|
本文来源：CB insights 本文出处：物联网资本论 从研发实验室的先进机器人到仓库的计算机视觉，技术正在对制造业的每个环节产生影响。 有趣的是，自2001年以来，日本机器人制造商FANUC就不时在运营着一家“熄灯工厂”，在无人监视的状况下，由机器人制造加工生产机器人。 到底什么是“熄灯工厂”？“熄灯工厂”是指在无人看守的状况下，工厂自主运转的生产过程。“工厂机器人”完整取代了人的工作，以至能够在没有照明的黑暗环境中自主运转。 固然这听起来可能是未来主义，但“熄灯工厂”成为理想曾经超越15年了。 “FANUC副总裁Gary Zywiol说：”它不只熄灯，还关掉了空调和暖气。“ 想象一下这个新的世界，机器人辅佐人类处置一切物理工作，而你只需求看着眼前最前沿和技术和最先进的工厂就好。 往常，越来越多的物联网初创公司正在转变为未来工厂。
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。工厂中的一切产品：从机械加工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。而技术人员只需求经过中央控制系统监控这些机器的活动。 曾经需求约650名工人来维持工厂的正常运转，随着机器人手臂的延伸，曾经将人力需求减少到不到十分之一，只需六十名工人。该公司总经理表示，其目的是未来将该数量减少至20个。 随着工业技术的日趋延展，这一波的自动化和数字化的被标记为“ 工业4.0，”第四次产业反动。 那么，工厂的未来是什么？ 为了回答这个问题，我们深化研讨了制造过程的8个不同步骤，以了解它们是如何开端改动的。
制造商预测未来五年制造业的总体效率将以每年7倍的速度增长。固然美国的制造业占国内生产总值的11.7％，雇用了8.5％的美国人，但其依旧是数字化水平相对较低的范畴——这意味着自动化和软件改进的空间很大。 随着新技术的延展，制造业正在发作深化变更，简直每一个制造业的垂直范畴，从汽车到电子产品再到药品都有影响。转变时间和技术会因行业而异，但每个垂直行业的大多数步骤都会有所改进。 回到上文所说的未来工厂制造过程的8个不同步骤，本文将细致引见它们是如何开端改动的： 01 产品研发 从药品生产到工业设计，规划阶段对批量生产至关重要。在各个行业，设计师、化学家和工程师都在不时地进行假定检验。 测试和迭代是研讨和开发的实质。这个设计看起来正确吗？这个复合物契合我们的需求吗？大范围生产的性质使得最后一分钟的重新设计代价昂扬。而药物，技术，航空航天等各大公司每年都会投入数十亿美圆用于研发。
在科学研发的世界中，人才遍布全球。但是，全世界也缺乏科技研发人才。 当触及到数据科学和金融范畴未开发的人才网络时，像Kaggle、Quopopia和MulnAI这样的平台正在民主化“定量”工作并弥补他们的协作者。 民主化“定量”工作的概念也曾经在制药研发范畴取得了胜利。像科学买卖所这样的按需科学平台目前正在跨研发垂直范畴展开工作，并允许企业经过外包研发来处置人才匮乏的问题。 固然研发科学人才似乎对制造过程不是必不可少的，但他们关于提供最新和最巨大的技术，特别是在高科技制造业方面越来越关键。 公司正在探求机器人技术、3D打印和人工智能作为改善研发过程和减少投产时不肯定性的途径。但是假定检验的过程还有改进的余地，并且紧缩迭代时间将转化为更快更好的发现。 机器人和3D打印加速了垂直产品的开发 依据最近的一项行业调查，加速产品开发是运用3D打印的公司的首要任务。此外，57%的3D打印工作已进入新产品开发的第一阶段（即概念和原型的证明）。
3D打印曾经成为任何设计工作室的主要内容。在订购数千个物理部件之前，设计人员能够经过3D打印查看未来产品的外观。 同样，机器人技术能够使垂直方向上的实验和错误的自动化。 例如，在合成生物学研发方面，机器人技术对Zymergen和银杏Bioworks等公司产生庞大影响，这些公司从酵母微生物中制造出定制的化学物质。经过寻觅圆满的微生物同时测试多达4000种不同的变种，这意味着需求进行大量的实验工作。 运用自动移液管系统和机器人手臂，液体处置机器人允许高通量实验以更快的速度和更少的人为误差抵达获胜组合。 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育测试。
