英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
大数据应用策略降低汽车工业成本
Xinyu Ge and Jonathan Jackson Caterpillar Inc.
摘要
汽车工业的成本降低成为了一种广泛采用的经营战略，不仅是对原始设备制造商(OEMs)采取了成本领先的通用公司战略，而且对于许多采用差异化的通用公司战略的oem厂商来说也是如此。由于差异化的通用战略要求企业提供高于行业平均水平的产品或服务，因此这些产品或服务的标签价格通常包含溢价。降低成本的措施可能会增加那些追求差异化战略的组织的风险。
尽管在过去的十年里，汽车工业的生产效率大大提高了，但是他们仍然面临着成本控制的压力。对汽车制造商和供应商来说，成本控制面临的最大挑战是原材料、能源和劳动力成本的上涨。这些成本为传统的经济扩张模式带来了约束。精益生产和其他传统的6西格玛工艺已经被广泛应用于减少浪费和提高汽车工业的效率。然而，这些过程和措施仍然是一种被动的策略，不会对汽车oem厂商带来突破。
对于一个追求差异化的通用战略来降低成本而不影响其保费定价策略的组织来说，这是非常具有挑战性的。大数据技术在过去的十年中迅速发展。技术(IT)行业，在将聚合的实时客户的应用程序模式链接到产品设计和制造阶段的承诺。大数据技术使汽车制造商能够采取创新的措施来降低成本。
当大数据技术按照典型的降低成本的反应策略来使用时，也不会为成本控制带来革命性的改进。大数据技术的终极力量依赖于新战略的实施。本文将自适应标定和循环经济发展的实时数据分析作为汽车行业的大数据应用策略。
介绍
在传统的公司战略理论[1]中，市场赢家必须追求三种策略中的一种，才能在市场中保持领导地位。这些策略是成本领先、差异化和聚焦战略。焦点策略特别适合于小众市场，原始设备制造商(oem)可以对市场趋势和客户的特殊需求提供快速反应。oem可以在利基市场提供定制的解决方案来留住客户。当OEM采取差异化战略时，通常也会是价格领导者，因为市场价格中总是有溢价，以补偿与高质量或市场形象相关的成本。
在全球化进程中，全球汽车市场的价格竞争日趋激烈。越来越多的OEMs采用精益生产方法，降低成本成为所有市场参与者的一个广泛话题。不仅采用成本领先战略的OEM厂商积极压低成本，而且每一个全球OEM厂商都喜欢利用经济规模来削减成本。
另一方面，原材料价格、能源价格和劳动力成本都面临着越来越大的压力。对汽车oem厂商和供应商的影响是巨大的，成本的增加可以很容易地削减制造商的利润。
汽车oem厂商已经采取了许多措施来降低成本，例如精益制造，即时库存系统，利用“市场拉动”来主导生产和丰田生产系统。这些方法背后的核心理念是在制造过程中追逐浪费，减少浪费。
这些降低成本的措施也有风险。例如，某些组件的极度简化和缩小可能会使系统的健壮性降到最低。在许多情况下，鲁棒性与质量和顾客的快乐有着积极的关系。即时库存管理可以降低供应链成本，但当自然灾害扰乱了提前预定的时间时，最小库存也会导致装配停工。
表1 制造业的大数据应用。
追逐浪费实际上是在降低成本的过程中产生的一种反应模式。OEMs首先需要通过监控各种性能指标来确定垃圾的位置。第二步是分析和减少浪费以降低成本。
大数据范式在信息技术产业中得到了广泛的讨论。为了满足工业需要，最近开发了许多技术和技术。利用大数据技术可以主动降低汽车工业的成本。
麦肯锡全球研究所(McKinsey Global Institute)的一份研究报告总结了大数据技术对制造业的潜在好处。表1描述了这些好处。
在汽车工程领域中广泛使用的其他传统方法也可以实现上述的一些好处。DMAIC是最常用的连续产品改进(CPI)方法之一，它是6西格玛过程的五个阶段的首字母缩写:定义、测量、分析、改进和控制。在6西格玛过程之后，OEM可以有效地提高产品性能和降低保修成本。在大多数情况下，当为子系统和组件设定6西格玛标准时，制造成本也会降低。表2描述了典型DMAIC过程的步骤。
表2 6sigma;- DMAIC
当大数据技术被用作6西格玛过程的工具时，它们不会为成本控制带来革命性的改进。大数据技术可以更有效地聚合数据以支持高层决策。大数据技术的终极力量依赖于新战略的实施。
有两个领域，大数据应用可以显著降低汽车oem和供应商的总成本:
- 大数据技术可以主动最小化成本，而不是被动降低成本。关键是将聚合实时客户的应用程序模式与自适应校准相关联。大数据技术使oem能够根据产品的运行状况调整产品的标定。定制的标定不仅对终端用户有价值，而且可以防止和产品缺陷。
