在華晨寶馬鐵西工廠的動力總成車間，我們看到了不少忙碌的AGV（Automated Guided Vehicle，無人搬運）機器人。
一位工人站在一個正方形的操作臺內只需簡單點擊幾下電腦，AGV接收到指令后根據事先編程設計的搬運路線，通過二維碼掃描精準識別動線，將組裝所需的零部件送了過來，師傅們從AGV機器人上陸續拿出所需的零部件，扭身操作，工序完畢后點擊屏幕，這輛AGV便重新出發，繼續執行自己的下一個任務。
今年上半年，華晨寶馬鐵西動力總成工廠物流“貨到人”項目投入以來，已經共有20余輛AGV協助工人完成揀選運輸工作，這20輛AGV每小時可以完成超過300個揀貨訂單，滿足發動機總裝的零件供應。
在升級到“貨到人”的項目之前，寶馬工廠還是傳統的“人揀貨”模式。工程師們需要推著大大小小的裝載車去指定的揀貨區揀貨，將所需的貨揀回來，回到工作臺再繼續組裝操作。
僅僅是在華晨寶馬的動力總成工廠，每天的生產過程中就需要數以萬計的零部件進行運輸調配，這其中需要投入大量的人力物力。而技術生來就是為了解放員工單調重復的勞動，提升生產效率，AGV和無人化倉儲區的改造念頭由此而來。
AGV和無人化倉儲區也只是華晨寶馬鐵西工廠數字化轉型的一部分。在看起來非常傳統的汽車制造領域，寶馬已經將人工智能視覺檢測、5G連接、無人化倉儲，甚至是VR/AR等數字孿生應用在了工廠，并深入到了汽車制造的多項流程。
品駕/品玩參觀下來也有了極大的感觸：眼前看到的這些傳統制造業的智能化轉型本身并沒有科幻片中那般“性感”，但一旦將工業互聯網、AI視覺以及5G等技術融入到工業智能化流程的深處，一座傳統工廠的進化也將是史無前例的。
從一粒砂開始的動力工廠
寶馬車里發動機碩大的缸體，最初其實是從一粒砂開始的。
首先，鑄造發動機的原始材料就是專門用于鑄造工藝的鑄造砂，但由于砂本身沒有粘性，無法直接塑性，所以第一步其實是要將砂通過大型混砂機與膠混合，而再將砂膠混合物放到熱芯盒中形成砂芯，進入鑄造空腔模具中從下至上注入鋁合金溶液待其冷卻凝固后便獲得了缸體零部件的毛坯。
但毛坯的精度還不足達到結合要求。所以鑄造車間讓砂變成了塊狀的毛坯件，而到了機加工車間后，經過機械臂一系列的車、銑、刨、磨、鉗等各種工序便成了精度更高的發動機缸體/缸蓋。
在缸體進入到下一流程前，其實就涉及到一個視覺質檢的過程，最早是通過單獨的質檢老師傅們的人眼目視，而現在換成了人工智能機器視覺輔助。
此前，檢測人員每天需要檢測約2000個汽缸蓋，這對檢測人員的細致程度和視力都提出了極高的要求。首先，目視檢測結果效率很低，其次，檢測人員如果長時間對同一種缸體檢測也極易產生視覺疲勞。
寶馬將流程融入AI視覺檢測后給我們留下了很深的印象：傳送帶只需將缸體運輸到了一個碩大的帶有機械臂的檢測位，檢測人員點擊電腦，機械臂夾起缸體，在舉起到檢測人員的面前之前，AI視覺已經完成了缸體接觸面的初篩。
據了解，這個巨大的檢測設備內擁有機械臂和多個攝像機，而過去的機械臂抓取其實是預先設置好的參數，而有了5G技術之后，可以慢慢過渡到AI視覺，實現一部分自學習。
這些初篩結果會率先出現在大屏上，并且對于人眼不易查看的小瑕疵進行了顏色標注。
隨后操作人員可以通過大屏放大查看，點擊復核，同時進行缸體視檢。
