论文部分内容阅读
基金项目：2021年江苏省大学生创新创业训练计划项目“基于成熟度模型的企业智能制造评估系统设计”，编号：202112317007Y
摘 要：智能制造能力成熟度模型是在以往关于能力成熟度模型研究的基础上，同时又根据我国制造业智能制造的特点，且通过大量企业的实践所总结的一种方法论。汽车业作为制造业的主力军，智能制造能力一直处于平均水平之上，论文选取汽车产业链上的汽车发动机零部件作为研究对象，汽车发动机零部件车间的制造类型属于离散型，车间的生产智能化成熟等级评估选择模型中的七个常用的维度进行评价。根据能力成熟度模型对标分析进行等级评价结果，最终提出对车间的智能制造能力进行有针对性的优化建议。
关键词：成熟度模型;智能制造;评价研究
引言：近年来世界各国分别提出了利用信息技术改进传统制造工业的国家战略与规划，如德国的“工业4.0”，我们国家的“中国制造2025”等，工信部定义智能制造是基于物联网设备互联、大数据并行计算与存储等新一代信息技术，贯穿于工业生产的方案设计、生产管控、产品管理、后续服务等制造活动各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。如何提升制造业的智能制造水平，首先要对企业目前的智能制造水平有一套相对科学完整的评价体系，一些国内的专家学者依据成熟度模型结合国内制造业的实际情况总结出智能制造能力成熟度模型，以此对制造业的智能制造水平进行对标评估。
一、智能制造能力成熟度模型的综述
1.模型的总体构成
智能制造能力成熟度模型是由成熟度等级、能力要素和成熟度三部分构成。成熟度等级规定了企业智能制造能力在不同阶段应达到的水平，能力要素给出了智能制造能力成熟度提升的关键方面，成熟度则要求规定了能力要素在不同成熟度等级下应满足的具体条件。
2.成熟度等级
能力成熟度等级自低向高分别是等级一（初始级）、等级二（可重复级）、等级三（已定义级）、等级四（已管理级）和等级五（优化级）。这里高等级涵盖了低等级的要求，等级通过渐进式的提升来实现，具体的等级内容要求如表1所示。
3.能力要素
能力要素包括制造、人员、技术和资源，反映了人员将资源、技术应用于制造环节，提升智能制造能力的过程，具体内容如表2所示。
4.评价方法
企业应根据自身业务特点，参照《智能制造能力等级要求》来确定所需评价的内容，即评价域。本文的评价对象属于离散型制造企业主要评价域。
5.评价依据
本次评价采用采购、计划与调度、生产作业、设备管理、安全环保、仓储配送、能源管理七个维度进行评价。
二、汽车发动机零部件车间智能制造能力的总体评价
汽车发动机零部件车间的制造类型属于离散型，车间的生产智能化成熟等级评估选择采购、计划与调度、生产作业、设备管理、安全环保、仓储配送、能源管理七个维度进行评价。整体而言，关键工序的设备自动化、数字化程度高，少量设备实现了互联互通，企业生产经营的核心业务实现了流程化管理。但尚未应用信息化管理软件进行流程的优化，尚未实现生产与质量数据的实时采集与监控，设备利用率和生产效率有较大提升空间。
车间生产智能化成熟度达到1级，企业生产各环节具备实施智能制造的基础和条件。
通过对汽车发动机零部件生产车间指标差距分析如下：
三、能力差距的原因分析
1.业务流程和组织结构
没有建立产品全生命周期的端到端流程，项目计划、报价、设计到量产的流程属于不同部门和负责人，虽然各段流程的边界比较明确，但职能式的管理不能满足企业产品的协同调整、持续优化的需求。
在项目开发阶段，针对量产良率的目标，制定了相应的质量工程管理流程，并在实施量产时提交QCP成果。量产后，企业对良率提升仍然有明确的预期，但主要针对具体不良问题的分析改进，或者按照开发阶段的质量工程管理流程，没有基于量产阶段的良率目标、策划、实施等流程。
工艺和质量控制计划的制定、质量控制细化方案、工艺下达流程、質量反馈处理等流程的纵向集成度不足，没有形成对量产后良率的分析、良率目标分解、方案设计、效果评估的协同化流程。
