5.大規模個性化定制模式1內涵及特點1.1歷史發展為客戶定制生產已經成為廠家爭奪市場份額的重要和有效的手段。先進制造技術、計算機技術以及網絡技術的發展，使得按照客戶的個性化需求進行定制生產從理想轉變為現實。客戶可以在網上選擇配置自己的個性化產品，而企業則可以通過產品設計、制造和銷售資源等的重用來降低定制產品的生產成本，有能力以接近大批量生產的價格向客戶提供個性化的定制產品。這就是大批量定制生產模式，逐漸成為21世紀制造業的主流生產模式。1970年，托夫勒（AlvinToffler）在其《FutureShock》（未來的沖擊）一書中提出了一種全新的生產方式的設想：以類似于標準化或大批量生產的成本和時間，提供滿足客戶特定需求的產品和服務。1內涵及特點1.2特征（1）以客戶需求為導向（2）以先進的信息技術與制造技術為支持（3）專業化的產品制造（4）以模塊化設計、部件標準化為基礎（5）以質量為前提（6）以敏捷為標志（7）以供應鏈管理為手段1內涵及特點1.3分類（1）Lampel和加拿大著名戰略理論家Mintzberg（1996）認為，在完全定制與完全標準化之間存在一個戰略的連續集，并根據顧客參與設計的程度提出了大批量定制的五種類型，即完全標準化、部分標準化、定制標準化、剪裁定制化和完全定制化。①完全標準化，是指大量生產標準化產品。②部分標準化，是指為各細分市場提供不同的產品和服務，即多樣化生產標準化產品。③定制標準化，是指從選擇標準化的部件開始進行定制。④剪裁定制化，是指從產品的制造階段開始定制。⑤完全定制化，是指從產品的設計階段開始定制。（2）Ross（1996）按定制發生點的位置不同，將定制分為核心式定制、多樣化定制、生產后定制、零售式定制以及自適應定制五種不同的定制類型。1內涵及特點1.3分類①核心式定制，即顧客能夠修改核心部件。②多樣化定制，是指由品種多樣化推進的定制。③生產后定制，是指產品生產后通過對服務的定制來實現定制。④零售式定制，是指在零售商處實現的定制。⑤自適應定制，是指客戶根據自己的需要來進行定制。（3）PineⅡ和Gilmore（1997）根據定制切入點的不同和客戶偏好的不同把大批量定制生產分為合作型定制、預測型定制、適應性定制和裝飾性定制四大類。①合作型定制，是指定制企業通過與客戶交流和合作，幫助客戶澄清需要，準確設計并且制造出能夠滿足客戶需要的個性化產品和服務，這是一種客戶參與的定制。1內涵及特點1.3分類②預測型定制，是指企業在深入了解客戶的具體要求的基礎上，根據預測為客戶分別提供所需的個性化產品和服務，而客戶不參與定制過程，也不知道這些產品和服務是為他們定制的。③適應性定制，是指企業為所有人提供標準化的產品，但是在客戶使用它們的過程中，這些產品能夠自動調整或客戶可以根據其特殊需要進行適應性修改和重新配置。④裝飾性定制，是指企業以不同的包裝把同樣的產品提供給不同的客戶。這種定制方式適用于客戶對產品本身并無什么特殊要求，但要求包裝符合其特定要求的情況。（4）客戶訂單分離點（customerorderdiscouplingpoint，CODP）概念，按CODP在生產過程中的位置不同，將生產方式分為按訂單銷售（或稱為庫存生產）、按訂單裝配、按訂單制造、提按訂單設計四類。1內涵及特點1.3分類①按訂單銷售，是指在產品銷售階段，客戶根據個性化的要求選擇企業提供的標準化產品或服務。②按訂單裝配，是將預測生產的庫存部件裝配成客戶需要的定制產品。其裝配和銷售活動是由客戶訂貨驅動的。③按訂單制造，是根據已有的部件模型，對部件進行制造和裝配后向客戶提供定制產品。其采購、部分部件制造、裝配和銷售是由客戶訂貨驅動的。321④按訂單設計，是指必須重新設計某些部件才能滿足客戶訂單的需求，進行制造和裝配后向客戶提供定制產品。其全部或部分產品的設計、采購、部件制造、裝配和分銷等都是由客戶訂單驅動的45.2關鍵技術5.2.1客戶需求識別與分析技術客戶需求的特點在進行客戶需求的識別分析處理前，首先需要了解大批量定制下客戶需求的特點，以便于更有針對性地實現客戶需求的獲取、識別、聚類等。（1）需求的模糊性。