深圳吉阳智能科技有限公司董事长阳如坤先生对动力电池智能制造的理想与现实进行了深入分析。
（以下为阳如坤发言全文：）
阳如坤：感谢刘秘书长的介绍。很高兴受动力电池应用分会的邀请来做一个有关动力电池方面的报告。说实话，动力电池的制造，我的理解，我们以前还在说手工打天下，今天我们说智能制造，这里有很远的距离。这里结合我们过程中的一些实践来看我们要走向智能制造需要一些什么，今天我想跟大家讲的主要还是从原理的角度，从起步的角度来看，我们怎么来搭建我们整个锂电的制造系统。
我的内容主要分五个方面，第一个我想说一下产业的现状，第二，我想简单说一下为什么需要智能制造，第三，说一下智能制造的底细架构，第四方面说一下有关数字孪生，最后谈一下智能制造整体的实现。
今天上午也有发改委的吴处长讲到，2017年4月25号发布了《汽车产业中长期发展规划》，我给大家稍微解读一下。国家把汽车产业发展放到了一个空前的高度，国家从来没有把一个产业放到这样一个高度来发展。这里说到了汽车产业是新一轮科技革命和产业革命的重要力量，把汽车作为制造强国的重要支撑，还要把它作为我们国民经济的重要支柱。也关系到我们人民群众的日常出行，资源的有效流通，还有生态文明的建设，国家制定了汽车强国的密码，叫做1668，如果大家有兴趣的话，可以去研究一下这个，对我们的产业发展非常有价值。
作为动力电池的发展，我认为电动汽车离不开动力电池，动力电池的发展首先它是资源节约，成为新能源汽车发展的重要依赖。从这样一种产品，我们认为电池已经成为了一种特殊的产品，它跟以前我们在3C里面看到的产品是完全不一样的。今天上午也在说，我们电池到底是按照一个产品来做还是按照一个系统来做？我认为动力电池就是按照一个标准的产品来做，怎么把这样的产品做到极致我认为是最重要的，尤其是在现在这样一个产业发展的时候，我们认为芯片是移动产品的电脑，电池是移动产品的心脏，心脏怎么健康？我们要对待像钢铁、机器人，像类似这样的东西来做，才能把整个动力电池做到极致。
从动力电池发展来说，整个产业增长非常迅速。从动力电池制造的认识来说，我认为有以下几点值得我们认真去思考的。首先它是一种纳米级的结构，怎么去操作，第二，我们一些软质的材料，跟我们以前做汽车完全不一样，一些软质的材料要实现硬性的定位和精度的要求。还有一个很重要的方面，我们整个生产过程中很多微不足道的因素对整个电池的影响非常大，这也是我们国内为什么很多电池厂家吃很多亏。比如我们一些看不见的因素，还有时间空间这些东西都对整个电池制造产生影响。简单的说，比如我们中午要吃饭，我把电池放在这里卷绕，发现整个过程不一样，实际电池吸了很多水，这个水对电池质量产生很重要的影响。我们要控制整个过程，时间也要控制。从这个角度来说，整个动力电池制造就带来很多的因素，对我们整个制造过程显得非常复杂。到目前为止，我认为任何一个电池厂要建立起来，要从小规模到大规模的生产，它一定要吃过很多亏。吃这些亏怎么能减少？怎么能少犯错误？或者从经验积累的过程中怎么少犯错误？我们站在这里说，宁德时代很强大，其实你们知道他做圆柱的时候吃了什么亏吗？你们知道他买美国这些设备也吃了很多亏，在这个过程中，如果每个企业都这样去吃亏的话，中国动力电池企业基本没办法发展，动力电池产业没办法发展。不是每个企业都有像宁德时代这么好的运气。
动力电池从制造角度，还有一个问题，我们把电芯的制造分成六大模块，大概有20个质量控制点。简单算一下，比如CPK为1的时候，我们只能做到九十四点几，到目前为止，我们目前国内包括世界上的设备，现在能够做到CPK为1的不多，CPK为1是什么概念呢？比如我要求我制造出来的这套工序合格率是97.73%，有几家能够做到这样的，还有整个过程下来，我们国内目前或者世界上的动力电池调研下来，大概合格率在90-93%左右。我们动力电池整个行业在合格率方面确实有很大的挑战，如果CPK做到1.33，20个控制点可以做到99.8%，这是我们要面对的一些问题。这是整个动力电池技术的发展，我们把前面到2020年前叫新型电池，后面叫新一代的电池。新一代电池对我们整个制造过程带来更多的挑战。
