博世汽车部件（苏州）有限公司着力打造数据驱动模式下的汽车部件智能工厂，基 于从供应商到客户的信息互联，实现产品价值链的全流程透明化。通过数据平台集成并 储存作业过程中产生的数据，采用数据可视化和数据分析手段对流程进行优化。使用人 工智能和大数据分析技术实现质量精进，导入人工智能图像识别进行产品质量自动诊 断。全面的信息共享，保证员工始终在合适的时间、确切的地点进行正确的操作。通过 智能制造实践，实现直接生产效率提升 15%和间接生产效率提升 10%。

　　博世汽车部件（苏州）有限公司（以下简称博世苏州）是世界百强罗伯特·博世集 团的全资子公司。公司创立于 1999 年 8 月，现为博世全球最大的研发和制造中心之一。截至 2020 年底，博世苏州公司拥有员工 9000 余人，在苏州有 3 个工厂和 2 个办公室 地点，在常州、南京、深圳和上海拥有四家分公司。博世作为全球最大的智能交通技术 供应商，通过博世苏州为国内汽车行业客户提供全面的创新产品和服务。同时，博世苏 州通过其在工业版块的产品和服务，助力中国制造业智能化水平的提升。

　　博世苏州由汽车电子、底盘控制系统、智能驾驶与控制、两轮车及运动车辆、智能 制造解决方案、博世互联工业，及跨业务合作平台七个事业部组成。公司专业研发及生 产汽车电控单元，刹车防抱死系统 ABS，电子稳定程序 ESP®等汽车零部件，提供车辆 安全、舒适及驾驶辅助系统，互联化自动化驾驶系统解决方案，以及智能传感器、物联 网产品、工业 4.0 软硬件整体解决方案等。博世苏州现有研发专家 2222 人，不仅致力 于本地产品的研发，也向博世全球的子公司输出研发服务。

　　按照国民经济行业分类（GB/T4754—2017）标准，博世汽车部件（苏州）有限公司 属于汽车制造业大类（代码 36），汽车零部件及配件制造中类（代码 367），汽车零部件 及配件制造小类（代码 3670）。

　　汽车零部件产品具备高可靠性、高精度等特性要求，生产制造工艺较为复杂，产品 家族庞大且制造生命周期较短，汽车零部件供应商需不断提升自身制造制备技术及产品 方案设计能力，缩短产品更新迭代周期，提高柔性生产能力以此来满足客户的定制化要求。同时，汽车零部件行业属于资金密集型行业，对生产设备的要求较高，高端零部件 产品的生产，我们国家仍需要从国外引进关键制造工艺和检验过程的设备，生产线的组 装也需要国外供应商的支持，国内的汽车零部件企业需投入大量资金用于设备改造及设 备维修。

　　汽车零部件行业与下游整车行业存在着密不可分的关联，受其波动影响，具有一定 的周期性特征。汽车行业目前有很多变局，例如汽车行业“新四化”，包括智能化、网 联化、电动化，共享化等变革，这些都让汽车工业有很多开拓的地方，也给汽车零部件 行业很大的空间作转型升级和技术革新。

　　为提升行业竞争力，提高生产效率，降低生产成本，博世苏州汽车电子工厂从 2013 年起步实施智能制造。2016 年，在从无到有的传感器测试车间对数字化展开初步探索， 并成功应用到电控单元制造车间；2017 年，再次成功将成果复制到常州武进分公司。博世苏州汽车电子工厂凭借系统且全面的数字化转型战略、高可用高可复制应用及全面 体系的数字化人才发展策略的特征，依托博世集团“双元”战略 （博世即为工业 4.0 解 决方案的实践者，也是解决方案的供应商），进行充分的智能化转型。

　　前道生产机器自动计算物料消耗并根据生产计划自动触发送料请求，生产调度和 物料配送实现机器自动叫料和协作机器人（AGV）运送，实现在合适的时间由协作机器 人（AGV）物料车自动将正确的物料以正确的数量运送到正确的地点。车间内的自动化 和智能设备实现了 100%联网，生产执行系统（NEXEED MES）与企业资源管理系统 （ERP）互联，真正做到实物流与信息流的实时匹配，从而实现前道生产线）供需自主计划

