减少了人力成本。数据自动上传和异常自动报警既实现了生产缺陷不出工位，降低返修成本，也使问题解决效率提升30%。

智慧无人物流实现了多项业务从0 到1、从1 到N 的裂变，为智慧移动机器人的商业化、规模化、品牌化，促进公司转型升级，输出新的产品和商业模式奠定基础。通过人脸识别、智能监控等智能化设备，将人工智能与生物识别系统应用到人员和车辆监管，提升了公司在安全生产活动中的效率，同时与现行的安全管理制度相结合，有效夯实公司的安全生产基础。

6 结束语

数字化是一个不可逆转的潮流，数字化转型的本质是通过信息技术在深度、广度方面的持续应用，来支撑企业本身的业务转型与变革，能够帮助企业更好地应对各种不确定性。当今世界，唯一的不变就是变，只有能够顺应数字化大潮的企业才能随需而变，实现可持续发展。

本研究中已实现的场景可低成本复制到其他汽车工厂，基于机器视觉的智能自动化质量检测可推广到生产现场需要目视检查的工位；智慧物流系统可推广到工厂物流区域、仓储区域；数据应用平台可推广到生产经营领域。未来，汽车制造企业将在数字化生态上持续发力，协同上下游合作伙伴推进数字化生态建设，实现主机厂与合作伙伴的数据共享和协同生产，为整个汽车制造业的数字化可持续发展提供了重要参考和借鉴。

【参考文献】

[1] 陈为， 沈则潜， 陶煜波. 数据可视化[M]. 北京： 电子工业出版社，2013.

[2] 华为公司数据管理部. 华为数据之道[M]. 北京： 机械工业出版社，2020.

[3] 任康磊. 人力资源管理实操从入门到精通[M]. 第2 版. 北京： 人民邮电出版社，2020.

[4] GB/T 36073—2018 数据管理能力成熟度评估模型[S].

[5] 张椿琳. 数字化的坑， 走通这条路需要勇气[EB/OL].（2021-01-11）[2024-04-11]. https：//baijiahao.baidu.com/s？id=1688558582478073223&wfr=spider&for=pc.

作者简介：

王辉，硕士，工程师，研究方向为数字化、智能制造和信息技术。