数智化如何变革智能汽车的生产、销售和驾驶体验？｜数据猿直播干货分享
【数据猿导读】 汽车数智化的核心技术在汽车制造的后端环节究竟有哪些应用？目前生产线上如何运用新技术？在前端的营销环节，虚拟现实与增强现实又在如何影响消费者的体验和决策？……为了更深入讨论这个问题，数据猿将组织一场线上直播，邀请业界专家：火山引擎汽车行业解决方案高级总监刘欣龙，神策数...
随着信息技术和智能制造技术的不断发展，汽车制造业正在经历数字化和智能化转型，汽车数智化已成为汽车行业的重要趋势。汽车数智化是指通过数字化、智能化、互联化等技术手段，将汽车制造过程数字化，实现生产、研发、销售、售后等各个环节的高效协同，以提升汽车行业的生产效率、产品质量和用户体验。
汽车数智化的发展历程可以分为三个阶段。第一阶段是数字化，即将传统制造过程中的大量纸质文档、手工操作等转化为数字化数据，实现信息化管理和控制。第二阶段是智能化，即将数字化的制造过程进一步智能化，引入信息技术、机器人、自动化设备等智能化手段，实现生产过程的自动化和智能化。第三阶段是互联化，即通过物联网、云计算、大数据等技术手段，实现整个汽车生态系统的互联互通和数据共享。
随着大数据、人工智能、物联网的快速发展，全球汽车数智化市场规模正在不断扩大。根据市场研究机构的数据，全球汽车数智化市场规模将从2019年的2046亿美元增长到2025年的4387亿美元，年复合增长率为12.8%。
汽车数智化的核心技术在汽车制造的后端环节究竟有哪些应用？目前生产线上如何运用新技术？在前端的营销环节，虚拟现实与增强现实又在如何影响消费者的体验和决策？……为了更深入讨论这个问题，数据猿将组织一场线上直播，邀请业界专家：火山引擎汽车行业解决方案高级总监刘欣龙，神策数据汽车行业资深咨询专家李晓明，镜舟科技高级数据顾问张琳琳，就“驾驭未来：汽车数智化在制造与营销中的变革之路”这个主题进行深入交流。
设备的先进性制约自动化技术
新能源汽车不仅在外表和功能上不断吸引消费者，对于它先进的生产环节，也是一个非常有神秘色彩的地方，张琳琳揭开了核心部件电池的面纱。
当前比较常用的电池是三元锂和磷酸铁锂电池，而目前三元锂电池也是在逐步的替代磷酸铁锂，之所以会出现这样一个现状，也是和汽车数智化发展息息相关，新能源汽车发展的早期，我们并没有收集到很多实际投产使用的真实数据，而是从成本和实验室内的数据考量下采用的磷酸铁锂，但是随着新能源汽车被越来越多的大众所接触和使用，产生了很多在实际使用中的数据，比如，电池的使用寿命，充电效率，低温下能效释放等方面的数据收集，找到了可优化替代的三元锂，另外依托强大的数据算力，可以精准的做到每个电芯焊接的精度，做到上料前的自动检测，清洗，点胶、自动堆叠等一系列工作，确保电池模组生产的高效、稳定、安全。并且还能做到对后期出现问题时，做到数据追溯。
为了说明汽车生产线上的先进自动化技术，刘欣龙结合日常工作经验，以装配过程中的打胶环节为例，讲述了机器视觉在质检过程中的应用。
整个汽车的装配分成四个环节：冲压、焊接、喷涂和总装。汽车装配每个环节都会涉及到从大到小的质检，比如在打胶的时候，就已经需要用到机器视觉的能力了。打胶的过程主要依赖两个方面，一是整个生产线上的机械手臂，因为机械臂本身具备数据传输、视频拍摄、通信的能力，可以将相关的数据实时传输；二是依靠于车间附近进场端的节点，因为进场端需要有足够的节点让计算平台进行识别。在汽车装配过程中，很多时候不需要人在现场，而且有的地方有隔层，需要人离开车间，这种时候的质检一定要依靠远程的视频。
在整个视频上面，不仅要实时的展现出覆盖的面积，而且覆盖面积还要结合打胶的时候耗用的胶量，计算这次作业是否已经达到了预制的标准。如果在过程当中没有达到标准或者有任何的数据波动和异常，那就会对质检做一个标记，后续整个产线就会对这个环节的这一批次进行一个重新的复查。在整个流水线生产作业过程中使用的机器视觉技术，是多年数字化积累加上模式识别技术的迭代后，实现的结果。
