從研發實驗室的先進機器人到倉庫的計算機視覺，技術正在對制造業的每個環節產生影響。

有趣的是，自2001年以來，日本機器人制造商FANUC就一直在經營著一家“熄燈工廠”，在無人監督的情況下，由機器人制造加工生產機器人。

到底什么是“熄燈工廠”？“熄燈工廠”是指在無人看管的情況下，工廠自主運行的生產過程。“工廠機器人”完全取代了人的工作，甚至可以在沒有照明的黑暗環境中自主運行。

雖然這聽起來可能是未來主義，但“熄燈工廠”成為現實已經超過15年了。

“FANUC副總裁Gary Zywiol說：”它不僅熄燈，還關掉了空調和暖氣。“

想象一下這個新的世界，機器人幫助人類處理所有物理工作，而你只需要看著眼前最前沿和技術和最先進的工廠就好。

如今，越來越多的物聯網初創公司正在轉變為未來工廠。

位于中國的東莞市電話零件制造商長盈精密技術公司創建了一家無人工廠。工廠中的所有產品：從機械加工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。而技術人員只需要通過中央控制系統監控這些機器的活動。

曾經需要約650名工人來維持工廠的正常運行，隨著機器人手臂的延伸，已經將人力需求減少到不到十分之一，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發展，這一波的自動化和數字化的被標記為“ 工業4.0，”第四次產業革命。

那么，工廠的未來是什么？

為了回答這個問題，我們深入研究了制造過程的8個不同步驟，以了解它們是如何開始改變的。

產品研發：找到平臺讓研發人才更民主的方式，AI幫助材料科學的方法，以及怎么樣能讓明天的產品方案變成AR或VR耳機。

資源計劃和采購：按需分散式制造和區塊鏈項目正致力于解決供應商整合復雜性的問題。

運營技術監控和機器數據：了解為未來工廠提供支持的IT堆棧和平臺。隨著工廠數字化，未來，我們將看到大數據背后更大的預測能力。

勞動增強和管理：AR，可穿戴設備和外骨骼賦予了工廠車間的人力能力。

加工，生產和組裝：模塊化設備和3D打印機等定制機器使制造商能夠滿足更多種類的需求。

質量保證（QA）：了解計算機視覺如何監測設備，以及軟件和區塊鏈技術如何更快地發現問題（并執行召回）。

倉儲：在機器人和視覺追蹤的幫助下，相比人工倉庫，越來越多的倉庫變為“熄燈倉庫”。

運輸及供應鏈管理：遠程信息處理，物聯網和和自動駕駛汽車將為制造商提供更高效的產品。

制造商預測未來五年制造業的總體效率將以每年7倍的速度增長。盡管美國的制造業占國內生產總值的11.7％，雇用了8.5％的美國人，但其仍然是數字化程度相對較低的領域——這意味著自動化和軟件改進的空間很大。

隨著新技術的發展，制造業正在發生深刻變化，幾乎每一個制造業的垂直領域，從汽車到電子產品再到藥品都有影響。轉變時間和技術會因行業而異，但每個垂直行業的大多數步驟都會有所改進。

回到上文所說的未來工廠制造過程的8個不同步驟，本文將詳細介紹它們是如何開始改變的：

1、產品研發

從藥品生產到工業設計，規劃階段對批量生產至關重要。在各個行業，設計師、化學家和工程師都在不斷地進行假設檢驗。

測試和迭代是研究和開發的本質。這個設計看起來正確嗎？這個復合物符合我們的需要嗎？大規模生產的性質使得最后一分鐘的重新設計代價高昂。而藥物，技術，航空航天等各大公司每年都會投入數十億美元用于研發。

在科學研發的世界中，人才遍布全球。然而，全世界也缺乏科技研發人才。

當涉及到數據科學和金融領域未開發的人才網絡時，像Kaggle、Quopopia和MulnAI這樣的平臺正在民主化“定量”工作并補償他們的合作者。

民主化“定量”工作的概念也已經在制藥研發領域取得了成功。像科學交易所這樣的按需科學平臺目前正在跨研發垂直領域開展工作，并允許企業通過外包研發來解決人才匱乏的問題。

