將數字技術應用于制造

對于奧迪來說，成功的秘訣是致力于使用尖端技術打造高品質汽車，從而實現精密工程設計、卓越性能和奢華感。奧迪的汽車制造非常先進，許多生產作業（從點焊到鉚接）已完全自動化。但他們的終極目標是打造智能工廠，實現工業 4.0 的生產水平。為了實現這一目標，奧迪的工程師們需要超越傳統的方法，即創建定制硬件和軟件解決方案來處理各個用例。相反，他們需要一個可擴展的靈活平臺，能夠運用數據分析、機器學習和邊緣計算等先進的數字能力。

英特爾物聯網集團副總裁兼工業解決方案事業部總經理 Christine Boles 說：“如果了解一下如今的工廠情況，你就會發現奧迪的汽車制造業務是非常先進和極為復雜的。”“但是定制的用例很難進行維護和擴展，而且由于需要時間和成本來獲得必要的批準和部署單個解決方案，它們實際上還會阻礙創新。奧迪已經準備好以一種新的方式看待物資，并嘗試另辟蹊徑。”

通過在線檢查提高質量

奧迪與英特爾合作開展了一項概念驗證實驗，重點是改進汽車焊接的質量控制流程。該概念驗證實驗在奧迪位于德國內卡蘇爾姆的工廠（該公司的兩個主要裝配工廠之一）進行。

內卡蘇爾姆工廠的生產線上有 2500 個自動機器人。每個機器人都裝配有從膠槍到螺絲刀的某種工具，并執行裝配奧迪汽車所需的特定任務。這些機器人中有 900 個配有焊槍，可以進行將金屬件固定在一起的點焊。生產線被劃分成一系列的作業單元，正在組裝的車輛在生產線上從一個單元流轉到下一個單元。每個單元頂多可包含 20 個機器人和數臺打磨機。打磨機用于在工序之間根據需要對焊槍進行清洗。

奧迪的內卡蘇爾姆工廠每天組裝大約 1000 輛汽車，每輛汽車有 5000 個焊點，這相當于單日生產中有超過 5 百萬次焊接。為確保焊接質量，奧迪采用行業的標準抽樣方法進行人工質量控制檢查。“每天，奧迪會先將一輛汽車下線，轉至一個大房間，在那里 18 位帶著筆記本的工程師會用超聲波探頭檢測焊接點，并記錄每個點的質量”，英特爾工業解決方案事業部物聯網集團首席工程師兼英特爾工業邊緣洞見軟件首席架構師 Rita Wouhaybi 這樣表示。

采樣成本高昂并且勞動強度大，而這一流程對每天生產的其他 999 輛汽車的質量留下了太多不確定的問題。遺憾的是，奧迪沒有可行且具有成本效益的方法來檢測其他的焊接質量。奧迪自動化技術規劃負責人 Mathias Mayer 說，“該解決方案的主要目標是使我們有可能以非常高的準確性對焊接進行百分之百的檢查。”“目前，我們無法對此進行保證。我們在生產線末端檢查一輛成品汽車。我們沒有制定生產線內的檢查流程。英特爾擁有技術和專業知識，可以幫助我們改善流程和實現目標。”

創建可擴展的邊緣解決方案

英特爾與奧迪一起，使用英特爾的工業邊緣洞見軟件創建了流分析算法。這些算法實現了預測性分析和建模，進而將工廠數據轉化為有價值的洞察。該解決方案吸收了焊槍控制器的數據，并在邊緣進行分析。

英特爾的數據科學家創建了一種機器學習算法，并將其生成的預測與奧迪提供的實際檢測數據進行了比較，從而對其準確性進行了訓練。模型使用焊接控制器生成的數據，其顯示了焊接作業期間的電壓和電流曲線。數據還包括其他參數，例如焊縫結構、金屬類型和焊條使用狀況。儀表板可讓奧迪員工將數據可視化，并且系統會在檢測到錯誤的焊接或構造發生潛在變化時提醒技術人員，從而可將錯誤總數盡可能減少或消除。

 

在工廠車間進行的優化不僅僅局限于一個流程，而且可以擴展到工廠的其余部分。奧迪可以將該平臺解決方案用于其他涉及機器人和控制器的用例，例如鉚接、涂膠和涂漆。“建立邊緣分析平臺的價值在于它可以讓更多數據融入其中，并查看關聯性、因果關系和其他有趣的分析，甚至某些你一開始可能不會想到的作用”，英特爾物聯網集團副總裁兼工業系統工程與架構總監 Brian McCarson 這樣表示。“這個平臺為奧迪提供了很大的發展空間。這不只是專用于這個應用場景。在完成了最初的平臺投資之后，奧迪可以在其各個工廠和其他用例中進行發展和擴展。”

“這個解決方案就像是未來解決方案的藍圖。我們在工廠中擁有許多技術，而這個解決方案是可以用來為其他技術制定質量檢查解決方案的模型，這樣我們就不必依靠人工檢查了。”