856 智能制造智能工厂怎么建.docx

856 智能制造智能工厂怎么建.docx

《856 智能制造智能工厂怎么建.docx》由会员分享，可在线阅读，更多相关《856 智能制造智能工厂怎么建.docx（20页珍藏版）》请在冰豆网上搜索。

856智能制造智能工厂怎么建

【智能制造】智能工厂怎样建？

普实软件

微信号ai-cps

功能引见OT技术（工艺+精益+自动化+机器人）和IT技术（云计算+大数据+物联网+人工智能）深度融合，在场景中构建：

外形感知-实时分析-自主决策-精准执行-学习提升的机器智能认知系统，实现产业转型升级、DT驱动业务、价值创新制造的产业互联生态链。

2018-05-06原文

收录于话题

在当前智能制造的热潮之下，很多企业都在规划建设智能工厂。

那么，智能工厂的规划要考虑哪些核心要素？

关注哪些维度？

1智能厂房设计

智能工厂的厂房设计需要引入BIM（建筑信息模型），通过三维设计软件进行建筑设计，尤其是水、电、汽、网络、通信等管线的设计。

同时，智能厂房要规划智能视频监控系统、智能采光与照明系统、通风与空调系统、智能安防报警系统、智能门禁一卡通系统、智能火灾报警系统等。

接受智能视频监控系统，通过人脸识别技术以及其他图像处理技术，可以过滤掉视频画面中无用的或干扰信息、自动识别不同物体和人员，分析抽取视频源中关键有用信息，推断监控画面中的特殊情况，并以最快和最佳的方式发出警报或触发其它动作。

整个厂房的的工作分区（加工、拆卸、检验、进货、出货、仓储等）应依据工业工程的原理进行分析，可以使用数字化制造仿真软件对设备规划、产线布置、车间物流进行仿真。

在厂房设计时，还该当思考如何降低乐音，如何能够便于设备机警调整规划，多层厂房如何进行物流输送等问

2智能产线规划

智能产线是智能工厂规划的核心环节，企业需要依据生产线要生产的产品族、产能和生产节拍，接受价值流图等方法来合理规划智能产线。

智能产线的特点是：

在生产和拆卸的过程中，能够通过传感器、数控系统或RFID自动进行生产、质量、能耗、设备绩效（OEE）等数据采集，并通过电子看板显示实时的生产外形，能够防呆防错；通过安灯系统实现工序之间的协作；生产线能够实现快速换模，实现柔性自动化；能够支持多种相像产品的混线生产和拆卸，机警调整工艺，顺应小批量、多品种的生产模式；具有确定冗余，假如生产线上有设备毁灭毛病，能够调整到其他设备生产；针对人工操作的工位，能够赐予智能的提示，并充分利用人机协作。

设计智能产线需要考虑如何节省空间，如何削减人员的移动，如何进行自动检测，从而提高生产效率和生产质量。

企业建立新工厂格外强调少人化，因此要分析哪些工位使用自动化设备及机器人，哪些工位接受人工。

对于反复性强、变化少的工位尽可能接受自动化设备，反之则接受人工工位。

3精益生产

精益生产的核心思想是衰退一切铺张，确保工人以最高效的方式进行协作。

很多制造企业实行按订单生产或按订单设计，满足小批量、多品种的生产模式。

智能工厂需要实现零部件和原材料的准时配送，成品和半成品依据订单的交货期进行准时生产，建立生产现场的电子看板，通过拉动方式组织生产，接受安东系统准时发觉和处理生产过程中毁灭的特殊问题；同时，推动目视化、快速换模。

很多企业接受了U型的生产线和组装线，建立了智能制造单元。

推动精益生产是一个持续改善的长期过程，要与信息化和自动化的推动紧密结合。

4制造执行系统

MES（制造执行系统）是智能工厂规划落地的着力点，MES是面对车间执行层的生产信息化管理系统，上接ERP系统，下接现场的PLC程控器、数据采集器、条形码、检测仪器等设备。

