数字红旗，冉冉升起

采写|郭娟

1958年8月1日，中国长春。

经过33天奋战，新中国第一辆高级轿车——红旗牌轿车诞生。这是一个日后载入史册的事件，它标志着我国民族汽车品牌的崛起，也见证了一汽人自主自强的工业精神。

世易时移，63年后的今天，汽车业正发生着深刻的变化。

“电动化”是大势所趋，国务院近期发布《2030年前碳达峰行动方案》指出，到2030年我国新能源、清洁能源动力交通工具渗透率为40%的规划目标。

另外，自《中国制造2025》明确将汽车产业列入智能制造重点突破的领域以来，实现生产环节智能化和高度自动化，从“中国制造”向“中国智造”转变，成为汽车业紧迫的任务。

面对这些变化，一汽人不认输，一个叫做“繁荣”的数字工厂诞生了。

九院寻找新伙伴

“繁荣工厂”因坐落于吉林长春汽车产业技术开发区的繁荣基地而得名，2020年4月，这个工厂开始动工，今年年底建成投产后，一汽红旗的所有新能源汽车将从这里走出。

在一汽红旗的规划里，未来会推出21款车型，其中，新能源汽车18款，占比达到85%以上，繁荣工厂的重要性由此可见一斑。

整车20万辆的年产能，只是“繁荣”的小目标。另外，繁荣工厂设计的生产节拍为60JPH（jobs per hour），即每小时完成60个作业、每分钟就有一辆汽车整装下线。

如果一年停工10次，每次停工3小时，就会减少1800台产量，实际损失上亿。因此，提前发现问题、集中处置，减少产线停工的发生，需要繁荣工厂具备“预测性维护算法”。

如何让“繁荣”具备以上能力，才是工厂设计师们最初遇到的“硬核”问题。

繁荣工厂的“总设计师”是一个团队，与新中国第一辆轿车同一年诞生的“机械工业九院”，63年来一直专注于汽车工厂建设和汽车工业整体解决方案，目前已服务了国内外数十家汽车主机厂。

然而这一次，繁荣工厂的构建与以往任何一家主机厂都不同，因为它要变得更加智能化。汽车业要做智能制造比其他领域有都有基础，它具备先天高度的自动化体系，现代制造业流行的“自动化流水线”就源于汽车制造业。

九院副总经理李允升认为，“自动化是用机器代替人的体力劳动；数字化、智能化则是用机器代替人的脑力劳动。”

如何去实现呢？“用机器代替人的抉择和辅助人的抉择，主要依靠数据信息，通过数据分析和人工智能的应用，实现对于物理世界状态的实时感知，在信息空间通过计算做出最优的决策，使得资源得到最大的优化。”李允升进一步解释。

一句话，要让繁荣工厂变得更“聪明”，核心还在于数据和算法。

积淀了深厚的汽车行业业务能力的九院，急需一批新伙伴，它要对大数据的标注、定义、治理、分析、处理、存储、安全等都有丰富的经验，找来找去，阿里云成为这个最主要的合作伙伴。

在这之前，阿里云也涉足过70%的头部汽车主机企业，但业务多覆盖研发和营销，繁荣工厂的新使命则要求阿里云深入到汽车的生产制造环节，这也是阿里云的第一次。

2020年7月，阿里云与九院正式达成战略合作，“要协力为汽车业提供数字工厂的解决方案”，就这样，繁荣工厂的“总设计师”团队里，新增了一家互联网背景的云计算公司。

数据智能让工厂更聪明

繁荣工厂投入78个亿，总占地70万平米，是一个从0到1打造的工厂，为了保证基本的生产，它将汽车制造的冲压、焊装、涂装、组装、电池五大核心车间搬到这里。

但与传统汽车工厂自动化先行的理念不同，繁荣工厂一开始就确立了数据为主线的思路，各数据都由每台设备产生，因此，五大车间里的每一台机器都应高度智能化，因为“要实现整体的系统智能，单体也要具备一定的智能，否则效果不会太好”。

与阿里云达成合作后不久，繁荣工厂形成了200多条产线，6500多台设备。每一台设备实现智能化，不仅意味着机器间能相互“联网”，更重要的是机器在互联中产生了海量数据，如何有效采集这些数据？九院和阿里云联合开发了一套SCADA（数据采集与监视控制）系统。

这套系统，实现了软件的自主、可控，在实际应用中，还设计了繁荣工厂百万个数据采集点位，也让数据采集的频率突破到200毫秒。

黄铮是阿里云汽车行业的架构师，他透露，“百万点位的数据，产生的一秒钟并发数据量，起初给繁荣工厂的大数据分析带来了技术难题，这也是其他智能工厂没有遇到过的情况。”

