從研發實驗室的先進機器人到倉庫的計算機視覺，人工智能，區塊鏈，增強現實和3D打印以及可穿戴設備等先進技術正對製造過程中的每一個環節都產生影響。
“熄燈製造”是指工廠自主運行，不需要人員參與。這些機器人運行的工廠通常甚至不需要照明，並且可以由多臺在黑暗中運行的機器組成。
雖然這聽起來可能是未來主義，但這種工廠已經存在了15年多了。
有趣的是，自2001年以來，日本機器人制造商FANUC一直在運營一家“熄燈製造”工廠，機器人一次可以運行一個月，在完全無人監督的情況下製造其他機器人。
“FANUC副總裁Gary Zywiol說：”我們的工廠不僅不需要照明，還關掉空調和暖氣。“
想象一個機器人做所有體力工作的世界，只需要看看當今最具野心，技術應用最徹底的工廠。
例如，位於中國的東莞市電話零件製造商長盈精密技術公司創建了一家無人工廠。
工廠中的所有一切 - 從機器設備到無人運輸卡車到倉庫設備 - 均由計算機控制的機器人操作。技術人員通過中央控制系統監控這些機器的活動。
曾經需要大約650名工人來維持運行的工廠，機器人手臂已經大大減少了長盈公司的工人數量，不到原來的十分之一，只有六十名工人。該公司總經理表示，其目標是將來將該數量減少至20個。
隨著工業技術的日趨流行，這一波被稱為“工業4.0”的自動化和數字化的浪潮正開啟第四次產業革命。
那麼，工廠的未來是什麼樣的？
為了回答這個問題，我們深入研究了製造過程的8個不同環節，以瞭解它們是如何開始改變的：
·產品研發：看看平臺如何合理配置研發人才，人工智能如何幫助材料科學，以及明天的製圖板如何被AR或VR耳機取代。
·資源計劃和採購：按需型去中心化製造和區塊鏈項目正在努力解決供應商整合的複雜問題。
·運營技術監控和機器數據：看一下為未來工廠提供支持的IT堆棧和平臺。首先，工廠將實現基本的數字化，進一步來看，我們將看到更強的預測能力。
·勞動增強和管理： AR，可穿戴設備和外骨骼增強了工廠車間工人的工作能力。
·加工，生產和組裝：模塊化設備和3D打印機等定製化機器使製造商能夠滿足更多種類的需求。
·質量保證（QA）：瞭解計算機視覺如何發現殘次品，以及軟件和區塊鏈技術如何更快地發現問題（並執行召回）。
·倉儲：在機器人和視覺追蹤的幫助下，新的倉庫技術可以使“無人”倉庫比無人工工廠更快。
·運輸及供應鏈管理：遠程信息控制，物聯網和自動駕駛汽車將讓製造企業交付產品時效率更高，更細緻。
製造企業預測未來五年的總體效率將會增長，自1990年以來將增加7倍。儘管製造業佔美國國內生產總值的11.7％，僱用了8.5％的美國人，但製造業數字化程度仍然相對較低 - 這意味著自動化和軟件提升空間很大。
隨著新技術的發展，製造業正在發生深刻變化，幾乎所有制造業垂直領域 - 從汽車到電子產品，再到藥品 - 都受到影響。受影響的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環節都會有所改進。
仔細看一下技術如何變革製造過程的每一個環節。
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。在很多行業，設計師，藥劑師和工程師不斷進行假設檢驗。
這個設計是否正確？這個化合物是否符合我們的需求？測試和迭代是研究和開發的精髓。大規模生產的性質使得最後時刻的重新設計成本很高。
藥物，技術，航空航天等領域的各大公司每年都會投入數十億美元用於研發。通用汽車去年在新產品開發方面就花費了80億美元。
在高度科學的研發世界中，高素質的人才遍佈全球。現在，軟件正在幫助公司尋找人才。
當涉及到數據科學和金融領域未被利用的人才時，像Kaggle，Quantopian和Numerai這樣的平臺正在實現“ 量化 ”工作的民主化，併為互相合作的主體提供激勵。這個概念也已經在製藥研發領域取得了成功，儘管它在其領域也在不斷髮展。像Science Exchange這樣的按需科學平臺目前正在各研發垂直領域開展工作，並允許企業通過研發外包來迅速解決缺乏現場人才的問題。
雖然研發科學家似乎對製造過程不是必需的，但他們對於提供最先進和最偉大的技術，特別是在高科技製造業方面越來越關鍵。
許多公司正在研究機器人，3D打印和人工智能，進而改進研發過程和減少進入生產時的不確定性。但是假設檢驗的過程還有待改進，而縮短迭代時間將帶來更快更好的發現。
