（乾貨）展望未來行業：人工智慧、區塊鏈、AR和3D列印

文章有點長，耐心看下

CB Insights發布一份報告，對未來的工廠進行了全方位的展望。報告中詳細描述了新技術在製造業8個環節中的運用場景，並給出了一些正在致力於此的公司的發展情況。文章由36氪編譯，希望在這個產業變遷的時代，能夠給你帶來啟發。熄燈工廠(Lights-out manufacturing)是指那些自主運作，不需要人的存在的工廠。在這種工廠中，機器的運行通常不需要照明。雖然這聽起來有點未來主義色彩，但這種類型的工廠已經存在15年了。

最著名的是，日本機器人製造商FANUC自2001年以來一直在經營一家「熄燈」工廠，在那裡，機器在不受監督的情況下製造機器人，一個生產周期需要一個月。「不僅僅是熄燈，」FANUC副總裁加里·齊維爾(Gary Zywiol)說，「我們還關掉了空調和暖氣。」人們只需要看看當今最雄心勃勃、技術含量最高的工廠，就能想像出一個機器人完成所有體力勞動的世界。例如，總部位於東莞的手機零件製造商長盈精密技術公司，已經創建了一家無人工廠。工廠中的一切設備——從機械加工設備到無人運輸卡車，再到倉庫設備——都是由計算機控制的機器人操作的。技術人員通過中央控制系統監測這些機器的活動。曾經，長盈的工廠運轉需要大約650名工人來維持。現在已經縮減到60名工人。該公司的總經理表示，他們的目標是將工人數量減少至20個。

隨著工業技術的日益普及，這一自動化和數字化浪潮被稱為「工業4.0」，就像第四次工業革命一樣。

那麼，工廠的未來是什麼樣的呢?

為了回答這個問題，我們深入研究了製造過程的8個不同步驟，來了解它們是如何開始改變的：產品研發：平台是如何使研發人才「民主化」的;人工智慧是如何幫助材料科學的;以及如何用AR/VR來構造草圖的。資源規劃和採購：按需分散製造和區塊鏈項目正在研究整合供應商的複雜性。操作技術：監控和機器數據：看看為未來工廠提供動力的IT堆棧和平台。首先，工廠將會基本數字化，而且我們還將看到更大的預測能力。

勞動力增強和管理：AR、可穿戴設備和外骨骼衣物(exosuits)正在工廠里增強人類的能力。

加工、生產和裝配：模塊化設備和定製機器(如3D印表機)使製造商能夠處理更多的多樣化需求。

質量保證：計算機視覺將如何發現缺陷，以及軟體和區塊鏈技術將如何更快地發現問題(並實施召回)。

倉儲：在機器人技術和視覺跟蹤的幫助下，在出現無人工廠之間，就會出現「熄燈」倉庫。

運輸和供應鏈管理：遠程信息處理、物聯網和無人車將為製造商交付產品帶來更高的效率。

製造商預測，未來5年，整體效率將以1990年以來的7倍的速度增長。儘管製造業佔美國GDP的11.7 %，僱傭了8.5 %的美國人，但它仍然是一個數字化程度相對較低的領域，這意味著自動化和軟體驅動方面，還有很大的發展空間。

隨著新技術的發展，製造業正在發生重大的變革，幾乎所有製造業垂直領域——從汽車產業到電子產業，再到製藥業——都會受到影響。時間表和技術會因行業而異，但幾乎每個垂直行業的大多數步驟都會有所改變。

1、產品研發

從藥物生產到工業設計，規劃階段對於大規模生產至關重要。在各行各業，設計師、化學家和工程師都在不斷地進行假設檢驗。

這個設計看起來是否正確?這個化合物是否符合我們的需求?都需要進行大量的測試和迭代，這是研發的精髓。大規模生產的特徵使得最後時刻的重新設計的成本很高。

製藥業、技術產業、航空航天業等領域的各大公司每年都會投入數十億美元用於研發。通用汽車去年在新開發方面就花費了80億美元。

在高度科學化的研發領域中，高素質的人才遍布全球。現在，軟體正在幫助公司進入這個「池子」。

當涉及到數據科學和金融領域等尚未開發的人才網路時，像Kaggle，Quantopian和Numerai這樣的平台已經在製藥研發等領域取得了成功，在其他領域也在增長。 像Science Exchange這樣的按需科學平台目前正在跨越研發垂直領域開展工作，並允許企業通過外包研發來迅速解決缺乏現場人才的問題。