现有的生产计划管理流程是根据销售订单交期排出货计划，根据出货计划制定上模计划，根据上模计划安排加工计划，然后按照实际差异和在制品，进行生产调度，出货需求、生产计划、生产排程到调度的流程分层管理，需求计划、发货计划、生产计划、生产排程等流程分层管理，没有建立工厂级的纵向集成和闭环的计划流程。
2.技术与数据
现有的产品项目管理软件为单项应用，主要为项目文档的收集，没有建立支持产品全生命周期的端到端流程化管理的平台，不能支持项目全过程的计划、任务协同、信息透明化和结构化管理。
研发项目管理与工程项目管理没有集成，不能支持制造资源的规划建设与客户项目的一体化管理。
研发项目管理与财务管理没有集成，无法支持对项目的成本控制和财务核算。
没有建立数字化、模块化设计平台，将产品结构设计、工艺设计和模具设计标准转化为数字化标准库和设计规范控制，确保标准的执行和技术标准的持续改进。
现有的需求计划没有与生产调度集成，没有建立需求计划，基于有限产能的高级生产排程系统、生产监控与调度的集成化协同化计划平台，不能适应车间产能匹配优化、异常快速调整、约束条件下优先交付的需求。
缺乏员工的自动识别和现场人员移动化管理系统，人员调度、上岗资格、员工绩效等无法实现精准、实时管理。
产品没有建立二维码等电子识别模式，无法支持在制品的自动定位和自动识别，难以准确、实时监控在制品库存，影响生产调度、在制品物流配送的效率和准确性。 模具没有建立二维码等电子识别模式，无法支持模具的使用和上模确认的自动控制。
现有的设备管理软件为用于记录维修作业内容的单项应用，没有建立支持设备维护的计划性、流程化管理的系统，不能支撑设备维护与生产计划的协调，难以对设备维护中的备件采购、人工作业、故障分析等进行集成化管理。
没有实施工程项目管理系统，不能支持工程项目的立项、预算、任务分解、采购、成本、转固定资产的全过程集成化管理。
现有的铝锭送货软件为内部使用的工具，没有建立面向供应商的、开放的采购管理平台，供应商开发、采购招标、采购下单、送货、对账的过程没有实现在线闭环管理。
现有的设备联网主要为设备单元层次的生产信息采集，与生产计划和排程无关联，不能支持工艺、程序直接下达并与产品匹配，对生产计划执行和可视化调度管理的支撑不足。缺乏设备工况数据的采集，不能支持对设备运行的监控和故障预警，不能支持在线检测设备的数据同步上传。
没有建立设备、工艺、人员等生产要素的数字化模型，不能支持工艺设计、生产排程的仿真。
目前采集的设备生产数据主要用于即时的生产情况监控，历史数据没有构建大数据库，对设备运行的分析、设备故障预测的支持不足。
没有建立质量管理系统，将质量控制计划及相关细则下达到相关产品与工位，并进行监控。
产品质量检测的数据以及不良品的数据分散在检测设备、不良品记录软件中，没有构建质量大数据库，不能支持失效模式和单一重点学习库的数字化、系统化管理。
四、提升汽车发动机零部件车间智能制造能力的优化路径
1.产品物联精准管控
汽车发动机零部件车间为多工段的流水线生产模式，在制产品信息是生产进度监控、计划调度、物流配送、质量控制、质量追溯、成本核算等管理需要的原始数据，通过建立产品电子化识别系统，可以自动获取产品过站信息和在制品仓储信息，确保数据的实时性和准确性。
考虑到车间输送线的现状，建议的产品物联方案为载具RFID方案，产品在各工段完工、在制品入库、工段物料配送时，通过产品载具RFID的绑定与解绑，对产品信息进行记录，对产品进行识别和定位。改变现有的人工报工方式，实现产品在生产现场的全方位可视化管理，指导计划调度、物流和质量管理。
2.产能高效利用的柔性制造
建立高级生产排程系统，实现需求计划、生产计划、生产排程的协调管理，基于产品生产实时数据，对各工段生产排程进行统一的调整和确认。建立制造资源的数字化模型，包括设备、员工、模具、工装等资源，实现基于产能优化配置的生产排程。建立基于制造资源数字化模型的产品设计平台，实现产品工艺路线、工时定额、工装模具、操作人员等资源需求的数字化设计。建立设备维护管理系统，实现设备维护计划、设备故障与维修作业的系统化管理。构建设备大数据分析平台，通过采集设备工况实时数据，结合设备故障数据，对设备的故障进行预判，实现设备的预测性保养与维修。
