汽车数字孪生生产系统

简介: 汽车数字孪生生产系统

2018年2月7日,特斯拉CEO马斯克对投资人说:“特斯拉的长期优势不是汽车,而是工厂。我们将工厂产品化(Productize the Factory),ModelT汽车不是我们所指的产品,而是指River Rouge工厂。”在另外的场合,马斯克还提出,自动化工厂应实现物料运输、制造和生产线的无人干预。特斯拉前首席技术官斯特劳贝尔也认为,工厂是一种高度垂直集成的产品。

不管特斯拉怎么说其工厂,但它指向的是一种不同于传统汽车工厂的模式,本书称之为“特斯拉生产系统”(TPS,Tesla Production System),虽然它的缩写与丰田生产系统(TPS,Toyota Production System)一样,但两者代表了不同的制造模式。

两个TPS都是汽车行业的生产制造模式,加以对比是一件有意义的事情(。丰田生产系统是工业数字化初期的选择,而特斯拉是汽车领域的新进入者,它通过数字制造技术的导入,形成了一种不同于其他汽车企业的生产方式。

特斯拉生产系统和丰田生产系统的对比

20世纪80年代日本制造引领全球风潮,其中汽车企业更是成为同行业的标杆,丰田汽车就是其中的代表。美国通用汽车在费利蒙市有一家汽车制造工厂,该工厂于1962年建设运行,后来通用汽车对丰田汽车的制造技术非常青睐,在该工厂基础上与丰田汽车成立联合工厂,称之为新联合汽车制造公司(NUMMI,New United Motor Manufacturing Incorporation)。通用汽车借此学习了日本汽车企业的制造经验,而丰田则以此作为进军北美市场的制造基地。

造引领全球风潮,其中汽车企业更是成为同行业的标杆,丰田汽车就是其中的代表。美国通用汽车在费利蒙市有一家汽车制造工厂,该工厂于1962年建设运行,后来通用汽车对丰田汽车的制造技术非常青睐,在该工厂基础上与丰田汽车成立联合工厂,称之为新联合汽车制造公司(NUMMI,New United Motor Manufacturing Incorporation)。通用汽车借此学习了日本汽车企业的制造经验,而丰田则以此作为进军北美市场的制造基地。

根据丰田汽车的建议,该工厂的自动化程度并不高,以保证生产制造的顺利进行。这一点让通用汽车当时的CEO罗杰·史密斯(Roger Smith)不太理解,因为丰田汽车在日本田原市建设了一个自动化程度非常高的工厂,以生产Lexus LS400,他认为丰田汽车是为了避免通用汽车偷师学艺。为此,罗杰·史密斯决定与日本机器人公司发那科合资一家公司,同时还收购了EDS(Electronic Data Systems)公司,以实现美日结合,专门生产可以为汽车行业应用的工业机器人。

罗杰·史密斯当时并不知道丰田汽车的苦衷。1979年丰田汽车在田原市建设的工厂,由于当时确定生产的Lexus LS400销量并不如预期,所以该工厂的产能不能应用起来,这与公司确定的精益生产目标并不吻合,在此之后,它减缓了生产线自动化机器的应用,反而加强了人机协同的精益生产系统的优化。为了打好进入美国市场的第一仗,丰田汽车不敢把本来运行不佳的高度自动化工厂推荐给合作方,只采用了较为成熟的经营生产系统。

据资料记载,新联合汽车制造公司在1984年开张的时候重新雇佣了通用汽车原有85%的员工,为了让他们掌握丰田生产系统,还把部分员工送到了日本去学习进修。丰田汽车在该工厂推行了新的管理文化,例如,要求统一着装,所有员工都可以使用停车位和咖啡厅,以促进团队建设,同时,新工厂还推行了不解雇政策。

这些政策毫无疑问都起到了作用。1984年12月,新工厂的第一台黄色雪佛兰Nova开出了生产流水线。相关数据显示,这家美国工厂已经可以生产同样品质的汽车,生产效率与日本一模一样,员工的满意度也非常高。到1988年,该公司就达到了58.6%的产能。


通用汽车虽然在费利蒙市工厂取得了成功,但直到1998年,它仍然没能在其他工厂实现类似的精益生产。虽然不同学者对此做出了解释,但笔者认为,丰田生产系统对人机协作要求比较高,需要对工人进行较为严格的训练和督导,这与美国的自由文化有较大的冲突,这是日本制造模式难以在美国等西方国家推行的缘由,它们还是倾向于采用全面自动化的生产模式。


精益生产专家詹姆斯·摩根(James Morgan)和杰弗瑞·莱克(Jeffrey Liker)联合撰写了《为未来设计:为什么福特、丰田和其他国际一流企业选择了精益产品开发方法来推动创新和业务转型》(Designing the Future: How Ford,Toyota, and other World-Class Organizations Use Lean Product Development to Drive Innovation and Transform Their Business),其中对特斯拉和丰田两家公司做了对比,特别对它们采用的制造方式做了对照。


,特斯拉并没有得到目前这样高度的认同,反而有不少分析人士对其超级工厂Gigafactory冷嘲热讽,该书作者尽量客观评价特斯拉生产模式,但仍然给出了负面评价。

杰弗瑞·莱克单独发表的一篇文章引起了笔者的兴趣,其题目为《特斯拉与丰田生产系统的对比:从新机器中寻找灵魂》(Tesla vs. TPS: Seeking the Soul in the New Machine)。作者指出,特斯拉工厂是一种产品,体现了自动化工厂的思路。对于重要的问题,想不到美国人也采取了重复三次的方式来强调,作者在文章中就用了“自动化、自动化,还是自动化”来表示特斯拉生产模式的核心。

