均普智能：PIA的工业数字化探索——从虚拟到现实

均普智能是一家立足中国，面向全球的智能制造装备供应商和工业数字化软件服务商，主要从事成套定制化装配与检测智能制造装备及数字化软件的研发、生产、销售和服务，为汽车工业、工业机电、消费品、医疗健康等领域的全球知名制造商提供智能制造整体解决方案。均普智能以工业4.0为导向、工业大数据为驱动，赋能客户实现“个性化定制、网络化协作、智能化制造和服务化延伸”为价值目标。

2023年12月14日，在第四届汽车电驱动及关键技术大会上，宁波均普智能制造股份有限公司中国区首席技术官何川表示:“我们的愿景是希望通过技术实力和工程应用经验帮助客户实现更高效、更智能的生产。”围绕模块化制造、模拟与动画技术、PIA数字化的产品生命周期管控、以及虚拟现实、MR技术和未来机器等PIA的愿景五个方面，何川进行了详实的分享。

最后何川坦言:“我们希望在当下的行业背景下，搭建起一个优秀的资源和技术的分享平台，在这个平台里可以有开发者平台，不同层级的供应商、集成商都有发挥的空间，可以助推技术发展越来越好。”

宁波均普智能制造股份有限公司中国区首席技术官

以下为演讲内容整理:

均普智能是一家科技型创新公司，希望通过技术手段帮客户实现更高效、更智能的生产。我们的产品非常丰富，客户群体多，这就需要适配不同的客户群，做到小批量多品种，实现模块化精益制造。我们在做标准化过程中，需要加入柔性和先进制造的理念。

下图是基于网端的数据库，我们在全球的8个工厂都共享同一数据库。我们不断给海外工厂输出在中国定义的标准，但并非将8个工厂的标准全部统一。北美的三个工厂要符合UL认证标准，欧洲的四个工厂要符合CE认证标准，因此我们希望在求同存异的过程中尽可能提高标准化定义。

图源:演讲嘉宾素材

未来设备与产线设计:标准化、柔性化与自动化

我们希望未来的设备能够有多种选择，这就需要有许多接口、技术手段和通讯方式。在过去60年的时间里，我们通过标准化形成了不同产线的规模和形式，希望能够给核心用户提供直接的理念。我们有自己的标机，主要是为了满足行业需求进行定制开发，不同材料的激光填丝焊，输送给不同的主机厂和客户群。

我们做过一条十分特殊的产线，这条产线的电驱动总程平台搭载在一款超跑上。前期该款超跑的预估使用量较低，客户不知道它的平台是否会集成到中低端平台上做共性生产，因此要求我们在做第一阶段的产线设计时候，需要充分考虑未来产线扩产所带来的挑战和变更量。基于此，我们做了一个柔性化方案。

图源:演讲嘉宾素材

由于第一阶段的产量很少，因此我们做了很多单栈式集成，以半自动化的形式完成装配。未来产线需要升级到大规模量产结构，其中会有很大的变更，我们将其中的基础内容进行了保留。

第二阶段有许多新的型号加入，我们集成了快换型的方案，在许多场景中将其定义为标准。我们有压头式快换方案和旋转式快换方案，可以对接不同的产品批次，在最快的时间里响应换型。

除标准换型单元外，我们还提供了其他的换型手段，如将AMR平台取代人工小车，所有的安装、孔位、定位方式都保持统一，避免在下一阶段产线升级时带来过多产品设计上的迭代。AMR小车路径非常灵活，不同型号生产时面临不同的生产顺序，需要一定的柔性化给到小车指令，让它把产品带入工位。

当面临30万产能时，需要铺设大量线体，将其连接成所谓大规模的流水线形式。我们也会提供不同的重载滚道线体，供客户选择，应用到对应的产线中。其中的问题在于，在原有的半自动产线中做简易的升级很难，我们在第一阶段就已经预留了升级产能空间，考虑到安装方式和干涉面，当发生不同功能转换时，会带来许多安全问题。

回到产品本身，从小车逐渐移动到托盘，再由托盘移动到工位，对于生产型客户而言，生产型改造压力会小很多。原本由人工手工上线的内容变为由自动化机器上线，再配合自动换盘机构，可以实现柔性的快速上线。

最终的总程下线我们也会应用不同的方案，原本由人工操作的部分全部换位机器人，对应程序的兑换都由设备自动完成。背后的数据平台、测试平台全都是我们自己独立编写完成，有不同的公共平台监控，分析基于产线产生的不同数据流。

柔性化生产中的仿真与优化:理论与实践的融合

基于柔性化生产，我们需要做许多前沿的仿真，在仿真过程中我们会应用不同的仿真技术。过去10年，我们大多数时候都是基于2D做方案规划。实际上，国内有更多可能性，能够提供方案的预判，提升后期执行的可靠性。

