数据显示：汽车行业97%的企业已开始数字化转型之旅。其中，80%的企业处于局部部署及更高阶的阶段，40%的企业已经进入全面部署阶段、深化阶段和创新优化阶段。新型工业化的过程中，浦东的大型汽车制造企业既建得早、更推得深。以上汽为代表的一批先行者，正引领着中国汽车工业在数字化、智能化方面不断创新突破、提质增效。

作为历史悠久、经验老道的汽车制造企业，上汽很早就意识到，企业的数字化转型绝不只是添几个自动化设备或切换新系统那么简单，而是企业的长期战略。如何找到一个最适合的未来制造解决方案，以精益生产为核心思想，全面提高企业的运营管理能力，让老工厂重新焕发竞争力？这是一条漫长的数字化转型探索之旅。

在总装车间的一座数字大屏上，“实时产量、质量数据、当日TPM”等信息一目了然。进入总装车间首先映入眼帘的是高度自动化的流水线作业景象：一条流水线上吊装着不同颜色、不同品牌的车架缓慢移动。车间产线两旁，无人驾驶的AGV小车井然有序地运送各种零部件物料；在产线另一侧，像碰碰车一样的AGV机器人小车承托着各式各样的汽车底盘，精准移动到对应车型车体下方等待工人安装。

“平均每70秒就有一辆整车下线。”上汽乘用车临港基地分党委书记兼整车厂总监陈培锋说，“产线上许多机器人、安装工具都有识别零件的能力，例如车轮安装机器人通过视觉传感器辨认车轮是否与车架匹配，如不匹配就会停止工作并提示工作人员。”

“现在客户的要求日益提高，包括单一车型在内，专线生产成本太高，所以现在总装流水线都是柔性化生产，更能适应快节奏的生产需求。”陈培锋介绍。

据悉，上汽乘用车分别在临港、南京、郑州、宁德地区拥有四座全球领先的数字化工厂。其中，临港基地于2008年9月建成投产，总占地面积超过120万平方米，包含了整车和发动机制造，是国内率先达到传统技术和新能源技术全覆盖的高柔性化制造基地。

以前传统汽车制造更多是采用自动化技术、信息化手段等对核心业务进行数字化改造，实现单一业务内容的数据共享，保证最终产品交付的质量。近年来，数字化对内深入到了管理的精细化、实时化、透明化。

“我们需要构建以数据为中心的组织体系和运行模式，”上汽乘用车制造工程部工业工程总监宋政表示，如果说传统工厂用大量机器人替代人工实现初始自动化，以提升局部效率和质量为主，那么如今不只是上线智能设备，更要考虑端到端的数据集成，即底层数据采集到感知层、互联层、应用层，以及横向的各价值链数据集成，让数据产生价值，辅助决策，让管理更精细、反应更及时、执行更精准。

过去依靠人工检查整车外饰件误装配终归有疏漏，十万分之一的疏漏概率对于单一客户而言就是百分之百。“从2018年以后，我们数字化转型的深度不断加强，在智能制造领域每年结合需求都有滚动的投入。”宋政介绍，为确保所有车在出厂时百分之百满足质量要求，2019年，上汽乘用车在产线上通过视觉技术，植入AI图像处理算法，在线识别26个种类的外饰件，若检测出误装配就会停线、人工干预排查。

上汽乘用车聚焦临港基地全业务链数字化运作，构建了“智工艺、智生产、智物流、智品质、智运营”的应用生态圈，实现了人、机、料、法、环、测系统互联互通，实现工艺规划、排产、内物流运作、生产及供应商端到端打通。以“智品质”为例，通过将人工智能图像识别技术与生产订单数据融合，可以实时对在线车辆装配质量自动防错与错误报警，减少产品质量缺陷。

“简单来理解，我们在工厂里把负重最大、精度要求高的工序都交给机器人，比如装配汽车轮胎、搬运、涂胶、喷涂。”陈培锋说。如以轮胎安装为例，通过引入自动安装机器人，可实现从螺母选取、轮胎抓取、定位安装到力矩校准的随动自动化装配。

数字化技术与智能装备的深度融合，也为上汽乘用车临港基地带来了高效能——单车能耗降低3.8%，单车物流成本下降6%，潜在呆滞库存资金减少2%。通过智能设备与数字化平台协同，完成生产开动率提升2%，生产效率提升了10%以上。在数字化系统充分挖掘内部潜力后，目前每小时可生产45台车，订单生成到交付的时间从11天下降到8天。

工厂数字化转型并非一个单点，而是需要全流程、全系统的数字化建设。目前，越来越多的企业正从自动化走向数字化，从单个环节的数字化走向全产业链的数字化。然而，在这一转型过程中，数据透明化难度仍然较大。整车制造供应链体系庞大复杂，涉及到上千家零部件供应商，宋政介绍，上汽建立供应链生态圈，赋能中小企业建设轻量化的数字化工厂，推动实现数据共享、高效排产、制造协同和质量前置。但对于数据互用和统一，每个供应商都有自己的考量，未来上汽乘用车还要在云生态、数据平台等各方面达成共识，互相认可工具和手段，实现效能最大化。

上汽乘用车临港基地以工业大数据平台为支撑，聚焦核心业务场景，打造高效、务实、精准的智能制造体系，从价值维、技术维和组织维三个维度推进数字化、网络化、智能化。“2023年，我们是首家获评国家智能制造成熟度4级的整车企业，这些都离不开这些年我们在智能制造领域的深耕和实践。”宋政补充说。