除了生物技术之外，资料科学在计算和电子学范畴发挥了关键作用。 值得留意的是，英特尔和三星等芯片制造商是全球最大的研发支出者之一。随着半导体变得越来越小，在纳米尺度下工作需求的精度超出了人的才干，这时分机器人就成为了首选。 能够说，未来的科学工具将越来越自动化和精确地处置微尺度精度。 AI正在加速资料科学的发现 举世出名的美国电学家和发明家托马斯·爱迪生说过:“我并没有失败,我只是发现了10000种行不通的方式”。 固然研发工作的数字化水平和软件支持力度低于人们预期（美国国度科学院称开发新资料常常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。科学措施的更好数字化关于开发新产品和资料，然后大范围制造这些资料至关重要。 目前，AI初创公司最抢手的买卖范畴是医疗保健，由于公司将AI用于药物发现管道。制药公司正在向追踪药物研发的创业公司 （如递归制药公司 和twoXAR）并注入现金。而在其他中央取得胜利也只是一个时间问题。 一家从事化学和资料科学工作的公司Citrine Informatics（下左图）在其庞大的资料数据库上运转AI，并宣称它能够辅佐企业在50％的时间内完成研发和制造。同样，Deepchem（右图）开发了一个用于将深度学习应用于化学的Python库。
简而言之，各行各业的制造商，工业、生物技术，药物，汽车，电子或其他物质产品都依托机器人自动化和3D打印来提升竞争力，并增强产品推出的反响环节。 在3D打印范畴，初创公司正在开发或商业化复杂资料。MarkForged等公司采用碳纤维复合资料，其他相似BMF的公司正在开发具有稀有纳米结构和奇特物理特性的复合资料。 当然，未来的制造商还将依托智能软件来做研发。 增强和虚拟理想“笼统”建模过程 目前，一切类型的制造商都依托计算机辅助设计（CAD）软件进行原型设计。在未来的制造过程中，增强和虚拟理想能够在研发中发挥更大的作用，并且能够有效地将工业设计人员的桌面PC“笼统出来”，从而可能消弭对3D打印物理模型的需求。 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打印等尖端技术进行投资并不陌生，其中包含与健康人工智能创业公司Atomwise协作 展开“秘密项目”。最近，Autodesk在制造AR / VR游戏引擎方面的探求预示着其更大的作用。
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树立协作同伴关系，以进步互操作性。 同样，苹果公司曾经想到将AR / VR与3D打印相分离的设计过程。经过运用CB Insights数据库，我们发现了一项苹果专利，该专利想象AR将“计算机生成的虚拟信息”叠加到现有对象的真实世界视图上，有效地允许工业设计人员对现有或未完成的对象进行3D打印“编辑”。
据悉，该专利估量经过“半透明眼镜”运用AR，此外“配备相机的移动设备”暗示在iPhone上运用ARKit的潜在3D打印机遇。 康奈尔大学的一位研讨人员最近展示了在3D打印过程中运用AR / VR进行素描的才干。最终，人机界面能够十分无缝，能够实时雕琢3D模型。
研发团队将研讨AR和VR，并测试它如何与3D打印以及传统原型堆栈分离运用。 02 资源规划和采购 一旦产品设计完成，下一步就是计划如何在生产范围上进行生产。通常状况下，这需求搜集零部件供给商，基础资料制造商和合同制造商的网络，以完成产品的大范围生产。但寻觅供给商并取得信任是一个艰难且耗时的过程。 例如，真空吸尘器制造商Dyson破费了两年的时间寻觅供给商推进汽车行业的新举措：“无论您是戴森还是丰田，需求18个月的时间才干开发大灯”，该项目的工作人员说道。 在2018，装配线是如此少，他们集成了简直实时的零件流入和装配线。例如，本田位于英国的装配厂只保存了一个小时的零部件准备就绪。在BrxIT之后，该公司讲演了在边疆的交往零件的更长的滞留量，并且说每15分钟的延迟意味着每年损失850000英镑。 因而，我们研讨了技术如何改善这一复杂的采购流程。 分散式零件制造 分散式制造可能是一项行将发作的变更，可辅佐制造商处置零部件订单的需求。 散布式或分散式制造采用与IT谐和的天文上分散的设备网络。零件订单，特别是用于制造中等或小批量产品（如3D打印零件）的零件订单能够运用散布式制造平台大范围完成。 像Xometry和Maketime这样的公司提供按需增材制造和数控铣削（一种从板块上雕琢物体的减法措施），经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，并获取3D打印以至零件注塑的报价。目前，该公司允许按需定制多达1万个注塑件，因而能够处置大型制造商完成的构建。
