整理：YuLei Fu 来源：CBInsights
从实验室研发过程中的先进机器人到仓库中的机器视觉，科技在制造过程中正在发挥举足轻重的作用。日本fanuc公司从2001年起开始运营黑灯工厂，在近一个月的时间内，完全不需人工监督的制造其他机器人。这些机器人不仅不需要灯光，甚至连空调也不需要！
机器人代替人来完成所有重体力劳动工作的场景，已经不光光存在与想象之中，放眼于机器装载车间即可。
中国东莞的手机零部件制造商长盈精密科技公司已经创办了一个无人工厂。工厂中的所有东西：从制造设备到无人运输卡车再到仓库仪器，都是由机器人来控制的。工厂员工由原来的650人缩减到60人，这些技术员工的工作是监控机器运转。工厂负责人说，未来的员工数将减少至20人。
随着工业科技的发展，这波数字化自动化的浪潮被称为“工业4.0”，所以未来的工厂到底是什么样子？让我们从生产流程的八个阶段一探究竟：
– 产品研发
– 资源计划与来源
– 数据获取和运营技术
– 劳动力扩张与管理
– 制造，生产和装配
– 质量品控
– 仓储
– 物流和供应链
未来五年内，制造业将以七倍于1990年以来的效率增长率增长。虽然，制造业占据美国GDP的11.7% ，雇佣 8.5% 的劳动力。制造业仍然是一个数字化程度较低的产业。如今，制造业随着新科技的发展飞速变化，从汽车制造，到电子，到制药行业都受到影响。接下来我们将深入探讨在每一步中，科技是如何改变制造业进程的。
1.产品研发
准备阶段对大量生产是至关重要的，设计师，化学家和工程师们需要不断地进行假设验证试验。这个设计方案是否正确？这个配方是否符合需求？在大批量生产之前的测试和重复迭代过程在产品研发阶段十分常见。大型的制药，科技，航空航天公司每年要在研发方面投入巨大的资金。光光是通用在去年一年中就花掉了 $8B 用于新产品开发。
在研发阶段需要高标准的人才，这些人才散落在世界各地，现在一些软件可以帮助公司发掘到这些人才： Kaggle, Quantopian 和Numerai使数据计算类的工作得到解决。Science Exchange这类的平台帮助正在试图帮助纵向科研的进行，同时可以帮助公司解决在库人才的短缺，实现人才外包。
公司在机器人，3D打印和人工智能方面开展尝试探索，以减小大批量生产时的不确定性，加速生产过程。3D打印技术在加速生产过程中的帮助显著，据调查：57%的3D打印工作是用于概念和原型机的验证阶段。3D打印已是设计公司的标配产品，在大批量定制生产实体之前，设计师们应用3D打印来验证未来产品是否符合要求。
在许多领域中，机器人学被用于自动化生产的迭代试错过程中。在合成生物的研发过程中，机器人在诸如Zymergen 或者 Ginkgo Bioworks 这样的公司中受益颇多，研发从酵母菌中提取自制化合物的过程，需要同时测试多达4000种不同的配料，该过程耗费的实验室工作量极大。通过使用机器人系统，可以收获更快更多的收获化合物配方和更少的人为错误。
“材料工程需要探求极小尺寸的颗粒：在300mm的硅盘上找寻19nm的颗粒，那相当于在西雅图的整个城市里找一只蚂蚁。”材料科学在计算和电子领域扮演重要的地位。像三星和英特尔这样的芯片制造商是世界上在研发方面投入的巨头。随着半导体越变越小，在纳米尺度内工作需要的准确性和可控性超出了人类的能力，机器人在此过程中变成了优先选择。未来在把控精密尺度制造方面的科学工具自动化程度和精密程度都更高。
