深圳吉陽智能科技有限公司董事長陽如坤先生對動力電池智能制造的理想與現實進行了深入分析。

（以下為陽如坤發言全文：）

陽如坤：感謝劉秘書長的介紹。很高興受動力電池應用分會的邀請來做一個有關動力電池方面的報告。說實話，動力電池的制造，我的理解，我們以前還在說手工打天下，今天我們說智能制造，這里有很遠的距離。這里結合我們過程中的一些實踐來看我們要走向智能制造需要一些什么，今天我想跟大家講的主要還是從原理的角度，從起步的角度來看，我們怎么來搭建我們整個鋰電的制造系統。

我的內容主要分五個方面，第一個我想說一下產業的現狀，第二，我想簡單說一下為什么需要智能制造，第三，說一下智能制造的底細架構，第四方面說一下有關數字孿生，最后談一下智能制造整體的實現。

今天上午也有發改委的吳處長講到，2017年4月25號發布了《汽車產業中長期發展規劃》，我給大家稍微解讀一下。國家把汽車產業發展放到了一個空前的高度，國家從來沒有把一個產業放到這樣一個高度來發展。這里說到了汽車產業是新一輪科技革命和產業革命的重要力量，把汽車作為制造強國的重要支撐，還要把它作為我們國民經濟的重要支柱。也關系到我們人民群眾的日常出行，資源的有效流通，還有生態文明的建設，國家制定了汽車強國的密碼，叫做1668，如果大家有興趣的話，可以去研究一下這個，對我們的產業發展非常有價值。

作為動力電池的發展，我認為電動汽車離不開動力電池，動力電池的發展首先它是資源節約，成為新能源汽車發展的重要依賴。從這樣一種產品，我們認為電池已經成為了一種特殊的產品，它跟以前我們在3C里面看到的產品是完全不一樣的。今天上午也在說，我們電池到底是按照一個產品來做還是按照一個系統來做？我認為動力電池就是按照一個標準的產品來做，怎么把這樣的產品做到極致我認為是最重要的，尤其是在現在這樣一個產業發展的時候，我們認為芯片是移動產品的電腦，電池是移動產品的心臟，心臟怎么健康？我們要對待像鋼鐵、機器人，像類似這樣的東西來做，才能把整個動力電池做到極致。

從動力電池發展來說，整個產業增長非常迅速。從動力電池制造的認識來說，我認為有以下幾點值得我們認真去思考的。首先它是一種納米級的結構，怎么去操作，第二，我們一些軟質的材料，跟我們以前做汽車完全不一樣，一些軟質的材料要實現硬性的定位和精度的要求。還有一個很重要的方面，我們整個生產過程中很多微不足道的因素對整個電池的影響非常大，這也是我們國內為什么很多電池廠家吃很多虧。比如我們一些看不見的因素，還有時間空間這些東西都對整個電池制造產生影響。簡單的說，比如我們中午要吃飯，我把電池放在這里卷繞，發現整個過程不一樣，實際電池吸了很多水，這個水對電池質量產生很重要的影響。我們要控制整個過程，時間也要控制。從這個角度來說，整個動力電池制造就帶來很多的因素，對我們整個制造過程顯得非常復雜。到目前為止，我認為任何一個電池廠要建立起來，要從小規模到大規模的生產，它一定要吃過很多虧。吃這些虧怎么能減少？怎么能少犯錯誤？或者從經驗積累的過程中怎么少犯錯誤？我們站在這里說，寧德時代很強大，其實你們知道他做圓柱的時候吃了什么虧嗎？你們知道他買美國這些設備也吃了很多虧，在這個過程中，如果每個企業都這樣去吃虧的話，中國動力電池企業基本沒辦法發展，動力電池產業沒辦法發展。不是每個企業都有像寧德時代這么好的運氣。

動力電池從制造角度，還有一個問題，我們把電芯的制造分成六大模塊，大概有20個質量控制點。簡單算一下，比如CPK為1的時候，我們只能做到九十四點幾，到目前為止，我們目前國內包括世界上的設備，現在能夠做到CPK為1的不多，CPK為1是什么概念呢？比如我要求我制造出來的這套工序合格率是97.73%，有幾家能夠做到這樣的，還有整個過程下來，我們國內目前或者世界上的動力電池調研下來，大概合格率在90-93%左右。我們動力電池整個行業在合格率方面確實有很大的挑戰，如果CPK做到1.33，20個控制點可以做到99.8%，這是我們要面對的一些問題。這是整個動力電池技術的發展，我們把前面到2020年前叫新型電池，后面叫新一代的電池。新一代電池對我們整個制造過程帶來更多的挑戰。