智能制造为什么它是必然呢？第一，电池确实涉及到太多的技术，它本身是多物理场的结构，化工、电子、化学、机械、流体力学、热血等等都涉及到。制造过程，水、粉尘、毛刺控制、柔软极片保护等等，质量影响复杂、繁多，温度、湿润、压力、真空、电力、人。制造合格率的需要，合格率从90%上升到96%再到99%，唯一的途径就是质量的闭环优化。现代工业化和信息技术不断融合和发展，制造业转型，也要求智能制造。
智能制造目前面临的主要问题，第一，我们整个电池没有做到数字化。数字化首先我认为第一个我们电池的设计还没有完全做到数字化的设计，目前电池设计还在一个比照设计、参考设计的阶段，没有一个完整可靠的模型。比如我设计了一个18650，要求18650的内阻是30毫，任何一个做电池设计的人他现在做不到这一点。我找了一堆材料来比较一下，以前是什么样的，我现在做出来以后，可能是做到40或者38或者25，这个过程中不断的优化来实现的。这也是决定了我们整个目前国内动力电池从设计到制造过程很慢一个很主要的原因。
还有我们电池材料数字化还做不到，比如我们在加料过程中，几吨料加到桶里面，这些料的参数，加的量很难准确在线计量，更不用说料的成分，我们料的杂质，我们料的颗粒度，像类似这样的东西都很难做到，这些东西都对我制造过程产生影响，这些影响对我们来说也是非常重要的。还有制造过程非常复杂，影响因素很多。还有很重要的一点，整个动力电池产业才20年左右，整个产业的初创，缺少标准体系，缺少建立模型，缺少企业一定的凝练，来实现这样一些目标。
从整个动力电池制造的成熟度来说，从智能制造的节点来说，我们分成五个级别。所有产业都是这样的，我们动力电池大概处于一到二级初级智能的状态，什么叫初级智能？可能有些网络连接，有些感知，有些状态，我们能够去统计产能，统计质量，合格率我只能做到90%，这是一个普通的制造业能达到的水平。我们必须通过更进一步的进行所谓的大数据分析，包括闭环质量的控制，这个时候我们可以把质量做到95%左右。如果我们再具备学习能力，像阿尔法狗一样，能够自己不断去提升过程，我们可能就有希望把我们电池的质量能够做到99%这样一个水平，这是我认为整个动力电池制造发展的成熟度，要一步一步做过去的一些过程。
从智能制造的体系架构来说，锂电整个工业体系它的基础首先是标准化。包括电池设计和电池制造，第二步是建立模型，有了标准化，我们就可以去建模型，包括电池模型、制造模型、工厂模型、工艺模型、产品模型、质量模型，这些模型都需要一个个建起来，这样才能做到数字化。我们有了模型才去做数字化，而不是我们现在去采集数据就叫数字化，因为这样的数字化是没有意义的。有了数字化就可以做到智能化。
这是整个动力电池智能制造的工厂体系结构，这个在很多行业里面都是类似的，这样一个基本的架构。从动力电池智能制造的标准体系建设来说，我刚才说过了，首先我们是要建立工厂模型、产品模型、工艺模型、质量模型，这四大模型是在整个动力电池智能制造标准化最重要的。第二个就是来料的数字化标准，后面是制造模型数字化标准，制造环境数字化标准，功能部件网络连接标准，系统、设备、物料互联互通互操作标准，最后应用这些数据来做到智能化。
有了这些东西，我下面想跟大家说一下数字孪生，刚才说了数字模型，对动力电池来说，要去建立整个数字孪生系统，这个孪生大家知道，两个胎儿。对我们整个行业来说，我们的数字孪生就是指我们在电脑里的模型，在实际的运用，这两个模型要做到一对一的，整个过程是一个动态的。简单来说，我们要建立这样的数字孪生它的价值在于我们能够把设计做准确，能够缩短我们整个研发的周期和产品上市的时间，还有优化我们整个提高产品的质量，还有提高制造效率，增加产品柔性的这样一个目的。