MES旨在加强MRP方案的执行功能，贯彻落实生产策划，执行生产调度，实时反馈生产进展；

o面对生产一线工人：

指令做什么、怎样做、满足什么标准，什么时候开工，什么时候完工，使用什么工具等等；记录“人、机、料、法、环、测”等生产数据，建立可用于产品追溯的数据链；反馈进展、反馈问题、申请救济、拉动协作等；

o面对班组：

发挥基层班组长的管理效能，班组任务管理和派工；

o面对一线生产保障人员：

确保生产现场的各项需求，如料、工装刀量具的配送，工件的周转等等。

为提高产品准时交付率、提升设备效能、削减等待时间，MES系统需导入生产作业排程功能，为生产方案支配和生产调度供应帮忙工具，提升方案的精确     性。

5工厂智能物流

推动智能工厂建设，生产现场的智能物流格外重要，尤其是对于离散制造企业。

智能工厂规划时，要尽量削减无效的物料搬运。

依据每个客户订单集中配货，并通过RGV配送到拆卸线，衰退了线边仓。

离散制造企业在两道工序之间可以接受带有导轨的工业机器人、桁架式机械手等方式来传递物料，还可以接受AGV、RGV（有轨穿越车）或者悬挂式输送链等方式传递物料。

在车间现场还需要依据前后道工序之间产能的差异，设立生产缓冲区。

立体仓库和辊道系统的使用，也是企业在规划智能工厂时，需要进行系统分析的问题。

6生产质量管理

提高质量是工厂管理永世的主题，在智能工厂规划时，生产质量管理更是核心的业务流程。

质量保证体系和质量把握活动必需在生产管理信息系统建设时统一规划、同步实施，贯彻质量是设计、生产出来，而非检验出来的理念。

质量把握在信息系统中需嵌入生产主流程，如检验、试验在生产订单中作为工序或工步来处理；质量审理以检验表单为依据启动流程开展活动；质量把握的流程、表单、数据与生产订单相互关联、穿透；按结构化数据存储质量记录，为产品单机档案供应基本的质量数据，为质量追溯供应依据；构建质量管理的基本工作路线：

质量把握设置-检测-记录-评判-分析-持续改进；质量把握点需依据生产工艺特点科学设置，质量把握点太多影响效率，太少使质量风险放大；检验作为质量把握的活动之一，可分为自检、互检、专检，也可分为过程检验和终检；质量管理还应关注质量损失，以便从成本的角度促进质量的持续改进。

对于采集的质量数据，可以利用SPC系统进行分析。

制造企业该当提升对QIS（质量管理信息系统）的留意程度。

7生产无纸化

生产过程中工件配有图纸、工艺卡、生产过程记录卡、更改单等纸质文件作为生产依据。

随着信息化技术的提高和智能终端成本的降低，在智能工厂规划可以普及信息化终端到每个工位，结合轻量化三维模型和MES系统，操作工人在工位上刷RFID卡将可在HMI（人机交互界面）接受工作指令，接受图纸、工艺、更单等生产数据，可以机警第顺应生产方案变更、图纸变更和工艺变更。

8设备管理

设备是生产要素，发挥设备的效能（OEE—设备综合效率）是智能工厂生产管理的基本要求，OEE的提升标志产能的提高和成本的降低。

生产管理信息系统需设置设备管理模块，使设备释放出最高的产能，通过生产的合理支配，使设备尤其是关键、瓶颈设备削减等待时间；在设备管理模块中，要建立各类设备数据库，设置编码，准时对设备进行维保；通过实时采集设备外形数据，为生产排产供应设备的力气数据；企业应建立设备的健康管理档案，依据积累的设备运转数据建立毛病猜想模型，进行猜想性维护，最大限度地削减设备的非方案性停机；要进行设备的备品备件管理。

9数据采集

生产过程中需要准时采集产量、质量、能耗、加工精度和设备外形等数据，并与订单、工序、人员进行关联，以实现生产过程的全程追溯。

毁灭问题可以准时报警，并追溯到生产的批次、零部件和原材料的供应商。

此外，还可以计算出产品生产过程产生的实际成本。

企业需要依据采集的频率要求来确定采集方式，对于需要高频率采集的数据，该当从设备把握系统中自动采集。

企业在进行智能工厂规划时，要事后考虑好数据采集的接口规范，以及监控和数据采集系统的使用。

10能源管理

为了降低智能工厂的综合能耗，提高劳动生产率，特殊是对于高能耗的用电单元，进行能源管理是格外有必要的。

采集能耗监测点（烘箱、变配电、照明、空调、电梯和重点设备）的能耗和运转信息，构成能耗的分类、分项、分区域统计分析，可以对能源进行统一调度、优化能源介质平衡，达到优化使用能源的目的。