　　就厂内最大的价值流产品举例，目前已经实现了全价值链的信息互通。工厂物流部 “智能制造发展探索”系列丛书 —— 智能工厂（一） 066 门与客户和供应商之间建立电子信号连接，从而大大减少接收/发送需求的计划工作。得到的需求信息会通过企业资源管理系统（ERP），并经过博世集团自主研发的自动排 产软件（Niv Plus），根据既定规则，导出均衡的生产计划给到后道组装。后道组装根据 计划进行生产，并在前后道之间的半成品超市拉取半成品。半成品超市通过半成品库存 管理软件（iStock）进行管控，一旦半成品被取用，系统自动在企业资源管理系统（ERP） 中进行扣账，当实际库存达到设定的最小值时，系统会自动通过电子看板在生产计划系 统（ePlan）中进行生产排队。生产计划系统（ePlan）根据精益生产规则，当生产排队 信号的累积到设定值时，自动生成生产计划订单，触发产线. 业务流程智能化

　　基于前期业务数据化成果，开展数据互联化和数据业务化，将数据转化为可读取的 信息并对业务产生增值。通过数据驱动和大数据分析来改善和精益现有的业务流程。通 过数字化转型在工厂各层级各领域的驱动，将供应商端到客户端的信息打通，在数据平 台集成并储存生产过程中产生的数据，从而实现产品价值链的全流程透明化。通过人工 智能技术和大数据分析实现质量精进和信息共享，保证员工始终在合适的时间、确切的 地点进行正确的操作。

　　将人工智能（AI）系统中机器视觉和图像识别技术引入光学自动检测机器（AOI）， 辅助人工智能（AI）系统的判断以此降低误判率，代替人工作业，从而实现自动化智能 化和更精准的判断所建立的机器视觉图像识别模型分担了 90%人工复查工作量。

　　利用 5G 超高速、超大连接及超低时延的关键能力和万物互联的应用场景，进行 5G 在生产制造量产领域的试点。基于现有生产执行系统（Nexeed MES），利用 5G 技术实 现去中心化的生产过程中各环节的数据集成，将生产执行系统（Nexeed MES）和生产 设备的进一步融合，实现高效的端对端的通讯，真正做到实物流与信息流的实时漫游匹 配，减少自动化设备在系统通讯方面损失的产能。利用 5G 超带宽、低延迟特性，借助 增强现实（AR）、混合现实（MR）技术解决人机互联问题。通过 5G+物联网（IoT）传 数据驱动的汽车零部件智造之路 067 感器的形式，以低设备改造成本来获取更完善的数据，实现生产线）大数据分析应用

　　建立基于过程参数的预测模型进行检测流程优化，以降低不良品率。在组装工站， 通过大数据平台进行基于最终组装各个过程步骤的数据分析和挖掘，以此来识别压入失 败的根本原因并用清晰的图形化界面将信息传递到相关负责人。依托工业互联网平台， 综合运用数据采集与集成应用、建模分析与优化等技术，将业务和信息技术融合，实现 制造系统各层级优化，以及产品生产、工厂资产管理和商业运营的流程数字化。

　　我国汽车零部件行业存在集中度低、竞争激烈的特点。越来越多的国内生产厂商进 入零部件行业也使得行业竞争程度有所提高，行业竞争带来的销售收入降低将影响企业 的盈利能力。