刘欣龙提到，并不是所有厂商都引进了自动化检测或者是质量检测技术，原因就在于这些技术非常依赖设备的先进性。刘欣龙认为，自动化检测的瓶颈不在于数据平台，也不在于算法能力，而在于前端的机械手臂等设备。设备本身是否具备多模态的数据采集的能力，是否具备通信、视频、传感器等数据采集和回传的能力……如果设备不具备这些能力，那整个自动化质检就非常困难。
由此可见，先进的技术还得需要先进设备的配合，否则也会“巧妇难为无米之炊”。
大数据驱动生产线的规划与调度
自从新能源汽车发展以来，汽车行业也接二连三的出现了“以产定销”的革命性变化，大数据居然可以让这么复杂的“庞然大物”不再受制于库存。然而，这背后的技术发展又是如何形成呢？
李晓明认为，目前在车企里面，尤其是新能源汽车，“以销定产”的能力都在逐步形成。但是各家企业之间还存在差距。比如有些企业从订单到整个交付可能需要两个月的时间，有些车企可能要达到六个月。那整体而言，整个大数据分析在生产计划的应用可以分为两个方面。
第一，大数据的分析可以更快的满足用户的用车需求，因为车企可以全面的整合线上线下与用户的互动数据，然后构建用户购车需求的线索评级和预测模型，这样就可以准确把握用户的购车需求，进而将购车需求转化成可以执行的订单预测，便于生产部门提前部署、更合理的备件、制定生产计划等，最终实现快速的满足用户个性化需要的目标。整体来看，企业在应对多元化需求时，大数据的预测能力和计划能力非常重要。
第二，大数据分析除了可以满足用户需求，还可以降低成本、提高生产效率和可靠性。车企通过对市场需求的预测、分析，以及可以在生产过程中采集全链路的数据，然后提取和分析关键环节的信息，再结合生产的能力，就可以在关键节点做出流程的优化，形成更高效的决策。这样在采购、物流运输、库存管理、生产等各个环节都可以做出准确的预判和安排，这就可以全面降低过程中的人力的、物力的、时间的成本，从而提高生产效率。
在李晓明的眼中，大数据技术的发展和应用，使得车企通过对潜在客户的各类数据分析，就可以在采购、库存、生产、销售等环节作出准确的预判和规划，从而实现降本增效。而刘欣龙更是从自己的经验出发，分析了“以产定销”背后的运作方式和步骤。
刘欣龙曾经在新能源车企工作过，对于C2M的应用有切身感受，他结合过往的经验，分享了自己的看法。他认为，C2M设想的很好，但其实真正做起来还很困难，柔性供应链可能还是没有办法实现，因为后端（生产端）能够响应的难度有多大，完全取决于前端（营销侧）给用户的选择空间。
比如在内饰环节里，很多车企有时候会比较简化，颜色就是一个很大的分类，然后颜色分类里面基本上会把整个面板和座椅包在一起。如果做的再细一点，座椅除了颜色跟面板搭配，可能还要设计成完全不同的风格。这就给后端的生产研发提了一个要求，也就是说内饰设计师做好了这套方案之后，在这个方案里面会有子方案，每个子方案涉及到不同的零配件，选择就会更多。而相应的生产过程并不是等用户选好之后再进入排产环节，需要积累一定的数据，这就是为什么车企按照用户的需求确定后，需要等两到三个月交付，这两到三个月不是在等着车造好，而是在等相似需求的车攒到生产的量。然后再进入到生产的阶段，车企会分把这些需求下发给它的采购供应商，也会下发到它的分装车间，然后由不同的分装车间完成模块化的组装。所以对于很多车企而言，他们在完成这种所谓的定制的时候，这部分能力已经做到了产线结构的模块化，这就是为什么大家一直在提产线平台升级的原因。
回到数据这个问题上，车企更多的是希望通过一些历史数据，或者是前期尽可能的把用户选择的数据作为采样，然后以采样数据和历史数据结合，给产线平台的模块化准备提供数据参考。这样就可以提前为模块化准备一些物料和生产的排期。