爱迪生的精神：我不是失败了10000次，而是成功找到了10000种不可行的方法，在今日的研究中依旧适用。未来在科学研究的过程中，数字化程度的发展和研发新产品，新材料和在规定尺度上生产出它们的任务依旧艰巨。现在在使用人工智能的创业公司中，健康管理是一个非常热门的方向，使用人工智能是进行药物发明的渠道之一，在未来必定大有可为，广泛应用只是时间问题。Citrine Informatics 使用人工智能来进行化学和材料的管理，并宣称人工智能在数据库管理方面有巨大应用。 Deepchem公司发明了Python库来进行化学反面的深度学习。
3D打印方面的创业公司也很多，MarkForged应用碳纳米管材料，BMF利用具有特殊功能的纳米结构化合物来进行打印。未来的制造这门也将利用智能软件来进行研发。虚拟现实和增强现实技术使建模过程变得”去抽象化“。Autodesk公司拥有灵敏的未来嗅觉，已经初步开发出了浸入式设计工具。Autodesk公司旗下的Stingray与多加同类公司合作，提供软件的互用性。
苹果公司开发的 AR/VR 设备使设计过程与3D打印相结合，使实际物体与计算机虚拟物体的结合，并且申请了专利，该专利利用增强现实技术使得移动设备作为摄像机，未来可以与ARKit或iphone结合来直接实现3d打印。康奈尔大学的研究者提出了未来可以利用人机交互界面实现现实模型直接转变为3d模型。未来的研发团队将探索测试将ar和vr与3d打印和传统的原型堆叠模型相结合的方法。
2.资源计划与来源
一旦产品被设计出来，下一步便是计划如何使其进行批量生产。通常我们需要收集零件供应商，材料制作商，满足大规模生产零件的制造商的信息。但是寻找可靠的供应商的过程费时费力。科技如何帮助解决这个困境呢？
分散制造也许是趋势之一，通过与it技术合作，可以利用物理上分散的制造商们来制造中小批量的零件。 Xometry 和Maketime公司提供中小批量的增材制造和数控铣削解决方案。只需要在网站上上传3d模型，批注在加工过程中的要求即可。UPS提供3d打印诸如喷嘴，支架等塑料零件。当需要大规模加工时，也可以依赖此种分散制造网络来制造零件。
公司资源分配软件（ERP）追踪从原材料到客户关系管理的全过程。但是讽刺的是，ERP有时候 本身也会变成一个庞大繁杂的系统。最近的PwC报告中指出许多大规模工业制造商拥有超过100个不同种类ERP系统。利用区块链技术可以减少数据库的分散性和复杂度。
去年，英国航空公司利用区块链技术来维护数据库的统一性。在航班信息，机场监控，航线网络和用户app方面均有包含涉及。在区块链内部，当产品通过制造者向销售者传递时，交易记录将被永久去中心化的记录下来，减少了时间延迟，成本附件和人为错误。未来，更多的区块链工程将用于物流管理软件中，通过掌握机器与机器间通讯和支付过程，提升神经网络等来使得公司的数据成本显著降低。
3.数据获取和运营技术
在未来二十年内，工业4.0的成熟发展，首先要求基本的数据化。开始我们将开启一波机器变得数据友好化的浪潮，接下来数据化转变为可预测化和预测智能化。
需要巨额资本的商品一般用“正常工作时间”这个概念来保证其正常运行，在半导体，航空航天和国防领域，这个概念的应用范畴十分广泛。从1960年开始，GE航空，罗罗和普惠等公司开始售卖“推进时间”而不是直接对一个航空发动机定价来躲避交易陷阱，聚焦高利润的后期维修和数字化平台。现在GE要紧密跟踪每一台发动机的运营细节以确保发动机的正常运行。
离开数字化的概念，效率就不足以被谈起，产品和工厂拥有者要确保机器处于最优的工作模式和状态之下。但是数字化在现阶段仍有所局限，有许多离退役期十多年的产品还需要被使用，监控温度和震动的传感器与普通的机器不同，延长了调整的时间和效率。