Xometry并不是唯逐一家提供印刷效劳的公司：UPS也在接受这项效劳，为 60个地点的3D打印塑料部件（如喷嘴和支架）提供效劳，并应用其物流网络在全球范围内提供订单。 随着大范围定制的呈现，对零部件供给商的分散式网络的依赖也会随之消逝。 区块链用于资源跟踪 企业资源计划（ERP）软件经过客户关系管理（CRM）跟踪从原资料采购到资源分配。 但是，一家制造企业可能具有如此众多不同的ERP系统和孤立的数据，具有讽刺意味的是，ERP“堆栈”（旨在简化事物）自身可能会变成一团乌七八糟的软件。 事实上，最近普华永道的一份报揭露现，许多大型工业制造商具有多达100个不同的ERP系统。 区块链和散布式账本技术（DLT）项目旨在未来自公司各种流程和利益相关方的数据整合到通用数据结构中。许多巨头正在试行区块链项目，旨在降低其孤立数据库的复杂性和差别性。
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，并阻止出往常机场监视器，航空公司网站和客户应用程序中的相互抵触的航班信息。 在跟踪零部件和原资料的采购时，区块链能够管理不同流入工厂的状况。经过区块链，随着产品在从制造到销售的整个供给链中转换，买卖能够记载在永世分散的记载中，从而俭省时间，减少成本和人为错误。
03 操作技术：监控和机器数据 据推测，制造业的未来将看起来像一个庞大的，自我维持的网络物理生物体，只是间歇性地需求人为干预。但是在各个行业，制造过程在我们抵达之前还有很长的路要走。 依据精益生产指标（以整体设备效率或OEE权衡），世界一流的制造基地的理论产能抵达85％。但是，平均工厂只需大约60％，这意味着在这方面还有很大的改进空间。
工业4.0的成熟首先需求基本的数字化。近些年，我们将看到一波机器变得愈加数字化。未来20年，数字化将转化为预测性维护和真实预测性智能。 往常，按小时供电（或基于性能的合同）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范畴。此概念可追溯到20世纪60年代，当时喷气发起机制造商如通用电气航空公司，劳斯莱斯和普惠公司开端销售“推力小时”，而不是一次性发起机销售。这让发起机制造商解脱了商品的圈套，专注于高利润维护和数字平台。往常，通用电气积极追踪发起机的每一个细节，由于只需发起机正常工作才干取得报酬。 固然保障了正常运转时间，机器的一切者担任优化运用状况（就像置办喷气发起机依旧需求将它们良好运用的航空公司一样）。总之，工厂一切者依旧“具有”机器链之间的输出风险。
假如错误每一步进行数字化处置，效率显而易见。但是，制造商要承担启动数字化处置的担负。 另一方面，传统的车间有着几十年生产的旧机器。除了成本的进步外，传感器跟踪温度和振动并没有思索旧机器的状况，从而延长了校准周期和效果。 当Harley-Davidson的制造工厂阅历了工业物联网传感器的改造后，该公司的总经理Mike Fisher说，传感器使设备愈加复杂，而且它们自身就很复杂，不外随着复杂性也相应的带来了机遇。
从初始数字化到预测 简而言之，运营技术（或OT）与传统IT相似，但针对“无铺垫地域”量身定制。典型IT栈包含台式机，笔记本电脑以及用于学问工作和专有数据的衔接性，OT管理直接控制或监测物理设备。 关于制造商来说，OT堆栈通常包含：
从某种意义上说，IT和OT是同一个技术堆栈令牌的两个方面，而且随着制造业得到更好的数字化，边疆将继续含糊。