智能制造為什么它是必然呢？第一，電池確實涉及到太多的技術，它本身是多物理場的結構，化工、電子、化學、機械、流體力學、熱血等等都涉及到。制造過程，水、粉塵、毛刺控制、柔軟極片保護等等，質量影響復雜、繁多，溫度、濕潤、壓力、真空、電力、人。制造合格率的需要，合格率從90%上升到96%再到99%，唯一的途徑就是質量的閉環優化。現代工業化和信息技術不斷融合和發展，制造業轉型，也要求智能制造。

智能制造目前面臨的主要問題，第一，我們整個電池沒有做到數字化。數字化首先我認為第一個我們電池的設計還沒有完全做到數字化的設計，目前電池設計還在一個比照設計、參考設計的階段，沒有一個完整可靠的模型。比如我設計了一個18650，要求18650的內阻是30毫，任何一個做電池設計的人他現在做不到這一點。我找了一堆材料來比較一下，以前是什么樣的，我現在做出來以后，可能是做到40或者38或者25，這個過程中不斷的優化來實現的。這也是決定了我們整個目前國內動力電池從設計到制造過程很慢一個很主要的原因。

還有我們電池材料數字化還做不到，比如我們在加料過程中，幾噸料加到桶里面，這些料的參數，加的量很難準確在線計量，更不用說料的成分，我們料的雜質，我們料的顆粒度，像類似這樣的東西都很難做到，這些東西都對我制造過程產生影響，這些影響對我們來說也是非常重要的。還有制造過程非常復雜，影響因素很多。還有很重要的一點，整個動力電池產業才20年左右，整個產業的初創，缺少標準體系，缺少建立模型，缺少企業一定的凝練，來實現這樣一些目標。

從整個動力電池制造的成熟度來說，從智能制造的節點來說，我們分成五個級別。所有產業都是這樣的，我們動力電池大概處于一到二級初級智能的狀態，什么叫初級智能？可能有些網絡連接，有些感知，有些狀態，我們能夠去統計產能，統計質量，合格率我只能做到90%，這是一個普通的制造業能達到的水平。我們必須通過更進一步的進行所謂的大數據分析，包括閉環質量的控制，這個時候我們可以把質量做到95%左右。如果我們再具備學習能力，像阿爾法狗一樣，能夠自己不斷去提升過程，我們可能就有希望把我們電池的質量能夠做到99%這樣一個水平，這是我認為整個動力電池制造發展的成熟度，要一步一步做過去的一些過程。

從智能制造的體系架構來說，鋰電整個工業體系它的基礎首先是標準化。包括電池設計和電池制造，第二步是建立模型，有了標準化，我們就可以去建模型，包括電池模型、制造模型、工廠模型、工藝模型、產品模型、質量模型，這些模型都需要一個個建起來，這樣才能做到數字化。我們有了模型才去做數字化，而不是我們現在去采集數據就叫數字化，因為這樣的數字化是沒有意義的。有了數字化就可以做到智能化。

這是整個動力電池智能制造的工廠體系結構，這個在很多行業里面都是類似的，這樣一個基本的架構。從動力電池智能制造的標準體系建設來說，我剛才說過了，首先我們是要建立工廠模型、產品模型、工藝模型、質量模型，這四大模型是在整個動力電池智能制造標準化最重要的。第二個就是來料的數字化標準，后面是制造模型數字化標準，制造環境數字化標準，功能部件網絡連接標準，系統、設備、物料互聯互通互操作標準，最后應用這些數據來做到智能化。

有了這些東西，我下面想跟大家說一下數字孿生，剛才說了數字模型，對動力電池來說，要去建立整個數字孿生系統，這個孿生大家知道，兩個胎兒。對我們整個行業來說，我們的數字孿生就是指我們在電腦里的模型，在實際的運用，這兩個模型要做到一對一的，整個過程是一個動態的。簡單來說，我們要建立這樣的數字孿生它的價值在于我們能夠把設計做準確，能夠縮短我們整個研發的周期和產品上市的時間，還有優化我們整個提高產品的質量，還有提高制造效率，增加產品柔性的這樣一個目的。

