汽车动力总成柔性加工生产线中的人工智能

上汽通用

汽车OEM。

目前，汽车智能制造领域面临两大难点和痛点：

• 一是生产线设备容易出现故障，影响严重。当前产线设备一旦因故障停机，将影响生产节奏，降低产量，最坏的情况下会导致停产，给厂家造成巨大损失。监测生产设备的性能状态和预测故障是保证设备可靠性以实现正常生产运行的关键。
• 二是传统单条生产线难以实现自动化、柔性化生产转换。传统的多品种制造需要单独建线，产线建设成本高，新品上市周期长，越来越难以适应多品种、变批次、均等的要求注重研发生产，混线生产模式。

制造全过程设备健康状况评估实施方案针对传统数控机床在预测建模过程中因机床异质性导致的数据模型复杂、特征提取困难、模型迁移能力差等问题，公司专注于传感器信号处理，开展诸如传感器信号处理等关键技术研究。如特征提取、特征优化和健康评估计算。通过建设车间级5G网络，对设备加工全过程进行数据采集，建立设备加工数据库。同时采用深度学习和深度迁移学习技术，实现对数控机床在多种工况下的自适应状态的评估和预测。

多品种多规格产品转批量柔性联线生产的实现方案。多品种、多规格产品的柔性联线生产，是通过在生产变更时对整条生产线的设备、工艺、物流等因素进行动态重新配置来完成的。公司应用人工智能技术，研发柔性生产变更智能生产调度算法、关键技术和装备，构建生产线子系统、数据采集子系统、柔性生产变更子系统、生产控制系统等多个子系统。其中，生产管控系统根据车间高速工业网络的实时数据，动态协调设备、技术、物流等生产资源，完成自动化、灵活的生产变更。

• [Process Optimization - Real Time Monitoring]
  

  Equipment monitoring and fault prediction are carried out through artificial intelligence technologies such as big data. Monitoring the performance of equipment, is conducive to the optimization and adjustment of process parameters and the maintenance of equipment accuracy, thereby improving the operating rate of equipment, effectively improving equipment reliability, and maximizing equipment reliability. This reduces production and operation losses due to equipment failures.

• [Efficiency Improvement - Production Flexibility]
  

  The realization of flexible co-line production of variable batches of automotive powertrain processing products with various specifications will help to realize multi-variety processing of large-volume, high-output value products, which will bring huge economic benefits.