機器人和3D打印加速了各垂直領域的產品開發
根據最近的一項行業調查，加速產品開發是公司使用3D打印技術的首要任務。此外， 57％的3D打印工作在新產品開發的第一階段進行（即概念驗證和原型設計）。
3D打印已經成為任何設計工作室的主要任務。在訂購數千個實物零部件之前，設計人員可以通過3D打印查看未來的產品大概的樣子。
同樣，機器人技術可以將一系列垂直領域中實際過程中的試錯環節自動化。
例如，在合成生物學研發方面，機器人技術對Zymergen和Ginkgo Bioworks等公司產生巨大影響，這類公司從酵母微生物中生產定製化學品。尋找完美的微生物需要同時測試多達4,000個不同的變量，這意味著大量繁重的實驗室工作。
使用自動移液管系統和機器人手臂，液體處理機器人可以完成大量實驗以更快的速度找到獲勝組合，並且人為錯誤更少。
下面是用於轉移樣品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。
“材料工程能夠檢測非常小的粒子- 例如300毫米晶圓上的10納米粒子。這實際上相當於在西雅圖市找到一隻螞蟻。“ - 應用材料公司首席技術官Om Nalamasu
除了生物技術之外，材料科學在計算和電子學領域發揮了關鍵作用。
值得注意的是，英特爾和三星等芯片製造商是全球研發支出最多的機構之一。隨著半導體變得越來越小，在納米尺度下工作需要的精度超出了人的能力，使機器人成為首選。
明天的科學工具在處理細微尺度方面越來越自動化，越精確。
人工智能正在加速材料科學發現
托馬斯愛迪生因其在材料科學領域的貢獻而著名，他曾說過：“我沒有失敗過10,000次。我也沒有失敗過一次。我只是成功地證明了這一萬種方法是行不通的。“
儘管研發工作的數字化程度和軟件支持力度低於人們預期（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），但愛迪生的精神依然存在於今天的研發實驗室中。科學方法更好的數字化對於開發新產品和新材料，然後大規模製造這些材料至關重要。
目前，AI創業企業最熱門的領域是醫療領域，因為很多公司將人工智能用於藥物發現過程。製藥公司正在向跟蹤藥物研發的創業公司（如Recursion Pharmaceuticals 和twoXAR）投入大量資金，而人工智能在其他地方取得成功只是一個時間問題。
一家從事化學和材料科學的公司CitrineInformatics（左下圖）。Citrine在其龐大的材料數據庫上運行人工智能，並聲稱它可以幫助企業研發和製造所需的時間縮短50%。同樣，Deepchem（右）開發了一個用於將深度學習應用於藥物學的Python庫。
簡而言之，各行各業的製造企業 - 工業生物技術，藥物，汽車，電子或其他材料產品 - 都依靠機器人自動化和3D打印來保持競爭力，並強化產品推出的反饋閉環。
有些正在開發或商業化複雜材料的創業企業在3D打印領域突飛猛進。很多公司像MarkForged等採用碳纖維複合材料，還有類似BMF這樣的公司正在開發具有罕見納米結構和特殊物理特性的複合材料。
當然，未來的製造企業將依靠智能軟件來做研發。
增強和虛擬現實“抽象”建模過程
目前，所有類型的製造商都依靠計算機輔助設計（CAD）軟件進行原型設計。在未來的製造過程中，增強和虛擬現實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桌面PC“抽象出來”，從而可能不再需要3D打印物理模型。
Autodesk是AutoCAD的軟件開發商，它是未來原型和協作技術的領頭羊。該公司對 3D打印等尖端技術的投資方面比較積極，其中包括與健康人工智能創業公司Atomwise合作開展“機密項目”。最近，Autodesk在製作AR / VR遊戲引擎方面的探索預示著其希望在在設計過程中的沉浸式計算發揮更重要作用。
Autodesk的遊戲引擎Stingray增加了對HTC Vive和Oculus Rift耳機的支持。此外，遊戲和VR引擎製造商Unity已宣佈與Autodesk建立合作伙伴關係，以提高互操作性。