　　此外，当前汽车电子产品的工艺复杂度不断提高，从最早期的车载无线电、电子点 火装置到如今的安全控制系统、动力控制系统、自动驾驶辅助系统等多种机电一体化单 元的组合，系统的集成程度和设计的复杂度不断提高，不仅对研发，生产的业务水平带 来了新的挑战，同时，对企业自身的数字化转型，也提出了迫切的要求。从外部来看， 错综复杂的客户消费需求促进了市场的快速演变，与此同时，云计算、大数据、5G 等 新型互联网技术也催生了汽车产业和 IT 产业的迅速融合，因此当前的汽车企业不断地 趋向低碳化、物联化及智能化。从内部来看，我们仍然面临成本与质量持续优化的考验， 我们需要在利润空间日趋收窄，产品交期逐渐缩短，需求波动愈发频繁的情势下时刻保 持一席之地的竞争力。我们必须利用先进的工业互联网技术，对企业自身进行数字化转 型升级，赋能价值链，寻求突破的契机。基于此，博世苏州汽车电子工厂开启了数字化 转型之路。

　　博世苏州汽车电子工厂不仅不断推动技术革新、巩固自身研发能力和生产能力，在 业务上实现突破性的绩效指标（KPI）提升，提高行业竞争力；而且，不断挑战极限、 勇于突破，设立了通过数字化、互联化和智能化三步走实现“数据驱动型工厂”的愿景， 通过智能制造有效产生、收集和利用数据，加强系统集成和增强流程透明化和辅助决策， 进而助力工厂提高生产效率，灵活安排资源，优化产品服务，挖掘新的业务增长点，最 终达到让客户满意和工厂绩效创造新高。

　　首先，基于不同的业务环节，将数据驱动的工厂愿景进行了横向和竖向的拆解。横 向针对工厂业务环节进行拆解，竖向针对每个环节的工作内容进行细分。概括来讲，在 竖向的业务环节中，细化了针对该环节需要达到的目标。例如，在收货环节，要达成在 供应商和工厂收货仓之间实现信息互联，完成自主收货和运输，基于数据分析实现收货 流程优化，以及通过机器学习实现自主决策。在横向的各环节之间，在信息层，致力于 打造各个业务环节之间的信息互联和透明，以及基于大数据分析的流程优化。在物料层， 致力于实现自主的物料补给和运输。

　　以此业务梳理为基础，博世苏州汽车电子工厂设定了推动实现具有数据指导、自主 行为发生和自适应流程的数据驱动工厂的愿景。首先在供应链端，目标打造从供应商端 到公司内部生产，及交付到客户端的整体信息及流程透明化，与前端供应商及后端客户 积极打造实时交互的信息。移动互联网，云计算的日渐成熟，让各行各业都具备了收集、 传输及处理大数据的能力。原材料或产品实体与互联网中的数据一一对应，数据信息的 流动伴随着物料的流动，全部生产借助数据指导规划，驱动运转，供应链信息趋于透明；在排产和销售方面，实现以产线柔性制造为基础，需求为驱动，依托大数据分析预测市 场及客户订单量，实现小批次多品种高度个性化的订单快速生产。并且拉动前端智能排 产计划；对于在运输端，公司计划实现自动物料供给及智能运输；在制程工艺方面，实现实时工艺过程监控及预警处理，机器学习和决策，实现设备预测性保养和维护。并基 于大数据分析及人工智能优化工艺流程，提升生产质量并节约成本。以上流程目标借助 实时虚拟与现实的镜像也就是数字孪生手段，对产品制造的所有环节进行虚拟仿真，从 而提高企业全产品生命周期制造的生产效率。

　　第一步是数字化。没有数据就无法实现智能制 造数字化目的除了收集数据之外，也是为了将业务流程更加透明，为项目实施打下坚实 的数据基础。

　　第二步是互联化。基于数字化的基础，开始考虑业务流程的集成和互联、 系统之间的互连，以及数据的互通共享。为此，公司花费巨大精力建造数据平台，着力 打造“重中台、轻前台”的企业 IT 架构来支持数据驱动工厂的目标。

　　第三步是智能化。有了数据，还需要将数据转变为有价值的信息来辅助决策和驱动自主行为的发生。利用 辅助大数据分析和人工智能（AI）的工具实现了流程优化、问题解决和预测分析。