简而言之，操作技术与传统的IT技术有相似点，不同点在于IT技术链接台式机，笔记本与数据网络，操作技术直接监控物理设备，将从传统的数字化变成智能化。对于制造者来说，操作技术通常包含以下几种：
– 制造设备
– 监控系统，数据采集系统和人机交互界面
– PLC及工控机
– 3D打印机和数控系统
现在，制造业的大脑通常为昂贵的PLC和工控机，但是对于小公司来说并不需要如此昂贵的设备。这为诸如 Oden Technologies 这样的下公司带来了机遇，它们生产的计算机硬件可以作为插件直接嵌入到大部分的机床中。
在工业物联网领域，临近传感器的计算是一个新模式。 Saguna Networks这样的公司专注于做边缘计算，该过程避免了将全部数据传入云端，对于节约带宽有重要意义。云端计算对于制造工厂来说有些致命弱点，云端传输的时间延迟性对于加工过程的调控也是亟待解决的问题。未来，在人工智能硬件方面的进步将使得我们所知的物联网基本独立于中心云端而运行。
对于重工业来说，网络攻击是极端致命的。 WannaCry ransomware攻击导致了欧证雷诺-日产公司的关闭，2014年的网络攻击使得一个熔炉爆炸，导致了德国钢铁厂的严重损失。
4.劳动力增强与管理
在最近一篇关于Steekcase的生产线的软文介绍中，人类被描述为自动化科技的向导。该公司开发的工作站发布一步步的工作指导，消除在装配家具时的人工错误。“十年前，机器人辅助人类工作，现在人类辅助机器人工作。”
制造业在科技发展的背景下变化巨大，更好的数字化程度和网络物理安全科技帮助提升生产效率，降低人力。接下来介绍增强现实，可穿戴设备和机械护甲在该背景下的应用。
AR技术正在推进帮助安装手册数字化进程：AR可以分析复杂的制造环境，应用及其视觉来构建零部件，就如同一个可视化的安装手册一样帮助熟练工们更好的提高技能。
机械护甲和安全科技将成为脏乱危险工作的标配装备：许多创业公司试图将高科技可穿戴设备变成工人的左膀右臂。福特公司的员工使用EksoVest在工作中辅助装配，利用这套装备的工人在颈椎压力方面有所缓解。该装备减少反复运动中的运动损伤，帮助抓举过程中省力。
Sarcos 是该领域内另外一家有名的公司，它们的关注点是远程机器人控制和机械骨骼，Delta Airlines近期表示将展开与该公司的合作。 Strong Arm Technologies,公司生产姿态控制和举重辅助装备。在脏乱和危险环境中工作的人员，可以依靠及其外国歌设备来扩大人类的能动性，并且提升工作的安全性。
5.制造、生产和装配
自动化首先出现在那些又脏又累的领域，但如今很多在大生产中的人工过程已经被自动化取代，工业机器人和3D打印已经在工厂中越来越普遍。随着机器人越来越便宜、精度越来越高、它也更加普遍地与人在生产线上协作。随着消费者的个性化需求越来越多，制造业需要满足日益增长的用户需求。工业4.0将实现机器的连接，并通过IOT技术与万物互联。未来的工厂不仅可以制造原型和特殊系列的产品，同时还可以灵活地根据用户反馈及时满足各种各样的定制化需求。未来的新生产将主要表现在模块制造和机器人自动化，以及更加广泛的3D打印技术。
将传统的产品分解为更小的模块化生产，不仅可以使得工厂更加灵活的面对用户的定制化需求，同时可以一流水线的效率来实现高效的定制化生产。通过不同模块的组合、变化得到丰富的产品形态。另一方面，模块化还以为这一系列灵活的末端执行器，通过更换机器不同的执行器使得更多的制造成为可能。