需求的模糊性也可以稱為不確定性，是指客戶對產品提出的定制需求有些是不明確、不具體的，例如，客戶對某些需求的表達采用略大于、稍微、較好、大約等具有模糊含義的詞語。（2）需求的動態性。需求的動態性是指客戶需求是變化的，表現在以下兩個方面：一方面，由于客戶需求貫穿于產品的全生命周期，同一客戶需求在產品生命周期的不同階段表現為不同的形式；另一方面，由于客戶在最初對產品提出定制要求時多是出于自身的愛好和習慣，缺乏對產品屬性、結構或性能等客觀的了解，所提出的需求之間可能存在矛盾，或隨著產品設計的進行某些需求與設計要求之間存在矛盾或不能同時滿足，這種情況下需要若干客戶需求進行適當的修改或調整。5.2.1客戶需求識別與分析技術客戶需求的特點（3）需求的多樣性。客戶需求的多樣性是實現大批量定制的基礎。從需求的覆蓋面來看，客戶對產品的定制要求有內在的和外在的需要，有設計方面、制造方面、管理方面以及使用性能方面等；從需求的表現形式來看，客戶需求不僅有自然語言的描述形式，還有圖形、表格、符號等多種表現形式。（4）需求的優先性。需求的優先性是指客戶需求之間具有重要差異之分，即需求的重要度和滿意度是不相同的:有些客戶需求是必須滿足的(如一些基本的功能需求)，有些需求是盡量滿足的(如產品的一些性能指標、技術參數等)，有些需求是期望滿足的(如客戶提出的心理上需要滿足的需求)。5.2.1客戶需求識別與分析技術客戶需求聚類目前關于聚類分析算法研究的論文很多，所有這些算法無怪乎基于數據類型、應用領域。如果聚類分析被用來做描述或探查的工具，可以基于同樣的數據而嘗試使用不同的算法，以發現數據可能揭示的結果。大體上，主要的聚類算法可以分為如下幾類：（1）劃分聚類。劃分聚類是給定一個n個對象或元組的數據庫構建K個劃分的方法,最具代表性的是K-means算法。（2）層次聚類。層次聚類主要有創建一個層次的聚類和另外一些部分層次的聚類兩種聚類。常用的層次聚類方法有系統聚類方法、BIRCH、CURE方法等。（3）基于密度的聚類。此方法根據密度的概念對分類對象進行聚類。只要鄰近區域的密度（對象或數據點的數目）超過某個閉值，就繼續聚類。常用的密度聚類方法有DBSCAN、OPTICS、DENCLU等算法。5.2.1客戶需求識別與分析技術客戶需求聚類（4）基于網格的聚類。網格聚類方法是將對象空間量化為有限數同的單元，形成一個網格結構，所有的聚類都在這個網格結構上進行。常用的刪格聚類方法有CLIQUE和STING。現在對客戶需求迸行聚類分析研究的方法有通過模糊最大樹聚類算法對屬性水平效用值進行聚類以了解其分布。在獲取各屬性水平效用分布的基礎上，按照人們對概念產品屬性水平喜好度呈現出的規律，歸納出客戶對于屬性水平的需求喜好的分類，例如客戶對這類屬性水平的喜好是呈現增長趨勢，還是呈現減少趨勢，抑或是隨機的。此外,R.J.Kuo等對市場細分的算法作了深入的研究，在基于傳統的二階聚類算法的基礎上，引入了神經網絡技術，提出了新的自組織特征映射和K平均算法相結合的二階聚類算法，從而較大地降低了分類誤差，提高了聚類分析的質量。5.2.2模塊化設計技術面向大批量定制的開發設計是建立在產品模塊化基礎上的。對大批量定制而言，產品的模塊化具有特別重要的意義。產品模塊化是標準化和規范化的結果，是實現產品資源重用的基礎，是實現產品配置設計和變型設計的關鍵。5.2.3可重構制造系統制造企業要想保持競爭力和盈利能力，就需要具有高度的市場敏感性，能夠快速應對制造需求及市場的變化，及時推出滿足客戶需求的產品。可重構制造系統（ReconfigurableManufacturingSystem,RMS）因其高度的可重構性和響應性而引起了企業界的關注。RMS可以通過重構制造系統結構、硬件和軟件快速改變制造系統的功能以應對市場波動、技術創新和政策變化的影響。這種重構是可能的，這歸因于RMS的兩種可重構能力（功能重構和生產能力重構）和兩種可重構層級（系統級重構和設備級重構）。而其可重構特性和能力又取決于制造系統是否具有一個良好的設備布局。一個好的布局能夠大幅度地降低系統重構的成本，縮短重構的時間，同時提高產品的質量。