科技会谈 | 阿特拉斯科普柯装配背后的黑科技：解锁智能制造的未来

TechTalks 

by Atlas Copco Group

TechTalks/科技会谈播客栏目由阿特拉斯·科普柯集团开设。每期节目中，来自集团内部不同领域、对科技充满热情的专家们汇聚一堂，一同探讨改变未来的技术。

您是否曾好奇各种大大小小的东西是如何组装和拆卸的？您是否知道新兴科技正在改变我们装配的方式？

在第三期播客中，来自集团内的三位专家：平台软件经理Robert Karlsson、航空航天全球业务经理David Lindblom、特殊项目团队领导及协调经理Per Heyser将为我们解密装配过程中隐藏的技术——这不仅关乎基础的零部件，更是一场提升效率、优化质量、为可持续发展的未来铺平道路的产业变革。

戳问题，和我们一起共同探索装配技术的未来。完整视频在文章最后哦~

Robert:

在我和David所在的部门，我们主要研究螺栓装配工艺，比如各类连接技术。这种技术历史悠久却常被忽视。日常生活中，螺丝、螺栓和螺母几乎无所不在。它的优势在于既能实现高安全性紧密连接，又可拆卸维护。在制造领域，当需要组合不同材质或复杂几何形状的部件时，螺栓装配既能确保连接稳固性，又能提供灵活解决方案。

David:

螺栓连接技术面临的多元化挑战其实非常有意思。以电子行业为例——我们合作的手机制造商需要在每部手机中安装约50颗微型螺丝。这些螺丝的尺寸非常小，肉眼几乎难以辨识。如何在保持高速生产节奏的同时，实现这种微米级精密装配？这是非常具挑战性的技术命题。

另一个应用场景如风力发电机，其巨型螺栓的最终装配必须在露天作业环境中完成。这类设备的故障往往意味着灾难性后果，因此我们必须开发能在极端条件下保障装配可靠性的解决方案。

从微型电子设备到巨型清洁能源装置，不同领域的终端装配技术突破往往具有颠覆性意义。

Per:

我的研究聚焦汽车工业领域。

连接技术直接决定着产品功能实现——当前汽车轻量化趋势要求我们大量采用铝材、高强度钢等具有高轻量化潜能的材料，但这些异质材料间的可靠连接比较挑战。

为此我们开发了多元化连接技术体系：以涂胶粘连接技术为例，可将不同金属组件进行接合。但传统胶粘工艺需要长时间高温固化。为此我们开发了复合连接技术：首先在组件表面涂覆结构胶，装配时采用机械连接实现临时固定，在确保组件定位精度的同时，为结构胶提供充分固化时间。这种复合技术兼具效率与可靠性优势。

Robert:

这很有趣，我们的技术其实与大众生活息息相关，无论是组装宜家家具，或者是手工爱好者使用胶水粘合。但当这些技术被置于工业生产的高生产率、高安全标准之下时，就非常复杂了。

Per:

是的，以安全性为例，现代汽车使用的高科技粘合剂不仅关乎碰撞安全，还影响驾乘舒适性。轻量化直接降低二氧化碳排放，因此连接技术创新对可持续发展也有很大的意义。

Per:

传统汽车采用大量冲压件，通过焊接连接钣金件。如今行业正经历重大变革——许多企业探索大型铸造技术，即“一体化压铸（megacasting）”。通过这种技术，半个车尾结构可由单一铸件替代50多个小部件，堪称革命性突破。

铸造工艺需将熔融材料注入特制模具，冷却过程中易产生裂纹，而汽车行业绝不允许此类缺陷。传统连接技术需进行额外热处理，能耗非常高。我们在英国的团队研发了专用连接螺钉，无需热处理即可实现一体压铸件与异质材料的连接。

更关键的是，螺钉的可拆卸设计符合可持续理念，便于回收再利用。这是目前全球唯一免热处理的一体压铸连接方案。

Robert:

一体化压铸趋势正在重塑工厂生态。由于我们专注总装环节，这种“拆箱工艺”新概念影响巨大——更大尺寸的集成部件改变了总装流程，推动自动化升级。

虽然焊接、涂胶等工艺早已高度自动化，但总装线因空间受限、部件繁杂，自动化程度长期滞后。随着巨型铸件与协作机器人等技术的突破，总装自动化正迎来拐点。

Linda:

请解释一下什么是协作机器人？

Robert:

协作机器人是一种可以更加自由工作的机器人，它突破传统工业机器人需安全围栏的限制，能在人类旁自由作业。

David:

近乎肩并肩工作。

Linda:

但它们外观还是机械臂形态？

David:

目前确实如此。

Robert:

这个要从数据采集的初衷说起，最初是为建立质量追溯体系。我们的紧固设备20多年来持续记录工艺数据，但当前技术突破在于：1. 数据传输量级提升（单次紧固采集4200个数据点）2. 分析维度进化（从人工算法→机器学习→生成式AI）。虽然生成式AI应用尚处探索期，但我认为它在工艺自动化（如设备自配置）领域潜力巨大。

再来说回数据分析，机器学习模型目前能精准识别异常紧固特征，准确率高达85%，并且能实时定位故障源，判断出是螺栓缺陷、部件变形还是操作失误。这种实时诊断能力对质量管控与产线效率意义重大。

Linda:

AI生成数据的可信度如何？

Robert:

工业场景中，基于数值分析的模型可信度较高，比如我们的故障诊断模型，它在标注出错的地方或是否出错方面非常非常准确。它是百分之百准确吗？不是。但在这种情况下，85%的准确率总比完全不准确要好。

生成式AI输出的文本信息就会比较棘手，因为它会给你一些看起来非常可信的东西，我们需要谨慎验证。不过技术迭代速度惊人，这个问题一定会被解决。

David:

在装配工厂负责装配流程的每个人都一直在寻求改进，这一点几乎贯穿始终。而人工智能可以提供他们所需的建议，并帮助他们找到机会，真正实现他们想要的整体改进。

当然，在某些时候，人类也必须参与其中做出决定，看看怎样做才是合理的。现在的进展很快，随着时间的推移，我们将开始看到人工智能生成的数据带来真正的改进。

Robert:

通常我们谈到“自动化”，就会想到机器人以及一些智能化的问题。但我认为，得益于人工智能技术，以及更便捷的数据传输和共享功能，一个明显的趋势是流程自动化，在规划流程、连接供应商、把东西运进工厂等方面的效率有了巨大的进步。这也是人工智能可以大显身手的地方。

David:

以飞机制造为例，减重是实现可持续性的核心——更轻的机身意味着更少燃料消耗。汽车行业同理，通过优化螺栓选型（缩小尺寸但不牺牲强度）与拧紧策略，单台车可减少数公斤重量，这对整车减重意义重大。

我们的技术贡献主要体现在两方面：一是研发低功耗工具，比如用电动工具替代传统气动工具可降低60%能耗；二是通过创新工艺帮助客户优化产品设计。此外，无线电池驱动工具不仅环保，更赋予产线灵活适配多车型生产的能力。

Linda:

是否有转向电池驱动工具的趋势？

David:

是的。这也与可持续发展有关，但我认为它与灵活性的关系更大。现代化的装配线上不会装配一个产品型号，而是有多种不同的型号。因此可能会遇到很多挑战。

相比气动工具，电动工具在狭小空间作业更灵活，尤其适合多车型混产需求。虽然切换初衷是为提升产线灵活性，但能耗的大幅降低也带来了显著的环保效益。

Robert:

装配线上会涉及众多技术，包括一些专门从事装配线建设的线体商，这一领域包含大量技术。我们在这一过程中所作的贡献，就是凭借我们的专业知识和所从事领域的产品，如连接、紧固粘合剂、视觉系统等，与技术供应商、终端客户协同合作，尽可能打造出最佳产线。

我的很多工作都围绕连接展开。近年来，随着更多标准协议（如 OPC 统一架构等）的出现，这一领域已取得很大进步。如今，机器之间的“对话”比以往更便捷，即插即用式连接大幅简化了产线集成，这正是现代装配线所需。

Per:

首先，我们来看冲压工艺。金属部件在车身车间完成冲压后，会依次经过涂装、喷漆、拆解、内饰安装等工序，最终完成整车装配。

现在出现了一种新的“由内而外”的制造工艺。这种工艺从冲压开始，零部件直接进入涂装环节，且是预先涂装好的。结合一体化压铸技术，可以形成子装配件，最后将这些模块组装在一起，这就是所谓的模块化装配。

这种新工艺的一个显著优势是可以提高生产效率。更多工人可以同时在一辆车上进行作业，例如，可以直接在电池托盘上组装座椅和内饰设备。

这样一来，装配线的长度大幅缩短，效率更高，成本也更低。不过，这也对连接技术、材料和涂装工艺提出了新的要求。因此，我们必须调整和改进我们的工艺，以适应这种新的制造方式。

还有一点非常重要。我们已经讨论了很多连接技术，但我认为现代汽车的拆解方式同样至关重要。如何从电池中取出模块，以及如何拆卸现代汽车的车身，这对于可持续发展、回收和再利用来说，是非常关键的环节。

Linda:

这对于所有产品都是一样的吧？比如拆卸手机或重复使用手机零部件，这就不仅仅是汽车行业的问题了。

Robert:

制造业整体上正处于一个颠覆性阶段。之前相对稳定，现在随着新技术的出现，如人工智能和自动化技术的飞跃发展，整个行业正在经历积极的变革。

这些发展带来了各种可能性和机遇。因此，我认为未来并不遥远，再往前看，肯定会有更多机器人出现。

现在有些公司已经在尝试开发人形机器人、机器狗之类的了。就在几年前，这些还只是科幻小说里的内容，如今却离现实越来越近了。这就是当下世界发展的速度。要是去预测未来，那简直太难了，说不定过个半年，那些预测就变成现实了。不过得说，这真是一个令人兴奋的时代。

Linda:

我觉得这很有趣，你的同事Freda参加了播客节目的首集，她也谈到了机器人的人体工程学。你在人类身上学到的技术，现在也用到了机器人身上， 这很酷。

Robert:

这些创新并非遥不可及，它们已经开始逐步实现。例如，我们已经在一家客户的工厂中进行了试点应用，使用一种带有视觉系统的“机器狗”在车间内移动。这种机器人配备了激光投影系统或其他类似的导航系统，可以帮助工人快速定位需要检查的部件位置。

技术发展得太快了！

Linda:

为什么选择“狗”的形态呢？

Robert:

我不知道他们为什么会选择这种外形设计，但有趣的是，下一代机器人似乎更倾向于模仿人类或动物的形态。

，时长22:50

锁定我们的微信公众号，与我们探讨技术进步对行业、生活带来的改变，一起携手走在变革未来的路上。