同樣，蘋果公司已經在設想利用AR / VR與3D打印相結合促進設計過程。通過使用CB Insights數據庫，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”覆蓋到現有對象的真實世界視圖上，可以允許工業設計師對現有或未完成的對象進行3D打印“編輯”。
該專利預計通過“半透明眼鏡”使用AR，但也提到“配備相機的移動設備”，暗示在iPhone上將有機會使用ARKit的3D打印技術。
康奈爾大學的研究人員最近展示了在3D打印過程中使用AR / VR進行素描的能力。最終，人機界面可以非常高效無縫，可以實時雕刻3D模型。
明天的研發團隊將探索利用AR和VR，並測試它如何與3D打印以及傳統原型技術結合使用。
2.資源規劃和採購
一旦產品設計完成，下一步就是計劃如何進行生產。通常情況下，這需要建立零部件供應商，基礎材料製造商和合同製造商構成的網絡，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困難且耗時的過程。
例如，為了進入汽車行業，真空吸塵器製造商Dyson花費了兩年的時間尋找供應商：“無論您是戴森還是豐田，需要18個月的時間才能開發車燈”，他們的項目工作人員聲稱。
2018年，裝配線對精準的要求越來越高，它們將幾乎集成了實時的零部件供應，並儘可能快地將零部件組裝起來。例如，本田在英國的組裝工廠只保留了一個小時就可以組裝就緒的的零部件。在英國脫歐後，該公司報告邊境進口零件的等待時間更長，並表示每延遲15分鐘相當於每年850,000英鎊的損失。
我們看一下技術如何改進這一複雜的採購流程。
分佈式零配件製造
分佈式製造可能是一項即將發生的變化，可幫助製造企業處理對零部件訂單的需求。
分佈式或分散式製造採用與IT協同的地理上分散的設施網絡。零件訂單，尤其是用於製作中等或小批量產品（如3D打印零件）的零件訂單可以使用分佈式製造平臺大規模實現。
像Xometry和Maketime這樣的公司提供按需增材製造和數控銑削（一種從板塊上雕刻物體的減法方法），通過它的車間網絡完成零件訂單。
Xometry的網站允許用戶簡單地上傳3D文件，並獲得銑削，3D打印甚至零件注塑的報價。目前，該公司可以按需定製多達1萬個注塑件，因此可以處理大型製造商才能完成的製造任務。
Xometry並不是唯一一家提供打印服務的公司： UPS也在擁抱這一趨勢，為 60個地點的3D打印塑料部件（如噴嘴和托架）提供服務，並利用其物流網絡在全球範圍內配送訂單。
隨著大規模定製生產的爆發，對零部件供應商去中心化網絡的依賴也會大大加強。
區塊鏈用於資源跟蹤
企業資源計劃（ERP）軟件通過客戶關係管理系統系統（CRM）跟蹤從原材料採購到資源分配的整個過程。
然而，一家制造企業可能會有很多獨立的ERP系統和孤立的數據，具有諷刺意味的是，ERP“堆棧”（主要是為了簡化）本身可能會變成一堆亂七八糟的軟件。
事實上，最近普華永道的一份報告發現，許多大型工業製造企業擁有多達100個不同的ERP系統。
區塊鏈和分佈式賬本技術（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數據結構。許多企業巨頭正在測試區塊鏈項目，主要目的旨在降低其單個數據庫的複雜性和差異性。
例如，去年，英國航空公司測試了區塊鏈技術，以維護航班信息的統一數據庫，並防止在大門，機場監視器，航空公司網站和客戶應用程序中出現相互衝突的航班信息。
在跟蹤零部件和原材料的採購時，區塊鏈可以管理流入工廠的各類輸入信息。有了區塊鏈，隨著產品在供應鏈上在從製造到銷售的整個過程中的轉移，交易可以記錄在永久的分佈式賬本中 -減少時間延遲，增加成本和人為錯誤。
Viant是一家以太坊的創業企業Consensys的項目，致力於服務製造企業的一些資本密集型業務。而且Provenance為原料和產品建立了追溯體系，使企業可以利用從整個供應鏈中的供應商中收集的信息在銷售點就可以與消費者進行有效互動。
展望未來，我們可以期待更多區塊鏈項目構建供應鏈管理（SCM）軟件，處理機器對機器（M2M）通信和支付，並通過保護公司數據足跡來促進網絡安全。
3.操作技術：監控和機器數據
據推測，明天的製造過程最終將看起來像一個巨大的，自我維持的網絡物理生物體，只是間歇性地需要人為干預。但是在各個行業，製造過程在我們實現未來目標之前還有很長的路要走。