今天，大多数工业机器的“大脑”在可编程逻辑控制器（PLC）中，成为巩固耐用的计算机。像西门子，ABB，施耐德和罗克韦尔自动化等工业巨头都提供高价位的PLC，但关于小型制造公司来说，这些可能是不用要的支出。 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剖析。今天盘绕物联网的叙说表明，每个传送带和机器人执行器都会有一个传感器，但并非一切的工厂功用都具有相同的价值。
在每件事物上都参与物联网传感器并不是万能的。反过来，运用更小数量的更专业、高精度的物联网传感器，也能够发明更多的价值。例如，Augury运用人工智能的传感器来侦听机器并预测毛病。 具有成本认识的工厂担任人将认识到，高度精确的传感器将比不用要的物联网提供更高的投资回报率。 边沿的新建筑 计算在“边沿”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向。 像Saguna Networks这样的公司特地研讨边沿计算（接近搜集点），而像Foghorn Systems这样的公司则进行雾计算（想象一个像LAN一样在现场完成的低悬云计算）。这两种措施都能够让关键任务设备保险运转，而无需将一切数据传输到云，这一过程能够俭省大量带宽。
在不久的未来，AI和硬件的进步将使我们愈加了解IOT，而这些数据都与云计算无关。 这一点很重要，由于从短期来看，这意味着乡村工厂不需求发送10000条机器信息来传送“我很好”，这会破费昂贵的带宽和计算资源。相反，他们能够将异常状况发送给中央效劳器，并主要处置本地决策。 此外，云计算的延迟在制造业方面有很大的不利要素。任务关键型系统（如衔接的工厂）无法接受将数据包发送到离线云数据库的延迟。这与太晚切断电源引发的物理损坏毫无区别。 从久远来看，边沿计算为自主工厂铺平了道路。支撑边沿的AI软件将成为允许工厂机器独立作出决策的基础设备。 总之，在网络边沿应用更多计算的设备正准备迎来新的分散式工厂设备浪潮。 网络保险是重中之重 工业物联网的一个悖论是，工厂承担着严重的下行风险，但简直没有投资维护：最近一项调查中 ，28％的制造商表示，由于过去一年的网络保险攻击招致收入损失，但只需30％的高管表示他们会增加IT支出。 网络攻击可能对重工业构成消灭性影响，在重工业中，网络物理系统可能会遭到影响。WannaCry敲诈软件攻击招致欧洲雷诺日产汽车工厂关闭。2014年，一次复杂的网络攻击招致德国钢铁厂发作物理损坏，当停电招致高炉无法正常关闭。 因而，关键基础设备是网络保险范畴不时增长的一部分，许多创业公司如 Bayshore Networks 正在提供物联网网关（衔接不同协议的衔接传感器），允许跨垂直行业的制造商监控他们的工业物联网网络。Xage 等其他基于网关的保险公司以至运用区块链的防窜改分类账，因而工业传感器能够保险地共享数据。 同样，添加衔接的物联网对象和工业控制系统（ICS）传感器曾经在端点处引发了新的漏洞。 为理处置这个问题，Mocana 和 Rubicon Labs等公司正在IP和设备层面开发保险通讯产品。 此外，一些最生动的企业网络保险投资者开端对OT计算感兴味。戴尔（其中包含工业IoT网关）以及谷歌，通用电气，三星和英特尔等公司在这一范畴最为生动。
保险地管理ICS和IIoT系统将继续成为投资的关键范畴，特别是黑客攻击之后的破解证明了OT的脆弱性。 04 劳动强化和管理 在最近的一篇关于家具制造商斯蒂尔的生产线的文章中，人们被描画为仅仅存在于指导自动化技术。 Steelcase的“视觉表”是电脑化工作站，指导逐步指导，消弭组装家具时的人为错误。运用声音提示和头顶扫描仪跟踪装配，假如步骤不正确，系统不会让工作人员继续。扫描仪还允许非现场操作工程师实时剖析进度。 在纽约人写了一篇关于Steelcase公司的劳动管理，“十年前，工业机器人辅助工人。往常，工人辅佐他们的机器人。” 制造业看起来在短时间内急剧变更。正如一位退休的西门子高管最近所说：“工厂里的人员需求比以前更熟练。西门子今天没有高中毕业生的工作。“ 更好的数字化和网络物理技术都能够进步工人的效率和人力。以下是 增强理想技术（AR），可穿戴设备以及外接衣服等新兴技术的应用状况。 AR和手机正在数字化阐明手册