能否設計出一個較優的布局直接影響著企業是否能快速響應市場需求的變化并及時推出符合客戶需求的新產品，同時也直接影響著企業能否在競爭中保持優勢。因此，RMS的布局設計研究對于整個制造系統的初期設計、后期重構以及企業的實際生產都具有重要的意義。5.2.3可重構制造系統RMS定義可重構制造系統是一種新型的制造系統，隨著研究的不斷的深入，這一概念越來越清晰。1999年，密歇根大學的Koren教授等人提出RMS是一種面向零件族生產，可以通過重構制造系統結構、硬件和軟件快速改變制造系統的功能及產能以快速響應生產需求變化的新型制造系統。強調重構是發生在可重構機床(ReconfigurableMachineTool,RMT)設備級的基礎上。2000年，清華大學的羅振璧教授等人在Koren教授的定義基礎上進行修改，將重構層次由設備級擴展到系統級，提出了RMS是一種能夠按照市場需求的變化和系統規劃設計的方法，通過模塊重組和更新系統組態或子系統的方式快速調整制造過程、系統生產功能和系統生產能力的可變制造系統，可降低重構成本、縮短系統研發周期和斜升時間、提高產品質量和投資效益。5.2.3可重構制造系統RMS核心特性（3）可擴展性(Scalability)：能夠通過增加或減少制造資源(如模塊組件或設備)和改變系統的組件來輕松地改變制造系統生產能力。01（4）模塊化(Modularity)：對主要部件進行模塊化設計（如結構元件、控制、軸、軟件和工具）。除此之外，根據操作功能進行單元劃分，對系統進行模塊化設計，以實現最佳配置。02（5）可集成性(Integrability)：組件間接口標準化設計，能通過一組機械、信息和控制接口快速、精確地集成模塊，從而實現設備和制造系統的快速集成和通訊。03（6）可診斷性(Diagnosability)：能夠自動識別系統的當前狀態，以檢測和診斷輸出產品缺陷的根本原因，并快速糾正加工缺陷，實現自診斷，自決策。045.2.3可重構制造系統系統層重構——可重構制造系統（CMS）圖5-26臺機床組成的部分設備布局圖5.2.4智能成組技術成組技術的起源在世紀初,以美國福特汽車公司為代表的大批量生產方式取代了傳統的單件生產方式,極大地提高了社會生產力水平,使人類社會從規模經濟中獲得極大的好處,社會產品產出空前繁榮。進入世紀中葉以后,技術的迅速進步、產品生命周期的縮短、市場競爭的日益激烈和人們需求的多樣化導致多品種小批量的生產企業的比例日益增多,大量生產日益難以滿足用戶的多樣性的個性化需求。為了提高多品種小批量的生產企業的效益,人們提出了多種方法,成組技術是其中的一種重要方法。成組技術發源于成組工藝,為了降低制造的復雜性,人們發現在不同的產品中存在大量的相似件,將各種不同類型的產品的相似件歸類成組,這些成組的相似件可以采用與這一成組零件族相對應的一組加工設備集中加工,稱之為成組單元,并采用成組夾具等先進技術,可以有效的減少產品類別,從而降低制造的成本和周期。5.2.5創成式設計什么是創成式設計？“創成式設計”是英文GenerativeDesing翻譯過來的一種對設計系統和方法的描述，也常譯作“生成式設計”或“衍生式設計”。對于緣起于計算機輔助設計(CAD)、算法輔助設計(Algorithms-AidedDesign)和參數化設計(ParametricDesign)等的創成式設計，其基本內涵是指構建于數字化制造條件下的、基于協議與規則的、用戶深度參與對象生成過程的設計途徑及其方式，可通俗地理解為一種通過設計軟件中的算法自動生成設計目標物的方法。近年來，隨著數字科技及其關聯衍生技術的迅疾發展，特別是人工智能(AI)、虛擬仿真(VirtualReality)、3D打印等新興科技對設計理論及其實踐的持續介入與深度融合，創成式設計已遠非先前計算機輔助設計或參數化設計等概念和能力的認知所及，有了質的提升和飛躍，并漸趨嬗變、發展為一種全新的設計樣態與范式。2.5創成式設計創成式設計的過程傳統設計是“設計師的創意靈感＋一臺計算機渲染＝圖紙中的設計方案”，而創成式設計則是計算機和設計師的“深度合作與共同創造”，即人機共作，可理解、表現為“數據錄入+規則算法+智能交互+云計算能力=數據庫中數以千計的設計方案”。