同时，通过采集重点设备的实时能耗，还可以精确     晓得设备的运转外形（关机、开机还是在加工），从而自动计算OEE。

通过感知设备能耗的突发波动，还可以猜想刀具和设备毛病。

此外，企业也可以考虑在工厂的屋顶部署光伏系统，供应部分能源。

科兴电器对烘箱、浇注设备、空调系统等耗能设备进行重点监控，对于非生产时间的能耗进行追溯，对生产线每个工位的能耗进行检测，将节能的责任支配到班组，从而节省能源。

11工业平安

企业在进行新工厂规划时，需要充分考虑各种平安隐患，包括机电设备的平安，员工的平安防护，设立平安报警安装等安防设备和消防设备。

同时，随着企业使用越来越多的智能配备和把握系统，并实现设备联网，建立整个工厂的智能工厂系统，随之而来的平安隐患和风险也会快速提高，现在已毁灭了特地攻击工业自动化系统的病毒。

因此，企业在做智能工厂规划时，也必需将工业平安作为一个特地的领域进行规划。

12数据分析与使用

通过大数据中心可以查看生产线上各个设备和仪表的外形，但绝大多数离散制造企业还没有建立生产监控与指挥系统。

实际上，离散制造企业也格外需要建设集中的生产监控与指挥系统，在系统中呈现关键的设备外形、生产外形、质量数据，以及各种实时的分析图表。

数据是智能工厂建设的血液，在各使用系统之间流淌。

在智能工厂运转的过程中，会产生设计、工艺、制造、仓储、物流、质量、人员等业务数据，这些数据可能分别来自ERP、MES、APS、WMS、QIS等使用系统。

因此，在智能工厂的建设过程中，需要一套统一的标准体系来规范数据管理的全过程，建立数据命名、数据编码和数据平安等一系列数据管理规范，保证数据的全都性和精确     性。

总之，要做好智能工厂的规划，要从各个视角综合考虑，从投资预算、技术先进性、投资回收期、系统简约性、生产的柔性等多个方面进行综合权衡、统一规划，从一开头就避开产生新的信息孤岛和自动化孤岛，才能确保做出真正可落地，既具有前瞻性，具有实效性的智能工厂规划方案。

同时，还可以基于这些维度来建立智能工厂的评估体系。

智能工厂的规划是一个格外简约的系统工程，需要企业的生产、工艺、IT、自动化、设备和精益等部门通力协作；同时，也需要引入专业的工厂设计和智能制造询问服务机构深化合作。

吉利数字化工厂的实践干货

来源：

168大数据

编者按：

智能制造是《中国制造2025》战略的主攻方向，在新的产业竞争环境下，打算竞争成败的关键不再是设备规模、低劳动力成本等要素，技术管理软实力和科技创新力气对竞争力的贡献更为突出。

这对于总体处于"工业2.0"补课、"工业3.0"局部使用的国内汽车企业提出了严峻挑战。

基于上述产业背景，12月19日，由车云主办的《2017中国汽车智能制造论坛》在北京开幕，探讨汽车制造业如何通过产品创新和管理变革，无效利用信息技术、自动化技术、智能化技术建立差异化竞争优势，从而缩短产品上市周期、降低成本、提升产质量量，满足日益增长的共性化需求，灵敏应对市场变化，在激烈的竞争中实现可持续进展。

以下是浙江吉利控股集团无限公司制造工程（ME）中心数字化工厂部部长张喆关于《吉利汽车数字化转型、精益运营、数字化管理和智能物流的进展》的发言内容：

今日我要共享的是吉利汽车的数字化转型、精益运营、数字化管理和智能物流的进展。

了解我的人都晓得，我在一个月前发生了一些职位的变化，除了在管理整个数字化工厂之外，现在工厂、焊装、自动化等等也都在管。

吉利建立数字化工厂的时间并不长，只需短短的两年半，这两年半里我们一直在想如何把数字化工厂给做好。

这个过程当中遇到了很多妨碍，有很多风险。

到今日我们回顾这两年半的工作发觉，其实数字化工厂不光是某个部门来做的，所以在我们将来的规划当中，明年我们就会真正在焊装、总装、涂装、冲压以及物流，还包括IT一些相关部门，来真正打造吉利3.0工厂，甚至是将来4.0工厂的迈进。