雖然研發科學家看起來在製造過程中並不重要，但他們在提供最新和最偉大的技術方面——特別是在高科技製造業領域——正在扮演者越來越重要的角色。

許多公司正在研究機器人技術、3D列印和人工智慧，作為改進研發過程和減少進入生產時的不確定性的方法。但是假設檢驗的過程還有待改進，需要進一步收緊迭代時間，將研究成果轉化為更快更好的產品。

機器人和3D列印技術加速垂直領域產品的開發

最近的一項行業調查顯示，加速產品開發是公司使用3D列印技術的首要任務。此外，57%的3D列印工作已進入新產品開發的第一階段(即概念驗證和原型設計)。

3D列印已經成為設計工作室的主要工作。在訂購成千上萬個物理部件之前，設計人員可以通過3D列印來查看未來產品的外觀。

同樣，機器人技術可以自動化各種垂直方向上試錯的物理過程。

例如，在合成生物學研發領域，機器人技術對Zymergen和Ginkgo Bioworks等公司產生了巨大的影響，這些公司利用酵母微生物製造定製化學品。尋找完美的微生物需要同時測試多達4000個不同的變體，這意味著大量的濕實驗室工作。

使用自動移液管系統和機器臂，液體處理機器人可以進行高通量的實驗，以更快和更少的人為誤差獲得成功的組合。

下面是用於轉移樣本的機器人基因測試儀Counsyl(左)和Zymergen的移液機器人(右)，用於自動化微生物培養測試。

「材料工程需要有一種能夠檢測非常小的粒子的能力——比如在300毫米晶片上找到10納米粒子。這相當於在西雅圖市找到一隻螞蟻。」

——奧姆·納拉瑪蘇(Om Nalamasu)，Applied Materials首席技術官

除了生物技術之外，材料科學在計算和電子學領域也發揮了關鍵作用。

值得注意的是，英特爾和三星等晶元製造商是全球最大的研發投入者之一。隨著半導體體積變得越來越小，在納米尺度下工作需要的精度超出了人的能力，這使得機器人成為首選。

未來，科學工具將越來越自動化和精確，以處理微尺度精度任務。

人工智慧正在加速材料科學的發現

托馬斯·愛迪生(Thomas Edison)強調，材料科學是一個淘汰過程：「我沒有失敗過一萬次。我沒有失敗過一次。我只是成功地證明了一萬種方法是行不通的。「

儘管研發工作的數字化程度和軟體化程度低於人們的預期(美國國家科學院稱，開發新材料往往是開發新產品的最長階段)，但愛迪生精神依然存在於今天的研發實驗室中。科學方法更好地數字化，對於開發新產品和材料，然後大規模製造這些產品和材料至關重要。

目前，對於人工智慧創業公司來說，最熱門的領域是醫療保健，因為這些公司將人工智慧用於藥物發現，製藥公司正在向藥物研發的創業公司? (如Recursion Pharmaceuticals和twoXAR)投入大量資金。 在其他領域取得成功也只是一個時間問題。

Citrine Informatics是一家從事化學和材料科學工作的公司(下圖左)。Citrine將人工智慧運用到了其龐大的材料資料庫上，並聲稱它可以幫助企業在節省50%的時間內達到研發和製造節點。同樣，Deepchem(下圖右)開發了一個Python庫，將深度學習應用到化學領域。

簡而言之，各行各業的製造商——工業生物技術、藥物、汽車、電子或其他物質產品——都依靠機器人自動化和3D列印來保持競爭力。

在3D列印領域，一些創業公司正在著手開發或商業化複雜的材料。MarkForged等公司採用碳纖維複合材料，其他像BMF這樣的公司正在開發具有罕見納米結構和奇特物理特性的複合材料。

當然，未來的製造商將依靠智能軟體來推動他們的研發過程。

AR和VR將用於建模過程

目前，各種類型的製造商都依靠計算機輔助設計(CAD)軟體進行原型設計。在未來的製造過程中，AR和VR可以在研發中發揮更大的作用，並且可以有效地將工業設計人員的設計圖以「實體」的方式展示出來，從而消除對3D列印物理模型的需求。