通过生产计划与产品库存、订单交期、发运计划、订单优先级、设备维修计划、工厂日历等信息系统的集成，实现基于约束条件的生产排程。
3.过程精细化及基于大数据的质量优化
关键质量管控站点的联网，包括设备联网和人工站点的HMI接口联网，指令、程序、操作规范下达到站点，并与产品匹配、实时的过程数据采集，进行生产过程监控、异常报警、差异分析。构建质量大数据分析平台，汇集产品过站数据和不良品数据，通过大数据机器学习，发现生产过程的质量风险，及时处理潜在的问题，对改进措施的效果进行持续的、精准的跟踪评价，形成失效数据库，完善產品设计标准。
4.提升企业的管理数字化水平
通过建立管理信息系统来提升企业的数字化管理水平，具体做法：建立基于产品全生命周期的研发项目管理平台，实现项目全过程从产品需求、项目计划、设计到量产的协同化管理，通过与设计工具、仿真工具的集成落实设计规范和技术标准。建立互联网的供应商管理平台，实现供应商开发、采购招标、采购下单、送货、对账等过程的在线闭环管理。建立工程项目管理系统，支持工程项目的立项、预算、任务分解、采购、成本、转固定资产的全过程集成化管理。通过实现环境监测的联网与在线实时监控确保企业安全日常经营生产。
参考文献：
[1]王媛媛，张华荣.G20国家智能制造发展水平比较分析[J].数量经济技术经济研究，2020（9）：1-22.
[2]任俊飞，吴立辉.机械制造企业智能制造能力成熟度评价研究[J].科技创新与应用，2020（2）：55-58.
[3]刘飞.中国省域信息化与工业化融合的影响因素研究[J].西安财经大学学报，2020（2）：45-50.
[4]吴文文.离散型制造企业智能制造能力评价研究[D].杭州电子科技大学，2018：10-40.
[5]陈歆.面向生产调度的智能制造能力评估方法研究[D].浙江大学，2019：13-37.
[6]邵坤.山东省智能制造综合能力评估研究[D].青岛大学， 2018：11-20.
摘 要：智能制造能力成熟度模型是在以往关于能力成熟度模型研究的基础上，同时又根据我国制造业智能制造的特点，且通过大量企业的实践所总结的一种方法论。汽车业作为制造业的主力军，智能制造能力一直处于平均水平之上，论文选取汽车产业链上的汽车发动机零部件作为研究对象，汽车发动机零部件车间的制造类型属于离散型，车间的生产智能化成熟等级评估选择模型中的七个常用的维度进行评价。根据能力成熟度模型对标分析进行等级评价结果，最终提出对车间的智能制造能力进行有针对性的优化建议。
关键词：成熟度模型;智能制造;评价研究
引言：近年来世界各国分别提出了利用信息技术改进传统制造工业的国家战略与规划，如德国的“工业4.0”，我们国家的“中国制造2025”等，工信部定义智能制造是基于物联网设备互联、大数据并行计算与存储等新一代信息技术，贯穿于工业生产的方案设计、生产管控、产品管理、后续服务等制造活动各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。如何提升制造业的智能制造水平，首先要对企业目前的智能制造水平有一套相对科学完整的评价体系，一些国内的专家学者依据成熟度模型结合国内制造业的实际情况总结出智能制造能力成熟度模型，以此对制造业的智能制造水平进行对标评估。
一、智能制造能力成熟度模型的综述
1.模型的总体构成
智能制造能力成熟度模型是由成熟度等级、能力要素和成熟度三部分构成。成熟度等级规定了企业智能制造能力在不同阶段应达到的水平，能力要素给出了智能制造能力成熟度提升的关键方面，成熟度则要求规定了能力要素在不同成熟度等级下应满足的具体条件。
2.成熟度等级
能力成熟度等级自低向高分别是等级一（初始级）、等级二（可重复级）、等级三（已定义级）、等级四（已管理级）和等级五（优化级）。这里高等级涵盖了低等级的要求，等级通过渐进式的提升来实现，具体的等级内容要求如表1所示。