在創成式設計的新樣態與范式下，設計師通常只需要描述一種訴求、提出一個問題或設定一項目標，相應的創成設計軟件便會憑據特定的“規則算法”，“自主、自行”地進行“無人化”的設計及其生成工作；而設計師的工作則是通過人機界面、云計算等途徑和手段，對大量生成的設計結果予以實時的修訂、調整，并以迭代循環的方式篩選出最為優化、有效的方案，供設計者或相關方予以最后的決策，直至獲得最終的設計解決方案（見圖5-3）。對于創成式設計，設計軟件、機器學習、云計算和相關的生成制造技術等成為設計師密不可分的合作伙伴與至關重要的條件要素，其核心在于設計探索、交互創新和高級計算。5.3各環節的大規模個性化定制5.3.1面向大規模個性化定制的設計面向大規模個性化定制的設計技術是實現大規模定制的核心和源頭。面向大規模個性化定制的設計技術充分考慮到零部件以及工藝過程、工藝裝備的可重用性，盡可能減少零部件以及工藝過程、工藝裝備的種類。大規模定制對設計技術的主要要求是：面向整個產品族，而不僅僅是面向單個產品；面向產品全生命周期，而不僅僅是產品的開發設計過程。總之，面向大規模定制的開發設計技術緊緊圍繞一個核心問題，即盡可能減少產品的內部多樣化，增加產品的外部多樣化。面向大規模個性化定制的設計技術十分強調基于相似性的“簡化”和“重用”。此處的“簡化”和“重用”既是目的，又是手段，具有十分豐富的內涵，其包括產品結構的簡化、生產過程的簡化和組織機構的簡化等一系列內容。面向大規模個性化定制的設計技術賦予產品零部件及其工藝過程和工藝裝備以更高的相似性，從而為在后繼生產活動中重用這些相似性奠定了良好的基礎。因此，為獲得全面實施大規模定制的綜合經濟效益，首先應該在設計階段應用大規模定制的原理。5.3.1面向大規模個性化定制的設計產品配置設計方法客戶訂單是產品配置的源頭，為了實現大批量定制的生產方式，企業對一段時間內獲取的大批量訂單進行集中分析，并應用聚類知識將需求相似的訂單聚為一類，形成聚類訂單。為了將需求轉化成配置模型，此時，需要將類訂單中的需求向產品族結構模型進行映射，以找到適合需求的功能模塊以及零部件，最后通過匹配規則將模塊和零部件進行組裝，形成滿足客戶需求的產品配置模型結構。5.3.2面向大規模個性化定制的營銷管理信息化是定制營銷的基礎企業信息化是指企業在科研、生產、營銷和辦公等方面廣泛利用計算機和網絡技術，構筑企業的數字神經系統，全方位改造企業，以降低成本和費用，增加產量與銷售，提高企業的市場反應速度，提高企業的經濟效益。5.3.3面向大規模個性化定制的生產管理面向大規模個性化定制的生產管理的特點大批量定制是一種以客戶為中心的制造，要求企業能夠迅速地響應客戶的個性化需求，及時將產品交給客戶，有效地管理產品的品種變化，所有這些工作都是在一個敏捷的集成組織中完成的。大批量定制面對的是海量的數據。大批量定制企業的產品品種多，所涉及的客戶和供應商的數目巨大，海量的數據對生產管理提出了新的要求。5.3.4面向大規模個性化定制的供應鏈管理由于產品之間的技術差別越來越小，企業競爭的重點已經由產品本身轉移到了與其相關的外部服務上。一個公司如果能夠在更短的時間為客戶提供更豐富的服務而成本又不高于同行業其它競爭者，那么它就一定能立于不敗之地。在這樣的環境下，密切供應鏈中各成員間的關系將極大地增強合作者的競爭優勢。5.4案例&實踐項目5.4.1家電行業在我國，家用電器行業屬于日用消費品傳統行業，存在競爭激烈、市場化程度較高等特點。在經歷價格、廣告與品牌等不同形式競爭后，空調、冰箱、洗衣機等主要家用電器產品的產業集中度達到了70%以上，家電企業的家電產品在性能、技術等方面已經比較成熟。企業之間的競爭逐漸從產品競爭轉向服務競爭，家電產業的競爭格局也在發生變化。為滿足消費者需求，家電企業嘗試由“大規模生產”向“定制化生產”轉型，家用電器行業“個性化定制”日益發展。目前，理論界從產品營銷、產品設計、需求交互、產品制造、供應鏈管理等不同角度對“個性化定制”新模式進行了深入的探討與研究，取得了一定的理論成果。在家電企業中，僅有少數龍頭企業，搭建了需求交互平臺，完成了生產線的數字化改造，實現了企業級的多系統集成，并實踐了多品種小批量的家電產品的定制生產，但是對于大多數中小型家電企業來說，還不具備生產定制產品的能力和條件。