汽车行业智能工厂报告：智能工厂降本增效，自动化设备迎来稳健发展

主要观点 智能工厂能够优化生产过程。智能工厂可分为三项流程（计划、执行、控制），五个层面（协同、企业、工厂、车间、设备）。产业链由上游的硬件及软件厂商、中游的智能设备制造及方案设计供应商、下游的制造企业三部分共同组成。 发展驱动包括：信息技术发展打下基础，人口红利消退、全球化趋势促使制造业转型发展，同时国家也自上而下制定智能工厂的发展规划。目前智能工厂国内起步晚但增速快，主要的下游应用为电子和汽车，电子行业的渗透率最高达到26%，汽车行业的需求最大占比38%。 特斯拉“超级工厂”案例：极致精益与高效。汽车智能工厂从车间的生产和质控环节开始，有望延伸至全生命周期。特斯拉“超级工厂”将智能工厂理念与从第一性出发的生产底层逻辑相结合，基本实现整车制造流程的全智能化。 研发创新：建立数字模型用虚拟生产方式提前改进策略，采集与分析数据从而提升企业的生产效率和决策效率； 厂房创新：联合厂房覆盖整车四大工艺，缩短工序间的物流路径，采用多层厂房设计，提高场地使用和运行效率； 制造创新：在冲焊涂总四个环节大量使用工业机器人、视觉系统实现生产和检测的自动化； 零件创新：一体式压铸减重（30%）降本（40%），带领汽车轻量化趋势、降低物流及采购成本； 物流创新：工厂采用环抱式布局，边道口直接卸货、追求“零库存”的极致，减少仓储成本。 受益板块及标的：1）数控机床：新能源车爆发增长显著拉动龙门机床的需求，高端机床国产替代空间大，对应标的：海天精工（龙门机床）。2）压铸机：“一体化压铸”需求奠定压铸机的大型化、一体化趋势，对应标的：力劲科技（特斯拉供应商）、伊之密（超重压铸机突破）。3）工业机器人：汽车制造广泛应用，国产替代空间大，对应标的：埃斯顿（工业机器人国内龙头）。4）智能解决方案：自动化、柔性化、智能化和信息化，新能源车带来产线变革机遇，对应标的：豪森股份（新能源车新业务拓展）、巨一科技（智能产线、电机）。 风险提示：制造业投资下降；新能源汽车渗透率不及预期；上游晶圆持续短缺，影响汽车生产；半导体技术突破、国产替代不及预期；技术突破、国产替代不及预期；行业内竞争加剧等。 研究框架 1.1智能工厂：响应度高、适应性强的互联制造 智能工厂是数字化供应网络的组成部分，是一个柔性系统，能够自行优化整个网络的表现，自行适应并实时或近实时学习新的环境条件，并自动运行整个生产流程。 什么是“数字化供应网络”？ 什么是“智能工厂”？ 传统的线性序列式供应链运营模式中，研发、采购、生产等流程依序展开，因此流程间互动有限，整体效率较低 智能工厂能够实时学习新的环境条件，并和数字化供应网络互联根据企业需求的更新及生产能力的发展，自行适应、优化、运行整个流程 数字化供应网络将这样的线性结构转变为一个以数字化为核心的、互联互通的开放式供应链体系，实现多向通讯，更加高频高效 包括但不限于：进入新市场，开发新产品/服务，引入新技术使得企业应对变化的适应性大大提高 1.2基本架构：计划、执行、控制 智能工厂包含三项流程，可再细分为五个层面，层与层之间相互联系，形成闭环。 计划 协同层：在商业生态环境中，企业与其他参与者进行互动，将各自的实时数据上传至共享平台，形成数据库 企业层：企业内部的生产管理软件从共享平台获取数据并进行分析，展开预测性分析，制定工作计划并排产，向下传达至执行部门执行 工厂层：接收派发的生产任务，同时从企业内部平台获取数据（如库存量）进行分析，根据实时生产能力调整流程、分配任务车间层：根据流程执行生产任务 控制 设备层：对生产设备进行实时监控与中期检测，保证产品质量，协助必要维修工作 1.3智能工厂产业链 智能工厂产业链由上游的硬件及软件厂商、中游的智能设备制造及方案设计供应商、下游的制造企业三部分共同组成，下游需求带动智能工厂扩大布局。 