3.能力要素
能力要素包括制造、人员、技术和资源，反映了人员将资源、技术应用于制造环节，提升智能制造能力的过程，具体内容如表2所示。
4.评价方法
企业应根据自身业务特点，参照《智能制造能力等级要求》来确定所需评价的内容，即评价域。本文的评价对象属于离散型制造企业主要评价域。
5.评价依据
本次评价采用采购、计划与调度、生产作业、设备管理、安全环保、仓储配送、能源管理七个维度进行评价。
二、汽车发动机零部件车间智能制造能力的总体评价
汽车发动机零部件车间的制造类型属于离散型，车间的生产智能化成熟等级评估选择采购、计划与调度、生产作业、设备管理、安全环保、仓储配送、能源管理七个维度进行评价。整体而言，关键工序的设备自动化、数字化程度高，少量设备实现了互联互通，企业生产经营的核心业务实现了流程化管理。但尚未应用信息化管理软件进行流程的优化，尚未实现生产与质量数据的实时采集与监控，设备利用率和生产效率有较大提升空间。
车间生产智能化成熟度达到1级，企业生产各环节具备实施智能制造的基础和条件。
通过对汽车发动机零部件生产车间指标差距分析如下：
三、能力差距的原因分析
1.业务流程和组织结构
没有建立产品全生命周期的端到端流程，项目计划、报价、设计到量产的流程属于不同部门和负责人，虽然各段流程的边界比较明确，但职能式的管理不能满足企业产品的协同调整、持续优化的需求。
在项目开发阶段，针对量产良率的目标，制定了相应的质量工程管理流程，并在实施量产时提交QCP成果。量产后，企业对良率提升仍然有明确的预期，但主要针对具体不良问题的分析改进，或者按照开发阶段的质量工程管理流程，没有基于量产阶段的良率目标、策划、实施等流程。
工艺和质量控制计划的制定、质量控制细化方案、工艺下达流程、質量反馈处理等流程的纵向集成度不足，没有形成对量产后良率的分析、良率目标分解、方案设计、效果评估的协同化流程。
现有的生产计划管理流程是根据销售订单交期排出货计划，根据出货计划制定上模计划，根据上模计划安排加工计划，然后按照实际差异和在制品，进行生产调度，出货需求、生产计划、生产排程到调度的流程分层管理，需求计划、发货计划、生产计划、生产排程等流程分层管理，没有建立工厂级的纵向集成和闭环的计划流程。
2.技术与数据
现有的产品项目管理软件为单项应用，主要为项目文档的收集，没有建立支持产品全生命周期的端到端流程化管理的平台，不能支持项目全过程的计划、任务协同、信息透明化和结构化管理。
研发项目管理与工程项目管理没有集成，不能支持制造资源的规划建设与客户项目的一体化管理。
研发项目管理与财务管理没有集成，无法支持对项目的成本控制和财务核算。
没有建立数字化、模块化设计平台，将产品结构设计、工艺设计和模具设计标准转化为数字化标准库和设计规范控制，确保标准的执行和技术标准的持续改进。
现有的需求计划没有与生产调度集成，没有建立需求计划，基于有限产能的高级生产排程系统、生产监控与调度的集成化协同化计划平台，不能适应车间产能匹配优化、异常快速调整、约束条件下优先交付的需求。
缺乏员工的自动识别和现场人员移动化管理系统，人员调度、上岗资格、员工绩效等无法实现精准、实时管理。
产品没有建立二维码等电子识别模式，无法支持在制品的自动定位和自动识别，难以准确、实时监控在制品库存，影响生产调度、在制品物流配送的效率和准确性。 模具没有建立二维码等电子识别模式，无法支持模具的使用和上模确认的自动控制。
现有的设备管理软件为用于记录维修作业内容的单项应用，没有建立支持设备维护的计划性、流程化管理的系统，不能支撑设备维护与生产计划的协调，难以对设备维护中的备件采购、人工作业、故障分析等进行集成化管理。
没有实施工程项目管理系统，不能支持工程项目的立项、预算、任务分解、采购、成本、转固定资产的全过程集成化管理。
现有的铝锭送货软件为内部使用的工具，没有建立面向供应商的、开放的采购管理平台，供应商开发、采购招标、采购下单、送货、对账的过程没有实现在线闭环管理。