增强理想将能够进步产业工人的技艺。 除了传送工厂性能指标和分配工作的免提“阅读器”之外，AR还能够剖析复杂的机器环境，并运用计算机视觉来绘制机器的零件，例照实时视觉手册。这使得诸如现场效劳之类的高技艺劳动力成为“可下载”技艺（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） 运用Google Glass，Vuzix，ODG和Realwear耳机为工业劳动力提供AR。该公司从波音和通用电气公司等公司的企业风险投资中募集了近5000万美圆。 许多AR制造商想象这种技术像一个免提“互联网阅读器”一样工作，使工作人员能够看到相关信息的实时统计数据。Realwear的可穿戴显现器不像Daqri耳机那样追求真正的增强理想，但即便是眼角的小型显现器也相当强大。
其他像Scope AR在运用移动和iPad摄像头的现场效劳中也采用相似的工作，运用AR来突出显现工业设备上的部件并实时衔接到支持专家。这俭省了飞出人们修理损坏的设备的成本。 Parsable与移动电话配合运用，是一个工作流平台，可提供任务并将数据搜集数字化，这些工作通常是在工业环境中运用铅笔和纸张完成的。 在机器人持续不时的竞争压力的范畴，制造组织将投资技术，将人类努力数字化到每个动作。 保险技术将成为风险工作的规范 外骨骼技术终于在工厂车间成为理想，这能够大大减少重复性工作的物理损失。这里的创业公司正在制造可穿戴的高科技配备，承担工人四肢和背部的担负。
下面看到的Ekso仿生学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，而运用该套装的工人们在日常需求中讲演的颈部压力较小。EksoVest减少了重复运动带来的磨损，并且与其他竞争产品不同，它不需求电池或机器人就能提供升降辅助。Ekso的首席技术官曾经表示，长期战略是在最终进入动力外骨骼之前让工人习气这种技术。
Sarcos是另一家知名的外汇制造商，从Schlumberger，Caterpillar和微软等企业以及GE的风险投资公司中融资。Sarcos更专注于遥控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，它将参与Sarcos的技术顾问组来实验这项技术。 在相似的范畴中，Strong Arm Technologies公司展开姿势丈量和电梯辅助可穿戴设备。胳膊可在受伤或事故风险之行进行干预的预测才干，并被定位为以劳动为重点的风险管理平台。 人类依旧需求从事一些风险的工作，但可穿戴设备和外骨骼将增强了人类的工作才干，同时也进步保险性。 05 加工，生产和装配 自动化首先会呈现沉闷和风险的工作。 大范围生产流水线中的许多人类工作曾经被自动化挤出。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。机器人与人类一同变得更低价，更精确，更保险，更普遍。 消费者的口味也扩展了，制造商正试图跟上日益增长的定制化和多样化的需求。 工业4.0的愿景是一个完整智能的工厂，其中联网机器和产品经过物联网技术进行通讯，不只是原型和组装特定系列产品，还会基于消费者反响和预测信息对这些产品进行迭代。 模块化生产支持定制 在我们进入一个人类很少与制造业无关的世界之前，模块化设计能够辅佐现有工厂变得愈加灵活。
模块化使得工厂能够愈加流线化地进行定制，而不像传统的流水线一样。模块化能够以更小的部件或模块的方式呈现，这些更小的部件或模块进入愈加可定制的产品。它可能是设备，例如机器人和机器上的可交流末端执行器，允许更多种类的加工。 目前，大范围生产曾经在为满足消费者对更大定制化和多样化的需求而进行重新设计。BCG 调查显现，90％的汽车制造商表示，他们估量到2030年模块化生产线的设置将与最终装配相关。模块化设备将允许更多型号脱离相同生产线。
