在我印象中，记得有很多企业家时常拿当今天的云计算、大数据、人工智能等新兴技术，比喻为18世纪六十年代工业革命。从第一次的蒸汽时代、电气时代、信息革命到咨询革命，历经多次变革和重组，甚至形成了今天所谓的——数字化创新时代。
大数据深入到各行各业，不谈高阶电信运营商、不谈保守银行证券，不讲奢华移动互联网，总有那么一块儿领域也在逐渐研究并深入贯彻，这就是传统的大制造行业——汽车制造企业。车企在开展大数据能力的演进过程中也经历了不平凡之路。
大制造业虽然是长生命周期产业，但也有规律可寻，而且可以从几个典型的场景去阐述其数字化创新是如何开展落地的。大致可以包括工厂建模、高级排程、数字化双胞胎、工艺过程管理、智能预测等几方面。
工厂建模——
当今的制造系统是集现代机械制造、计算机科学和管理工程于一体的综合应用，由于它技术复杂、投资巨大，采用建造实体系统进行研究显然是不合理，也是不经济的。所以在制造系统的设计阶段，往往可以通过仿真对系统结构和配置方案进行优化，以保证系统既能完成预定的设计要求又能获得很好的柔性、可靠性和经济性，最重要的是还能有效防止较大的经济损失；在制造过程阶段，通过仿真可以预测系统在不同调度情况下的性能，以确定合理的、高效的作业计划，找出系统的“瓶颈”环节，从而充分发挥制造系统的生产能力，提高经济效益。
现代制造系统规划问题日趋复杂，在制造系统建立之前，必须进行充分的分析论证和合理的规划设计。数字化生产线建模仿真与优化技术是在虚拟制造环境下，应用面向对象仿真建模方法建立制造系統模型，利用仿真技术对制造系统的运行性能进行分析与评价，为现代制造过程中复杂问题的解决提供理想方法。
数字化生产线强调整个制造活动的有效控制与管理，以及内外部资源的合理应用与优化配置，是数字化制造与数字化管理技术的集成，涵盖了数字化加工、数字化装配、数字化生产准备、生产线仿真和重组以及虚拟企业等概念。当然，数字化生产线还包括一些关键技术，这主要包括三维可视化生产线建模、开放的输出接口、适用多层次的分析手段、层次化建模及重复利用、可视化的大数据分析、模型的自适应优化等等。
高级排程——
APS高级计划与排程(Advanced Planning and Scheduling)，是解决生产排程和生产调度问题，常被称为排序问题或资源分配问题。从20世纪40年代以来，用数学方法进行精确计算来安排生产计划,就一直是一个传统的研究课题。高级计划排程的一些主要思想早在计算机的存在前就已经出现。随着跨国公司在世界各地的发展 ，制造业问题变得越来越复杂 ,变量规模达到数以万计。虽然线性规划等技术也扩展成可以处理更加复杂的问题 ，但仍然不能满足企业的需要。因此许多公司在内部开发自己的APS，另一些公司则在购买解决线性规划问题的程序基础上进行开发。
通过一系列参考文献，我们发现APS的核心是算法的优化，目前已经走过四个发展时代，最新第四代是智能算法融合人工智能动态调整算法，以智能算法进行静态排程，以多Agent协商进行分布计算动态调整。迄今为止，相关核心运算思想已经成为现代企业ERP的标准和关键功能，但是从几十年的应用效果看，依然难以满足企业的计划管理需求。而APS高级排程可以综合考虑产能、工装、加工批次等约束，并能结合MES实现滚动排产。这也就说明了为什么在工业4.0时代，MES和APS系统成为比ERP要耀眼得多的明星，是大数据能力的有效沉淀。
数字化双胞胎——
数字孪生（Digital Twin）是去年2018年，Gartner 罗列的十项新兴科技趋势之一，想不到短短一年多就有了可以产品化的场景。“数字化双胞胎”是指以数字化方式拷贝一个物理对象，模拟对象在现实环境中的行为，对产品、制造过程乃至整个工厂进行虚拟仿真，从而提高制造企业产品研发、制造的生产效率。
数字化双胞胎技术在工业生产、智能制造等多个领域会有广泛的应用前景。
- 在产品研发领域，可以虚拟数字化产品模型，对其进行仿真测试和验证，以更低的成本做更多的样机。
- 在设备管理领域，我们可以通过模型模拟设备的运动和工作状态，实现机械和电器的联动。比如电梯运行的维护监控。
- 在生产管理领域，可将数字化模型构建在生产管理体系中，在运营和生产管理的平台上对生产进行调度，调整和优化。
最为关键的，“数字化双胞胎”绝对不仅是一个名词标签，而是一种创新意识的体现。充分运用大数据分析，能够在虚拟平台里完成一系列流程，最终达到高效的柔性生产、智能生产，实现产品快速创新上市，锻造企业持久竞争力。
工艺过程管理——
工艺过程管理(MPM)，是一种贯穿计划、设计、制造和管理全过程的协同工作环境，旨在对生产过程中的工艺信息进行协调的统一管理。日益激烈的竞争环境要求企业从传统的大规模生产模式革新为大规模定制模式，实现产品的快速和个性化定制生产。
制造企业不仅要通过计算机高效地生成和管理工程图纸（CAD），还要利用PDM为平台将各种应用系统集成在统一的平台下；不仅要以订单为驱动将企业管理过程的信息进行集成的管理（ERP）；还要重视生产制造过程工艺信息的管理（Manufacturing Process Management，简写为MPM ）——这是产品形成的关键过程，也是决定产品质量、上市时间、生产成本的关键因素。
在汽车制造行业，MPM的成功实施可以显著缩短产品上市时间、提高产品质量、降低生产成本。MPM思想和理念也是我国制造企业信息化建设中应积极规划、学习借鉴的重要内容，而这些更离开大数据分析能力的支撑。
智能预测——
智能预测可以算作为一种人工智能的应用方向了，过去总是说决策辅助支持可能是一种被动体现，但智能预测却恰恰是一种主动体现，又或者也是一种自适应预测控制的体现。预测控制是近年来发展起来的一类新型的计算机控制算法，是根据控制对象本身参数或周围环境的变化，自动调整控制器参数以获得满意性能的自动控制方法。汽车制造行业，智能车辆就是一个内嵌智能预测系统的大机器，汽车内部是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。目前对智能车辆的研究主要致力于提高汽车的安全性、舒适性，以及提供优良的人车交互界面。
在今天的移动互联应用中，智能预测型应用中最为引人注目的应用程序当属Google Now，Google Now是最新版本安卓系统的一项功能，最近也被添加到装有谷歌搜索的iPhone中。Google Now的主要功能就是通过对用户固定行为的了解为用户提供帮助，此外还可以为用户进行个性化定制。我们发现，智能预测同样离不开数据的辅佐的强大的运算分析能力。
说了这么多，其实智能制造大数据的典型应用包括产品创新、产品故障诊断与预测、生产线物联网分析、企业供应链优化和产品精准营销等诸多场景，有见识的企业必将加快自身转型、提升数据分析手段，逐步构建起面向汽车行业的大数据能力阶梯；
这就是今天介绍的，一图概览，车企大数据分析能力的更高阶梯 —— 数字化创新之路
分析世界讲方案，为您带来精彩的一页；
閱讀更多 分析世界講方案 的文章