1.4发展驱动：信息技术发展、人口红利消退与全球化趋势 信息技术发展打下基础，人口红利消退、全球化趋势促使制造业转型发展。 人才挑战 过去——数字能力有限 人口结构老龄化加速年轻劳动力日益匮乏 传输、储存、计算成本高昂数字化转型可望不可及现在——成本降低 传统制造业在招募人才上遭遇前所未有的挑战劳动力短缺，企业难以维持正常运转用工成本高 网络技术可负担 人工智能、机器学习等领域取得重大成果云制造、人机交互、数字孪生突飞猛进实时数字化 使用工业机器人与聘用员工之间的成本逐渐缩小自动化设备对环境的适应性更强 机器人的替代效应明显 进而展开监控、决策 1.4发展驱动：“十四五”规划顶层设计 利好政策支持，进一步推动行业发展。 下游制造 1.4发展驱动：“十强”省市智能工厂发展路径 自上而下制定发展规划 1.5发展现状：国内起步较晚、增速较快 智能工厂助力制造业转型升级，具有重大意义与广阔前景。 起步相对较晚 几大制造强国已于2015年前提出并实施制造业转型，出台相关政策推进智能工厂发展 中国制造业目前的智能技术水平及渗透率于发达国家相比，差距较大 工业机器人等技术应用较少 智能工厂中，工业机器人作为核心设备，应用较为广泛中国作为全球制造业中心，工业机器人人均保有率不及其他竞争对手的30% 工业机器人在劳力短缺的国家，如韩国和新加坡，尤其得到重视 制造业转型速度快 近十年来，我国工业机器人的新装机量增速普遍超过全球平均水平，占比不断增大，远超其他发达国家和制造业强国 在一系列政策扶持下，国内对制造业向智能化转型的需求猛增，市场规模有望快速增长 1.5发展现状：前人经验足，需求基数大 智能工厂助力制造业转型升级，具有重大意义与广阔前景。 德美等传统制造业强国已在智能工厂概念上做出许多探索和实践 德国于2013年提出工业4.0计划，由许多德国企业共同推动，包括一大批宝马、大众在内的汽车制造商宝马——虚拟手势识别系统 大众——机器造车替代人工，提升效率 美国于2009年提出“再工业化”计划，发展先进制造业，实现制造业智能化前人经验值得借鉴，协助国内制造业转型 智能工厂成为全球趋势 内需推动制造业转型 制造业对GDP的贡献可观 主要国家大力推动，智能工厂市场规模稳步扩张全球智能工厂市场规模逼近3000亿美元复合年增长率高达7.8% 2020年中国GDP总量突破100万亿元人民币，增长2.3%工业新增31.3亿元，占经济总量的30.8% 制造业新增26.6亿元，占经济总量的26.2%双循环制度+供给侧改革 制造业高速发展 对中国经济愈发重要智能工厂推动制造业转型数字化 智能化 1.5发展现状：下游行业中汽车制造等领域应用较广 智能工厂助力制造业转型升级，具有重大意义与广阔前景。 下游分析 2.1智能工厂在汽车生产上的应用：生命周期全覆盖 以特斯拉、三星等智能工厂应用较为成熟的企业为例，智能工厂的布局往往从车间里的生产和质控环节开始。因此，短期内的发展方向是先着眼于企业的生产模块，再逐步拓宽到整个生产过程。 目标 模块拆解 汽车产品的完整生命周期包含从接收需求到报废再回收的7个流程智能工厂的终极目标是实现7大流程全方位覆盖 汽车制造中智能工厂可被拆解成4个模块：市场、供应、生产、销售狭义的“智能工厂”只应用于企业内部，主要包括设计、生产、质控三个环节 现阶段应用最广的在生产和质控环节 部分龙头企业已通过大数据分析等技术实现前半部分主要环节的覆盖（即从与消费者、供应商的对接开始，到汽车的销售环节） 广义的“智能工厂”包括从市场、客户、供应商等获得数据和信息反馈从而作用于生产过程。 2.2汽车制造的四大环节：冲、焊、涂、总2.3特斯拉“超级工厂”：极致精益与高效 特斯拉“超级工厂”（Gigafactory）将智能工厂理念与从第一性出发的生产底层逻辑相结合，基本实现整车制造流程的全智能化，提高效率、优化质量、提升产品的可负担性。 