好在已经经历过13年的双11电商大促，早就让阿里云具备海量数据的架构能力，如今，这个能力被“迁移”到繁荣工厂中，虽然很多数据都是设备与设备间的边缘采集，但已足够化解海量数据带来的流量瓶颈。

200多条产线、6500多台设备、百万级别的数据点位，这每一个点位的设计、数据规则的标注等，都是阿里云结合“九院”汽车制造的经验，再依据一汽红旗实际的生产场景一一梳理而成。

显然，这是一项无比庞大的工程。

九院副总经理李允升总结，这是一次特别有价值的尝试，因为“整个工厂感知体系的构建，就在于各设备能提供有效的数据。”

基础数据的采集质量，也决定了后续算法能否正常进行，然而数据分布于200多个条线，如何保证准确性，以及各条线间数据的无缝连接融合和利用分析，这又用到阿里云的另一种能力的沉淀——数据中台。

黄铮介绍，数据中台自带对数据的清洗，也就是对数据的一些瑕疵进行过滤，以及做数据的融合计算和分析等，都有完整的功能组件来做支撑。

“抓取到数据后，上传到中台，然后进行数据的清洗建模、分析，这就需要对数据场景的明确”，黄铮的同事王彪补充。

中台要形成数据治理和分析的方法论，最先由阿里的业务同学与红旗方面对业务场景进行定义，包括对数据字段的梳理等，然后把数据的清洗标准制定出来，就可以在数据中台设定数据治理的规则，这个规则应用于后面设备类的数据生产计划的执行。

例如一些阈值的设定，包括设备阈、成本阈、质量阈等等，这让智能设备和生产条线在运行中一旦接近阈值就会产生预警，这套规则的设定也使得繁荣工厂具备“预测性维护算法”能力。

中台的搭建，是底层的用户数据、交易数据等的打通，这些数据实现联动共享，再把这些数据统一放到一个平台，就可以支持指导其他业务。强大的中台会把工作中重复环节抽取出来，避免每次独立开发的资源和时间浪费，这样前端的工作就变“轻”了，工作效率才会有质的提升。

数据中台是近两年大数据领域的热词，但多数都没有做起来，而只有包括阿里这样的大型互联网公司做成。咨询师刘润曾分析过这个原因，是因为“他们是成熟的大公司，有完善的管理制度，部门协同合作也高效，先有制度和流程，才会有中台。”

正是因为阿里云具备的大数据能力，才让它和九院的业务能力形成优势互补，也就有了繁荣工厂的深度合作。

做成标杆需要几步？

李允升介绍，繁荣工厂的打造，在建设之初，就已经确定要“打造国际一流、行业领先、国内领先的标杆智能工厂的目标。”

他认为，数据是数字工厂构建首先抓住数据这条主线，核心则是软件，因为软件首先是定义数据流通规则，把正确的数据以正确的方式存到正确的主体里。

阿里云在这场合作中，处于核心地位，因为它将平台上磨练多年形成的通用能力，一头扎进具体的场景中，才能完善更多的know how。据李允升透露，繁荣工厂里有一套核心系统就是与阿里云打磨而成，那就是“车间管控系统”，它介于PLC和MES之间，基于产线边缘侧的数据采集、实时分析及数据智能应用，形成与线体自动控制系统高效协同，最终提升产线效能、降低运行成本、提高产品质量，并以高质量的分析结论和决策建议支撑工厂生产运营。

另外，数字工厂里的冲压、焊装、涂装、组装、电池五大核心车间，也同步构建了“数字孪生车间”，将“物理世界在线上用3D可视化的方式展现出来，更为直观，可视化的感觉更强。”

王彪举例，数字孪生是与实时的产线产生实际链接，车间里每一台智能设备的工艺参数、产线、报警信息等通过数字孪生的方式展示出来，“以前可能是一个报警，现在3D化的展示设备，会给到一个更为直观的提示。”

生产环节中，以往，涂装车间的工人预先做好防护，才能降低喷涂材料对人体的伤害。现在，他们只需用对着电脑操作，就能达到现场喷涂的实际效果，因为产线的一举一动，在屏幕上做到一览无遗，实现远程控制。

让软件简化到“只要会操作PPT都能上手”，这也是阿里云在数字工厂里工具层面的革命性创新，以往，工业软件具备很高的门槛，只有具备自动化专业知识的人才会操作，现在，“通过可视化的界面，拖拽就能实现任意设备的数据，以及联网数据的采集分析工作”，黄铮介绍。

但这毕竟是一个从0到1建造的工厂，阿里云汽车行业的架构师王彪总结，“我们有技术积淀，对行业的理解却不够，造成业务能耗过高”，另一方面则值得肯定，因为繁荣工厂数的搭建理念、数据中台的应用、算法平台等，“这些架构在国内应该没有第二家。”

（原文首发于《云栖战略参考》）