从两位嘉宾的观点中不难发现，个性化的需求和以产定销的营销方式，背后离不开大数据的分析、预测，以及基于分析预测对原有生产线的改进和升级。
实时数据分析能力升级驾驶体验
随着车身整体应用智能化，数据的采集与应用除了在内部生产线之外，还越来越多的发生在真实的驾驶场景。企业数据实时分析的能力，搭配各端口数据的互联互通，在汽车数智化发展中，扮演着重要的角色。
张琳琳对此深度赞同，她提出以往在试驾结束后，消费者的感知只能是好、很好、或者不好。但现在，试驾过程中的人车交互，都会反应在详细的试驾报告里，甚至包括制动次数、使用了几次驾驶辅助，成功做了几次变道避险等。当结束试驾，重新返回展厅时，手机就能收到此次试驾报告。这种实时的场景，一方面提升了用户使用体验；另一方面，也能有效的掌握潜客使用行为，方便销售人员进行下一步促单行为。同时，这些试驾数据，也能为提升用户试驾体验找到方向。
现在再也不是单一数据‘闯天下’的时代了，一个深刻有效的业务洞察往往需要3种以上的数据综合支持，而这对于企业的架构设计提出了很高挑战。当拥有多方数据，在进行读取分析时，为了提高查询效率，会面临结果数据打宽的困扰，量级小时还能承受，但对上千张表打宽处理，这几乎是不可能完成的任务，因此在实际应用场景中，会推荐直接采用镜舟数据库多表join的方式来解决。如果针对某些固定报表或者指标的查询场景，还可用多表物化视图的方式做查询加速，既节省人力，又可以实现业务的分析诉求。业务同学调整后，产生的新数据会自动更新加载，底层同步更新，运营效果结果直接反映到前端展示。采用湖仓融合架构的车企已经开始享受到数智化的红利。
此外，在实时分析的必要性上，张琳琳分享了对车企和车主都有深切感受的E-call场景。E-call（汽车紧急救援呼叫系统）是新能源汽车必搭的组件，一般由后端TSP（救援派遣平台）和车端T-boxE- call按钮和车辆碰撞状态组成，后端负责接收车端发送的上报数据，车端负责收集和判断E- call的触发状态，一旦车辆发生车祸，车辆碰撞状态感知到车辆碰撞信息，就会将数据上传至数据终端，并同时触发E- call按钮，将信息传至后台，并拨打电话建立语音通话，寻求救援。当前的镜舟数据库，已经能够保证实时数据在毫秒级的状态下快速写入并读取，将结果信息快速反馈至后台。
整体而言，汽车的数智化发展不仅需要内部的升级，也需要结合外部数据，内外结合、‘产销用’多角度、多层次规划使用数据，最终实现智能化提升企业营收能力。
人工智能将在汽车的各个场景落地
伴随着人工智能技术的不断升级，尤其是ChatGPT的迅速普及，不少车企也纷纷投资布局。人工智能究竟在汽车数智化中有哪些应用呢？
李晓明结合自身的工作和神策数据的业务，提出了自己的看法和目前的方向，神策数据一直聚焦在数据的分析和诊断上。传统企业在使用类似神策数据的产品或者平台时，门槛还是比较高的，一般不去投入、不去熟悉可能很难用起来。另一方面，真正做数据分析和诊断的过程中，有很多经验或者人的能力的因素在里面，所以如何结合AI的能力，然后给客户提供比较智能的诊断方法或者分析结果，这是神策数据目前在尝试和努力的一些方向。目前已经有一些成就了，就是可以基于某些场景做智能的诊断，比如把场景和想关注的一些指标、范围定义完成之后，它就可以结合数据，做智能的诊断并给出诊断结果。
总体来说，汽车数智化已经成为汽车行业不可忽视的趋势和发展方向。随着数字化、智能化、互联化和生态化的不断深入，汽车制造业的生产效率、产品质量和用户体验将会得到进一步提升，汽车数智化市场规模也将会保持高速增长。
文：赢家/ 数据猿
来源：数据猿
刷新相关文章
我要评论
不容错过的资讯
大家都在搜