Autodesk是AutoCAD的軟體開發商，它是未來原型和協作技術的領頭公司。該公司頻頻投資3D列印等尖端技術，並與健康人工智慧創業公司Atomwise合作開展「機密項目」。最近，Autodesk對製作AR / VR遊戲引擎的探索，預示著它將在設計過程中運用更多的沉浸式計算。

Autodesk的遊戲引擎Stingray增加了對HTC Vive和Oculus Rift頭戴設備的支持。此外，遊戲和VR引擎製造商Unity已宣布與Autodesk建立合作關係，以提高互操作性。

同樣，蘋果公司已經設想了AR / VR與3D列印相結合來促進設計的過程。通過使用CB Insights資料庫，我們發現了一項蘋果專利，該專利設想AR將「計算機生成的虛擬信息」疊加到現有對象的真實世界視圖上，工業設計人員能有效地對現有或未完成的對象進行3D列印「編輯」。

該專利設想，通過「半透明眼鏡」使用AR，但也提到「配備攝像頭的移動設備」，暗示了在iPhone上使用ARKit的潛在3D印表機會。

康奈爾大學的研究人員最近展示了使用AR / VR繪製3D列印對象的能力。最終，人機界面可以無縫銜接，實時「雕刻」3D模型。

未來，研發團隊將進一步研究AR和VR，並測試它是如何與3D列印以及傳統原型堆棧相結合的。

2、資源規劃和採購

一旦產品設計完成，下一步就是生產了。通常情況下，這需要收集零部件供應商、基礎材料製造商和合同製造商的信息，並建立網路，以實現產品的大規模生產。但尋找供應商並獲得信任是一個艱難且耗時的過程。

例如，真空吸塵器製造商戴森( Dyson )花了長達兩年的時間為其在汽車業的新業務尋找供應商。「無論你是戴森還是豐田，製造汽車前燈都需要18個月的時間，」一名參與該項目的員工說。

2018年，裝配線變得非常精簡，以至於幾乎可以實時地流入零件，並在零件到達時以最快的速度進行組裝。例如，本田設在英國的裝配廠，只保留了一個小時的零件準備時間。在英國退出歐盟之後，該公司報告稱，邊境進口零部件的滯留時間更長，並表示，每延遲15分鐘，就意味著85萬英鎊的損失。

我們研究了技術是如何改進這一複雜的採購流程的。

分散式零件製造

分散式製造可能是一項即將發生的變化，可以幫助製造商處理對零件訂單的需求。

分散式或分散式製造採用與IT協調的地理上分散的設施網路。零件訂單，尤其是用於製造中型或小型產品(如3D列印零件)的訂單，可以通過分散式製造平台按比例完成。

像Xometry和Maketime這樣的公司提供按需3D列印和數控銑削(一種可以將一個物體從一個區域中分離出來的減法)，在整個車間網路中完成零件訂單。

在Xometry的網站上，用戶只需要簡單地上傳3D文件，就能獲得銑削，3D列印甚至零件注塑的報價。目前，該公司允許按需定製多達1萬個注塑零件，因此它可以處理大型製造商的生產。

Xometry並不是唯一一家提供列印服務的公司：UPS 也在擁抱這一趨勢，在60個地點為噴嘴和支架等塑料部件提供3D列印服務，並利用其物流網路向全球交付訂單。

隨著大規模定製化的興起，對分散的零件供應商網路的依賴也將隨之興起。

區塊鏈技術用於資源跟蹤

企業資源規劃(ERP)軟體通過客戶關係管理(CRM)跟蹤從原材料採購到資源分配的情況。

然而，一個製造企業可能會有很多不同的ERP系統和孤立的數據，具有諷刺意味的是，意在簡化事務的ERP「堆棧」，也可能會變成一團亂七八糟的軟體。

事實上，普華永道最近的一份報告發現，許多大型工業製造商擁有多達100個不同的ERP系統。

區塊鏈和分散式賬本技術(DLT)項目，旨在將來自公司各個流程和利益相關方的數據整合為通用的數據結構。許多大型企業正在試行區塊鏈項目，這些項目的目的往往是降低其孤立資料庫的複雜性和差異。

