汽車制造中的定制挑戰

汽車制造中的定制挑戰

中國在人臉和語音識別方面已經遠遠領先于西方。中文植根于字符，打字翻譯很棘手，需要時間。因此，對于他們來說，在許多AI方面取得突破，在風險資本投資方面取得領先是自然而必要的。如今，數百萬中國人只需滑動智能手機即可授權付款。

對于許多汽車制造業巨頭而言，人工智能對定制和個性化的承諾現在已成為當務之急。盡管美國人似乎仍然想要傳統的非電動汽車，但汽車制造商正選擇屈服于推動電動和無人駕駛汽車技術投資以保持競爭力的力量。福特，通用，豐田和特斯拉等汽車制造商在新的智能汽車技術上投資了數十億美元。

特斯拉只專注于智能汽車技術，其所有汽車都屬于定制模型模式。埃隆·馬斯克（Elon Musk）最近聲稱，他將為他的Model 3電動轎車進入“制造地獄”。這款零售價高達60,000美元的特斯拉汽車在定制制造過程中面臨著巨大挑戰。特斯拉希望通過嘗試在中國上海建立獨立工廠來解決制造方面的問題，這將更輕松地為其主要的亞洲買家提供服務。豐田，福特和通用汽車都在開發自己的電池式汽車，試圖為特斯拉提供低成本的替代品。福特參與了使用激光系統的無人駕駛汽車技術的開發，這對于這家傳統的底特律汽車制造商來說是一個驚人的發展。

從歷史上看，美國的自動制造是通過裝配線式生產來定義的。這使大量汽車的制造和銷售都具有良好的利潤率。制造商將這些預測用于標準化汽車和卡車的按庫存生產模型，即使到現在，大多數客戶仍發現這些產品符合他們的需求。

但是，定制是新趨勢。該制造到定制車型的不斷提升，對于大多數挑戰的按訂單生產業務。在定制產品過程中，客戶和制造商之間的關系必須是無縫的，才能滿足截止日期和質量標準。對于生產更多定制產品的制造商來說，存在巨大挑戰。當消費者想要它時，他們不想為它付出更多或等待更長的時間才能交付。制造業面臨的挑戰是消除浪費以交付最終產品，而且生產線上的每一步都增加了交貨時間和成本，需要以某種方式進行控制。

按庫存生產與按訂單生產

許多制造企業都依賴按庫存生產（MTS）或按庫存生產（BTS）策略。這種預先建立的傳統生產方法使用銷售預測和歷史需求數據來將生產和庫存與消費者需求預測進行匹配。MTS / BTS方法要求準確預測需求，以便確定生產需要多少庫存。良好的庫存計劃可使MTS制造商保持盈利；他們依靠準確的銷售和庫存歷史數據進行強大的預測。

所有計劃和采購問題最終都會變成生產問題，制造商基于云的ERP（企業資源計劃）系統將快速集成多個“需求和供應”數據預測，并在工作進入生產時間表之前解決材料短缺問題。補給時間是MTS汽車操作的關鍵影響因素。準確的內部交貨時間對于保持足夠的庫存量以滿足需求的變化仍然很有必要。

MTS和MTO制造要求精益的汽車運營部門能夠有效地從一種形式過渡到另一種形式。MTO制造僅從客戶訂單開始，因此車間需要速度，靈活性和可靠性才能快速生產以滿足需求。絕對有必要免費提供可使用庫存物料進行各種工作的機器。透明性將有助于容量規劃，快速的庫存周轉以及對供應商和供應鏈問題的持續訪問。ERP將幫助管理MTS和MTO的流程，并使混合或混合模式車間能夠管理庫存限制，提前期和按時交貨。

工程師訂購和定制訂單

使用AI技術生產用于自動駕駛或無人駕駛模型的新型定制“智能”汽車給車間帶來了全新的挑戰。這最后兩種自定義方法位于ETO（按訂單設計）和/或“自定義訂單”流程中。智能汽車產品需要更有效的報價和訂單處理。最大的挑戰是能夠存儲將來的預測，并在嘗試適應定制時處理多種約束。新的智能汽車裝配是ETO作業，因為整個工程都需要工程設計設計和生產過程。由于工程高度依賴于數據，因此ERP對ETO制造的成功至關重要。工程師需要良好的數據，以在各個階段高效地移動，并能夠減少計劃和生產所需的時間。減少浪費和縮短生產時間是精益生產原則的關鍵，最終ERP可以協助所有ETO軟件操作，以幫助工程師提高效率并最大程度地提高利潤。

對于任何按訂單設計和定制的汽車，特別是如果它是智能汽車，制造過程中的復雜性將更難解決。對于智能汽車，正確的數據對于訂單至關重要。為想要一輛帶有棕褐色皮革內飾的紅色轎車的客戶生產汽車是一回事，而生產定制的智能汽車則是另一回事。智能汽車的制造技術很復雜；AI技術的進步取決于數據和算法，并且如前所述，使效率變得復雜。對于高端的美國和歐洲客戶來說，這種新型定制智能汽車更受美國高端客戶和歐洲客戶的青睞，而在亞洲大眾市場更受歡迎。盡管大多數汽車制造商都在“競爭”傳統和定制車型的市場，特斯拉將未來寄托在定制智能模型上，因為這是他們制造它們的唯一方法。在中國，這正迅速成為他們購買它們的唯一方式。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。