根據精益製造指標（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％。但平均工廠只有大約60％，這意味著在活動精簡方面有很大的改進空間。
工業4.0在未來二十年的成熟首先需要基礎的數字化。
最初，我們將看到很多機器會更加數字化。之後，數字化可以轉化為預測性維護和真正的預測智能。
大型設備已經演變成一種“按小時供電”的業務模式，可保證正常運行時間。按小時供電（或基於性能的合同）現在在製造業中相當常見，特別是在半導體，航空航天和國防等關鍵任務領域。
這個想法可追溯到20世紀60年代，當時噴氣發動機製造商如通用電氣航空公司，勞斯萊斯和普惠公司開始銷售“推力小時”，而不是一次性發動機銷售。這可以讓發動機製造商擺脫商品銷售陷阱，專注於高利潤的維護和數字平臺。如今，通用電氣積極追蹤其發動機的每一個細節，因為只有發動機正常工作才能獲得報酬。
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將它們良好使用的航空公司一樣）。總之，工廠所有者仍然“承擔”機器鏈之間的正常運行風險。
如果不對每一步進行數字化處理，效率就僅僅是空談。然而，製造商承擔新的分析功能面臨很嚴重的阻力。
車間地板通常包含仍留著運行了數十年的舊機器。除了顯著的成本之外，跟蹤溫度和振動的傳感器並非按照傳統的機器製造出來的，這延長了校準週期影響了效率。
當哈雷戴維森的生產工廠經歷了工業物聯網的傳感器改造後，該公司的總經理邁克費舍爾說，傳感器“使設備更復雜，而且它們本身就很複雜。但複雜性也帶來機遇。“
從初始數字化到預測
簡而言之，運營技術（或OT）與傳統IT類似，但針對“無鋪墊地區”量身定製。典型IT棧包括臺式機，筆記本電腦以及用於知識工作和專有數據的連接網絡，在這樣的環境下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：
·聯網的製造設備（通常配備改裝後的工業物聯網傳感器）
·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打印機（增材製造）和計算機數控（CNC）機器，用於減法制造（subtractive manufacturing）
從某種意義上說，IT和OT是同一塊硬幣的兩個面，而且隨著製造業的數字化程度越來越高，兩者的邊界將繼續模糊。
今天，大多數工業機器的“大腦”在可編程邏輯控制器（PLC）中，PLC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昂貴的PLC，但對於小型製造公司來說，這些PLC可能過於昂貴了。
這創造了一個機會，像初創奧登技術，其可以將離線計算硬件直接插入很多機器中，或者和現在的PLC兼容。這反過來又使中小企業能夠更加精益生產並可以實時分析其效率。
隨著數字化變得無處不在，技術效率提升的下一波浪潮將是預測分析。今天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 - 都會有一個傳感器，但並非所有的工廠功能都有同樣的價值。
將廉價的物聯網傳感器安裝到所有設備上並不是萬能的，而通過數量更少，更專業，更準確的物聯網傳感器則更有可能創造更多的價值。例如，Augury使用配有AI的傳感器來了解機器並預測故障。
對成本敏感的工廠將認識到，高度精確的傳感器相比不必要的物聯網能帶來更高的投資回報率。
處於邊緣的新架構
計算在“邊緣”完成，或者更接近傳感器，是工業物聯網體系結構中的一種新趨勢。
對於人工智能創新和更智能的硬件，a16z的Peter Levine 預計將會出現一種面向AV，無人機和高級物聯網對象的雲計算終端。
未來工廠中的聯網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（想象一個像LAN一樣在現場完成的雲計算）。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，這樣可以節省大量帶寬。