例如，去年，英國航空公司測試了區塊鏈技術，以維護一個統一的航班信息資料庫，用來識別出現在大門、機場監視器、航空公司網站和客戶應用程序中的相互衝突的航班信息。

當涉及到追蹤零件和原材料的來源時，區塊鏈可以對這些零件和材料流入工廠的情況進行管理。在區塊鏈中，隨著產品在從製造到銷售的整個供應鏈中轉換，這些交易數據可以記錄在永久分散的記錄中——從而減少時間延遲、成本和人為錯誤。

Viant是一家位於以太坊的創業工作室Consensys的項目，它在許多資金密集型領域為製造商服務。而且Provenance正在建立一個材料和產品的可追溯系統，使企業能夠在銷售點與消費者接觸，從整個供應鏈的供應商處協作收集信息。

展望未來，我們可以期待更多區塊鏈項目來構建供應鏈管理(SCM)軟體，處理機器對機器(M2M)通信和交付，並通過縮小公司的數據足跡來促進網路安全。

3、操作技術：監控和機器數據

據推測，未來的製造過程最終將看起來像一個巨大的、自我維持的網路物理有機體，只需要間歇性的人工干預。但在各個行業要實現這一目標，還有很長的路要走。

根據精益生產指標(以整體設備效率或OEE衡量)，世界一流的製造基地的理論產能達到85%。但工廠平均只有大約60%，這意味著在活動簡化方面有很大的改進空間。

在未來20年里，工業4.0的成熟首先需要基本的數字化。

最初，我們將看到機器變得更加數字化友好。之後，數字化可以轉化為預測性維護和真實預測性智能。

大型產品已經演變為「按小時計算的電力」業務模式，可確保正常運行時間。按小時供電(或基於性能的合同)現在在製造業中相當普遍，尤其是在半導體、航空航天和國防等關鍵任務領域。

這種想法可以追溯到20世紀60年代，當時通用航空( GE Aviation )、勞斯萊斯( Rolls Royce )和普惠( Pratt & Whitney )等噴氣發動機製造商開始銷售「按小時付費的推力」，而不是一次性發動機銷售。這使發動機製造商能夠擺脫商品陷阱，專註於高利潤維護和數字平台。如今，通用會積極跟蹤其發動機的每一個細節，因為只有當發動機工作正常時，它才會得到報酬。

儘管保證了正常運行時間，機器的所有者負責優化使用情況(就像購買噴氣發動機仍然需要保證它們良好運行的航空公司一樣)。總之，工廠所有者仍然「擁有」機器鏈之間的輸出風險。

如果不對每一步進行數字化處理，效率就會被留在紙上。

然而，現在工廠車間里通常留有幾十年的舊機器。除了顯著的成本之外，跟蹤溫度和振動的感測器並不是在考慮傳統機器的情況下製造的，也會延長了校準周期和功效。

當Harley-Davidson的製造工廠經歷了工業物聯網(IIoT)感測器改造後，該公司的總經理邁克·費舍爾( Mike Fisher )表示：感測器「使設備更加複雜，而且它們本身就很複雜。但隨著複雜性而來的是機遇。」

從基本數字化到預測

簡而言之，操作技術( OT )與傳統IT類似，但針對「未覆蓋區域」進行了定製。典型的IT堆棧包括台式機、筆記本電腦以及用於知識工作和專有數據的連接，OT管理直接控制或監測物理設備。

對於製造商來說，OT堆棧通常包括：

連接的製造設備(通常配備改裝後的工業物聯網感測器)

監控和數據採集(SCADA)系統和人機界面(HMI)，為運營分析人員提供工業監控

可編程的邏輯控制器(PLC)，這是在工廠機器上抓取數據的加固型計算機

3D印表機(增材製造)和數控銑削的機器

從某種意義上說，IT和OT是同一個技術堆棧token的兩個方面，而且隨著製造業得到更好的數字化，邊界將繼續模糊。

如今，大多數工業機器的「大腦」在可編程邏輯控制器(PLC)中，這是堅固耐用的計算機。像西門子，ABB，施耐德和羅克韋爾自動化等工業巨頭都提供高價位的PLC，但對於小型製造公司來說，這些可能是不必要且昂貴的。

