还有一个是预防和维护，这个大家比较常见，因为各种设备碰到问题后会造成很大的损失。这里我认为有三个阶段，第一个阶段是首先把设备的数据收集上来;第二个阶段是通过收集的数据分析这个设备是不是有可能出现故障，我们做了一个场景就是电机的一个轴的数据，可以提前预知超过阀值的数据造成的些问题;第三个阶段是预见一些更换的频率。

　　智能穿戴的项目我们也进行过研究，比如虚拟装备，我们通过AR和VR眼镜进行新员工装车的培训，包括在现场装配的指导，我们的人员到现场怎么维修和各种指导的场景也是其中一个重要的环节。

　　视觉识别在汽车行业也是一个大的智能制造应用场景，现在是定位比较多，但我认为其在后期的质量检查中应用会很多，包括一些用户的零部件的质量检查都会用到视觉识别。

　　我再讲讲关于供应链和物流的场景，在很多配送的环节怎样通过一些算法，来检查配送的路径和智能的调动，怎样指使我们的车辆和员工提高他们的工作效率。这里我说一下入场的智能调动，现在大部分都是集货的方式，我们研究哪几家串在一起比较合适，大概是什么顺序，现在都是靠人工和经验，来进行动态的路线智能规划，降低整个计划的工作量，并使整个运输的满载率和运输的效率最优，这都是老大难的问题，很多大的车企都在做，采用不同的方法。

　　整车物流和备件物流因为仓库和区域选点的规划以及配送的路径，后续我认为都要用到网络的算法和大数据，对于这一类业务的支撑可能会比较大，一些车企也在这个课题上花费了很多的精力。

　　我的分享就到这里，谢谢大家。