- 大数据技术不是专注于一个产品的生命周期，而是使oem和供应商能够采用循环经济的发展。通过扩展的数据支持，OEMs和供应商可以在早期产品开发阶段预先定义重用或回收特性。循环经济将使汽车行业的oem厂商脱钩。
大数据应用策略——确保循环的典型新职业的双赢。
在汽车工业的典型新产品介绍(NPI)过程中，产品是由满足特定功能和特性的组件定义的。消费品和耐用的部件之间并没有严格的区别。设计和开发目标集中于一个产品生命周期。
再制造实践是汽车行业节约成本、延长产品寿命的技术之一。然而，在初始的NPI组件成本和再制造能力之间存在一个权衡曲线。自1960年以来，这一关系一直被汽车工业所指出和研究。Holzwasser, H.总结了自1920年以来在他的论文[3]中常用的重新制造的替换零件。他还指出:“对再制造替代的威胁是寻求减轻重量和降低零部件成本的工程，而不是耐用性和可再制造性。”30年前他所目睹的威胁仍然存在于当前的汽车行业，越来越多的OEMs追求低成本的制造过程。
在初始NPI元器件成本与再制造能力之间，找出最优平衡点是一个具有挑战性的过程。许多维修和服务实践已经在汽车工业中采用了再制造的动力总成部件。与重建过程相比，再制造过程通常保证更好的质量控制和更低的总成本[4]。
沃利斯,J。Ferrone,C。在他们的审查中，列出了再制造和重建过程的区别[4]:“再制造过程的开始，首先是收到一个核心。核心被识别和检查以确定它是否符合核心验收标准。然后组件进入拆卸发生的拆卸阶段。此时，组件失去了它的标识。磨损部件要报废。“审查中再制造过程的有效性是基于这样一种假设，即核心可以很容易地分离到消耗性和耐用性提供组件。这在汽车最小化工业中是不可能的;因此，循环经济的概念必须在产品的设计阶段实现。
生命周期规划-可再制造性的设计和校准
延长汽车工业产品的生命周期，为oem、采购商、终端用户和普通社会提供了便利。在大数据技术最近开发之前，有许多关于汽车工程领域的再制造过程的指导方针和案例研究。伯莱塔,J，科斯特洛,M等，总结了OEMs的再制造效益[5]。然而，这些效益的充分利用取决于成功的零部件回收成本低。如果一个部件不能被分离到消耗品和耐用部件中，在再制造过程中会产生更多的成本。
传统的汽车技术采用许多设计技术来提高零部件、子系统、系统和车辆的可再制造性。例如，特殊的设计将允许磨损发生在活塞环的顶部边缘而不是亚麻布。这样，在再制造过程中，可以很容易地重新加工linens和活塞，而活塞环被替换。然而，传统的再制造过程与产品校准过程是脱节的。一个经验法则是用来估计没有生命周期的组件磨损程度的数据支持。
校准过程也会极大地影响产品的生命周期规划。例如，发动机的校准过程是决定发动机性能和排放的最后一步。校准过程具有以下特点。首先，一个发动机标定解决方案可以很容易地调整，以验证一个样机的优化解决方案，但很难验证所提出的解决方案对发动机的人口。其次，发动机标定的重点是整体系统性能，而子系统的标定被认为是将所有子系统的性能提升到标称值。
当发动机控制模块(ECM)注意到转速和负载的变化时，控制参数根据控制图进行插值。这些控制图是在发动机校准过程中创建的，并将用于同一家庭的所有发动机。表3列出了典型的ECM参数。
表3 ECM控制参数
校准的目标是确定ECM参数值的组合，从而满足发动机性能要求和排放要求。NOx排放是柴油和汽油发动机的共同排放之一。有许多与NOx排放形成相关的理论研究[6,7]。热或泽尔多维奇机制由于其简单性而被广泛应用于柴油发动机仿真中。在富燃烧条件下，Fenimore机制被广泛应用，而N2 O中间机制更适合于低温的贫燃燃烧。
根据所有的理论研究和校准试验，启动点火是控制氮氧化物排放的关键参数;因此，在典型的发动机校准过程中，确定了柴油机的喷油时间和汽油机的火花点火时间。这些校准测试是基于一个发动机样品或几个发动机样品。由于存在不可避免的制造差异，将采用其他程序来调整每台发动机的燃料数量以满足电力需求。
子系统的制造公差影响最终的发动机性能和校准。例如，喷油器可以在相同的ECM参数下提供不同的燃料量。图1说明了喷油器的质量分布情况。喷油器的末端测试是按照一定的标准进行的。修整因子也用于使每个喷射器的性能接近标称值。
柴油喷射的启动是固定的，以确保所有发动机的排放符合同一家庭。对不同的喷油器和柴油发动机，可以调整燃料用量和注入时间，以补偿制造的变化。这种做法可能会导致不同的柴油发动机喷射(EOI)的不同结束。