更加靈活的生產流程，提升了質檢效率和產品質量。技術人員稱，原來缸體檢測的工作流程全部印在了66張A4紙上，質檢人員會按照流程操作，而如今AI視覺通過學習已經可以實現初篩，一個發動機缸蓋的檢測時間縮短到幾十秒鐘，而缸蓋表面微小瑕疵的識別準確率也達到了99.7%。
在形成不同的鑄造件之后，也就有了上述AGV將不同零部件總裝到一起的過程。
現場一位技術人員稱，今年10月“貨到人”的二期項目也將上線，屆時將有更多AGV在倉儲區域代替人工揀貨員。而在未來，華晨寶馬還希望AGV可以擴展到所有工廠，逐步實現從倉庫歸位、揀選到線旁供線的全物流流程自動化。
從代替人到協助人
從視覺AI和AGV的運用也可以看出，本屬于物流配送區的員工變身成指導者和教練，他們不再需要深入倉儲區域進行揀選，而是負責照看這些“小跟班”做得對不對和好不好。
這也就意味著，數字工廠并非會成為“無人工廠”。
對于華晨寶馬而言，技術以“人”為本，為員工提供支持和服務，是技術發展的必然走向。而通過智能化的“人”“機”協作，消除員工自我發展的阻力和束縛，是提升企業創造活力、贏得數字化未來的必由之路。
技術應該協助人，而非代替人，這是百年寶馬深入制造的理念。
人，依然是永恒的主題。寶馬認為，通過高效、精準、全面覆蓋的數字互聯技術，數字化工廠為員工構建了一個高度智能化、集成化的數字化平臺，讓每一個人都能從智能機械設備與網絡中獲得強有力的支撐，迅速從繁瑣的工作中解脫出來。
在寶馬工廠，我們看到了更多的激光攝像頭和機械臂組合的應用。在車身裙板抓取工位，機器可以通過拍照，分析車身裙板的方向和位置，并獨立完成分揀工作。在質檢區，攝像頭對車門、機箱蓋等位置的掃描也可以實現平整度質檢，以及生成數據。
所謂數字工廠，以及數據化的平臺，更多是由經驗驅動轉為數據驅動。
這些數據到底有什么用？
除去數字化平臺，按需定制、生產等概念，更廣泛意義的工廠效率也擁有數據理念。
寶馬的想法很超前，這里有一個數字孿生的概念。寶馬工廠的一位高級總監稱，機械臂調試的壓力、電流都可以成為數字化模擬，他們會通過數字化平臺來糾正。
機械臂迭代的過程中，生產系統的高效運轉，都要把數據拿到數字孿生世界去模擬，然后再回來進行實質性的投產。
而現在的生產狀態其實來自于兩年前的設計和模擬，一旦投入真實生產，那么所有的工位的數據應該都處于虛擬模擬的就緒狀態。
他對品駕/品玩表示，實際上，在建立寶馬任何一個工廠之前，相應的管理部門其實對車間的雛形就有一定的要求，這個雛形就是一個數字化模擬的樣本，工廠怎么設計，數字化平臺怎么連同，數據怎樣流轉都是交給相關部門可行性分析的概念模型。
這不僅是將VR等技術應用于工廠建設，通過3D建模在數字化系統中搭建“虛擬工廠”，而有了數據之后，將可以1：1還原工廠真實的生產場景和生產效率，模擬工廠的運轉。
寶馬稱，在數字化工廠中，數字化規劃利用三維建模、VR技術（虛擬現實技術）和虛擬調試等前沿數字化工具在虛擬世界中創造數字孿生，進行產品和工廠的開發測試，并應用于現實生活中，從而提升規劃和開發效率，縮短工廠及產品籌備時間。
這也正是最讓人期待的：當新技術融入百年汽車工業，數字化工廠建設和生產都將迎來一次重大飛躍。