在不久的將來，人工智能和硬件的進步會讓我們今天所熟知的物聯網，幾乎獨立於中心化的雲端。
這一點很重要，因為從短期來看，這意味著偏遠的工廠不需要發送10000個機器信息表示“我很好”，這會花費昂貴的帶寬和計算費用。相反，他們可以將異常情況發送給中央服務器，並主要在本地處理決策事宜。
此外，雲計算延遲會對製造業產生嚴重的負面影響。關鍵人物系統（如聯網的工廠）無法承受將數據包發送到離線雲數據庫的延遲。切斷電源時間晚了幾秒鐘就會造成是避免設備物理損壞，還是導致設備物理損壞。
從長遠來看，邊緣計算為無人工廠鋪平了道路。支撐邊緣的人工智能軟件將成為工廠機器獨立作決策的基礎設施。
總之，在網絡邊緣利用更多算力的設備正準備迎來新的工廠設備的分佈式網絡。
網絡安全是重中之重
工業物聯網的一個悖論是，工廠承擔著重大的運行中斷風險，但幾乎沒有工廠投資於網絡安全方面：最近一項調查顯示 28％的製造商在過去一年因網絡安全攻擊而遭受收入損失，但只有30％的高管表示他們會增加IT支出。
網絡攻擊可能對重工業造成毀滅性影響，在重工業中，網絡物理系統可能會受到影響。WannaCry勒索軟件襲擊導致歐洲雷諾 - 日產汽車工廠關閉。2014年，一次複雜的網絡攻擊導致德國鋼鐵廠發生設備損壞，當時停電導致高爐無法正常關閉時。
因此，關鍵基礎設施是網絡安全方面越來越關注的領域，許多創業公司如Bayshore Networks正在提供物聯網網關（連接不同協議的聯網傳感器），允許跨垂直行業的製造商監控他們的IIoT網絡。Xage等其他基於網關的安全公司甚至使用區塊鏈的防篡改分類賬本技術，由此工業傳感器可以安全地共享數據。
近期一項調查顯示，28％的製造商在過去一年中因網絡安全攻擊而導致收入損失。但只有30％的高管表示他們會增加IT支出。
同樣，增加聯網的物聯網設備和工業控制系統（ICS）傳感器已經在終端處引發了新的漏洞。
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絡安全投資機構是對運營技術計算感興趣的企業。戴爾（其製造工業物聯網網關）以及谷歌，通用電氣，三星和英特爾的投資部門是這一領域最活躍的投資機構之一。
安全地管理ICS和IIoT系統將繼續成為投資的關鍵領域，特別是一次又一次的黑客攻擊證明了OT存在的漏洞。
4.增強員工能力和管理
在最近關於傢俱製造商Steelcase的生產線的一篇報道中，人類的存在被描述為僅僅是為了指導自動化技術。
Steelcase的“視覺表”是計算機工作站，對每一個步驟進行指令指導，消除組裝傢俱時的人為錯誤。使用聲音提示和頭頂掃描儀跟蹤組裝過程，如果有一個步驟完成地不正確，系統不會讓工作人員繼續組裝。掃描儀還允許不在現場的操作工程師實時分析進度。
在紐約客雜誌寫了一篇關於Steelcase公司勞動管理的報告， “十年前，工業機器人在任務中輔助工人。現在，工人 – 還是那些工人 – 不同的是工人協助機器人。“
製造業看起來在短時間內急劇變化。正如一位退休的西門子高管最近所說：“工廠裡的人員需要比以前更熟練。西門子今天沒有高中畢業生的工作。“
但數字化越高和更先進網絡-物理技術都可以提高工人的效率。以下是增強現實技術（AR），可穿戴設備以及外接衣服等新興技術的應用情況。
增強現實和移動技術正在將指令手冊數字化
增強現實將能夠提高產業工人的技能。
除了可以表示工廠性能指標和分配工作的免提“瀏覽器”之外，增強現實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的熟練技術人員成為“可下載”的技能（與The Matrix無異）。
Daqri和Atheer是資金雄厚的耳機制造商，專注於工業環境。Upskill的Skylight平臺（下圖）使用Google Glass，Vuzix，ODG和Realwear耳機為工廠員工提供增強現實能力。該公司從波音和通用電氣公司等公司的企業風險投資部門募集了近5000萬美元。
許多增強現實製造商設想這種技術像一個免提“互聯網瀏覽器”一樣工作，使工作人員能夠查看重要信息的實時統計數據。Realwear的可穿戴顯示器不像Daqri耳機那樣追求真正的增強現實，但即使是眼角的小型顯示器也相當強大。