我们提供了一个虚拟平台做ritural design的工作。以下是我们为国内一家主机厂做电驱产品齿轮相轴总成合箱预研。由于该产品属于研发性质，我们做了许多理论推理。但基于我们的简易方案和简易机构，他们并不相信我们最终能够按照方案实现对齿或合装，因此我们在动态仿真环境中进行了验证。验证结果有一定的理论参考性，能够为客户合工程师提供想法和优化空间，在未来实践时，能够依据该理论基础做更多优化。

图源:演讲嘉宾素材

我们在做细节化程度很高的仿真案例时，会给客户提供不同的装配认知以及理论输出，帮助客户推销他们的产品。当我们拿到订单时，会面临十分详细的细节设计。当完成细节设计后，不仅仅是做到产线跑起来就可以，还需要进行很多数据分析。

生产型企业最关注的就是OEE，OEE有三个维度指标工程，其中一个维度指标是设备的单位时间宕机率，这一指标对于集成的设备厂商十分重要。我们在做工位分析时，会把所有的核心工位按照MTM的标准指标做分析，然后计算产线的平衡率。对于每一个工位上的工作人员，他们的产能负荷率等，我们都会进行核算，并提供一个技术性指标供客户参考。

还有许多功能性的验证。疫情期间我们要满足海外主机厂的验收标准，要做三方联动的验收。我们选择了采用VR技术，所有工程师戴着VR眼镜，进入工位细节后，可以仔细看所有定义的标准。这也是理论的参考，所有的压装时间、合轴时间等，都取决于我们的经验以及推算速率、效率和传输速度计算出来的结果，这一理论值可以为我们提供方向。这一方式在疫情期间为我们提供了很大的帮助，在足不出户的情况下就可以完成超150米产线的设计验收。

全生命周期数字质量开发

我们的数字服务不仅仅应用于机械设计本身，还有很多基于行业的理解，做了许多基于产线设备本身的全生命周期数字质量开发和预研工作。过去5年，我们持续与主机厂沟通，探讨他们的MaaS可以实现怎样的颗粒度数据分析，我们所提供的工业化软件平台可以补充MaaS的哪些不足。

图源:演讲嘉宾素材

数据是未来生产中最核心的支持要素，数据从设备里来，而设备里面又是很大的开口箱。目前我们有支持万物互联的方案，不断向更多的数据采集方案上靠。我们要在能力范围内，把所有可以采集的数据进行批量化分析，将这些数据应用在客户的试生产中。

在全生命周期的管控过程中，我们推出了不同的软件平台，以弥补当前主流的主机厂MaaS系统所不能收集到的信息。我们也在基于线体层级的MaaS系统抓取信息，把数据分配给工控平台做分析。

图源:演讲嘉宾素材

我们有一款软件十分有趣，可以认定为有一个联动机构，在完成一次抓取后，会有一个信号点、一个输出信号和一个输入信号，输入信号和输入信号之间有理论的时间节点，我们称其为子节拍。在这个定义的子节拍中，我们会根据实际定义的理论节拍进行对比，可以为客户证明其某个工位或某个信号点是否按照之前计划的方案执行，如果时间有很大的延迟，那就有可能是操作人员不在工位，或物流排产不到位、工料系统有问题。信号点没有返回系统，就降低了在整个产线中排产排难的可能性。

我们要做的是通过对于数据的理解和挖掘，给客户提供不一样的增值方案。通过增值方案，我们实现了非常高的反馈。在过去5年的时间里，主机厂给我们的数据反馈量十分庞大。在这个数据背后，我们看到了新的产业方向，针对这些数据，还有很多方案可以做。

德国同事习惯用纸板壳做样机，他们认为这样的实施方案可以最高程度的还原未来制作产线的艺术。我们一直在思考如何降低这个工作量。基于此，我们提出了一个基于数字化平台的方案。当戴上VR眼镜后，所有的指令都在眼前，距离、设备大小等都按照1:1还原。

图源:演讲嘉宾素材

生产型企业大多都是依靠人工经验，如何将经验固化、把经验进行复制成为一个可以探索的方向。我们通过游戏的方式，更直观、更显像的引导客户。他们做培训和设备验收，减少我们的时间成本，再次去做就不需要极致的单元。我们有标准化的平台，在虚拟空间搭建后，就可以知道人工、安全、人机协作能否符合设备要求。通过这样的方式，我们极大的减少了工作和和材料指出。

除此以外，我们还做了一些经验性的研究，基于硬件平台做了一个虚拟现实的真实案例。下图中的工作人员可以戴着眼镜打螺丝钉或安装具体的产品。在电驱总程里，许多指引性的规则可以通过眼镜实现，因为在该场景中所看到的虚实结合的场景，在实体情况下可以剖析虚拟设备，许多原理性的内容可以通过虚拟端理解。在装配、安装、测试时，所有的指令和显示都来自虚拟世界，同时也能理解实物的样子，这是未来生产工艺非常值得探寻的话题。

图源:演讲嘉宾素材

我们希望能够创造自己的核心竞争力。在当前行业背景下，我们希望可以进行联合，把优秀的资源、技术等分享到同样的平台。如果有这样一个平台，不同的上下级供应商、集成商等都会有更大的想象空间，可以助推技术向前发展。