上汽大众汽车有限公司是由上汽集团和大众汽车集团各持股50%的中德合资企业， 公司于1984年10月签约奠基，是国内最早的轿车合资企业。公司总部位于上海，并在上 海、江苏、浙江、湖南等地建立生产基地。公司生产与销售大众、奥迪、斯柯达三个品牌的 30余款车型，累计产销超2800万辆。 在汽车行业变革转型和绿色发展的新时期，上汽大众以创新为驱动，以市场为导向， 不断提升用户满意度，努力成为“值得信赖、最具价值、富有创新精神的汽车合资企业”。
积极响应国家新能源发展战略，上汽大众于上海安亭打造全新的新能源汽车工厂，是大众汽车集团全球 首个专为MEB平台车型生产而全新建造的工厂。项目总投入170亿元，规划年产量30万辆，产能24GWh，已于 2020年10月正式投产，是目前国内生产规模最大、效率最高的纯电动汽车工厂。新能源汽车工厂目前生产 MEB全系车型，包括ID系列（ID.3/ID.4X/ID.6X）和Audi Q5-etron纯电动车。 新能源汽车工厂电池车间（以下简称电池车间），作为上汽大众MEB平台纯电动车动力电池的核心生产基 地，具有高度的自动化与柔性化生产能力。目前支持11种不同类型的电池共线生产，集成138台工业机器人和 160台工业AGV，车间级shopfloor中控系统布设底层设备数据采集硬件并与MES、QPMS等系统对接，能够高 效汇总并处理生产数据，从而实现了全生产流程的高度自动化与数字化。同时，车间还依靠PMS、TPMS、EMS 三大系统对生产过程进行全面监控，有效提升了生产效率和产品质量。
图 电池车间壳体线局部图
图 电池车间装配线局部图
随着新能源车市场渗透率超过50%，行业迈入了一个全新的发展阶段。消费者的关注点逐渐从续航里程 转向车辆安全和性价比，这对企业提出了产品安全和降本增效的双重挑战，尤其是电池安全问题，如碰撞起 火、自燃等，已成为公众普遍担忧的焦点。因此，动力电池制造企业应将“安全造电池 造安全电池”放在首位，不 断优化生产流程，加强风险防控。 聚焦“利润”与“安全”两大核心，电池车间自主应用大数据价值流分析和QPMS系统等数字化工具进行全 生产流程分析，识别出一系列提升潜力点：在人员成本方面，55个人工岗位中，显性浪费及负荷率低的岗位占 比高达61.2%；在物的安全方面，工艺AGV等关键设备存在显著风险；在过程安全方面，电池生产的一次性合格 率低至75%，产品质量一致性有待提高；在材料成本方面，电池导热胶的成本占比超过90%，单台成本高达433 元，存在巨大的优化空间。针对这些潜力点，电池车间通过数智化探索与实践尝试逐一进行优化。 针对人员成本问题，电池车间结合传统ECRS方法和数字化工具，通过实施25个高效自动化和智能化改 造，成功取消了8个人工岗位，低效岗位占比从61.2%降至19.1%，以电池壳体表面异物智能化检测项目为例， 通过基于灰度+边缘轮廓双算法的机器视觉检测方法的使用，大幅度提升检测准度和效率，彻底取代了传统的 人工目视检查。
图 异物检测系统框图
图 视觉检测异物识别图
在保障工艺AGV电池安全方面，车间自主搭建了电池智能管控系统，通过工厂服务总线PSB融合ANDON、 Shop floor多个系统数据，通过大数据分析自研AGV用电池健康因子，运用决策树、随机树林、BP神经网络算法 实现电池健康评估与寿命预测，同时设计电池决策交互式仿真模块，优化电池更换策略。实施后，AGV电 池充电次数减半，电池备件更换频次下降30%，年节省备件费用175万；AGV位置和状态实时监控，应急 响应速度提升90%。该系统为上汽和大众集团双首创，具有极大的推广价值。
图 AGV实时位置状态监控
图 AGV电池健康度分析
电池质量安全管理是动力电池制造领域的核心，电池车间采用DLQ方法（全工序一次性合格率）严格管控， 确保生产质量稳定性。然而，传统质量管控方式在面对动力电池制造时存在滞后性和准确性问题。为解决这些挑 战，车间自主搭建了电池质量管控AI智能平台。该平台具备实时统计与异常报警功能，通过聚类算法和自适应滑 动时间窗技术，实时监控质量状态，提前发现潜在问题，为生产调整提供宝贵时间。同时，平台采用关联分析法， 深入分析生产过程，建立影响因素关联模型，提高问题分析的准确性和效率。针对复杂质量问题，平台建立案例 库，并基于AI算法构建模型，实现智能解决方案生成。实施后实现了质量数据统计的无纸化，显著提高了问题发 现、分析和解决的效率，将DLQ从75%提升至90%。同时，因返修操作的大量减少，优化了返修操作工岗位优化了 5个，优化幅度达到50%。
图 气密测试贝叶斯网络结构
图 气密测试决策树
针对新能源汽车动力电池材料成本中的“材料浪费”问题，制定了导热胶用量优化方案。导热胶作为电池热 管理系统的关键介质，在保证质量的前提下，其用量优化具有巨大经济潜力。使用6σ管理方法进行优化改善，通 过DMAIC五个阶段具体实施，目标将胶量降低近图纸下限，同时确保电芯覆盖质量和节拍满足要求。
图 6σ方法中关键因子因果矩阵筛选
为解决导热胶涂胶胶型设计缺乏系统性和科学性的问题，电池车间与上海交通大学合作，以校企合作形式 展开联合攻关。团队选择数智化解决路径，构建导热胶流动模型，利用有限元软件进行仿真计算，并结合优化算 法对涂胶轨迹进行优化，获得最优胶型。仿真验证和现场实验均验证了优化算法的有效性。为进一步推广创新管 理成果，双方共同研发了胶型优化数字孪生系统，具备智能匹配、智能寻优和智能生成等功能，能够自动生成海 量胶型，自动寻找最优解，并智能转化为涂胶轨迹，为动力电池材料成本管理提供了新的思路和解决方案。实施 后：产品质量性能不变，单个模组用量从220ml降低为160ml，为大众集团标杆水平；校企合作首创涂胶工艺优化 方法，优化效率提升90%，优化费用降低75%；单台电池材料费用优化118元，降低27.3%；专利&论文情况：专利2 项：已公开；论文：核心期刊1篇。
图 仿真过程和结果
通过以上数智化转型探索与实践，电池车间在成本与安全管理上实现了显著跃升： 1、已累计生产动力电池超40万台，期间保持“零”安全事故记录 2、生产成本：每年降低4286万元 3、生产安全：显著风险岗位清“0” 4、产品安全：DLQ（全工序一次性合格率）达90%
同时也收获了丰硕的社会效益，其中重要获奖12项，具体情况如下表所示：
专利授权、申请情况如下表所示：
论文情况如下表所示：