其他像Scope AR使用移動技術和iPad攝像頭在工作現場完成類似工作，使用增強現實來突出顯示工業設備上的部件並實時和指導專家聯網交流。這就不需要技術人員為了修復故障設備乘飛機尋求專家的幫助，也節省了相關成本。
與手機配合使用的Parsable是一個工作流平臺，可提供任務並將數據收集數字化，這些工作通常以前是在工廠中使用鉛筆和紙張完成的。
正如格言所言，“你測到了什麼，你就可以管什麼”，並且在機器人帶來的競爭壓力不斷加強的領域，製造業企業將投資那些能夠將人類每個動作數字化的技術。
外骨骼和安全科技將成為髒活和危險工作的標準
外骨骼技術終於在工廠車間成為現實，這可以大大減少重複性工作造成的身體損傷。這裡的創業公司正在製造可穿戴的高科技裝備，工人穿在四肢和背部，幫助工人承重。
下面看到的EksoBionics公司正在福特汽車公司的密歇根州裝配工廠試用其EksoVest套裝，而使用該套裝的工人報告其日常工作中頸部不適情況減少。EksoVest減少了重複運動帶來的磨損，並且與其他競爭產品不同，它不需要電池或機器人就能提供承重輔助。Ekso的首席技術官已經表示，長期戰略是在最終進入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和微軟以及通用電氣的風險投資部門獲得了投資。Sarcos更專注於遠程控制機器人和動力外骨骼，可重複提升200磅。達美航空公司最近表示，它將加入Sarcos的技術顧問組來試驗這項技術。
在類似的領域中，Strong Arm Technologies公司製造姿勢測量和輔助承重可穿戴設備。Strong Arm在造成傷害的意外或事故發生之前進行預測性干預，其定位為以勞動為重點的風險管理平臺。
在有些地方仍然需要人類做一些髒活和危險的工作，可穿戴設備和外骨骼將增強人類的工作能力，同時也提高安全性。
5.加工，生產和裝配
自動化首先會代替骯髒，沉悶和危險的工作。
大規模生產流水線中的許多人類工作已經被自動化所取代。像工業機器人和3D打印這樣的網絡物理系統在現代工廠中越來越普遍。機器人已經更便宜，更準確，更安全，並且更多地個人類一起工作。
消費者的需求不斷變化，製造企業正試圖跟上不斷增加的定製化和多樣化的需求。
工業4.0的願景主要圍繞完全智能化的工廠，其中聯網機器和產品通過物聯網技術進行通信，不僅是原型和組裝特定系列產品，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化需求
在我們進入一個人類很少參與制造過程的世界之前，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，這些更小的部件或模塊可進入可定製的產品。或者它可能是設備，例如機器人和機器上的可熱插拔的末端執行器，允許更多種類的加工。
目前，大規模生產已經在為滿足消費者愈加個性化和多樣化的需求而進行重新設計。BCG 調查顯示， 90％的汽車製造商表示，他們預計到2030年模塊化生產線的設置將對最終組裝非常重要。模塊化設備將允許同一生產線上生產出更多型號的產品。
創業公司正在利用模塊化部件。
種子階段的公司Vention根據需要定製工業設備。從Vention的模塊化部件中選擇，公司需要做的就是上傳他們想要的設備的CAD設計，然後等待3天就會發出專門的工具或機器人設備。現在許多工廠都有可以通過簡單的cobot（協作機器人）臂或定製機器完成的零散工作，而且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動力。
模塊化生產將影響每一個提供產品定製的行業。例如，個性化醫療正在推動對更小規模和更有針對性的藥品需求。在醫藥製造業中，模塊化使得加工企業能夠生產各種產品，並且更快地進行產品轉換。
機器人可以自動完成一次性工作
工業機器人技術正在取代製造業工作，這些工作崗位幾十年來一直在減少。正如美國銀行美林證券的一份報告所解釋的那樣：“長期看機器人最有生命力，人類的生命力很短。”
但最新一波機器人似乎正在增強人類工作者的能力。
Cobots（協作機器人）可通過輔助移動實現可編程。他們首先通過人類移動進行學習，然後重複此前的移動動作。這些機器人被認為是合作型機器人，因為他們可以和人類一起工作。