5.4.1家電行業系統型定制模式系統型家電產品本身就具有個性化定制屬性，例如：空氣調節系統、新風系統、智能家電系統等都屬于此類模式的定制。本文以國內某品牌電器全屋電采暖個性化定制產品為例，闡述系統型家電產品的定制過程。該品牌推出的全屋電采暖系統特點主要有：制熱效率不受環境溫度影響，極端天氣下仍可正常運行，長效穩定；系統調節響應速度快，可滿足各種復雜的采暖需求，使用靈活；能夠實現以不同用戶對象和時間跨度為計量條件的能耗統計，準確計量；散熱終端與溫控系統無線連接，智能溫控設備感應室內真實溫度，同時，可實現過APP，遠程控制室內散熱終端，智能高效。通過此類產品，企業可以針對每個家庭不同的戶型和個性化采暖需求，定制專屬采暖方案，最精準的滿足用戶對采暖系統的需求。5.4.1家電行業模塊化定制模式模塊化定制模式，是指廠家向消費者提供可選擇的定制方案，在交互平臺上，消費者根據需求選配適用的機型，并確認下單，廠家根據實時接收到的訂單及約定，進行定制生產。以某品牌的“初見青春”系列定制洗衣機為例，闡述此類定制的定制過程。基于模塊化設計方法，廠家向消費者提供了可選擇的定制方案，包括公斤段、功能整機顏色、門外觀、門顏色等選項，組合出上百種不同型號的洗衣機產品，如表2所示，并在該品牌官網上發布了這款洗衣機的定制入口，消費者可以根據外觀、功能、價格等參數，選擇適用的定制產品。定制洗衣機，在一定程度上滿足了消費者的個性化需求，是個性化定制家電產品的有效嘗試。從這一示例中也可以看出，如果企業能夠將模塊化選配方案進一步細化，針對消費者更關心的尺寸、功能等參數指標進行模塊劃分和產品平臺搭建，則“有限”的定制就能夠在一定程度上滿足“無限”的消費需求。5.4.1家電行業電商平臺定制模式除了家電制造企業外，很多電商平臺也在開展定制化生產。例如，阿里包下了美的、九陽、蘇泊爾等10個品牌的12條生產線，專為天貓特供小家電。阿里通過多年積累的消費數據，從價格分布、關鍵屬性、流量、成交量、消費者評價等維度建模，挖掘出功能賣點、主流價格段分布、消費者需求、增值賣點來指導廠家生產線的研發、設計、生產、定價，定制消費者最需要的產品。但是，電商平臺收集上來的數據跟實際需求之間有一定的偏差，如消費者購買行為的多樣性、從眾性和品選擇的盲從性，都會使實際需求產生變化。依據這些數據做出的產品會產生大量的大路貨、便宜貨，廠家為了獲得利潤，也會將產品的配置做到極簡，將成本壓至最低，從而變相損害了消費者利益。對于此類定制，應利用大數據技術，對消費群體和消費需求進行準確的深入挖掘，從而幫助廠家對產品設計、功能、外觀等進行調整，實現消費需求的多樣化供給。5.4.1家電行業消費群體定制模式消費群體定制模式，是指家電市場上出現的為滿足消費群體特定需求而定制的家電產品。這些產品將消費群體的需求信息反映到生產鏈，使產品設計、生產、銷售的目標更加明確、精準，進而使用戶成為主導新市場的核心。這類模式的主要特點是消費者能夠與企業進行聯合創造和協同設計，并從一開始就參與到創新的快速迭代、雙向創造和設計中。此類定制的本質是對用戶的需求進行了精細化劃分，其優勢在于即能夠對現有產品進行持續改進，又能夠根據用戶需求，開展新產品的發明和創新，便于后期的大規模推廣。這類定制的技術難點在于，開發出的新型號產品往往具有獨創性，因此在質量評價和關鍵性能指標測試方面存在方法和標準缺失的問題。對此，需要企業建立完善的標準化體系，并積極參與標準化工作，積累標準和測試方法制定經驗，通過制定科學的企業標準或團體標準，來快速滿足新型產品的質量評價需求。5.4.1家電行業海爾集團大規模個性化定制互聯網時代，用戶的需求日益個性化、多樣化，為了快速滿足用戶的需求，海爾從兩化融合、互聯工廠到智能制造、工業互聯網，通過不斷實踐和升級，率先搭建了擁有中國自主知識產權、全球首家引入用戶全流程參與體驗的工業互聯網平臺—COSMOPlat，COSMOPlat的核心就是采用以用戶體驗為中心的大規模定制模式（見圖5-8），為企業提供智能制造轉型升級的大規模定制整體解決方案，助力企業實現由大規模制造向大規模定制轉型，最終構建企業、用戶、資源共創共贏的新型生態體系。