目前吉利控股集团中，包括高端的沃尔沃、领客以及最近收购的马来西亚的品牌等，无论是老基地的改造还是新基地的投产，我们数字化工厂都会进行部署。

我们为什么要做数字化工厂？

目的是两个：

第一是降低成本，其次是提高产质量量。

我记得在一个多月前我们有一家合作伙伴也组织了一场论坛，有人在台下问我，数字化工厂是花钱的那怎样能够降低成本？

的确是这样，从表面上看我们每年对数字化工厂投入的金额是很巨大的，包括领导的支持也是很巨大的。

而一旦实施数字化工厂，我们相关的成本都可以大幅度降低，另外运营成本也是降低的。

今日次要是从四个方面来讲：

生产物流数字化、生产技术数字化、数据平台数字化以及数字化智能制造。

我会拿一些我们数字化工厂已经在做的案例来进行共享。

我信任在座的全部人，一旦谈到中国制造2025、工业4.0，每个人脑海里都有不一样的概念，期望我们接下来我们的案例或者是剖析能够惹起大家的共鸣，大家一起为了中国制造2025、工业4.0这样个愿景一起来迈进。

我们从去年开头唱工厂物流，我们会对3D物流模型进行搭建，这在很多车厂里是很常用的，包括我们会对交通路口通过等进行计算。

同时我们对能耗进行监控及仿真，然后跟实际数据进行对比。

今后我们都会使用这样的系统对全部新工厂进行规划。

数字化工厂有一块仿真业务，包括对冲压车间验证，焊卸车间是全线体验证，涂装会对喷涂进行仿照，总装更多的是偏向于拆卸以及人机工程验证。

我在规划领域做了十几年，在加入吉利之前也有在很多单位工作过，大家都有一个生疏和共鸣是什么呢？

仿真跟现场其实是有脱节的。

仿真是仿真、实际是实际，假如有做生产制造的人该当晓得，全部的仿真数据仅供参考。

假如在座的无机器人工程师、机械工程师的话，想必大家更清楚，仿真做的是不能直接上线上自动运转的。

吉利数字化工厂经过两年的探究，目前我们把整个现场跟仿真的差距已经缩短到了3毫米。

所以说，我们所见即是所得。

我们在仿真里面所做的全部的工作、看到的全部的情景跟现场最大的误差就是3毫米。

从去年开头，我们的数字化双胞胎已经在两到三个工厂里面成功实施了。

从明年开头吉利全部的项目都会在技术协议里面写入我们会有虚拟技术调试技术，来要求供应商进行部署实施。

在那么多仿真工作基础上，吉利目前有两个平台来进行CRM的部署，一个就是Telematics，另外一个会在后年渐渐进行切换的TCenvironment。

我们会优先于其他几个专业，会在明年年底领先切换，进行部署使用。

图上可以看到通过整个这些环节，所见即所得，虚拟和实物可以做到完全一样。

截至目前为止，数字化工厂已经对点云平台，对标准体系、工作流程都进行开发。

目前我们还有另外一个小团体，他们更多的是基于二次开发。

明年我们会把整个数字化工厂阅历系统进行部署，它会通过阅历库系统，把吉利总结的阅历教训全部统计到阅历库系统里面，把我们的ERP、AI系统等等，共同打构成阅历库系统。

基于整个平台，我们有分成一个平台四个系统来进行大数据、SAP等等系统，把它全部串联到数字化的平台当中。

想必大家以前是通过电脑来连接整个系统的，我们在调研过程当中发觉现在年轻人为多，所以除了在IE平台开发之外，我们全部数字化系统都可以通过Android和苹果系统来进行开发，在我的手机里已经可以实时对吉利数字化系统进行访问。

很多人说，两年多来吉利数字化工厂除了在做那些具体工作之外，还做了哪些东西？

其实两年多来我们更多的时间是花在数字化标准体系建立、平台搭建及规范、资源数据库搭建以及业务数据库规范管理。

为什么会这样说呢？

截止到目前，整个吉利包括领客工厂目前在国内有十几个基地在同时生产我们的汽车，每一家工厂的工艺、设备各有千秋，那如何把这些工艺、设备做成标准化、统一化？

可口可乐无论是在德国、美国、中国，你品尝到的可口可乐都是同一个味道的。

那么汽车能不能也这样进展？

我们吉利汽车能不能也往这方面进展？

这张图里所看到的就是截取的某一个工厂的图，我们十几个基地都实现了这样的技术，在把握端在电脑端就可以对十几个工厂进行静态的可视化的操作，包括里面的设备位置以及它们之间的距离等等。