基本概况 定位：以整车开发为基础的研发中心建成时间： 2016年——美国内华达州2017年——美国纽约州2020年——中国上海 2021年——德国柏林（未投产） 2022年——美国德克萨斯州（在建） 产能：2021年全年交付量达到93.62万辆，预计2022年交付量将达到140万辆，比2021年增长50%。 在同样的空间内安装更多设备优化边际，节省空间成本 2.4“超级工厂”的研发创新：成本控制的基石 相关领域：数字孪生，工业互联网数字孪生 工业互联网 数字孪生的内核在于通过数字化技术，将生产过程中的物理实体转变为数字模型，根据历史数据以及随客户需求而改变的参数，对生产过程进行模拟、控制、验证和预测 通过数字孪生，特斯拉车厂可以在实际生产之前，先通过虚拟生产的方式模拟客户预定的不同配置、型号的电动车的生产过程良性循环的形成： 短期来看，模拟过程中发现的问题可以被提前解决、改进，从而避免在实际生产时出现瓶颈、对产品出货造成影响，还有助于减少计划外的停机时间，最大化效率与产能 长期来看，模拟生产的所有参数，如原材料、边线物流、工序要求、设备健康状况等，都将被记录到工业互联网平台的数据库中，作为未来模拟时的历史数据，并反馈到管理层，协助战略决策 工业互联网技术为收集到的数据提供了一个开放、透明的平台 我国本土的部分车企的数字化转型尚且处在起步阶段，目前已能实现生产过程中各个环节数据的采集和分析，如原材料数据、车间的设备情况，但也仅限于这样的小闭环，即有原材料数据的采购部门和有设备数据的车间之间并不互通，信息的不透明导致这些企业的决策速度较慢，遭遇市场变动时相对脆弱 特斯拉“超级工厂”使用一个“一体化”平台，将研发、生产、物流三个重要环节产生的数据进行连接，使得数据的输送透明且快速设备故障被检测到后将实时上报，第一时间通知采购部门故障对产能的影响，从而调整采购的顺序/品类（调整采购的原因详见“物流创新”部分） 新产品的开发也能得到快速衔接——从实验室到车间、再到测试场地，一站式的产品研发流程提高了效率，控制了成本生产效率得以被有效保证，企业的决策速度也大幅提升 2.4“超级工厂”的厂房创新：更快决策，更快行动 相关领域：起重、传输机械，工业软件边际优化 软件赋能 摒弃繁复的外观设计，一个大联合厂房涵盖了整车工艺四大板块，焊装、涂装、总装、电池、电机等车间集中布局，极大缩短各个工序之间的物流路径，提高运行效率 除了各类硬件设施实现自动化搬运外，以生产执行系统为代表的工业软件是实现“超级工厂”跨车间传递信息的关键。 充分利用厂房结构的纵向空间，采用多层厂房设计，通过升降机、机运链进行自动化空中输送的物流措施，最大限度提升空间利用率，实现土地的高效利用；同时也减少人工垂直搬运，节约人力成本，以立方米论效率，达到业界领先水平 厂房创新为研发、制造创新提供了可执行的土壤——厂房之间的自动化将厂房内部的自动化连接在一起，减下的成本被用于研发产品、提升质量 2.4“超级工厂”的制造创新：智能制造全方位应用 质量检测 长线应用：从已投产的三家“超级工厂”采集数据进行比对，归纳共性，针对性、精准化地就车型设计、工艺流程等查缺补漏。 相关领域：检测，工业互联网（人机交互） 利用AR、VR技术，结合视觉系统，进行每个环节完成后、下线前的小检测。 相关领域：工业机器人、检测 在传统的汽车工厂中，总装步骤涉及到的零部件数量众多、形状各异，使用机器人在狭窄的车厢内进行装配难度较大、成本较高，因此主要采用人工装配，自动化率仅为20-30%。 特斯拉创造的一体式压铸（one-piece casting）工艺，通过6000吨级的压铸岛，将原先需要向不同供应商采购70多个零部件的后底板一次性压铸成型，将繁杂的供应链化简为只需一家厂商提供铝锭作为原料，不仅降低了采购、运输成本，还减少了一条焊装线，实现车身减重，效率和空间利用率都大大提升。 在其他如玻璃打胶等对精确度要求较高的环节，装配机器人通过视觉感知周围环境和装配零件