
当下,打造数字化工厂是许多企业的重要目标,而由于汽车行业产业链复杂,其数字化转型是一项“知易行难”的大工程,汽车制造企业在向数字化工厂转型过程中面临一系列挑战。
1、内部协同效率低
在企业的主要职能部门中,通常有业务领域的信息化系统,通过信息化系统构建业务领域的数据库和业务流程能力。但是这些信息化系统属于不同的行业,厂商、IT架构多样化,数据互不共享,导致数据成孤岛、协作效率低下。
在企业各大职能部门中,一般会有本业务领域的信息化系统,通过信息化系统构建本业务领域的数据库和业务流程能力。但这些信息化系统属于不同的行业领域,供应商和IT架构多样化,彼此之间数据不通,使得数据成孤岛,协同效率低。
(图片来源网络)
2、外部集成率低
汽车行业是一个分工明确的行业,主机厂和供应商各有侧重。对于主机厂来说,不可能所有的零件都是自己设计、开发和生产的,而是会涉及到大量与外部供应商的协同合作。目前,汽车行业的协同主要是信息化的。主机厂和供应商可能都会信息系统,但他们不在同一系统中协调,使其预测能力较弱。如果客户订单和零部件订单之间的数据流可以通过数字技术打开,能大幅提升整车生产和下线交付效率,减少供应商的库存和成本。
3、端到端集成没打通
传统车企在研、产、销之间并没做到真正的数据自动关联和流通。研发部门各项数据还要人员来记录管理;生产部门无法满足市场变化快、样式多的需求,无法灵活调整车型配置和交车周期;销售端各经销商无法准确获得生产部门的库存状态、交货周期及物流实时信息。
4、全局柔性实现还不充分
在柔性制造中,核心考验的是生产线和供应链的反应速度,车企在机器、工艺、产品、运行、供应等方面实现了有限柔性,但离理想中的柔性制造还有差距。
5、工厂精细化运营比较难
在大多数车企工厂里,同一类型的生产管理系统可能是不同的供应商提供的,例如MES,涂装车间的MES是一家供应商,冲压车间的MES是另一家供应商。供货商自然的竞争关系使得在各个系统之间完全连接数据变得非常困难。此外,车间设备运行、仓储、人员操作等数据也缺乏统一的收集、存储和分析平台,无法建设数字、智能、精益数字工厂,导致跨生产线和跨车间故障无法追溯和再现,设备故障预测等数据智能应用场景无法落地,工厂精细运行也根本无法实现。
版权声明:本站内容部分为大界机器人网站编辑原创文章,部分来源于网络,如需转载,请标注来源网站和文章出处链接。如有侵权,请联系我们处理。