在完成整个工厂3D可视化之后，就开头来对工厂进行网格化的监控管理。

这里面就是截取于我们某一个工厂某一条线体来进行的实施。

看到这里可能很多人会讲，这不就是工厂漫游嘛，类似于Google街景这样的东西，其实我们进行网格化管理之后，随后在进行工厂漫游的情境之下，我们又添加了一些新功能，比如说我们漫游到某一处的时候可以点击某一个设备看到它的运转外形、生产图纸，也可以走到某一个工序边上进行双击可以看到它的工序步骤。

换句话说，我们也期望通过这样一个工厂漫游实现的不只仅是一个呈现，更多的是对于整个规划人员、操作人员、修理人员，真正可以用的全方位的设备的监控。

在监控完成之后我们又涉及到了另外一个事情，就是很多在座的生产的人都晓得，我们现在生产的数据99%都是无用的数据。

所以我们吉利数字化工厂在今年4月份的时候，在诺挪威那边跟一家友商达成了一系列框架协议，我们使用了工业大数据这样一个平台。

当然整个吉利的工业大数据不只仅体现在某一个合作伙伴上，截至目前为止我们已经包括跟西门子、阿里、XX、英特尔都建立了联系，在整个工业大数据上进行探究。

当然谈到工业大数据，我们想把它开放。

工业大数据对于整个汽车甚至于整个吉利的生产制造它的作用在哪里？

我们之前有过调研，我在两个半月以前，我们跟亚马逊（美国）通了电话，随后亚马逊的一个产品经理用了将近一个小时试图说服我他们的数据是如何浩大、如何好，如何使用他们的大数据。

结果我们在做内部评审时，我问了团队里这样一句话？

我们为什么要大数据？

大数据能为我们带来什么样的好处？

当很多的人都在关注数据如何平安、数据传递如何实时化的时候，作为生产制造，我们是不是更该当关注到那些数据能给我们带来什么价值？

我们能猎取哪些数据？

所以整个团队换了一种思路，我们从整个生产实时数据来进行猎取，我们本人来定义哪些数据是需要猎取的、哪些数据是可以抛弃的。

我们跟一家合作伙伴经过了两个多月的部署实施，我们发觉数据里面99.9%的数据都是无用数据、都是可以被丢弃的数据。

那么剩下的0.1%的数据可以说真正的会给我们吉利汽车生产制造、提升、预防维护是至关重要的。

那么最终我们需要对数据进行挖掘得到最佳的参数。

最终我们的生产与能源耦合系统也会介入其中。

这个图是我在某个基地里面实施了两个月的数据监控。

其实在这张表中大家可以看到整个数据前面相对来说是比较平稳的，到后面发生了一些裂变。

我为什么拿这张图说明？

吉利当时在做大数据的时候，其实也不是抱有太大的决心。

我觉得可能需要一年两年三年才能有成果。

但是当我拿到这份报告时的确震惊到我，由于就通过两个月的监控，随后那家供应商就花了16个小时整个数据的挖掘进行改善，最终改造前跟改造后，我们的节拍可以提升4秒钟。

所以基于这样的值，我们在明年整个数字化工厂会把大数据作为一个重点目标来进行推动。

我们再回顾一下数字化工厂。

其实前面讲了那么多，整个数字化工厂所做的就是对于仿真进行验证、对于数字化双胞胎进行部署实施，当然我们已经有两个基地实行到了数字双胞胎技术。

明年我们会对全部重生产线全部使用数字化双胞胎理念。

最终我们在明年会启动才智工厂项目，除了之前谈到的ERP等系统之外，我们会把整个包括AI、AR/VR技术以及类似于工厂漫游的技术，都融入到才智工厂里面，最终在这样的基础上来实现整个数字化工厂。