雖然研發科學人才似乎對制造過程不是必不可少的，但他們對于提供最新和最偉大的技術，特別是在高科技制造業方面越來越關鍵。

公司正在探索機器人技術、3D打印和人工智能作為改善研發過程和減少投產時不確定性的途徑。但是假設檢驗的過程還有改進的余地，并且壓縮迭代時間將轉化為更快更好的發現。

機器人和3D打印加速了垂直產品的開發

根據最近的一項行業調查，加速產品開發是使用3D打印的公司的首要任務。此外，57%的3D打印工作已進入新產品開發的第一階段（即概念和原型的證明）。

3D打印已經成為任何設計工作室的主要內容。在訂購數千個物理部件之前，設計人員可以通過3D打印查看未來產品的外觀。

同樣，機器人技術可以使垂直方向上的試驗和錯誤的自動化。

例如，在合成生物學研發方面，機器人技術對Zymergen和銀杏Bioworks等公司產生巨大影響，這些公司從酵母微生物中制造出定制的化學物質。通過尋找完美的微生物同時測試多達4000種不同的變種，這意味著需要進行大量的實驗工作。

使用自動移液管系統和機器人手臂，液體處理機器人允許高通量實驗以更快的速度和更少的人為誤差到達獲勝組合。

下面是用于轉移樣品的機器人基因測試儀Counsyl（左）和Zymergen的移液機器人（右），用于自動化微生物培養測試。

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制造商是全球最大的研發支出者之一。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，這時候機器人就成為了首選。

可以說，未來的科學工具將越來越自動化和精確地處理微尺度精度。

AI正在加速材料科學的發現

舉世聞名的美國電學家和發明家托馬斯·愛迪生說過:“我并沒有失敗,我只是發現了10000種行不通的方式”。

盡管研發工作的數字化程度和軟件支持力度低于人們預期（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于今天的研發實驗室中。科學方法的更好數字化對于開發新產品和材料，然后大規模制造這些材料至關重要。

目前，AI初創公司最熱門的交易領域是醫療保健，因為公司將AI用于藥物發現管道。制藥公司正在向追蹤藥物研發的創業公司（如遞歸制藥公司和twoXAR）并注入現金。而在其他地方取得成功也只是一個時間問題。

一家從事化學和材料科學工作的公司Citrine Informatics（下左圖）在其龐大的材料數據庫上運行AI，并聲稱它可以幫助企業在50％的時間內實現研發和制造。同樣，Deepchem（右圖）開發了一個用于將深度學習應用于化學的Python庫。

簡而言之，各行各業的制造商，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打印來提升競爭力，并加強產品推出的反饋環節。

在3D打印領域，初創公司正在開發或商業化復雜材料。MarkForged等公司采用碳纖維復合材料，其他類似BMF的公司正在開發具有罕見納米結構和奇特物理特性的復合材料。

當然，未來的制造商還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，所有類型的制造商都依靠計算機輔助設計（CAD）軟件進行原型設計。在未來的制造過程中，增強和虛擬現實可以在研發中發揮更大的作用，并且可以有效地將工業設計人員的桌面PC“抽象出來”，從而可能消除對3D打印物理模型的需求。

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打印等尖端技術進行投資并不陌生，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在制作AR / VR游戲引擎方面的探索預示著其更大的作用。

Autodesk的游戲引擎Stingray增加了對HTC Vive和Oculus Rift耳機的支持。此外，游戲和VR引擎制造商Unity已宣布與Autodesk建立合作伙伴關系，以提高互操作性。

同樣，蘋果公司已經想到將AR / VR與3D打印相結合的設計過程。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”疊加到現有對象的真實世界視圖上，有效地允許工業設計人員對現有或未完成的對象進行3D打印“編輯”。

據悉，該專利預計通過“半透明眼鏡”使用AR，此外“配備相機的移動設備”暗示在iPhone上使用ARKit的潛在3D打印機會。

康奈爾大學的一位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，人機界面可以非常無縫，可以實時雕刻3D模型。

研發團隊將研究AR和VR，并測試它如何與3D打印以及傳統原型堆棧結合使用。

2.資源規劃和采購

一旦產品設計完成，下一步就是計劃如何在生產規模上進行生產。通常情況下，這需要收集零部件供應商，基礎材料制造商和合同制造商的網絡，以實現產品的大規模生產。但尋找供應商并獲得信任是一個困難且耗時的過程。

例如，真空吸塵器制造商Dyson花費了兩年的時間尋找供應商推動汽車行業的新舉措：“無論您是戴森還是豐田，需要18個月的時間才能開發大燈”，該項目的工作人員說道。

在2018，裝配線是如此少，他們集成了幾乎實時的零件流入和裝配線。例如，本田位于英國的裝配廠只保留了一個小時的零部件準備就緒。在BrxIT之后，該公司報告了在邊境的來往零件的更長的滯留量，并且說每15分鐘的延遲意味著每年損失850000英鎊。

因此，我們研究了技術如何改善這一復雜的采購流程。

分散式零件制造

分散式制造可能是一項即將發生的變化，可幫助制造商處理零部件訂單的需求。

分布式或分散式制造采用與IT協調的地理上分散的設施網絡。零件訂單，尤其是用于制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布式制造平臺大規模實現。