基于產品的數字孿生，首先它的一個橫向架構，就是從虛擬的到實物的一個執行的過程。從物料、工藝規劃到產品的數字孿生，再到生產的數字孿生，最后實現服務和制造過程的數字孿生。從縱向的結構來說，主要是從產品的設計、仿真到工藝規劃仿真，最后實現工藝優化的一個過程，這是西門子提出的一個系統解決方案。從整個動力電池我們來分析三大數字孿生在設計、制造和服務這一塊，主要是搭建這樣一個數據模型，或者體系架構模型，有了這樣的體系架構模型，就相對比較完善，來推進我們整個制造過程。

智能制造，第一步是做數據連接，首先實現設備的互聯互通互操作，簡單的思想，我們把一臺設備和系統當成一個互聯網的節點。有了這樣的節點，我們就可以做很多東西了。要把它變成一個節點，要把我們的智能裝備，在制品的過程，包括我們的信息系統首先建立它的元數據，信息模型，數字字典，適配模型，通訊規范，實現數據交換。我們在總結整個鋰電制造互聯網框架模型的時候，我們認為還是選擇混合的云控制模型。我開始想云不能在這里用，通過實踐，我們發現實際云在鋰電制造里面也有很多價值。

從智能制造實現的路徑，首先是基于模型的數字化，我們把整個電池產生的過程，從納米級的結構到微米級的到米級別的，有了數據，我們基于大數據的智能化，有了這兩個層面，我認為是解決整個智能制造最基礎的最重要的東西。我這里簡單說一下，基于模型的數字化，我們以前的制造過程是把這幾個環節發現問題，來進行人為的分析，人為的調整，來解決問題。最后的結果是實現人的經驗積累，我們基于模型的工程是怎么來做呢？我們把這幾個過程也是進行問題的分析，我們首先要建立模型。對模型的因素進行調整，最后解決問題，最后是實現模型的經驗積累，這就是智能制造和以前的精益化生產最大的區別。只有這樣，我們才能夠實現所謂的優化，所謂的不斷學習，這就是阿爾法狗所做的工作。他有了模型，我上次出現了問題，可以避免掉，走優化的路徑。我們認為我們智能制造要做到學習型的生產也是這樣一個路子，就是基于模型的數字化，基于模型的優化，最后實現智能制造。

解決數據的智能化，首先我們解決這些可視的問題。剛才我說了有20個主要的控制點，我們對這些關鍵的控制點來進行優化控制，這些是解決可見的問題。還有一些隱性的問題，比如通過數據采集，通過特征分析，來實現預測性的控制，這是我們整個智能制造必須解決的問題。比如設備故障，比如磨損、腐蝕、泄露等等相關的問題都可以找到，我們通過數據的提取，就可以來做進一步的優化，來實現健康診斷。有了這樣一個優化的過程，最后我們就基于設計，來實現整個過程反饋的優化，這是鋰電智能制造整個過程我們必須走全的一個過程。

有了動力電池的模型，有了數據，就可以來做整個優化了。優化的過程，第一步當然是建立數據采集點，建立追溯體系。遺憾的是到目前為止，我見到中國的鋰電企業還沒有一個建立完全追溯的模型，盡管我們國家大概在兩年前在西安會議上馬凱副總理就說，我們必須建立整個電池從材料到電芯的制造，到最后車實現完全的追溯。現在我們能做到的我認為只能從電芯到車的追溯，從材料到電芯的追溯，還沒有完全建立起來，這個過程對我們來說也是非常重要的。有了追溯系統，有了數據，我們就可以來把電池的過程加進來，有了數據就可以分析，電芯的閉環，就像我們的控制系統一樣，去不斷優化質量，不斷學習，來提升制造過程的質量。這是動力電池制造未來的一個框架。

從動力電池智能制造，我們認為最重要的是實現這三大目標，第一是一次制造的合格率，還有材料利用率怎么提升，我們目前整個中國材料利用率都是比較偏低的，大概89-90%的水平。這里當然也跟制造過程，電池設計有關系。還有一致性，目前大概能到1.2的水平，未來可以做到0.1到0.3的水平，這是智能制造最終實現的核心目標。有了這樣一些目標，動力電池要降成本，提高質量，都可以去實現。簡單的說，合格率從現在的90%提高到96%，對一個GWh的電池來說，一個點相當于1500萬，6個點就是9000萬或者一個億，這樣的數據對中國動力電池業來說，真正有很大的空間，或者有很大的提升質量的空間和降成本的空間，這就是我對整個智能制造的一個理解。謝謝大家！