在过去的几十年来，工业机器人不断侵蚀着制造业的工作岗位，但最近一波机器人浪潮却带来了人机协作的新形态。这意味着人和机器一起能得到获得更高的工作效率。通过人类的手工操作，协作机器人可以学会人类的技能，同时更先进的传感器可以帮助机器和人更加和谐安全的并肩工作。
比起传统的机器人，协作机器人的价格更为低廉，其均价大概只有24000美元。据UR机器人资料，其机器人平均成本回收周期只需要195天。目前有超过八十家协作机器人创业公司活跃在世界各地，与大型机器人的四大家族同台竞技。
在小批量定制化领域增材制造将毫无疑问的超过传统的注塑磨具成型工艺，成为未来定制化生产的主流制造手段。3D打印已经在工业界有着成熟的应用，GE利用增材制造技术研发出了能耗降低15%的发动机，而阿迪达斯同时也利用3D打印技术来为用户提供大规模的鞋类定制服务。
在不远的未来随着新材料新工艺的发展，3D打印将会向着更广阔的领域发展，包括碳纤维和金属的结构的加入将会产生出更多性能强大的产品。
6.质检和品控
随着工厂的数字化，质检和品控流程将会越来越多地嵌入到生产的数字化流程中去。机器学习驱动的平台将会助理工厂优化提高产品线质量。目前主要有两个方面的技术值得关注，分别是负责检测的计算机视觉的负责溯源的区块连技术。
与目前大规模使用人工进行产品检测不同的是，未来工厂将大规模的使用机器视觉来代替并补充现有的人类检测（吴恩达的landing.ai就是将人工智能赋能制造业的典型）。无论实在集成电路行业的焊点检测还是在手机、平板显示器行业的表面缺陷检测，计算机视觉都将会代替人类完成复杂的工作，并毫不松懈的监视着每一个可能出现的缺点。
另一方面，由于区块连的不可更改，很多公司将其视为一种十分优秀的溯源工具。包括沃尔玛、雀巢等一系列公司都开始利用它来进行原料供应溯源，从源头提高产品的质量。
7.仓储技术
很多人认为无人仓储的发展会比黑灯工厂更为迅猛。目前仓储的建设如火如荼，货架的高度和仓库的面积都在不断扩张。自从亚马逊利用Kiva机器人系统来提高仓储效率后，世界各地的机器人公司纷纷进入这一行业，国内外的快递巨头也研发了高效的无人自动化工厂。我们看到像Fetch Robotics和Grey Oragen等公司和超市内的Locus等机器人都在逐步发展，仓储行业的自动化呈现出一片欣欣向荣的局面。另一方面，计算机视觉技术可以实现货物扫面，将每一个包裹精确的几何形状信息数字化，完成物联网的抽象闭环，将数字世界和物理世界紧密地连接在了一起。
8.物流和供应链
当工厂的产品生产打包完成，接下来最重要的工作就是将它送达用户手中了。在未来无人驾驶技术、物联网和区块连技术将会一同醋精这一领域效率的提升和发展。物联网技术将会使得供应链去中心化，随着越来越多车队配备了远程信息处理系统，自动化流程将会越来越深入的进入到物流与供应链中去。随着自动驾驶技术的逐渐成熟，除了更加自动化的运输外，包括装卸货、分拣等流程将会更加自动化，在提高效率的情况下并节省更多的人力成本。
结 论
如今和未来的制造业正在变得更加富有效率、更加定制化、模块化和自动化。但制造业对于技术吸收和应用的缓慢是否能够使得工厂保持足够的竞争力呢？相信竞争的压力会促使工厂不断自我改进和变革。
对于制造业来说，最大的提升来自于机器人、AI和基础IOT的数字化。更多的数据会带类更聪明的系统，最大化工厂的效益并最小化支出与损耗。同时诸如区块链和AR等新兴技术将会帮助工业提升，并增强工人的能力。
就像亨利福特说的，如果你总是按部就班，那么你的得到的也会一成不变。对于制造业来说，只有用于拥抱新技术、持续创新才能不断紧跟时代步伐、在新技术到来的时代继续发展壮大！
Return to Top ▲
友情链接