COSMOPlat大規模定制構建了開放共享的工業生態體系。這個生態體系的中心是在用戶端，用戶信息及訂單需求通過前端的海爾定制體驗平臺等端口直接傳遞到工廠，生產線上的每一臺產品都是有用戶（客戶）信息的。在產品端，用戶與智能網器產品的交互使用過程，讓用戶的體驗可以隨時反饋回企業全流程各節點，集成相應的用戶操作大數據，5.4.2服裝行業酷特智能的大規模個性化定制案例青島酷特智能股份有限公司（以下簡稱“酷特智能”）旗下有“酷特云藍”“紅領”等子品牌，公司創建于1995年，起初與傳統服裝制造行業一樣，批量生產單一款式版型的服裝。公司董事長張代理敏銳感覺到未來行業的方向，早在2003年就開始研究互聯網+工業模式，并向定制化方向轉型。歷經10余年努力，投入3億元以上做“大規模個性化定制”，運用大數據、云計算、物聯網、智能化的方式，建立了個性化、差異化、數字化的服裝全定制工業化流水線生產模式，提出個性化定制的全程解決方案。不僅通過數據建模實現“一人一版”，且在工藝上實現個性化定制，讓消費者成為服裝設計師，同時在流水線上實現大規模工業化生產，無論來自哪個國家的訂單，從量體、定制、排程、生產到出廠，全過程交付時間只需要7個工作日，產量則提升至每天4000套。5.4.3汽車行業C2M是英文Customer-to-Manufactory（客戶對工廠）的縮寫，而其中文簡稱為“客對廠”。“客對廠”是一種新型的電子商務互聯網商業模式，這種模式是基于社區SNS平臺以及B2C平臺模式上的一種新的電子商務模式。在汽車行業，“定制”早已不是什么新鮮事，為了體現個性化和奢華度，很多手工打造的豪華品牌如勞斯萊斯、賓利和邁巴赫，早就能根據客戶的需求來打造專屬的車型。此后，隨著消費者的需求越來越多元化，一些時尚小型車也推出了諸多的定制個性化方案，包括出現在《私人定制》劇中的MINICOOPER品牌，也可為購車者提供內飾、顏色和時尚裝備的定制選擇。5.4.3汽車行業長安汽車的大規模個性化定制重慶長安汽車股份有限公司（以下簡稱“長安汽車”）是中國汽車四大集團陣營企業、中國品牌汽車領導者，擁有35年經驗積累，在全球有15個生產基地、35個整車及發動機工廠。長安汽車打造了世界一流的研發實力，連續5屆10年居中國汽車行業自主品牌銷量第一。在這種背景下，長安汽車因市場和用戶的需求迅速采取行動，于2015年5月21日啟動了大規模個性化定制項目。對現有業務管理方式、操作流程等進行了改革和轉變，對相關的IT系統進行了新建或升級改造，除傳統銷售渠道外，新增電商網絡銷售渠道，成為行業內首個天貓汽車旗艦店建設者，進一步推進與落地C2M（CustomertoManufacturer）模式，實現交付周期縮短10天。通過個性化定制的實施，不僅開拓了新型消費市場，還有效降低了庫存，資金周轉期也隨之得到縮短。長安汽車在2016年也在小型SUV領域邁出了個性化定制的步伐，用戶可通過長安電商平臺選擇適合自己個性化要求的產品配置，而產品配置多達20多種個性化選配，為用戶提供了不同的購車體驗。謝謝服務型制造及智能運維服務模式NewFormsandModels

ofIntelligentManufacturing目錄服務型制造的定義和特征01智能運維02智能運維關鍵技術03運維平臺04案例&實踐項目0501服務型制造的定義與特征01服務型制造的定義與特征（1）以客戶對產品功能和體驗需求為出發點（2）從產品主導思維向客戶主導思維的轉變（3）高附加值的“產品服務組合”的核心產出（4）以制造業為基礎，相互融合提升服務能力，強化制造技術核心特征服務型制造是制造業與服務業融合發展的新興產業形態，也是制造業轉型升級的關鍵方向。制造企業通過創新、優化生產組織形式、運營管理方式以及商業發展模式，逐步提升服務在投入和產出中的比重。服務型制造的定義加工組裝產品銷售制造產品服務01服務型制造的定義與特征服務型制造的范疇分為兩個方面，一是核心要素，二是業務類型。核心要素包括產品服務組合、資源池、組織與流程三個關鍵部分。