数字化双胞胎场景的使用，会有几个关键点。

首先就是仿真数据跟现场数据它们的误差只需13毫米。

其次个值就是全部的CT节拍全部的误差把握在了0.5秒。

第三个是全部机器人在仿真里面的数据跟现场是完全一样的。

我们可以在这样一个把握室，我们在把握室里面可以把握现场任何一台机器人的启动、停止，可以调动现场任意一个程序。

当然现场全部的信号、程序都可以实时反馈到监控室里面，让监控室实时同步的对生产现场环境进行仿照监控。

我们的其次个试验室就是人机工程试验室。

在左下角可以看到通过整个人机工程试验室可以把很多人机工程上的问题，通过可穿戴设备进行仿照验证。

这有点像拍电影，其实灵感来源于哪里呢？

三年前在我离开前一家公司的时候，我带着全家去了美国，当时在拍电影。

拍电影，尤其是拍科幻电影很简约，就在单色的背景前面一些人穿着可穿戴设备、传感器做全部动作，那些动作被输到电脑里进行合成。

所以吉利数字化工厂，我们就在想能不能进行跨行业结合。

所以我们自创了电影技术，也购买了拍电影的穿戴设备。

原来我们进行的都是静态的验证，但是到现场我们突然发觉，现场操作工由于地域差别、启停差异等，仿真还是有很大差别的。

但是我们使用一套可穿戴设备，把真实功能全部动作通过仿真可以100%的做出来，用红色、黄色、绿色来识别某一个关节某一个动作的差异。

当然通过这样一套传感器技术，我们除了对于人体大的74个环节进行仿照之外，甚至可以拆分到具体动作，比如手指关节动作、头部运动动作，都可以进行自定义。

第三个试验室也是很引以为豪的，就是VR试验室。

我们会利用K5系统来对整个吉利的CAD、CAE、评审进行实时的验证。

明年我们这个试验室就会建立完毕，假如大家有爱好的话也可以届时来我们试验室进行沟通参观。

感激大家！

自动化生产线与智能制造生产线的区分

很多行业的企业高度依靠自动化生产线，比如钢铁、化工、制药、食品饮料、烟草、芯片制造、电子组装、汽车整车和零部件制造等，实现自动化的加工、拆卸和检测，一些机械标准件生产也使用了自动化生产线，比如轴承。

智能产线的特点

现场总线是当今自动化技术进展的热点，现场总线系统既是一个开放的通信网络，又是一种低成本、高牢靠性的分布式把握系统。

处于总线上的任何设备可不分类型、不限功能地对其实施集中把握和管理。

PLC（可编程把握器）集中把握系统在上位计算机及集中把握管理器把握下可依据需要设置多个管理层次，例如设为现场把握层、两头监控层和企业管理层三个级别的管理层次。

现场把握层着重实施对各类设备的实时管理和监控，进一步可建立自动化设备工艺参数选择系统，实现自动化设备工艺参数在线智能选择；两头监控层着重产品产量、质量统计和生产调度；企业管理层着重决策支持，建立生产过程数据库，可以以数据共享方式与企业管理网络建立信息交换，甚至与Internet连接，可实现公司、部门对生产厂的近程监控及生产调度，真正实现管理、把握一体化。

只需合理牢靠的电气把握系统才能保证生产的工艺和产品的高质量。

在生产和拆卸的过程中，能够通过传感器或RFID自动进行数据采集，并通过电子看板显示实时的生产外形；

能够通过机器视觉和多种传感器进行质量检测，自动剔除不合格品，并对采集的质量数据进行SPC分析，找出质量问题的成因；

能够支持多种相像产品的混线生产和拆卸，机警调整工艺，顺应小批量、多品种的生产模式；

具有柔性，假如生产线上有设备毁灭毛病，能够调整到其他设备生产；

针对人工操作的工位，能够赐予智能的提示。

有源阵列彩色显示屏，实时显示生产线的外形信息，可使操作人员在任何工位都能看到全线的生产情况，包括每个工位的工作模式、能否完工以及平安外形等。

通过相应的画面可以随时了解本工段生产统计信息，包括目标产量、当前产量、每个工位的工作时间、毛病时间和交接班情况等。

生产信息还可以通过工业以太网传送到车间管理网，生产管理人员可以随时查看目前和历史生产情况，做出准时、精确     的方案。

通过以太网可以和上、下游输送线的PLC进行信号通信，实现在把握层面上的无缝连接，从而实现车间级的全自动。

 在现代化、大规模的汽车整车和零部件生产行业中，对各类生产数据、质量信息的实时采集，并依据需要准时地向物料管理、生产调度、产品销售、质量保证、方案财务以及其他相关的各部门传送各类信息，这对原材料供应、生产度、销售服务、质量监控、成本核算等都有着重要的作用，同时此数据对整车的质量跟踪和售后服务有重要的意义。

由于生产，质量数据属动态信息，不只数据量大，而且内容庞杂，且由于此数据不只用于生产统计及质量监控等面，同时还具有对整车终身质量跟踪等功能，因此必需保证数据精确     ；另外，出于对劳动生产率等方面的考虑，不行能现场的每个网点