　　基于数据驱动工厂的愿景和战略目标，博世苏州汽车智能工厂实施内容包括以下 方面。

　　首先，工厂建立了完整的数字化转型组织架构，这些架构区别于已有职能体系架 构，是工厂数字化转型的虚拟组织。

　　由工厂内部各主要职能部门的代表组成，每两周组织一次例会，来进行各部门数 据驱动和智能制造信息分享及收集工厂层面的需求。

　　由工厂最高管理层和各重要职能部门的总监组成，每个月进行评估及决策工厂数 字化转型项目的执行与否，每半年都会进行基于数字化转型战略和四个维度的研讨会并 总体规划、统筹安排接下来的工作重点。

　　由工厂内主要职能部门的数据代表组成，作为主要的沟通桥梁推动工厂内部数据 标准化的方针和数据治理的意识，参与定义数据标准化规则和策略，确保数据治理规则 的具体实施，以保障数据资产的有效管理、控制和使用。

　　由工厂内 IT 部门重要成员构成，将会从技术层面来支持平台架构和数据管道的可 行性和稳定性。

　　由工厂数据分析专家和部门重要工艺流程负责人构成，从大数据分析、算法、建模 等方面进行问题解决。

　　最后，为实现工厂各层级数据驱动理念的普及及全员数据驱动思维意识的转换，工 厂将智能制造转型过程中的所有有关信息进行公开透明，建立了完整的信息集成平台， 可供工厂各层级方便查找。通过微信公众号及邮件的形式定期分享相关新闻；在工厂学 院部门开设多种相关基础培训；定期举办工厂级大型活动，例如“数据时代”等来提升 全员数据驱动思维意识。

　　部署启用快速响应系统（Andon），系统出现故障时实现自动或手动请求支持或紧 急停止生产线。报错信息通过手环发送报警给到维护人员，并通过问题快速解决系统得 以问题快速排查，第一时间获得解决方案。以此实现生产线性能的可视化，设备维护保 养效率最大化。产线实现换型和生产节拍的自动监测和测算，按线体、班次或产品生成 变更报告，支持针对不同换型类型和节拍时间的偏差检测和根本原因分析。产线设备通 过数据采集，数据标准化后进行数据分析，如智能割板机项目，预测割板刀具的磨损情 况，提前预警更换。

　　在平台层，博世苏州汽车电子工厂遵守并使用博世集团数据湖（RED Lake）架构 和规范。在数据源底层，基于 ETL（用来描述将数据从来源端经过抽取、转换、加载至目标端的数据集成过程）链接企业资源管理系统（SAP ERP），生产执行系统（Nexeed MES），以及物联网（IoT）组件数据。在数据湖（RED Lake）中，又分为未加工数据层， 核心数据层和数据集市。其中，在数据集市中，写入标准的绩效指标（KPI）逻辑或特 殊模型结果，便于上层的数据消费层中各种应用或业务分析直接调用数据集市中提前整 理成型的结果，实现数据最优获取及互联。

　　在数据层，博世苏州汽车电子工厂核心数据存储是在工厂级数据仓库 ODS （Operational Data Store），存储的是短期会被调用的“热数据”，主要包括生产执行系统 （Nexeed MES），工厂各种 I4.0 应用系统，设备日志，各个部门的一些结构化和半结构 化的文档数据。数据仓库（ODS）主要用于数据量相对较少，实时性相对较高的报告， 监控类系统，及实时反馈预警系统等应用场景。在采集数据传输到数据仓库（ODS）平 台的时候，厂内数据工程组会根据数据源的不同类型，实时性和格式的要求，选择不同 的工具，例如采集关系型数据库和结构化文件的数据，像生产执行系统（Nexeed MES） 的中央查询数据库（OLAP），工业 4.0 应用系统的数据库时使用 Informatica（数据管理 平台插件）；对于像设备 PLC 错误信息的收集，我们会用 Web Scada 通过 OPC 通信协 议采集可编程逻辑控制器（PLC）端口传输的数据。数据仓库（ODS）的数据会通过可 视化工具 tableau，power BI 来展现工厂的绩效指标（KPI）报表。