無論這些機器人是合作型機器人還是要淘汰人類工人仍有待觀察。在田納西州的日產工廠增加了自主導向車後，沒有任何物料搬運工因生產率提高而被裁員。歐洲飛機制造商空中客車公司也使用移動機器人，與人類一起工作，在客機上鑽孔數千個孔。
儘管最好的機器人仍然存在侷限性，但經濟學家擔心自動化最終會導致勞動力市場的大變革。
由於全球勞動力成本上升，機器人技術正在引發新一波迴流- 製造業迴歸美國。
BCG 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從中國轉移回美國，或者計劃在未來兩年內這樣做 - 2012年僅為10％。大多數人認為較低的自動化成本使美國更具競爭力。
機器人技術對於單調的工作如包裝，分揀，重複承重等非常有價值。協作機器人制造商Universal Robots表示，它的一些機器人手臂平均工作195天。總體上看，協同機器人的售價平均為每臺24,000美元。
我們之前已經分析了80多家機器人初創公司，但對於重型機械加工而言，ABB，三菱，Fanuc和安川等大型工業企業佔據了最多的市場份額。
在短期內，協作機器人的可重複編程特性將使得製造業企業更加個性化，並且協作機器人要和現在的設備和工人一起工作。然而，在更長的時間範圍內，機器人將成為向“無人”製造邁進的引擎。
3D打印
對於某些大規模生產的產品，3D打印無法超越注塑成型領域的規模經濟優勢。但對於小規模生產的產品，使用增材製造來實現就比較有意義。
通過使用金屬增材製造了三分之一的零部件，GE製造的發動機消耗的燃料比以前的設計少了15％。通用電氣表示，它將在2018年開始測試賽斯納德納利發動機以進行潛在的飛行測試。
隨著大規模定製在某些消費產品中爆發，製造商將越來越多地轉向3D打印。
鞋子已成為一個比較流行的應用場景。例如，阿迪達斯與Carbon合作大規模打印定製化運動鞋。另外，像Voxel8和Wiiv等其他3D打印服務公司已經專門定位為鞋子生產提供打印服務。
僅僅幾年後，在消費電子，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 - 它們都是通過3D打印帶給您的。
工業3D打印是最熱門的領域，許多初創公司都致力於提供包括碳纖維或其他具有特點金屬在內的先進材料。
6.質量保證
隨著工廠數字化程度越來越高，質量保證將越來越多地融入到組織的數字化過程中。機器學習支持的數據平臺，如Fero，Sight Machine和Uptake等，將能夠在系統的內部運作中以程序化方式寫入精益製造準則。
計算機視覺和區塊鏈技術已經得到應用，並在跟蹤產品質量方面提供了一些令人信服的替代方法。
計算機視覺
在批量生產中，檢查每個產品是否符合規格要求是一項非常乏味的工作，並且會因為人為差錯而受到限制。相反，未來的工廠將採用機器視覺來掃描人眼可能會遺漏的殘次品。
有VC支持的初創公司如Instrumental正在訓練人工智能來發現製造過程中的問題。著名的人工智能專家Andrew Ng成立了一家以製造業為重點領域的創業企業Landing.ai，該公司已經與電子產品代工廠商富士康合作。（以下是 Landing.ai識別缺陷模塊的內容。）
電子元器件中的許多缺陷甚至對人眼來說都是不可見的。能夠即時識別和分類缺陷將使質量控制自動化，使工廠更具適應性。
區塊鏈將有助於產品召回
2017年8月，沃爾瑪，克羅格，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貨運時間從7天縮短至2.2秒。
隨著另外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 - 也可以更好地協調安全召回事宜。
同樣，使用區塊鏈或分佈式賬本技術的工廠在召回時可以更好地做好準備。在加工食品或汽車的工廠中，用於管理召回的單一系統可以更迅速地找出故障零件或汙染批次的來源，從而挽救生命和金錢。
7.倉儲
無人倉庫可能比無人工廠來得更快。
隨著電子商務的興起，對倉庫空間的需求已經爆炸式增長。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，僅在該月就花費了23億美元。
倉庫機器人