這為 Oden Technologies等創業公司帶來了一個機會，提供可以直接插入大多數機器的現成計算硬體，或者集成現有的PLC。這反過來又使中小型企業變得更加精簡，並實時分析其效率。

隨著數字化變得無處不在，技術提升效率的下一波浪潮將是預測分析。如今圍繞物聯網的敘述表明，所有的東西——每個傳送帶和機器人執行器——都會有一個感測器，但並非所有的工廠功能都具有同等價值。

但是，將便宜的物聯網感測器應用於一切對象上並不是萬能的，而且完全有可能通過更少數量的更專業、更精確的物聯網感測器創造更多價值。舉例來說，Augury使用配備人工智慧的感測器來監聽機器並預測故障。

具有成本意識的工廠業主將認識到，高度精確的感測器，將比不必要的物聯網提供更高的投資回報率。

邊緣的新架構

計算在「邊緣」完成，或者更接近感測器，是IIoT體系結構中的一種新趨勢。

A16z公司的彼得·萊文(Peter Levine)在人工智慧和智能硬體方面進行了設想，他預計無人車、無人機和高級物聯網對象的雲計算將告一段落。

在未來工廠中，連接的機器應該沒有什麼不同。

像Saguna Networks這樣的公司專門研究邊緣計算(接近收集點)，而像Foghorn Systems這樣的公司則進行霧計算(想像一個像LAN一樣在現場完成的低懸雲計算)。這兩種方法都可以讓關鍵任務設備安全運行，而無需將所有數據傳輸到雲，這一過程可以節省大量帶寬。

在不久的將來，人工智慧和硬體的進步將允許物聯網獨立存在，因為我們知道它幾乎與集中式的雲無關。

這一點很重要，因為從短期來看，這意味著農村工廠不需要發送一萬條機器信息來傳遞「我很好」，這會花費昂貴的帶寬和計算資源。相反，他們可以將異常情況發送給中央伺服器，並主要處理本地決策。

此外，雲計算延遲在製造業方面有很大的不利因素。任務關鍵型系統(如連接的工廠)無法承受將數據包發送到離線雲資料庫的延遲。

從長遠來看，邊緣計算為自動化工廠鋪平了道路。支撐邊緣計算的人工智慧軟體將是允許工廠機器進行獨立決策的基礎設施。

總而言之，在網路邊緣利用更多計算的設備將迎來新的分散式工廠設備浪潮。

網路安全是重中之重

IIoT的一個悖論是，工廠承擔著重大的下行風險，但幾乎沒有投資於安全防護上：最近一項調查中顯示，28%的製造商表示，過去一年由於網路安全攻擊導致收入損失，但只有30%的高管表示他們會增加技術方面的支出。

網路攻擊可能對重工業造成毀滅性影響，在重工業中，網路物理系統可能會受到影響。WannaCry勒索軟體襲擊導致歐洲雷諾日產汽車工廠關閉。2014年，一次複雜的網路攻擊導致德國鋼鐵廠發生物理損壞。

因此，關鍵的基礎設施是網路安全領域不斷增長的一部分，許多創業公司如Bayshore Networks? 正在提供IoT網關(連接不同協議的連接感測器)，允許多個垂直行業的製造商監控他們的IIoT網路。Xage等其他基於網關的安全公司甚至採用區塊鏈的防篡改分類賬技術，從而保證工業感測器可以安全地共享數據。

同樣，添加連接的物聯網對象和工業控制系統(ICS)感測器已經在端點處引發了新的漏洞。

為了解決這個問題，Mocana和Rubicon Labs等公司正在IP和設備層面開發安全通信產品。

此外，一些最活躍的企業網路安全投資者是對OT計算感興趣的企業。戴爾(其中包括工業IoT網關)以及谷歌、通用、三星和英特爾等都是這一領域最活躍的。

安全地管理ICS和IIoT系統將繼續成為一個關鍵的投資領域，特別是黑客攻擊證明了OT的脆弱性之後。

4、勞動力增強和管理

最近在一篇關於傢具製造商Steelcase的生產線的報道中，稱人們的存在只是為了配合自動化技術。Steelcase的「vision tables」是計算機化的工作站，一步一步地指導工人，消除組裝傢具時的人為錯誤。主要使用聲音提示和頭頂掃描儀跟蹤裝配，如果步驟不正確，系統將不會讓工作人員繼續工作。掃描儀還允許非現場操作工程師實時分析進度。就Steelcase公司的勞動管理，《紐約客》雜誌寫道，? 「十年前，工業機器人幫助工人完成他們的任。現在，工人則是幫助機器人完成任務。」