　　在 2019 年，博世苏州汽车电子工厂就开始启动 5G 在生产制造领域的试点。以安 全气囊控制单元后道组装 9 线 型号室分 4 套，覆盖区域 PS 组装线G 终端（UE）四 信 NR100 共计 3 台。通过测试，5G 区域覆盖情况为：5G 信号强度-80.98dbm，最大下 行速率 964Mbps，平均下行速率 950.12Mbps，最大上行速率 116Mbps，平均上行速率 92Mbps，平均时延 9ms，被测区域 5G 网络覆盖水平达到了行业应用的关键指标要求。此项目共分为三阶段实施，第一阶段基于中国电信 5G 网络实现面向生产执行系统 （Nexeed MES）的接入功能，第二阶段通过 5G+MEC 来完成 5G 和博世内网的融合，并 同步开展第三阶段，验证更多 5G 在工业生产中的应用技术案例。主要的应用包括：

　　利用 5G 技术，在不改动设备的情形下，加装物联传感器（IoT sensor），采集更多设备信息来辅助数据分析，从而实现工艺优化。由于新的先进性设备自身节拍时间已实 现小秒数（例如 2.3 秒级别），故对于生产数据获取的实时性和数据传输的有效性要求 非常高。传统的 IT 平均处理时间（平均 300 毫秒）已经无法满足高速自动化生产线的 进一步智能制造升级改造，项目试点中的 5G+物联网传感器（IoT sensor）解决方案一 方面保障了高频率实时且稳定的数据传输，为先进的数据分析及深度学习提供接近真实 场景的数据样本，提高分析结果的准确率。

　　（2）基于以上手段获取的数据基础，对生产设备运行状态进行实时监控、进行故障 自动报警和诊断分析 利用 5G 超带宽、低延迟特性，借助增强现实（AR）、混合现实（MR）技术实现人 机互联快速问题解决。

　　对于设备故障管理和优化，通过 5G 网络下的数据实时性采集， 同时运用三维人机交互 3D-HMI 技术完成设备故障的在线诊断与预警。实现设备故障 虚拟 3D 定位。即当设备发生故障时，故障组件可以在虚拟 3D 中高亮并快速定位，缩 短技术员排查故障的时间。采用远程线D 视角监控设备运动，掌握产线运行状态，实 现虚拟现实动作同步。可以在虚拟组件上配置多种信息（组件文档，物料信息，工程 信息），实现组件相关信息的快捷查看。我们还计划，在 2021 年底通过对历史运行数 据的汇集与故障数据收集，训练故障预测模型，实现厂内设备的预测性维护。

　　通过智能制造实践，博世苏州汽车电子工厂利用自身的经验优势和标准化流程，构 建适用于全球不同工厂的标准化工业 App，特别是在生产作业数字化、生产设备自管理、 物流配送智能化、生产管理透明化等方面取得了显著的成效：

　　 在示范区域实现了直接生产效率提升 15%和间接生产效率提升 10%的成就。

　　 在利用工业 4.0 改造后实施自主叫料系统后，24 小时运转的一条防抱死制动系 统（ABS）电控单元表面贴装生产线%的人力投入。同时，由于贴片机在何时需要多少物料有了更精确的预估数据，用于此的物料库存也得以降低50%。

　　 引入 5G 边缘计算之后，生产执行系统（Nexeed MES）稳定性高达 99.999%， 满足通讯要求，下载速率达到 1Gbps，上传速率达到 90Mbps。

　　 生产执行系统（Nexeed MES）生产数据采集应用场景每条通讯报文的时长都在 20ms 以内，收发成功率 100%，可以满足生产执行系统（Nexeed MES）生产系 统的通讯要求的同时将实验区域安全气囊产品的节拍时间由原来的 12 秒降低 到 10.5 秒，整体产线%。线边零件部件库存降低了 50%。IT 系统故障引起的生产线停线为零。直接或者间接的收益大约 200 万每年。