众所周知，柴油发动机的油烟与烟灰之间存在着一定的关系。油烟对柴油发动机的影响。图2说明了典型的关系。由于不同的EOI，不同的发动机在正常的发动机工作周期中实际上有不同的油烟百分比。这些细微的差别在整个引擎的工作过程中积累起来，最终会在产品的生命周期结束时产生不同的磨损程度。
考虑到上述场景，每个引擎实际上都有自己的磨损过程，尽管OEMs通常建议所有属于同一引擎模型的引擎的共同的石油生命和维护计划。经销商已经为每个车辆使用了维护日志来定制他们的服务计划。然而，详细的ECM控制和调优信息通常不能用于经销商。
所有的子系统和发动机的校准和调优信息已经存在了几十年，并且有许多经验模型根据发动机循环和ECM控制参数估计油烟和发动机磨损。然而，OEMs很少使用它们来定制每个引擎的再制造设计和回收技术。原因是太多的因素影响了使用校准和调优信息的有效性，例如车辆行驶周期、更换机油频率和修理或过早更换。一些有用的信息是从最终用户的工作循环日志中生成的，而其他的则来自OEMs、经销商和独立的修理店。在数据结构方面，各种信息通常是异构的，对传统的数据抽象和数据挖掘过程提出了巨大的挑战。
没有大数据技术的帮助，传统的生命周期规划通常是基于对失败部分的统计分析。Lam。等，总结了再制造过程的失效模式和影响分析[8]。这项研究的目的是开发一种能够更容易地再造的产品设计方法。重点是分析不能重用或再制造的引擎部件的根本原因。这些零件被称为“将进入制造商的废物流的部件”。“对这条废水的分析将会发现对部件的再利用的障碍。这项研究是基于在一家汽车制造商的商店收集的观测数据，总共有1245个零件。本研究不包括发动机使用寿命内的校准和调优信息。
至于发动机再制造过程，也需要考虑排放达标。镗孔加工工艺和加工工艺可以很容易地改变燃烧室的几何形状和配气时间。压缩比和体积效率很容易受到影响。在之前的研究工作[9]中，定义了一个严格的过程，以确保引擎能够满足原生产年份的排放标准。然而，严格的公差和额外的验证都增加了再制造过程的成本。当发动机的物理参数发生轻微变化时，通过调整校准解决方案可以很容易地满足排放要求。
对于OEM或制造商来说，进行彻底的引擎测试和重新填充所有的控制地图是不划算的。解决方案是重用以前在正常引擎校准过程中生成的OEMs数据。
前的汽车中，安装了许多微处理器来执行某些任务。对于内燃机，有时使用多个微处理器进行发动机控制和后处理控制。由于电子模块的快速升级换代，汽车OEM厂商也需要确保在发动机使用寿命期间能提供兼容的电子模块。微处理器供应商通常会暂停低产量产品的制造，或收取非常高的成本以供应低容量的产品。再制造是一种为扩展电子模块的寿命提供一种经济有效的解决方案的方法[10]。对于OEM或制造商来说，要知道原始部件是否经历了高循环率或低循环率。要获得这些有用的信息，必须首先开发一个循环计数器。当更多的引擎和车辆传感器被放置在飞机上时，更多的信息就会出现。在大数据技术的帮助下，生命周期规划可以比传统的回收或再制造过程给OEM和客户带来更多的好处。
生命周期规划-大数据技术的可再制造性设计和校正
在麦肯锡的报告[2]中，“大数据指的是其规模超出典型数据库软件工具捕捉、存储、管理和分析能力的数据集。”“大数据有许多内在的特征。Ebner, K等人在其技术综述论文中总结了大数据的特点[11]。大数据描述的四个基本维度是高变化量、容量、速度和准确性，这些特征对典型的数据管理系统和过程构成了巨大的挑战，比如传统的关系数据库管理系统(RDBMS)。
随着现代汽车的新技术和更多的电子控制模块的实现，汽车行业有用数据的趋势越来越多。表4列出了汽车工程分析中数据的四个方面。
汽车工业有非常成熟的过程来开发新产品并将其引入市场。由于材料成本、开发成本和验证成本占车辆总成本的60%以上，传统工艺只能略微降低车辆总成本。Giuntini,R . .指出再制造可以“极大地提高轻型车市场的利润率”。“再造品的利润率可以比汽车行业的新产品高出50-100%[12]。”在大数据技术的帮助下，在再制造过程中，开发成本和验证成本可以进一步降低。
Nguyen, H并在报告中提出了“循环经济”的概念。“循环经济”的目标是一种再生的经济模式，其范围超出了传统的再制造过程[13]。虽然“循环经济”和传统的再制造过程都强调重用组件来节约材料
全文共11127字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[10780]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