服務型制造的范疇01服務型制造的業務類型包括工業設計服務、定制化服務、供應鏈管理、共享制造、檢驗檢測認證服務、全生命周期管理、總集成總承包、節能環保服務和其他創新模式等。服務型制造的范疇服務型制造的定義與特征02智能運維6.2智能運維事后維修是在設備故障后進行修理的最早形式。該方式存在一定的時間延誤，因為它不是防止設備出現問題，而是在問題出現后才采取措施。事后維修狀態維修旨在利用技術和管理手段對設備狀態進行全面把握，以達到最佳維修效果。該維修方式沒有固定的維修間隔期，而是根據監測數據的變化趨勢由維修技術人員判斷，管理部門再確定設備的維修計劃。狀態維修預防維修在工業技術不斷進步的情況下，僅僅依賴簡單的事后維修模式難以確保設備的持續正常使用。此外，故障維修無法精確估計缺陷設備的修理時間長度。預防維修預測性維修起源于狀態監測，該監測通過設備傳感器收集動態特征，監測機器的運行狀態，并進行判斷和預測可能的故障和磨損。故障診斷技術是預測性維修的重要組成部分，包括專家系統診斷、神經網絡診斷和人工智能等信息化方法，以及基于統計數學模型的故障診斷方法。創新發展01020304設備運維的歷史發展6.2智能運維遠程智能運維包括“智能采集-智能分析-智能診斷-智能排產-自動委托-推送方案-遠程支持-智能檢驗”等步驟。其獨特之處在于以“數據”為核心，通過技術賦能、管理賦能和價值賦能，提高人員效率、管理效率，減少停機時間和突發故障，降低備件庫存和維修負擔。遠程運維的內涵在于基于設備狀態變化趨勢的智能決策。設備狀態分為當前狀態和未來狀態，前者用于運行數據監控、異常數據報警、故障準確定位，后者用于設備健康評價、劣化趨勢預知、使用壽命預測等。智能決策實現設備狀態數據化，所有決策源于數據，主要包括“4W1H”：是否維修、維修對象、維修人員、維修時間以及維修策略。遠程智能運維系統是一個整體，包含數據處理的全部流程。在數據層面，包括狀態監測的六大功能：數據采集、數據操作、狀態檢測、健康評估、預測評估和建議生成。在物理層面，系統包括從傳感器、數據采集、邊緣服務器到中心服務器的整體分布計算系統。系統的設計不僅注重數據的獲取和處理，還強調維護規程和遠程指導等輔助功能，以全面支持遠程智能運維的各個方面。設備運維的范疇03智能運維關鍵技術03智能運維關鍵技術——智能診斷●

智能運維關鍵技術是智能診斷技術。●

數據分析之后，需要利用已有的數據分析結果和融合后的數據類型進行智能診斷，智能診斷的方法有：基于規則的智能診斷、基于傳統機器學習的智能診斷、基于深度學習模型的智能診斷以及基于遷移學習的智能診斷。智能診斷方法基于規則的智能診斷基于傳統機器學習的智能診斷基于深度學習模型的智能診斷基于遷移學習的智能診斷03基于規則的智能診斷●

基于規則的診斷是根據故障征兆信息確定系統故障原因的過程。基于規則的故障識別模塊利用離線學習得到的規則對發生故障時的設備進行自動診斷，以給出故障類型和診斷依據。故障識別是由征兆觸發。故障診斷規則征兆推理過程先決條件先決條件設備運行頻譜的變化即該模型主要包括頻譜校正、故障特征頻率搜索、離線規則學習與故障識別和概率神經網絡故障識別等子模塊。03基于傳統機器學習的智能診斷●

基于傳統機器學習的故障診斷方法適用于處理變量維度低、線性強的數據。傳統機器學習作為故障模式分類器，其診斷精度極大程度上取決于特征向量的合理性及準確性。因此，對故障信號進行合理分析并提取故障特征、構建特征向量，以實現對原始數據的有效降維，以滿足傳統機器學習的輸入需求。典型的傳統機器學習方法解釋特點K近鄰（K-NeighborNearest,KNN）簡單無參數模型，沒有顯式的訓練過程，是“懶惰學習”的代表。通過度量測試數據到訓練數據的距離實現對數據的分類。其在數據維度高時計算量大，同時KNN對數據容錯性差，容易受異常數據點影響，因此KNN通常適用于少量低維度數據預測。人工神經網絡（ArtificailNeuralNetworks，ANN）基于經驗風險最小化理論（Empi-ricalRiskMinimization，ERM），需要利用有標簽數據訓練及優化網絡。通常在訓練樣本容量大時能保證較好的學習效果。而在樣本容量小時，ANN會產生過擬合，影響ANN的性能表現。