據稱，亞馬遜以7.75億美元收購Kiva Systems引發了機器人制造商之間的競賽。乘著電子商務發展的東風和全行業要求按時交付訂單的壓力，我們看到以提高配送效率為重點的機器人創業企業了大量湧現，。
最近，其他類似Kiva的公司，包括Fetch Robotics和GreyOrange，也在關注倉庫自動化的其他領域，如撿拾和碼垛。
一些初創公司，如Ready Robotics和Locus已經應用經典的機器人手臂來打包電子商務包裹，但是它們的協作特性使其適合於許多工業任務。我們之前曾研究過可能成為大型企業收購目標的工業機器人公司。
以製造企業和硬件為重點的投資機構將繼續尋找下一個有爆發潛力的機器人制造商。而更便宜和更靈活的機器人可能意味著我們將在短期內看到更多的機器人和人類一起工作。
用人工智能進行掃描
隨著計算機視覺和企業資源規劃逐漸融合，在排序，掃描和發現殘次品時需要的工人會更少。
Aquifi，例如，在工業物聯網和手持式掃描儀內部使用計算機視覺。機器視覺可以測量產品尺寸，計算托盤中箱子的數量，並檢查箱子的質量。目前，這通常是通過計算機，眼球和間歇掃描完成的。
對於工業物聯網將倉庫內發生的事情“實時抽象出來”進行“定格”，計算機視覺將變得越來越重要。可以說，形成物理世界與二進制位和字節之間的閉環對於打造無人倉庫至關重要。
8.運輸和供應鏈管理
一旦產品被打包配送，提高物流配送中最先一公里的效率是一項艱鉅的任務。有成千上萬的SKU編號和訂單需要管理，其複雜程度可能令人震驚 - 而為了應付這種情況，企業資源規劃（ERP）軟件已經得到廣泛應用。
但物聯網和區塊鏈在實現更加精細化的實時供應鏈方面還有很大空間。
卡車和車隊遠程信息處理物聯網
通常，在供應鏈過程中對於物品的實時位置其實沒有很好的辦法掌握。
近年來，車隊遠程信息處理領域出了幾個金額很大的創業企業退出案例，Verizon收購了FleetMatics和Telogis。隨著供應鏈分佈式和自動化程度越來越高，物聯網和用於貨運的軟件將變得越來越重要。
進一步說，無人卡車的出現可能意味著自動系統將在收到提單時交付，卸貨並收費。這將帶來更綠色，更有效的物流，以及更簡化的會計。
優步和特斯拉都有開發半自動卡車的高調計劃，而Starsky Robotics（下文）最近從Y Combinator，Sam Altman和Data Collective等公司募集了近2000萬美元，專門用於長途貨車的製造。
區塊鏈
如上所述，一些分佈式賬本技術的測試項目和區塊鏈初創企業正試圖將供應鏈管理軟件融入分佈式賬本網絡中。
探索這些技術的意願表明，這裡的數字化已經姍姍來遲。供應鏈非常分散，所以非常適合應用去中心化技術，並且也會在消除全球商業效率低下現象中發揮重要作用。
例如，航運巨頭Maersk正與一家利用Hyperledger 平臺的創業企業合作，旨在幫助全球供應鏈中的託運人，港口，海關辦事處和銀行追蹤貨物運輸情況。馬士基的目標是用防篡改的數字記錄取代相關的文書工作。
同時，墨西哥國有石油公司Pemex正在協助Petroteq開發石油專用供應鏈管理軟件。Petroteq項目 - 一個名為PetroBLOQ的企業級，基於區塊鏈的平臺 - 將使石油和天然氣公司能夠在全球範圍內進行交易。
未來，製造商將探索去中心化的技術，使他們的組織更加自治，實時更新數字化資產（接收或發送）。區塊鏈不僅有簡化供應鏈管理的應用前景，而且可以使支付更加順暢，減少支付中的摩擦。
結論
頭條號：全球新聞網
製造的效率越來越高，愈加定製化，模塊化和自動化。但工廠仍在不斷變化。製造企業普遍被認為在採用新技術方面比較緩慢，許多製造企業可能會抵制進行新的投資。但隨著數字化成為行業的新標準，競爭壓力將迫使製造企業加快創新。
如果以機器人，人工智能和基礎物聯網形式加快數字化進程，那麼製造企業的效率將大幅提升。更豐富的數據和智能機器人將使得工廠的產量達到理論產能，同時最大限度地降低成本，減少殘次品。在東莞的無人工廠，使用機器人將殘次品率從25％降低到不足5％。
同時，隨著區塊鏈和增強現實等先進技術正在工業環境中試用，因此製造業在實現無摩擦生產，提高工人能力方面達到史無前例的水平。
用亨利福特的話來說：“如果你總是做你以前做的事情，那麼你總能得到你以前得到的東西。”為了充分發揮其潛力，製造業需要繼續擁抱新技術。