现有的设备联网主要为设备单元层次的生产信息采集，与生产计划和排程无关联，不能支持工艺、程序直接下达并与产品匹配，对生产计划执行和可视化调度管理的支撑不足。缺乏设备工况数据的采集，不能支持对设备运行的监控和故障预警，不能支持在线检测设备的数据同步上传。
没有建立设备、工艺、人员等生产要素的数字化模型，不能支持工艺设计、生产排程的仿真。
目前采集的设备生产数据主要用于即时的生产情况监控，历史数据没有构建大数据库，对设备运行的分析、设备故障预测的支持不足。
没有建立质量管理系统，将质量控制计划及相关细则下达到相关产品与工位，并进行监控。
产品质量检测的数据以及不良品的数据分散在检测设备、不良品记录软件中，没有构建质量大数据库，不能支持失效模式和单一重点学习库的数字化、系统化管理。
四、提升汽车发动机零部件车间智能制造能力的优化路径
1.产品物联精准管控
汽车发动机零部件车间为多工段的流水线生产模式，在制产品信息是生产进度监控、计划调度、物流配送、质量控制、质量追溯、成本核算等管理需要的原始数据，通过建立产品电子化识别系统，可以自动获取产品过站信息和在制品仓储信息，确保数据的实时性和准确性。
考虑到车间输送线的现状，建议的产品物联方案为载具RFID方案，产品在各工段完工、在制品入库、工段物料配送时，通过产品载具RFID的绑定与解绑，对产品信息进行记录，对产品进行识别和定位。改变现有的人工报工方式，实现产品在生产现场的全方位可视化管理，指导计划调度、物流和质量管理。
2.产能高效利用的柔性制造
建立高级生产排程系统，实现需求计划、生产计划、生产排程的协调管理，基于产品生产实时数据，对各工段生产排程进行统一的调整和确认。建立制造资源的数字化模型，包括设备、员工、模具、工装等资源，实现基于产能优化配置的生产排程。建立基于制造资源数字化模型的产品设计平台，实现产品工艺路线、工时定额、工装模具、操作人员等资源需求的数字化设计。建立设备维护管理系统，实现设备维护计划、设备故障与维修作业的系统化管理。构建设备大数据分析平台，通过采集设备工况实时数据，结合设备故障数据，对设备的故障进行预判，实现设备的预测性保养与维修。
通过生产计划与产品库存、订单交期、发运计划、订单优先级、设备维修计划、工厂日历等信息系统的集成，实现基于约束条件的生产排程。
3.过程精细化及基于大数据的质量优化
关键质量管控站点的联网，包括设备联网和人工站点的HMI接口联网，指令、程序、操作规范下达到站点，并与产品匹配、实时的过程数据采集，进行生产过程监控、异常报警、差异分析。构建质量大数据分析平台，汇集产品过站数据和不良品数据，通过大数据机器学习，发现生产过程的质量风险，及时处理潜在的问题，对改进措施的效果进行持续的、精准的跟踪评价，形成失效数据库，完善產品设计标准。
4.提升企业的管理数字化水平
通过建立管理信息系统来提升企业的数字化管理水平，具体做法：建立基于产品全生命周期的研发项目管理平台，实现项目全过程从产品需求、项目计划、设计到量产的协同化管理，通过与设计工具、仿真工具的集成落实设计规范和技术标准。建立互联网的供应商管理平台，实现供应商开发、采购招标、采购下单、送货、对账等过程的在线闭环管理。建立工程项目管理系统，支持工程项目的立项、预算、任务分解、采购、成本、转固定资产的全过程集成化管理。通过实现环境监测的联网与在线实时监控确保企业安全日常经营生产。
参考文献：
[1]王媛媛，张华荣.G20国家智能制造发展水平比较分析[J].数量经济技术经济研究，2020（9）：1-22.
[2]任俊飞，吴立辉.机械制造企业智能制造能力成熟度评价研究[J].科技创新与应用，2020（2）：55-58.
[3]刘飞.中国省域信息化与工业化融合的影响因素研究[J].西安财经大学学报，2020（2）：45-50.
[4]吴文文.离散型制造企业智能制造能力评价研究[D].杭州电子科技大学，2018：10-40.
[5]陈歆.面向生产调度的智能制造能力评估方法研究[D].浙江大学，2019：13-37.
[6]邵坤.山东省智能制造综合能力评估研究[D].青岛大学， 2018：11-20.