当然,杰弗瑞·莱克并不认为特斯拉生产模式可以不用精益生产,他借此提出了不少精益生产的意见。不过,笔者支持特斯拉坚持应用新一代数字技术来提升自动化的思路,正如当初反对苹果采用触摸屏生产智能手机的论调,杰弗瑞·莱克等人也没有看到诸如数字孪生制造等新模式带来的改变,除了电动汽车自身带来的改变,生产制造新模式也如影随行。

真正要理解特斯拉在做什么,必须把马斯克的所有产业都集中在一起进行分析,例如,马斯克同期还运行了太空探索技术公司SpaceX,该公司负责人之一为汤姆·穆勒(Tom Mueller),他曾经在TRW工作了15年,负责TR-106等的研制,对NASA等机构的先进技术非常熟悉。

毫无疑问,

SpaceX采用了NASA计划中的数字孪生体技术,成功降低了成本

,提高了产品的模块化特性,为SpaceX参与NASA空间站补给运输服务。相关资料显示,NASA的航天飞机进行了135次飞行,每次约5000万美元预算,总计达到几十亿美元的投入。SpaceX和Rocketplane Kistler(罗基特普莱恩·基斯特勒)参与该服务,分别获得了2.78亿和2.07亿美元的合同。

从媒体报道来看,作为马斯克旗下的公司,它们分享了相关技术。


马斯克曾在多个场合强调数字孪生体技术的价值,

事实上,笔者与特斯拉供应链经理做过深入的沟通,了解到在处理供应商设计和供货等环节时,特斯拉大量采用了数字孪生模型,大幅提高了供应链协同能力。在特斯拉汽车的研制环节,更是全面采取了航空数字孪生设计标准,并深入应用数字线程,让产品系统和生产系统的数据统一起来,并实现了有效流动,从而实现了行业人士期待的数据自动化。

马斯克对丰田生产系统做了系统研究,对于它的不断改进思路颇为认可

,但他认为应该采用数字孪生体带来的新方法。通过广泛部署的传感器,采集生产现场设备的数据,经过办公室里面的青年数据科学家的

目录
相关文章
|
人工智能 算法 机器人
字节Coze优缺点分析
【2月更文挑战第16天】字节Coze优缺点分析
3573 2
字节Coze优缺点分析
|
存储 C语言
大端存储和小端存储
1.大小端字节序 2.大端存储 3.小端存储 4.为什么会有大小端存储模式之分? 5.如何判断当前机器是大端存储还是小端存储 方法1 方法2
4174 0
|
9月前
|
人工智能 自然语言处理 DataWorks
DataWorks X DeepSeek : 用AI实现数据开发治理!
DataWorks X DeepSeek : 用AI实现数据开发治理!
319 3
|
10月前
|
缓存 网络协议
Jmeter如何对UDP协议进行测试?
`jmeter-plugins`是JMeter的插件管理器,用于管理和组织所有插件。访问[官网](https://jmeter-plugins.org/install/Install/)下载并放置于`lib/ext`目录下,重启JMeter后可在“选项”中看到插件管理器。
360 1
Jmeter如何对UDP协议进行测试?
|
缓存 编解码 JavaScript
< 前端性能优化: 资源加载优化 >
众所周知,前端是由HTML、CSS、JS等文件资源共同作用下渲染构建出来的。现今前端项目,大多为单页面应用,单页面应用的优点非常多(点击跳转 SPA单页面讲解),但是也并非没有缺点。由于单页面的原因,项目所需资源都需要在初次加载首屏时被加载,这就造成了首屏加载性能受到影响!对于首屏性能优化,就衍生出了相关需要思考的问题。如何将首屏加载的资源,分段将需要的资源及时加载出来,避免页面内容不显示的同时,又能避免加载多余并非立刻需要使用的资源呢?
328 0
< 前端性能优化: 资源加载优化 >
|
传感器 人工智能 数据可视化
数字孪生在航空航天领域的应用
【10月更文挑战第31天】数字孪生技术通过创建物理实体的虚拟复制品,实现实时模拟、预测和优化,已在航空航天领域广泛应用。例如,NASA在阿波罗工程中使用地面飞船模拟实际飞行状态,中国嫦娥五号探测器利用数字孪生技术进行在轨运行评估。此外,C919客机研发中也应用了数字孪生系统,提高了设计和制造效率。未来,数字孪生将结合物联网、大数据等技术,进一步提升航空航天领域的智能化水平。
|
人工智能 供应链 数据可视化
数字孪生:制造业的智能化转型
【10月更文挑战第31天】数字孪生技术利用虚拟现实、人工智能和云计算等技术,将实体对象数字化,实现精准、可靠的实时监测和数据分析,优化产品开发和生产过程。本文探讨了数字孪生在制造业中的应用,包括产品研发、生产过程管理和供应链协同,并分享了青岛工业互联网平台和中联重科塔机智能工厂的成功案例,展望了其未来的发展前景。
|
SQL 关系型数据库 PostgreSQL
遇到SQL 子查询性能很差?其实可以这样优化
遇到SQL 子查询性能很差?其实可以这样优化
578 2
|
数据采集 自然语言处理 机器人
ACL2024 | OceanGPT(沧渊):面向海洋科学任务的大型语言模型初探
本文提出了为海洋领域打造的大型语言模型OceanGPT,它能够处理面向海洋科学的问答等生成任务。
|
SQL 存储 关系型数据库
SQL安装实战:从零开始,一步步掌握SQL数据库的安装与配置
配置SQL数据库以优化性能 安装完成后,接下来的任务是对SQL数据库进行必要的配置,以确保其能够顺利运行并满足你的性能需求。以下是一些关键的配置步骤: