工厂的未来：人工智能，区块链,增强现实等技术如何颠覆传统制造业

本文译者：

刘斌 浦东改革与发展研究院金融研究室主任 微信ddkjzx1

从研发实验室的先进机器人到仓库的计算机视觉，人工智能，区块链，增强现实和3D打印以及可穿戴设备等先进技术正对制造过程中的每一个环节都产生影响。

“熄灯制造”是指工厂自主运行，不需要人员参与。这些机器人运行的工厂通常甚至不需要照明，并且可以由多台在黑暗中运行的机器组成。

虽然这听起来可能是未来主义，但这种工厂已经存在了15年多了。

有趣的是，自2001年以来，日本机器人制造商FANUC一直在运营一家“熄灯制造”工厂，机器人一次可以运行一个月，在完全无人监督的情况下制造其他机器人。

“FANUC副总裁Gary Zywiol说：”我们的工厂不仅不需要照明，还关掉空调和暖气。“

想象一个机器人做所有体力工作的世界，只需要看看当今最具野心，技术应用最彻底的工厂。

例如，位于中国的东莞市电话零件制造商长盈精密技术公司创建了一家无人工厂。

工厂中的所有一切 - 从机器设备到无人运输卡车到仓库设备 - 均由计算机控制的机器人操作。技术人员通过中央控制系统监控这些机器的活动。

曾经需要大约650名工人来维持运行的工厂，机器人手臂已经大大减少了长盈公司的工人数量，不到原来的十分之一，只有六十名工人。该公司总经理表示，其目标是将来将该数量减少至20个。

随着工业技术的日趋流行，这一波被称为“工业4.0”的自动化和数字化的浪潮正开启第四次产业革命。

那么，工厂的未来是什么样的？

为了回答这个问题，我们深入研究了制造过程的8个不同环节，以了解它们是如何开始改变的：

· 产品研发：看看平台如何合理配置研发人才，人工智能如何帮助材料科学，以及明天的制图板如何被AR或VR耳机取代。

· 资源计划和采购： 按需型去中心化制造和区块链项目正在努力解决供应商整合的复杂问题。

· 运营技术监控和机器数据： 看一下为未来工厂提供支持的IT堆栈和平台。首先，工厂将实现基本的数字化，进一步来看，我们将看到更强的预测能力。

· 劳动增强和管理： AR，可穿戴设备和外骨骼增强了工厂车间工人的工作能力。

· 加工，生产和组装： 模块化设备和3D打印机等定制化机器使制造商能够满足更多种类的需求。

· 质量保证（QA）：了解计算机视觉如何发现残次品，以及软件和区块链技术如何更快地发现问题（并执行召回）。

· 仓储：在 机器人和视觉追踪的帮助下，新的仓库技术可以使“无人”仓库比无人工工厂更快。

· 运输及供应链管理：远程信息控制，物联网和自动驾驶汽车将让制造企业交付产品时效率更高，更细致。

制造企业预测未来五年的总体效率将会增长，自1990年以来将增加7倍。尽管制造业占美国国内生产总值的11.7％，雇用了8.5％的美国人，但制造业数字化程度仍然相对较低 - 这意味着自动化和软件提升空间很大。

随着新技术的发展，制造业正在发生深刻变化，几乎所有制造业垂直领域 - 从汽车到电子产品，再到药品 - 都受到影响。受影响的时间表和技术会因行业而异，但几乎每个垂直行业的大多数环节都会有所改进。

仔细看一下技术如何变革制造过程的每一个环节。

1.产品研发

从药物生产到工业设计，规划阶段对于大规模生产至关重要。在很多行业，设计师，药剂师和工程师不断进行假设检验。

这个设计是否正确？这个化合物是否符合我们的需求？测试和迭代是研究和开发的精髓。大规模生产的性质使得最后时刻的重新设计成本很高。

药物，技术，航空航天等领域的各大公司每年都会投入数十亿美元用于研发。通用汽车去年在新产品开发方面就花费了80亿美元。

在高度科学的研发世界中，高素质的人才遍布全球。现在，软件正在帮助公司寻找人才。

当涉及到数据科学和金融领域未被利用的人才时，像Kaggle，Quantopian和Numerai这样的平台 正在实现“ 量化 ”工作的民主化，并为互相合作的主体提供激励。这个概念也已经在制药研发领域取得了成功，尽管它在其领域也在不断发展。 像Science Exchange这样的按需科学平台目前正在各研发垂直领域开展工作，并允许企业通过研发外包来迅速解决缺乏现场人才的问题。

虽然研发科学家似乎对制造过程不是必需的，但他们对于提供最先进和最伟大的技术，特别是在高科技制造业方面越来越关键。

许多公司正在研究机器人，3D打印和人工智能，进而改进研发过程和减少进入生产时的不确定性。但是假设检验的过程还有待改进，而缩短迭代时间将带来更快更好的发现。

机器人和3D打印加速了各垂直领域的产品开发

根据最近的一项行业调查，加速产品开发是公司使用3D打印技术的首要任务。此外， 57％的3D打印工作在新产品开发的第一阶段进行（即概念验证和原型设计）。

3D打印已经成为任何设计工作室的主要任务。在订购数千个实物零部件之前，设计人员可以通过3D打印查看未来的产品大概的样子。

同样，机器人技术可以将一系列垂直领域中实际过程中的试错环节自动化。

例如，在合成生物学研发方面，机器人技术对Zymergen和Ginkgo Bioworks等公司产生巨大影响，这类公司从酵母微生物中生产定制化学品。寻找完美的微生物需要同时测试多达4,000个不同的变量，这意味着大量繁重的实验室工作。

使用自动移液管系统和机器人手臂， 液体处理机器人可以完成大量实验以更快的速度找到获胜组合，并且人为错误更少。

下面是用于转移样品的机器人基因测试仪Counsyl（左）和Zymergen的移液机器人（右），用于自动化微生物培养测试。

“材料工程能够检测非常小的粒子- 例如300毫米晶圆上的10纳米粒子。这实际上相当于在西雅图市找到一只蚂蚁。“ - 应用材料公司首席技术官Om Nalamasu

除了生物技术之外，材料科学在计算和电子学领域发挥了关键作用。

值得注意的是，英特尔和三星等芯片制造商是全球研发支出最多的机构之一。随着半导体变得越来越小，在纳米尺度下工作需要的精度超出了人的能力，使机器人成为首选。

明天的科学工具在处理细微尺度方面越来越自动化，越精确。

人工智能正在加速材料科学发现

托马斯爱迪生因其在材料科学领域的贡献而著名，他曾说过：“我没有失败过10,000次。我也没有失败过一次。我只是成功地证明了这一万种方法是行不通的。“

尽管研发工作的数字化程度和软件支持力度低于人们预期（美国国家科学院称开发新材料往往是开发新产品的最长阶段），但爱迪生的精神依然存在于今天的研发实验室中。科学方法更好的数字化对于开发新产品和新材料，然后大规模制造这些材料至关重要。

目前，AI创业企业最热门的领域是医疗领域，因为很多公司将人工智能用于药物发现过程。制药公司正在向跟踪药物研发的创业公司（如Recursion Pharmaceuticals 和twoXAR）投入大量资金， 而人工智能在其他地方取得成功只是一个时间问题。

一家从事化学和材料科学的公司CitrineInformatics（左下图）。Citrine在其庞大的材料数据库上运行人工智能，并声称它可以帮助企业研发和制造所需的时间缩短50%。同样，Deepchem（右）开发了一个用于将深度学习应用于药物学的Python库。

简而言之，各行各业的制造企业 - 工业生物技术，药物，汽车，电子或其他材料产品 - 都依靠机器人自动化和3D打印来保持竞争力，并强化产品推出的反馈闭环。

有些正在开发或商业化复杂材料的创业企业在3D打印领域突飞猛进。很多公司像MarkForged等采用碳纤维复合材料，还有类似BMF这样的公司正在开发具有罕见纳米结构和特殊物理特性的复合材料。

当然，未来的制造企业将依靠智能软件来做研发。

增强和虚拟现实“抽象”建模过程

目前，所有类型的制造商都依靠计算机辅助设计（CAD）软件进行原型设计。在未来的制造过程中，增强和虚拟现实可以在研发中发挥更大的作用，并且可以有效地将工业设计人员的桌面PC“抽象出来”，从而可能不再需要3D打印物理模型。

Autodesk是AutoCAD的软件开发商，它是未来原型和协作技术的领头羊。该公司 对 3D打印等尖端技术的投资方面比较积极，其中包括与健康人工智能创业公司Atomwise合作 开展“机密项目”。最近，Autodesk在制作AR / VR游戏引擎方面的探索预示着其希望在在设计过程中的 沉浸式计算发挥更重要作用。

Autodesk的游戏引擎Stingray增加了对HTC Vive和Oculus Rift耳机的支持。此外，游戏和VR引擎制造商Unity已宣布与Autodesk建立合作伙伴关系，以提高互操作性。

同样，苹果公司已经在设想利用AR / VR与3D打印相结合促进设计过程。通过使用CB Insights数据库，我们发现了一项苹果专利，该专利设想AR将“计算机生成的虚拟信息”覆盖到现有对象的真实世界视图上，可以允许工业设计师对现有或未完成的对象进行3D打印“编辑”。

该专利预计通过“半透明眼镜”使用AR，但也提到“配备相机的移动设备”，暗示在iPhone上将有机会使用ARKit的3D打印技术。

康奈尔大学的研究人员最近展示了在3D打印过程中使用AR / VR进行素描的能力。最终，人机界面可以非常高效无缝，可以实时雕刻3D模型。

明天的研发团队将探索利用AR和VR，并测试它如何与3D打印以及传统原型技术结合使用。

2.资源规划和采购

一旦产品设计完成，下一步就是计划如何进行生产。通常情况下，这需要建立零部件供应商，基础材料制造商和合同制造商构成的网络，以实现产品的大规模生产。但寻找供应商并获得信任是一个困难且耗时的过程。

例如，为了进入汽车行业，真空吸尘器制造商Dyson花费了两年的时间寻找供应商：“无论您是戴森还是丰田，需要18个月的时间才能开发车灯”，他们的项目工作人员声称。

2018年，装配线对精准的要求越来越高，它们将几乎集成了实时的零部件供应，并尽可能快地将零部件组装起来。例如，本田在英国的组装工厂只保留了一个小时就可以组装就绪的的零部件。在英国脱欧后，该公司报告边境进口零件的等待时间更长，并表示每延迟15分钟相当于每年850,000英镑的损失。

我们看一下技术如何改进这一复杂的采购流程。

分布式零配件制造

分布式制造可能是一项即将发生的变化，可帮助制造企业处理对零部件订单的需求。

分布式或分散式制造采用与IT协同的地理上分散的设施网络。零件订单，尤其是用于制作中等或小批量产品（如3D打印零件）的零件订单可以使用分布式制造平台大规模实现。

像Xometry和Maketime这样的公司提供按需增材制造和数控铣削（一种从板块上雕刻物体的减法方法），通过它的车间网络完成零件订单。

Xometry的网站允许用户简单地上传3D文件，并获得铣削，3D打印甚至零件注塑的报价。目前，该公司可以按需定制多达1万个注塑件，因此可以处理大型制造商才能完成的制造任务。

Xometry并不是唯一一家提供打印服务的公司： UPS也在拥抱这一趋势， 为 60个地点的3D打印塑料部件（如喷嘴和托架）提供服务，并利用其物流网络在全球范围内配送订单。

随着大规模定制生产的爆发，对零部件供应商去中心化网络的依赖也会大大加强。

区块链用于资源跟踪

企业资源计划（ERP）软件通过客户关系管理系统系统（CRM）跟踪从原材料采购到资源分配的整个过程。

然而，一家制造企业可能会有很多独立的ERP系统和孤立的数据，具有讽刺意味的是，ERP“堆栈”（主要是为了简化）本身可能会变成一堆乱七八糟的软件。

事实上，最近普华永道的一份报告发现，许多大型工业制造企业拥有多达100个不同的ERP系统。

区块链和分布式账本技术（DLT）项目旨在将来自公司各个流程和利益相关方的数据整合为通用数据结构。许多 企业巨头正在测试区块链项目，主要目的旨在降低其单个数据库的复杂性和差异性。

例如，去年，英国航空公司测试了区块链技术，以维护航班信息的统一数据库，并防止在大门，机场监视器，航空公司网站和客户应用程序中出现相互冲突的航班信息。

在跟踪零部件和原材料的采购时，区块链可以管理流入工厂的各类输入信息。有了区块链，随着产品在供应链上在从制造到销售的整个过程中的转移，交易可以记录在永久的分布式账本中 - 减少时间延迟，增加成本和人为错误。

Viant是一家以太坊的创业企业Consensys的项目，致力于服务制造企业的一些资本密集型业务。而且Provenance为原料和产品建立了追溯体系，使企业可以利用从整个供应链中的供应商中收集的信息在销售点就可以与消费者进行有效互动。

展望未来，我们可以期待更多区块链项目构建供应链管理（SCM）软件，处理机器对机器（M2M）通信和支付，并通过保护公司数据足迹来促进网络安全。

3.操作技术：监控和机器数据

据推测，明天的制造过程最终将看起来像一个巨大的，自我维持的网络物理生物体，只是间歇性地需要人为干预。但是在各个行业，制造过程在我们实现未来目标之前还有很长的路要走。

根据精益制造指标（以整体设备效率或OEE衡量），世界一流的制造基地的理论产能达到85％。但平均工厂只有大约60％，这意味着在活动精简方面有很大的改进空间。

工业4.0在未来二十年的成熟首先需要基础的数字化。

最初，我们将看到很多机器会更加数字化。之后，数字化可以转化为预测性维护和真正的预测智能。

大型设备已经演变成一种“按小时供电”的业务模式，可保证正常运行时间。按小时供电（或基于性能的合同）现在在制造业中相当常见，特别是在半导体，航空航天和国防等关键任务领域。

这个想法可追溯到20世纪60年代，当时喷气发动机制造商如通用电气航空公司，劳斯莱斯和普惠公司开始销售“推力小时”，而不是一次性发动机销售。这可以让发动机制造商摆脱商品销售陷阱，专注于高利润的维护和数字平台。如今，通用电气积极追踪其发动机的每一个细节，因为只有发动机正常工作才能获得报酬。

尽管保证了正常运行时间，机器的所有者负责优化使用情况（就像购买喷气发动机仍然需要将它们良好使用的航空公司一样）。总之，工厂所有者仍然“承担”机器链之间的正常运行风险。

如果不对每一步进行数字化处理，效率就仅仅是空谈。然而，制造商承担新的分析功能面临很严重的阻力。

车间地板通常包含仍留着运行了数十年的旧机器。除了显着的成本之外，跟踪温度和振动的传感器并非按照传统的机器制造出来的，这延长了校准周期影响了效率。

当哈雷戴维森的生产工厂经历了工业物联网的传感器改造后，该公司的总经理迈克费舍尔 说， 传感器“使设备更复杂，而且它们本身就很复杂。但复杂性也带来机遇。“

从初始数字化到预测

简而言之，运营技术（或OT）与传统IT类似，但针对“无铺垫地区”量身定制。典型IT栈包括台式机，笔记本电脑以及用于知识工作和专有数据的连接网络，在这样的环境下OT管理直接控制或监测物理设备。

对于制造商来说，OT堆栈通常包括：

· 联网的制造设备（通常配备改装后的工业物联网传感器）

· 监控和数据采集（SCADA）系统和人机界面（HMI），为运营分析人员提供工业监控

· 可编程逻辑控制器（PLC），这是在工厂机器上抓取数据的加固型计算机

· 3D打印机（增材制造）和计算机数控（CNC）机器，用于减法制造（subtractive manufacturing）

从某种意义上说，IT和OT是同一块硬币的两个面，而且随着制造业的数字化程度越来越高，两者的边界将继续模糊。

今天，大多数工业机器的“大脑”在可编程逻辑控制器（PLC）中，PLC是坚固耐用的计算机。像西门子，ABB，施耐德和罗克韦尔自动化等工业巨头都提供昂贵的PLC，但对于小型制造公司来说，这些PLC可能过于昂贵了。

这创造了一个机会，像初创奥登技术 ，其可以将离线计算硬件直接插入很多机器中，或者和现在的PLC兼容。这反过来又使中小企业能够更加精益生产并可以实时分析其效率。

随着数字化变得无处不在，技术效率提升的下一波浪潮将是预测分析。今天围绕物联网的叙述表明，所有的东西 - 每个传送带和机器人执行器 - 都会有一个传感器，但并非所有的工厂功能都有同样的价值。

将廉价的物联网传感器安装到所有设备上并不是万能的，而通过数量更少，更专业，更准确的物联网传感器则更有可能创造更多的价值。例如，Augury使用配有AI的传感器来了解机器并预测故障。

对成本敏感的工厂将认识到，高度精确的传感器相比不必要的物联网能带来更高的投资回报率。

处于边缘的新架构

计算在“边缘”完成，或者更接近传感器，是工业物联网体系结构中的一种新趋势。

对于人工智能创新和更智能的硬件，a16z的Peter Levine 预计 将会出现一种面向AV，无人机和高级物联网对象的云计算终端。

未来工厂中的联网机器应该没有什么不同。

像Saguna Networks这样的公司 专门研究边缘计算（接近收集点），而像Foghorn Systems这样的公司则进行雾计算（想象一个像LAN一样在现场完成的云计算）。这两种方法都可以让关键任务设备安全运行，而无需将所有数据传输到云，这样可以节省大量带宽。

在不久的将来，人工智能和硬件的进步会让我们今天所熟知的物联网，几乎独立于中心化的云端。

这一点很重要，因为从短期来看，这意味着偏远的工厂不需要发送10000个机器信息表示“我很好”，这会花费昂贵的带宽和计算费用。相反，他们可以将异常情况发送给中央服务器，并主要在本地处理决策事宜。

此外，云计算延迟会对制造业产生严重的负面影响。关键人物系统（如联网的工厂）无法承受将数据包发送到离线云数据库的延迟。切断电源时间晚了几秒钟就会造成是避免设备物理损坏，还是导致设备物理损坏。

从长远来看，边缘计算为无人工厂铺平了道路。支撑边缘的人工智能软件将成为工厂机器独立作决策的基础设施。

总之，在网络边缘利用更多算力的设备正准备迎来新的工厂设备的分布式网络。

网络安全是重中之重

工业物联网的一个悖论是，工厂承担着重大的运行中断风险，但几乎没有工厂投资于网络安全方面：最近一项调查显示 28％的制造商在过去一年因网络安全攻击而遭受收入损失，但只有30％的高管表示他们会增加IT支出。

网络攻击可能对重工业造成毁灭性影响，在重工业中，网络物理系统可能会受到影响。WannaCry勒索软件袭击导致欧洲雷诺 - 日产汽车工厂关闭。2014年，一次复杂的网络攻击导致德国钢铁厂发生设备损坏，当时停电导致高炉无法正常关闭时。

因此，关键基础设施是网络安全方面越来越关注的领域，许多创业公司如 Bayshore Networks 正在提供物联网网关（连接不同协议的联网传感器），允许跨垂直行业的制造商监控他们的IIoT网络。Xage 等其他基于网关的安全公司 甚至使用区块链的防篡改分类账本技术，由此工业传感器可以安全地共享数据。

近期一项调查显示，28％的制造商在过去一年中因网络安全攻击而导致收入损失。但只有30％的高管表示他们会增加IT支出。

同样，增加联网的物联网设备和工业控制系统（ICS）传感器已经在终端处引发了新的漏洞。

为了解决这个问题， Mocana 和 Rubicon Labs等公司正在IP和设备层面开发安全通信产品。

此外，一些 最活跃的企业网络安全投资机构是对运营技术计算感兴趣的企业。戴尔（其制造工业物联网网关）以及谷歌，通用电气，三星和英特尔的投资部门是这一领域最活跃的投资机构之一。

安全地管理ICS和IIoT系统将继续成为投资的关键领域，特别是一次又一次的黑客攻击证明了OT存在的漏洞。

4.增强员工能力和管理

在最近 关于家具制造商Steelcase的生产线的一篇报道中，人类的存在被描述为仅仅是为了指导自动化技术。

Steelcase的“视觉表”是计算机工作站，对每一个步骤进行指令指导，消除组装家具时的人为错误。使用声音提示和头顶扫描仪跟踪组装过程，如果有一个步骤完成地不正确，系统不会让工作人员继续组装。扫描仪还允许不在现场的操作工程师实时分析进度。

在 纽约客杂志写了一篇关于Steelcase公司劳动管理的报告， “十年前，工业机器人在任务中辅助工人。现在，工人 – 还是那些工人 – 不同的是工人协助机器人。“

制造业看起来在短时间内急剧变化。正如一位退休的西门子高管最近所说：“工厂里的人员需要比以前更熟练。西门子今天没有高中毕业生的工作。“

但数字化越高和更先进网络-物理技术都可以提高工人的效率。以下是 增强现实技术（AR），可穿戴设备以及外接衣服等新兴技术的应用情况。

增强现实和移动技术正在将指令手册数字化

增强现实将能够提高产业工人的技能。

除了可以表示工厂性能指标和分配工作的免提“浏览器”之外，增强现实还可以分析复杂的机器环境并使用计算机视觉来绘制机器的零件，如实时视觉手册。这使得诸如现场服务的熟练技术人员成为“可下载”的技能（与The Matrix无异）。

Daqri和Atheer是资金雄厚的耳机制造商，专注于工业环境。Upskill的Skylight平台（下图） 使用Google Glass，Vuzix，ODG和Realwear耳机为工厂员工提供增强现实能力。该公司从波音和通用电气公司等公司的企业风险投资部门募集了近5000万美元。

许多增强现实制造商设想这种技术像一个免提“互联网浏览器”一样工作，使工作人员能够查看重要信息的实时统计数据。Realwear的可穿戴显示器不像Daqri耳机那样追求真正的增强现实，但即使是眼角的小型显示器也相当强大。

其他像Scope AR使用移动技术和iPad摄像头在工作现场完成类似工作，使用增强现实来突出显示工业设备上的部件并实时和指导专家联网交流。这就不需要技术人员为了修复故障设备乘飞机寻求专家的帮助，也节省了相关成本。

与手机配合使用的Parsable是一个工作流平台，可提供任务并将数据收集数字化，这些工作通常以前是在工厂中使用铅笔和纸张完成的。

正如格言所言，“你测到了什么，你就可以管什么”，并且在机器人带来的竞争压力不断加强的领域，制造业企业将投资那些能够将人类每个动作数字化的技术。

外骨骼和安全科技将成为脏活和危险工作的标准

外骨骼技术终于在工厂车间成为现实，这可以大大减少重复性工作造成的身体损伤。这里的创业公司正在制造可穿戴的高科技装备，工人穿在四肢和背部，帮助工人承重。

下面看到的EksoBionics公司正在福特汽车公司的密歇根州装配工厂试用其EksoVest套装，而使用该套装的工人报告其日常工作中颈部不适情况减少。EksoVest减少了重复运动带来的磨损，并且与其他竞争产品不同，它不需要电池或机器人就能提供承重辅助。Ekso的首席技术官已经表示，长期战略是在最终进入动力外骨骼之前让工人习惯这种技术。

Sarcos是另一家知名的外骨骼制造商，从Schlumberger，Caterpillar和微软以及通用电气的风险投资部门获得了投资。Sarcos更专注于远程控制机器人和动力外骨骼，可重复提升200磅。达美航空公司最近表示，它将加入Sarcos的技术顾问组来试验这项技术。

在类似的领域中，Strong Arm Technologies公司制造姿势测量和辅助承重可穿戴设备。Strong Arm在造成伤害的意外或事故发生之前进行预测性干预，其定位为以劳动为重点的风险管理平台。

在有些地方仍然需要人类做一些脏活和危险的工作，可穿戴设备和外骨骼将增强人类的工作能力，同时也提高安全性。

5.加工，生产和装配

自动化首先会代替肮脏，沉闷和危险的工作。

大规模生产流水线中的许多人类工作已经被自动化所取代。像工业机器人和3D打印这样的网络物理系统在现代工厂中越来越普遍。机器人已经更便宜，更准确，更安全，并且更多地个人类一起工作。

消费者的需求不断变化，制造企业正试图跟上不断增加的定制化和多样化的需求。

工业4.0的愿景主要围绕完全智能化的工厂，其中联网机器和产品通过物联网技术进行通信，不仅是原型和组装特定系列产品，还会基于消费者反馈和预测信息对这些产品进行迭代。

模块化生产支持定制化需求

在我们进入一个人类很少参与制造过程的世界之前，模块化设计可以帮助现有工厂变得更加灵活。

模块化使得工厂可以更加流线化地进行定制，而不像传统的流水线一样。模块化可以以更小的部件或模块的形式出现，这些更小的部件或模块可进入可定制的产品。或者它可能是设备，例如机器人和机器上的可热插拔的末端执行器，允许更多种类的加工。

目前，大规模生产已经在为满足消费者愈加个性化和多样化的需求而进行重新设计。BCG 调查显示， 90％的汽车制造商 表示，他们预计到2030年模块化生产线的设置将对最终组装非常重要。模块化设备将允许同一生产线上生产出更多型号的产品。

创业公司正在利用模块化部件。

种子阶段的公司Vention根据需要定制工业设备。从Vention的模块化部件中选择，公司需要做的就是上传他们想要的设备的CAD设计，然后等待3天就会发出专门的工具或机器人设备。现在许多工厂都有可以通过简单的cobot（协作机器人）臂或定制机器完成的零散工作，而且随着各地工厂都在寻找提高效率的方法，这些解决方案将获得增长动力。

模块化生产将影响每一个提供产品定制的行业。例如，个性化医疗正在推动对更小规模和更有针对性的药品需求。在医药制造业中，模块化使得加工企业能够生产各种产品，并且更快地进行产品转换。

机器人可以自动完成一次性工作

工业机器人技术正在取代制造业工作，这些工作岗位几十年来一直在减少。正如美国银行美林证券的一份报告所解释的那样：“长期看机器人最有生命力，人类的生命力很短。”

但最新一波机器人似乎正在增强人类工作者的能力。

Cobots（协作机器人）可通过辅助移动实现可编程。他们首先通过人类移动进行学习，然后重复此前的移动动作。这些机器人被认为是合作型机器人，因为他们可以和人类一起工作。

无论这些机器人是合作型机器人还是要淘汰人类工人仍有待观察。在田纳西州的日产工厂增加了自主导向车后，没有任何物料搬运工因生产率提高而被裁员。欧洲飞机制造商空中客车公司也使用移动机器人，与人类一起工作，在客机上钻孔数千个孔。

尽管最好的机器人仍然存在局限性，但经济学家担心自动化最终会导致劳动力市场的大变革。

由于全球劳动力成本上升，机器人技术正在引发新一波回流- 制造业回归美国。

BCG 在2015年进行的一项调查显示，接受调查的美国制造商中有24％表示，他们正在积极地将生产从中国转移回美国，或者计划在未来两年内这样做 - 2012年仅为10％。大多数人认为较低的自动化成本使美国更具竞争力。

机器人技术对于单调的工作如包装，分拣，重复承重等非常有价值。协作机器人制造商 Universal Robots 表示，它的一些机器人手臂平均工作195天。总体上看，协同机器人的售价平均为每台24,000美元。

我们之前已经分析了80多家机器人初创公司，但对于重型机械加工而言，ABB，三菱，Fanuc和安川等大型工业企业占据了最多的市场份额。

在短期内，协作机器人的可重复编程特性将使得制造业企业更加个性化，并且协作机器人要和现在的设备和工人一起工作。然而，在更长的时间范围内，机器人将成为向“无人”制造迈进的引擎。

3D打印

对于某些大规模生产的产品，3D打印无法超越注塑成型领域的规模经济优势。但对于小规模生产的产品，使用增材制造来实现就比较有意义。

通过使用金属增材制造了三分之一的零部件，GE制造的发动机消耗的燃料比以前的设计少了15％。通用电气表示，它将在2018年开始测试赛斯纳德纳利发动机以进行潜在的飞行测试。

随着大规模定制在某些消费产品中爆发，制造商将越来越多地转向3D打印。

鞋子已成为一个比较流行的应用场景。例如，阿迪达斯与Carbon合作大规模打印定制化运动鞋。另外，像Voxel8和Wiiv等其他3D打印服务公司已经专门定位为鞋子生产提供打印服务。

仅仅几年后，在消费电子，服装和其他配件中看到大规模定制的部件可能会更加普遍 - 它们都是通过3D打印带给您的。

工业3D打印是最热门的领域，许多初创公司都致力于提供包括碳纤维或其他具有特点金属在内的先进材料。

6.质量保证

随着工厂数字化程度越来越高，质量保证将越来越多地融入到组织的数字化过程中。机器学习支持的数据平台，如Fero，Sight Machine和Uptake等，将能够在系统的内部运作中以程序化方式写入精益制造准则。

计算机视觉和区块链技术已经得到应用，并在跟踪产品质量方面提供了一些令人信服的替代方法。

计算机视觉

在批量生产中，检查每个产品是否符合规格要求是一项非常乏味的工作，并且会因为人为差错而受到限制。相反，未来的工厂将采用机器视觉来扫描人眼可能会遗漏的残次品。

有VC支持的初创公司如Instrumental正在训练人工智能来发现制造过程中的问题。著名的人工智能专家Andrew Ng成立了一家以制造业为重点领域的创业企业Landing.ai ，该公司已经与电子产品代工厂商富士康合作。（以下是 Landing.ai识别缺陷模块的内容。）

电子元器件中的许多缺陷甚至对人眼来说都是不可见的。能够即时识别和分类缺陷将使质量控制自动化，使工厂更具适应性。

区块链将有助于产品召回

2017年8月，沃尔玛，克罗格，雀巢和联合利华等与IBM合作，通过加强供应链跟踪，利用区块链改善食品安全。沃尔玛自2016年以来一直与IBM合作，并表示区块链技术有助于将追踪芒果货运时间从7天缩短至2.2秒。

随着另外9家大型食品供应商加入IBM项目，食品行业 - 在这种罕见的合作中 - 也可以更好地协调安全召回事宜。

同样，使用区块链或分布式账本技术的工厂在召回时可以更好地做好准备。在加工食品或汽车的工厂中，用于管理召回的单一系统可以更迅速地找出故障零件或污染批次的来源，从而挽救生命和金钱。

7.仓储

无人仓库可能比无人工厂来得更快。

随着电子商务的兴起，对仓库空间的需求已经爆炸式增长。去年，仓库平均高度与2001年相比增长了21％，2017年10月新仓库建设支出达到高峰，仅在该月就花费了23亿美元。

仓库机器人

据称，亚马逊以7.75亿美元收购Kiva Systems引发了机器人制造商之间的竞赛。乘着电子商务发展的东风和全行业要求按时交付订单的压力，我们看到以提高配送效率为重点的机器人创业企业了大量涌现，。

最近，其他类似Kiva的公司，包括Fetch Robotics和GreyOrange，也在关注仓库自动化的其他领域，如捡拾和码垛。

一些初创公司，如Ready Robotics和Locus已经应用经典的机器人手臂来打包电子商务包裹，但是它们的协作特性使其适合于许多工业任务。我们之前曾研究过可能成为大型企业收购目标的工业机器人公司。

以制造企业和硬件为重点的投资机构将继续寻找下一个有爆发潜力的机器人制造商。而更便宜和更灵活的机器人可能意味着我们将在短期内看到更多的机器人和人类一起工作。

用人工智能进行扫描

随着计算机视觉和企业资源规划逐渐融合，在排序，扫描和发现残次品时需要的工人会更少。

Aquifi，例如，在工业物联网和手持式扫描仪内部使用计算机视觉。机器视觉可以测量产品尺寸，计算托盘中箱子的数量，并检查箱子的质量。 目前，这通常是通过计算机，眼球和间歇扫描完成的。

对于工业物联网将仓库内发生的事情“实时抽象出来”进行“定格”，计算机视觉将变得越来越重要。可以说，形成物理世界与二进制位和字节之间的闭环对于打造无人仓库至关重要。

8.运输和供应链管理

一旦产品被打包配送，提高物流配送中最先一公里的效率是一项艰巨的任务。有成千上万的SKU编号和订单需要管理，其复杂程度可能令人震惊 - 而为了应付这种情况，企业资源规划（ERP）软件已经得到广泛应用。

但物联网和区块链在实现更加精细化的实时供应链方面还有很大空间。

卡车和车队远程信息处理物联网

通常，在供应链过程中对于物品的实时位置其实没有很好的办法掌握。

近年来，车队远程信息处理领域出了几个金额很大的创业企业退出案例，Verizon收购了FleetMatics和Telogis。随着供应链分布式和自动化程度越来越高，物联网和用于货运的软件将变得越来越重要。

进一步说，无人卡车的出现可能意味着自动系统将在收到提单时交付，卸货并收费。这将带来更绿色，更有效的物流，以及更简化的会计。

优步和特斯拉都有开发半自动卡车的高调计划，而Starsky Robotics（下文）最近从Y Combinator，Sam Altman和Data Collective等公司募集了近2000万美元，专门用于长途货车的制造。

区块链

如上所述，一些分布式账本技术的测试项目和区块链初创企业正试图将供应链管理软件融入分布式账本网络中。

探索这些技术的意愿表明，这里的数字化已经姗姗来迟。供应链非常分散，所以非常适合应用去中心化技术，并且也会在消除全球商业效率低下现象中发挥重要作用。

例如，航运巨头Maersk正与一家利用Hyperledger 平台的创业企业合作，旨在帮助全球供应链中的托运人，港口，海关办事处和银行追踪货物运输情况。马士基的目标是用防篡改的数字记录取代相关的文书工作。

同时，墨西哥国有石油公司Pemex正在协助Petroteq开发石油专用供应链管理软件。Petroteq项目 - 一个名为PetroBLOQ的企业级，基于区块链的平台 - 将使石油和天然气公司能够在全球范围内进行交易。

未来，制造商将探索去中心化的技术，使他们的组织更加自治，实时更新数字化资产（接收或发送）。区块链不仅有简化供应链管理的应用前景，而且可以使支付更加顺畅，减少支付中的摩擦。

结论

制造的效率越来越高，愈加定制化，模块化和自动化。但工厂仍在不断变化。制造企业普遍被认为在采用新技术方面比较缓慢，许多制造企业可能会抵制进行新的投资。但随着数字化成为行业的新标准，竞争压力将迫使制造企业加快创新。

如果以机器人，人工智能和基础物联网形式加快数字化进程，那么制造企业的效率将大幅提升。更丰富的数据和智能机器人将使得工厂的产量达到理论产能，同时最大限度地降低成本，减少残次品。在东莞的无人工厂，使用机器人将残次品率从25％降低到不足5％。

同时，随着区块链和增强现实等先进技术正在工业环境中试用，因此制造业在实现无摩擦生产，提高工人能力方面达到史无前例的水平。

用亨利福特的话来说：“如果你总是做你以前做的事情，那么你总能得到你以前得到的东西。”为了充分发挥其潜力，制造业需要继续拥抱新技术。