　　工厂采取从点（试点）到线（一条生产线），由线到面（整个车间和其他工厂）的 改进方法，逐步将数字化试点成功的项目推广到整个工厂和其他兄弟工厂。目前，工厂 共对集团内部推广 50 余套自身验证成功的智能制造解决方案。例如，基于生产执行系 统（Nexeed MES）数据自动测算节拍时间，自动化日常生产的节拍时间管理和优化的 《制造节拍自动管理系统》已经成为全球博世汽车电子工厂的标准解决方案，在全球 10 余家博世工厂进行推广。同样成为全球博世汽车电子工厂标准解决方案并在全球博世汽 车电子工厂进行推广的还有《实时自主物料补给系统》。该系统在给设备上料时扫描录 入物料料号和数量，通过自动从设备 log 中抓取的作业节拍时间，并且互联生产计划系 统和物料清单（BOM）信息，系统计算实时物料消耗并估算应叫料时间。在给定的时间 提前量到达时，系统将物料需求自动发送给仓库进行备料。物料补给则由协作机器人 （AGV）自动运输至线边，全程实现物料自助式补给，极大地减少了在线物料管理成本 和在线库存成本。

　　在人员能力和人员资质管理方面，研发《互联蓝领共赋“能”系统》，助力工厂轻 松完成和管理近 4000 名员工的培训计划，技能评估以及培训记录的更新，消除因人员 技能不匹配而产生的生产问题，将员工资质和技能管理效率提升 50%以上。目前，博世 全球已经有超过 10 家工厂在使用该系统。

　　从尝试初期开始，博世就认为，智能制造并非一蹴而就、大刀阔斧的革命，而是渐 进式的演变。博世也是按部就班地逐步推进数据驱动工厂的进程。

　　在初期的几年中，除了在不断促进企业组织及意识的提升以及 IT 数据基建架设基 础上，以践行者身份，进行多地多点的试点项目，通过实践快速确定最具推广性的方式；还非常注重实现工厂内部的垂直互联，从实现初步的价值链的互联起步，最终实现全价 值链以及更广范围内的水平互联。同时加强企业数字化人才的培养和持续性发展，确保 业务与技术的同步推进。通过前期的实践经验的积累，目前工厂内部智能制造理念的普 及度、成熟度以及组织架构、企业文化的沉淀，包括人员能力都得到了极大的提升。从 2019 年开始，博世苏州汽车电子工厂结合企业架构的方法论和标准，通过对业务层架 构、信息和数据层架构、应用架构和技术架构的重新整合和部署，体系化的将业务和信 息技术融合，将工厂内信息技术的发展与业务战略和目标同步，最终将信息技术融合成 业务功能，来支持“数据驱动型”的智慧工厂建设。

　　基于博世苏州汽车电子工厂在智能制造领域近 8 年的探索，在汽车零部件及配件 制造行业智能制造实施推广上，有以下几点建议。

　　从实际需求分析入手，综合的整体考虑长短期规划，需要从确定的目标和可执行的 项目开始，这将限制成本和资源投入，考虑投入产出是否合理，“长规划，短实施”，明 确目标，分步实现。实施数据驱动型智能制造转型的必要条件要求是实现标准化的精益 流程和允许不同系统数据交换的信息技术基础。只有在根据精益原则进行标准化和精简 化的项目中，才能达到最大的效果。打造数据驱动需要针对每种情况量身定制解决方案。因此，数字化项目应从基于经验的标准化方法开始，如“数字运营评估”，该方法将系 统地确定初始情况以及精益原则和智能制造需要填补的空白。并且成功的变革不是通过 单独的突破性解决方案实现的。它需要不同解决方案的协调互动。企业在自身的实践 中学习成长的同时，提炼经验和验证成熟的方案，与同行业或相似行业伙伴分享，不 断优化。

　　随着工业互联网的发展，各企业终将实现全生态人机互联下的业务贯通，依靠人工 智能及价值链间的大数据优化，激发生产力，重构工业体系，更快速，更安全，环保且 经济地将中国制造提升到全新高度，在百家争鸣的同时，绽放协同合作、资源共享的璀 璨花朵。