创业公司正在应用模块化部件。 Seed-stage公司Vention依据需求定制工业设备。从Vention的模块化部件当选择，公司需求做的就是上传他们想要的设备的CAD设计，然后等候3天发送特地的工具或机器人设备。许多现有的工厂都有能够经过简单的cobot（协同机器人）臂或定制机器完成的零星工作，随着各地的工厂都在寻觅进步效率的措施，这些处置计划将取得动力。 模块化生产将影响任何提供更多产品定制的行业。例如，个性化医疗 正在推进对更小和更有针对性的批次的需求。在医药制造业中，模块化使得加工商能够生产各种产品，并且更快地进行转换。 机器人技术能够自动完成一次性工作 工业机器人技术担任腐蚀制造业工作，这些工作几十年来不时在降落。正如美国银行美林证券的一份讲演所解释的：“漫长的机器人，短小的人类。” 但最新一波机器人似乎正在增强者类工作者的成就。 Cobots（协作机器人）可经过辅助移动进行编程。他们经过首先手动移动然后复制向前移动的动作来“学习”。这些机器人被以为是协作的，由于他们能够和人类一同工作。
这些协作会使人类劳动力多余仍有待察看。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进步而被裁员。欧洲飞机制造商空中客车公司还运用移动机器人，与人类一同工作，在客机上钻孔数千个孔。 固然最好的机器人依旧有局限性，但经济学家担忧自动化最终会招致劳动力大范围重组。
由于全球劳动力成本上升，机器人技术正在引发新的浪潮：制造业回归美国。 BCG 在2015年进行的一项调查显现，接受调查的美国制造商中有24％表示，他们正在积极地将产量从中国转移回美国，或者计划在未来两年内这样做，而这一数据在2012年仅为10％。大多数人以为较低的自动化成本使美国更具竞争力。
机器人技术关于单调的工作如包装，分拣，重复提升变得无价。Cobot制造商 Universal Robots 表示，它的一些机器人手臂平均在195天内为自己买单。作为一个整体，协同机器人的类别中售价为$ 24,000每人平均。 我们之前曾经肯定了80多家机器人初创公司，但关于重型机械加工而言，ABB，三菱，Fanuc和安川等大型工业企业占领了显着的市场份额。
在短期内，cobots的可重新编程特性将使制造公司变得愈加个性化，并与现有设备和员工并行工作。但是，在更长的时间范围内，机器人将成为向“熄灯”制造迈进的引擎。 3D打印 关于某些大范围生产的产品，3D打印绝不会超越注塑成型的范围经济。但关于较小的运转，运用增材制造的完成将是有意义的。 经过运用金属添加剂制造三分之一的零部件，GE制造的发起机熄灭的燃料比以前的设计少了15％。通用电气表示，它将在2018年开端测试赛斯纳德纳利发起机以进行潜在的飞行测试。
随着大范围定制在某些消费产品中起飞，制造商将越来越多地转向3D打印。 鞋子已成为一种盛行的案例。例如，阿迪达斯与Carbon协作大范围定制运动鞋。另外，像Voxel8和Wiiv等其他3D打印效劳公司曾经为鞋子运用案例定位了自己。
仅仅几年后，在消费电子，服装和其他配件中看到大范围定制的部件可能会愈加普遍，它们都经过3D打印产生的。此外，假如火箭印刷启动Relativity Space有任何迹象，该技术也将用于树立大范围工业印刷作业。 工业3D打印是更宽广范畴内最抢手的范畴，许多初创公司都努力于提供包含碳纤维或其他具有奇特属性的金属的先进资料。 06 质量保障 随着工厂数字化，质量保障将越来越多地嵌入到组织的代码库中。机器学习支持的数据平台，如Fero，Sight Machine和Uptake等，将能够将精益生产原理编入系统的内部运作。 计算机视觉和区块链技术曾经在现场，并提供了一些令人信服的替代措施来追踪质量。 计算机视觉 在批量生产中，检查每个产品能否契合规格请求是一项十分沉闷的工作，并且遭到人为错误的限制。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缺陷。
有创业支持的初创公司如Instrumental正在培训AI来发现制造问题。而著名的人工智能研讨员安德鲁·吴有一个新的名为制造为重点的启动Landing.ai 已与富士康，电子产品合同制造商协作。（以下是 Landing.ai辨认缺陷模块的内容。）
电子学中的许多缺陷以至对人眼来说都是不可见的。计算机视觉能够即时辨认和分类缺陷将使质量控制自动化，让工厂更具顺应性。 区块链将有助于召回