支持向量機（SupportVectorMachine，SVM）基于VC維和結構風險最小化理論（StructuralRiskMinimization,SRM），優化了訓練樣本容量小時網絡過擬合問題。通過有監督訓練實現網絡的優化，對異常數據點容忍度較高，保證了預測的準確性和穩定性，因此SVM當前仍被廣泛研究及應用。03基于深度學習模型的智能診斷●基于深度學習的診斷模型適用于處理變量維度高、非線性強的大量復雜數據，能建立從數據空間到類別空間端到端的映射，避免了顯式的特征向量構建過程，極大地減少了對經驗知識的依賴，其代替手工分析數據并提取故障特征，并完成故障模式識別。卷積神經網絡大數據特性：體量大、類型多、價值密度低、處理速度快復雜系統故障基本特性：眾多單元之間的相關性難以界定，機械裝備或系統的狀態具有較強的非線性性智能制造時代的機械狀態數據傳統基于數據驅動的故障診斷方法采用多種維度的輸入利用梯度下降方法實現有監督的網絡訓練，具有良好的可解釋性。獨特的權值共享機制使其具有更少的網絡參數。結構更具靈活性：可以通過在網絡深度、寬度以及卷積核尺寸各維度，在保證網絡擬合數據的能力的同時，進行網絡的輕量化改進。基于深度學習的故障診斷方法難以適應03基于遷移學習的智能診斷●遷移學習通過引入與目標域（TargetDomain）數據具有相似分布的數據作為源域數據（SourceDomain），并利用源域數據輔助訓練，以獲取一個在目標域數據上有優秀泛化能力的深度學習模型。遷移學習異構遷移學習同構遷移學習微調（Fine-tuning）領域適配（DomainAdaptation）基于深度學習的故障診斷算法：訓練數據（源數據）與測試數據（目標數據）必須具有相同的概率分布。在實際工業應用中，往往需要面對不同的工況。不同工況的故障數據特征分布不同。然而04運維平臺04遠程運維平臺主要分為端層、邊層和云層，與工業互聯網平臺中的IaaS、邊緣層、PaaS層以及SaaS相關。其核心組成包括設備遠程運維數據中心、遠程運維平臺服務中心、示范區域的在線監測診斷及邊緣計算系統、支撐設備互聯的高性能動態數據采集裝置及其應用軟件。1.運維平臺體系架構運維平臺04運維平臺2.遠程智能運維平臺功能設計主要功能：數據處理、數據傳輸、數據存儲，數據管理點檢管理、精密監測診斷、在線監測診斷，智能診斷，狀態監控，檢修管理，備修管理，標準維護，統計分析、知識庫、可視化監控、移動APP和系統維護等。04運維平臺設備狀態數據分析處理中心包括了數據采集和分發服務器、網絡、服務器集群、大數據融合存儲設備以及基于這些硬件設備的軟件系統。數據層工具層用于實現數據管理、運算與分析功能，包含機器學習計算工具、智能分析工具等。工具層應用層的主要任務是實時監測所監測設備的運行狀態數據和生產過程數據，并執行各功能。應用層接入層的主要職能是實現對工業現場設備狀態數據、工況數據、工藝參數、環境等數據的在線與離線采集。接入層04運維平臺接入層1）現場設備狀態數據采集數據采集模塊通過全面采集設備全生命周期的各種要素相關數據和信息，如振動、溫度、扭矩等傳感器數據以及設備維修數據，打破設備獨立感知監控的信息孤島，建立一個統一的數據環境。數據分發模塊采用高性能消息集群充當核心中間件，負責將數據采集模塊采集到的各類設備數據傳遞到監控平臺的數據存儲模塊、業務模塊及展示模塊等。主要功能為：實現對工業現場設備狀態數據、工況數據、工藝參數、環境等數據的在線與離線采集。2）主流控制系統工藝數據采集開發面向產線自動控制系統如西門子、ABB等的數據采集技術，通過消化網絡協議，確定數據采集的規范，確保獲取設備狀態數據分析所相關的工藝過程數據。04運維平臺數據層設備狀態數據分析處理中心包括了數據采集和分發服務器、網絡、服務器集群、大數據融合存儲設備以及基于這些硬件設備的軟件系統。軟件系統包括數據采集模塊，大數據融合存儲模塊、數據分發模塊，數據庫模塊，數據計算模塊，智能分析模塊、業務模塊、展示管理模塊以及集群運維監控模塊。04運維平臺數據層1）大數據基礎平臺大數據基礎平臺主要提供數據接入服務、數據存儲服務、數據計算服務包含實時計算和離線計算、