製造業看起來在短時間內發生了急劇的變化。正如一位退休的西門子高級管理人員最近所說：「車間對員工的技能要求更高了。現在，西門子基本上沒有高中畢業生能做的工作了。「

但更好的數字化和物聯網技術正在提高工人的效率。以下是AR，可穿戴設備以及外骨骼衣物等新興技術是如何適應這一趨勢的。

AR和移動技術正在將操作手冊數字化

AR將能夠很快地提高工人的技能。

除了可以傳遞工廠性能指標和分配工作的免提「瀏覽器」之外，AR還可以分析複雜的機器環境並使用計算機視覺來繪製機器的零件，如實時視覺手冊。這使得諸如現場服務之類的高技能勞動力成為一種「可下載的」技能(以一種與The Matrix無異的方式)。

Daqri和Atheer是專註於工業環境的、資金雄厚的頭戴設備製造商。Upskill的Skylight平台(下圖)為使用谷歌Glass、Vuzix、ODG和Realwear頭戴設備的工人提供AR支持。該公司從波音和GE等投資者手中募集了近5000萬美元的投資。

許多AR技術的開發商設想，這種技術像一個免提「互聯網瀏覽器」一樣工作，使工作人員能夠看到相關信息的實時統計數據。Realwear的可穿戴顯示器不像Daqri頭戴設備那樣追求真正的AR，但即使是眼角的小型顯示器也具備相當強大的功能。

其他像Scope AR這樣的公司使用移動和iPad攝像頭，在現場服務中也採用類似的工作方式，使用AR來突出顯示工業設備上的部件並實時連接到支持專家，能夠大大節省人們修理損壞設備的成本。

與手機配合使用的Parsable是一個工作流平台，可提供任務和數據收集的數字化，在工業環境中，這些工作通常是使用鉛筆和紙張完成的。

外骨骼和安全技術將成為骯髒和危險工作的標配

外骨骼技術終於在工廠車間中成為現實，這可以大大減少重複性工作的身體損傷。這個領域的創業公司正在製造可穿戴的高科技裝備，幫助工人承載四肢和背部的壓力。

如下圖所示，Ekso Bionics公司正在福特汽車公司的密歇根州裝配工廠測試其EksoVest套裝，使用該套裝的工人報告說，日常工作中頸部的壓力變小了。EksoVest減少了重複運動帶來的損傷，與其他競爭產品不同，它不需要電池或機器人就能提供相應的輔助。Ekso的首席技術官表示，長遠來看，要在最終使用動力外骨骼之前讓工人習慣這種技術。

Sarcos是另一家知名的外骨骼製造商，從Schlumberger、Caterpillar、微軟、GE投資部門等投資者那裡籌集了資金。Sarcos更專註於遙控機器人和動力外骨骼，可以重複提起200磅的重物。達美航空公司最近表示，它將使用Sarcos的這項技術。

該領域還有Strong Arm Technologies公司，該公司生產儀態測量和提升輔助可穿戴設備。Strong Arm主要的宣傳點是，在受傷或事故風險發生前進行干預的預測能力，定位為一個以勞動為中心的風險管理平台。

人類仍然需要做一些骯髒和危險的工作，可穿戴設備和外骨骼將增強人類的工作能力，同時也會提高安全性。

5、加工、生產和裝配

自動化首先會出現骯髒、枯燥和危險的工作場景中。

大規模生產流水線中的許多人類工作已經被自動化了。像工業機器人和3D列印這樣的網路系統在現代工廠中越來越普遍。機器人變得更便宜、更準確、更安全、更普遍。

消費者的需求也在變化，製造商正試圖跟上日益增長的定製化和多樣化的需求。

工業4.0的願景中，有完全智能的工廠，其中聯網的機器和產品通過物聯網技術進行通信，不僅僅是製造原型和組裝一系列特定的產品，還會基於消費者反饋和預測信息對這些產品進行迭代。

模塊化生產支持定製

在我們進入一個人類基本上與製造業無關的世界之前，模塊化設計可以幫助現有工廠變得更加靈活。

模塊化使得工廠可以更加流線化地進行定製，而不是像傳統的流水線一樣。模塊化可以以更小的部件或模塊的形式出現，來生產個性化更強的產品。它也可能是設備，比如可以在機器人和機器上使用可交換的終端效應器，從而可以進行更多種類產品的加工。

目前，大規模生產已經在為滿足消費者對更大定製化和多樣化的需求而進行重新設計。波士頓諮詢調查顯示， 90%的汽車製造商表示，預計到2030年，將裝配模塊化生產線。模塊化設備將允許更多的模型從相同的生產線中脫離出去。

創業公司也正在利用向模塊化轉變的機會。

Vention公司可以根據需求定製工業設備。從Vention的模塊化部件中進行選擇，一個公司只要上傳他們想要的設備的CAD設計就行了，3天後就會開始交付專門的工具或機器人設備。許多現有的工廠都在通過使用簡單的協作機器人臂或定製機器完成的零散工作，隨著各地工廠都在尋找提高效率的方法，這些解決方案將獲得增長空間。

模塊化生產將影響提供更多產品定製的行業。例如，個性化醫療正在推動滿足更小、更有針對性的需求。在醫藥製造業中，模塊化使得製造商能夠生產各種產品，並且更快地進行轉換。

機器人將單一化的工作自動化

工業機器人的採用導致了製造業工作崗位的減少，製造業工作崗位數十年來一直在下降。正如美國美林銀行的一份報告所解釋的:「機器人增多，人類減少。」

但最新的機器人技術浪潮，似乎正在幫助人類工人更好地完成工作。

協作機器人可通過輔助運動來進行編程。首先，它們複製人們的手工向前移動來「學習」。這些機器人被認為是用於協作的，因為它們可以和人類一起工作。

這些是真正的合作，還是會使人類勞動力變得多餘，仍有待觀察。在田納西州的日產(Nissan)工廠增加了自動導航車輛後，沒有任何物料搬運工因生產率提高而被辭退。歐洲飛機製造商空中客車(Airbus)公司也使用移動機器人與人類一起工作。

哪怕是最好的機器人仍然存在局限性，但經濟學家擔心自動化最終會導致勞動力大規模重組。

由於世界範圍內的勞動力成本上升，機器人技術正在引發新一輪的迴流——製造業回歸美國。

波士頓諮詢在2015年進行的一項調查顯示，接受調查的美國製造商中有24%表示他們正在積極地將生產線從中國轉移回美國，或者計劃在未來兩年內這樣做，這一數據在2012年僅為10%。大多數人認為，自動化成本的降低，使美國更具競爭力。

就單一化的工作來說，比如包裝、分揀、重複提升等，機器人變得非常有價值。協作機器人製造商Universal Robots表示，工廠採用它的一些機器人手臂，平均在195天內就能回本。總體而言，平均一個協同機器人售價為24000美元。

之前，我們已經確定了80多家機器人創業公司，但對於重型機械加工而言，ABB，三菱，Fanuc和Yaskawa等大型工業企業仍然佔據了顯著的市場份額。

在短期內，協作機器人的可重新編程特性將使製造公司的定製化程度提高，並與現有設備和員工並行工作。然而，從更長的時間範圍考慮，機器人將成為向「熄燈」製造邁進的引擎。

3D列印

對於某些大規模生產的產品，3D列印的運用，或許不會顛覆注塑成型的規模經濟。但對於較小規模的生產，使用3D列印是有意義的。

通過使用3D列印製造的零部件，通用電氣製造的發動機所需的燃料比以前的設計少了15%。通用電氣表示，它將在2018年開始對這些發動機進行潛在的飛行測試。

隨著大規模定製在某些消費產品中興起，製造商將越來越多地轉向3D列印。

鞋子已成為一種流行的用例。例如，阿迪達斯與Carbon合作大規模定製運動鞋。另外，像Voxel8和Wiiv等其他3D列印服務公司已經專門用鞋子使用案例來定位自己的業務。

僅僅幾年後，在消費電子產品、服裝和其他配件中看到大規模定製的部件可能會更加普遍——這些零部件都是通過3D列印技術生產出來的。此外，如果火箭列印創業公司Relativity Space有所突破，該技術也將用於建設大規模工業。

工業3D列印是更廣闊的應用領域中最熱門的領域，許多創業公司都致力於提供包括碳纖維或其他具有奇特屬性的金屬的先進材料。

6、質量保證

隨著工廠數字化，質量保證將越來越多地嵌入到組織的代碼庫中。機器學習支持的數據平台，如Fero，Sight Machine和Uptake等，將能夠將精益生產原理編入系統的內部運作中。

計算機視覺和區塊鏈技術已經出現，並提供了一些令人信服的替代方法來追蹤生產質量。

計算機視覺

在大規模生產中，檢查每個產品是否符合規格要求是一項非常枯燥的工作，而且還會受到人為錯誤的限制。相比之下，未來的工廠會使用機器視覺來掃描人眼可能忽略的瑕疵。

風投支持的創業公司，如Instrumental正在訓練人工智慧來發現製造問題。著名的人工智慧專家吳恩達創立了一個以新製造業為重心的創業公司Landing.ai，該公司已經與富士康建立了合作關係。(以下是 Landing.ai識別缺陷模塊的一個視圖。)

電子學中，有許多瑕疵甚至對人眼都看不到。能夠即時識別和分類缺陷將使質量控制自動化，會使工廠更具競爭力。

區塊鏈將有助於召回

2017年8月，沃爾瑪，?Kroger，雀巢和聯合利華等與IBM合作，通過加強供應鏈跟蹤，利用區塊鏈來改善食品安全。沃爾瑪自2016年以來一直與IBM合作，並表示區塊鏈技術有助於將追蹤芒果的出貨時間從7天縮短至2.2秒。

隨著其他9家大型食品供應商加入IBM項目，食品行業在這種罕見的合作中也可以更好地實現安全召回。

同樣，使用區塊鏈或分散式分類賬的工廠在召回時可以更好地定位。在加工食品或汽車的工廠中，單一的召回管理系統可以更迅速地找出故障零件或污染批次的來源，從而更有效地挽救生命和金錢。

7、倉儲

「熄燈」倉庫可能比「熄燈」工廠來得更快。

隨著電子商務的興起，對倉庫空間的需求出現了爆炸式的增長。去年，倉庫平均高度與2001年相比增長了21%，2017年10月，新倉庫建設支出達到高峰，達到了23億美元。

倉儲機器人

亞馬遜以7.75億美元的價格收購了Kiva Systems，引發了機器人製造商之間的軍備競賽。借著電子商務浪潮和全行業按時交付訂單的壓力，我們目睹了致力於提高效率的機器人創業公司大量湧現。

最近，其他類似Kiva的公司，包括Fetch Robotics和GreyOrange，也在關注倉儲自動化的其他領域，如分揀和裝貨。

一些初創公司，如Ready Robotics和Locus已經運用傳統的機器人臂來打包電子商務訂單中的商品，儘管它們的協作特性使其更加適用許多工業任務。

以製造商和硬體為重點的投資者將繼續尋找下一個比現狀要好10倍的機器人製造商。而更便宜和更靈活的機器人的經濟性可能意味著，在短期內，我們將看到更多的機器人和人類一起工作。

用於掃描的人工智慧

隨著計算機視覺融合到企業資源規劃中，在對產品進行分類、掃描和發現缺陷時將需要更少的工人和剪貼板。

例如，Aquifi將計算機視覺技術運用到了固定的IIoT和手持式掃描儀上，可以測量產品尺寸，計算碼垛中箱子的數量，並檢查箱子的質量。 目前，這通常是通過剪貼板，肉眼和間歇掃描完成的。

對於IIoT來說，計算機視覺將會變得越來越重要，它可以將倉庫中發生的事情實時傳遞出來。

8、運輸和供應鏈管理?

一旦產品被包裝和碼垛，高效率地把它們運送出去是一項艱巨的任務。隨著成千上萬的SKU數字和訂單的管理，其複雜程度可以令人震驚——而企業資源規劃(ERP)軟體可能已經難以應對了。

但物聯網和區塊鏈技術仍然能夠使實時供應鏈管理變得更加細化。

卡車和車隊遠程信息處理物聯網

<