基于产品的数字孪生，首先它的一个横向架构，就是从虚拟的到实物的一个执行的过程。从物料、工艺规划到产品的数字孪生，再到生产的数字孪生，最后实现服务和制造过程的数字孪生。从纵向的结构来说，主要是从产品的设计、仿真到工艺规划仿真，最后实现工艺优化的一个过程，这是西门子提出的一个系统解决方案。从整个动力电池我们来分析三大数字孪生在设计、制造和服务这一块，主要是搭建这样一个数据模型，或者体系架构模型，有了这样的体系架构模型，就相对比较完善，来推进我们整个制造过程。
智能制造，第一步是做数据连接，首先实现设备的互联互通互操作，简单的思想，我们把一台设备和系统当成一个互联网的节点。有了这样的节点，我们就可以做很多东西了。要把它变成一个节点，要把我们的智能装备，在制品的过程，包括我们的信息系统首先建立它的元数据，信息模型，数字字典，适配模型，通讯规范，实现数据交换。我们在总结整个锂电制造互联网框架模型的时候，我们认为还是选择混合的云控制模型。我开始想云不能在这里用，通过实践，我们发现实际云在锂电制造里面也有很多价值。
从智能制造实现的路径，首先是基于模型的数字化，我们把整个电池产生的过程，从纳米级的结构到微米级的到米级别的，有了数据，我们基于大数据的智能化，有了这两个层面，我认为是解决整个智能制造最基础的最重要的东西。我这里简单说一下，基于模型的数字化，我们以前的制造过程是把这几个环节发现问题，来进行人为的分析，人为的调整，来解决问题。最后的结果是实现人的经验积累，我们基于模型的工程是怎么来做呢？我们把这几个过程也是进行问题的分析，我们首先要建立模型。对模型的因素进行调整，最后解决问题，最后是实现模型的经验积累，这就是智能制造和以前的精益化生产最大的区别。只有这样，我们才能够实现所谓的优化，所谓的不断学习，这就是阿尔法狗所做的工作。他有了模型，我上次出现了问题，可以避免掉，走优化的路径。我们认为我们智能制造要做到学习型的生产也是这样一个路子，就是基于模型的数字化，基于模型的优化，最后实现智能制造。
解决数据的智能化，首先我们解决这些可视的问题。刚才我说了有20个主要的控制点，我们对这些关键的控制点来进行优化控制，这些是解决可见的问题。还有一些隐性的问题，比如通过数据采集，通过特征分析，来实现预测性的控制，这是我们整个智能制造必须解决的问题。比如设备故障，比如磨损、腐蚀、泄露等等相关的问题都可以找到，我们通过数据的提取，就可以来做进一步的优化，来实现健康诊断。有了这样一个优化的过程，最后我们就基于设计，来实现整个过程反馈的优化，这是锂电智能制造整个过程我们必须走全的一个过程。
有了动力电池的模型，有了数据，就可以来做整个优化了。优化的过程，第一步当然是建立数据采集点，建立追溯体系。遗憾的是到目前为止，我见到中国的锂电企业还没有一个建立完全追溯的模型，尽管我们国家大概在两年前在西安会议上马凯副总理就说，我们必须建立整个电池从材料到电芯的制造，到最后车实现完全的追溯。现在我们能做到的我认为只能从电芯到车的追溯，从材料到电芯的追溯，还没有完全建立起来，这个过程对我们来说也是非常重要的。有了追溯系统，有了数据，我们就可以来把电池的过程加进来，有了数据就可以分析，电芯的闭环，就像我们的控制系统一样，去不断优化质量，不断学习，来提升制造过程的质量。这是动力电池制造未来的一个框架。
从动力电池智能制造，我们认为最重要的是实现这三大目标，第一是一次制造的合格率，还有材料利用率怎么提升，我们目前整个中国材料利用率都是比较偏低的，大概89-90%的水平。这里当然也跟制造过程，电池设计有关系。还有一致性，目前大概能到1.2的水平，未来可以做到0.1到0.3的水平，这是智能制造最终实现的核心目标。有了这样一些目标，动力电池要降成本，提高质量，都可以去实现。简单的说，合格率从现在的90%提高到96%，对一个GWh的电池来说，一个点相当于1500万，6个点就是9000万或者一个亿，这样的数据对中国动力电池业来说，真正有很大的空间，或者有很大的提升质量的空间和降成本的空间，这就是我对整个智能制造的一个理解。谢谢大家！