2017年8月，沃尔玛，克罗格，雀巢和分离利华等与IBM协作，经过增强供给链跟踪，应用区块链改善食品保险。沃尔玛自2016年以来不时与IBM协作，并表示区块链技术有助于将追踪芒果出货时间从7天缩短至2.2秒。 随着另外9家大型食品供给商参与IBM项目，食品行业在这种稀有的协作中也能够更好地谐和保险召回事宜。 同样，运用区块链或散布式分类账的工厂在召回时能够更好地定位。在加工食品或汽车的工厂中，用于管理召回的单一系统能够更快速地找出毛病零件或污染批次的来源，从而挽救生命和金钱。 07 仓储 熄灯仓库可能比熄灯工厂更快。 随着电子商务的兴起，对仓库空间的需求曾经爆炸式增长。去年，仓库平均仓库高度与2001年相比增长了21％，2017年10月新仓库树立支出抵达高峰，仅在该月就破费了23亿美圆树立。
仓库机器人 据称，亚马逊历史性的价值7.75亿美圆的Kiva Systems收买引发了机器人制造商之间的军备竞赛。仰仗电子商务浪潮和全行业按时托付订单的压力，我们目睹了机器人初创企业的大量涌现，努力于完成更高效的实行。 最近，其他相似Kiva的公司，包含Fetch Robotics和GreyOrange，也在关注仓库自动化的其他范畴，如采摘和码垛。 一些初创公司，如Ready Robotics和Locus曾经应用经典的机器人手段来打包电子商务订单，固然它们的协作特性使其合适于许多工业任务。我们之前曾研讨过可能成为大型企业目的的工业机器人公司。 以制造商和硬件为重点的投资者将继续寻觅下一个比现状要好10倍的机器人制造商。而更低价和更灵活的机器人的经济性可能意味着我们将在短期内在人类身上看到更多的机器人。 AI进行扫描 随着计算机视觉融合企业资源规划，在排序，扫描和发现缺陷时将需求更少的人员和剪贴板。 Aquifi，例如，运用计算机视觉固定工业物联网和手持式扫描仪的内部。机器视觉能够丈量产品尺寸，计算托盘中箱子的数量，并检查箱子的质量。 目前，这通常是经过剪贴板，眼球和间歇扫描完成的。
关于工业物联网将仓库内发作的事情“实时笼统出来”进行“笼统”，这样的愿景将变得越来越重要。 08 运输和供给链管理 一旦产品被包装和托盘化，高效率地出门是一项艰巨的任务。随着成千上万的SKU编号和订单的管理，复杂性可能令人震惊。而企业资源规划（ERP）软件曾经激增以应对这种复杂性。 事实上，物联网和区块链仍有空间让实时供给链愈加细化。 卡车和车队远程信息处置物联网 总的来说，整个供给链的物品实时位置的知名度都很低。 近年来，车队远程信息处置范畴呈现了几次大的退出，Verizon收买了FleetMatics和Telogis。随着供给链下放并完成自动化，物联网和出货软件将变得越来越重要。 进一步说，自动卡车的呈现可能意味着自动系统将在收到提单时托付，卸货和收费。这将带来更绿色，更有效率的运动，以及简化会计工作。
优步和特斯拉都有自主半卡车的高调计划，而Starsky Robotics（下文）最近从Y Combinator，Sam Altman和Data Collective等公司募集了近2000万美圆，特地用于长途货车。 区块链 如上所述，一些DLT试点和区块链初创企业正试图将供给链管理软件放入散布式账本中。 探求这些技术的意愿表明，这里的数字化曾经姗姗来迟。供给链高度分散的特性是分散技术的适合用例，可能成为消弭全球商业低效率的更大趋向的一部分。 例如，航运巨头Maersk正与Hyperledger协作创业，旨在辅佐全球供给链中的托运人，港口，海关办事处和银行追踪货运。马士基的目的是用防窜改的数字记载取代相关的文书工作。 未来，制造商将探求分散的技术，使他们的组织愈加自主，实时更新数字化资产（来或去）。区块链不只有简化供给链管理的承诺，而且能够使支付愈加无摩擦。 结论 制造越来越高效，定制化，模块化和自动化。但工厂仍处于不稳定状态。制造商被以为是技术迟缓采用者，许多人可能会抵御进行新的投资。但随着数字化成为行业的新规范，竞争压力会使创意升级。 最强大的杠杆制造商能够经过机器人技术，人工智能和基本物联网数字化的方式进行。更丰厚的数据和智能机器人将最大化工厂产量，同时最大限度地降低成本和缺陷。在东莞的无人工厂，雇佣机器人将分歧格率从25％降低到缺乏5％。 同时，随着区块链和AR等尖端类别正在工业中运用，制造业最终可能会抵达史无前例的无摩擦生产，并进步工人的专业技艺。 用亨利福特的话来说：“假如你总是做你以前做过的事情，那么你总能得到你总是得到的东西。”为了充沛发挥其潜力，制造业需求继续接受新技术。 |
名表回收网手机版