像Xometry和Maketime這樣的公司提供按需增材制造和數控銑削（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，并獲取3D打印甚至零件注塑的報價。目前，該公司允許按需定制多達1萬個注塑件，因此可以處理大型制造商完成的構建。

Xometry并不是唯一一家提供印刷服務的公司：UPS也在接受這項服務，為 60個地點的3D打印塑料部件（如噴嘴和支架）提供服務，并利用其物流網絡在全球范圍內提供訂單。

隨著大規模定制的出現，對零部件供應商的分散式網絡的依賴也會隨之消失。

區塊鏈用于資源跟蹤

企業資源計劃（ERP）軟件通過客戶關系管理（CRM）跟蹤從原材料采購到資源分配。

然而，一家制造企業可能擁有如此眾多不同的ERP系統和孤立的數據，具有諷刺意味的是，ERP“堆棧”（旨在簡化事物）本身可能會變成一團亂七八糟的軟件。

事實上，最近普華永道的一份報告發現，許多大型工業制造商擁有多達100個不同的ERP系統。

區塊鏈和分布式賬本技術（DLT）項目旨在將來自公司各種流程和利益相關方的數據整合到通用數據結構中。許多巨頭正在試行區塊鏈項目，旨在降低其孤立數據庫的復雜性和差異性。

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，并阻止出現在機場監視器，航空公司網站和客戶應用程序中的相互沖突的航班信息。

在跟蹤零部件和原材料的采購時，區塊鏈可以管理不同流入工廠的情況。通過區塊鏈，隨著產品在從制造到銷售的整個供應鏈中轉換，交易可以記錄在永久分散的記錄中，從而節省時間，減少成本和人為錯誤。

3.操作技術：監控和機器數據

據推測，制造業的未來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，制造過程在我們到達之前還有很長的路要走。

根據精益生產指標（以整體設備效率或OEE衡量），世界一流的制造基地的理論產能達到85％。然而，平均工廠只有大約60％，這意味著在這方面還有很大的改進空間。

工業4.0的成熟首先需要基本的數字化。近些年，我們將看到一波機器變得更加數字化。未來20年，數字化將轉化為預測性維護和真實預測性智能。

如今，按小時供電（或基于性能的合同）在制造業中相當常見，特別是在半導體，航空航天和國防等關鍵任務領域。此概念可追溯到20世紀60年代，當時噴氣發動機制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。這讓發動機制造商擺脫了商品的陷阱，專注于高利潤維護和數字平臺。如今，通用電氣積極追蹤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。

盡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“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，效率顯而易見。但是，制造商要承擔啟動數字化處理的負擔。

另一方面，傳統的車間有著幾十年生產的舊機器。除了成本的提高外，傳感器跟蹤溫度和振動并沒有考慮舊機器的情況，從而延長了校準周期和功效。

當Harley-Davidson的制造工廠經歷了工業物聯網傳感器的改造后，該公司的總經理Mike Fisher說，傳感器使設備更加復雜，而且它們本身就很復雜，不過隨著復雜性也相應的帶來了機遇。

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”量身定制。典型IT棧包括臺式機，筆記本電腦以及用于知識工作和專有數據的連接性，OT管理直接控制或監測物理設備。

對于制造商來說，OT堆棧通常包括：

連接的制造設備（通常配備改裝后的工業物聯網傳感器）

監控和數據采集（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（增材制造）和計算機數控（CNC）機器，用于減制造（如減少塊）

從某種意義上說，IT和OT是同一個技術堆棧令牌的兩個方面，而且隨著制造業得到更好的數字化，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，成為堅固耐用的計算機。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，但對于小型制造公司來說，這些可能是不必要的支出。

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，每個傳送帶和機器人執行器都會有一個傳感器，但并非所有的工廠功能都具有相同的價值。

在每件事物上都加入物聯網傳感器并不是萬能的。反過來，使用更小數量的更專業、高精度的物聯網傳感器，也可以創造更多的價值。例如，Augury使用人工智能的傳感器來偵聽機器并預測故障。

具有成本意識的工廠負責人將認識到，高度精確的傳感器將比不必要的物聯網提供更高的投資回報率。

邊緣的新建筑

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。

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一樣在現場完成的低懸云計算）。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云，這一過程可以節省大量帶寬。

在不久的將來，AI和硬件的進步將使我們更加了解IOT，而這些數據都與云計算無關。

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10000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服務器，并主要處理本地決策。

此外，云計算的延遲在制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云數據庫的延遲。這與太晚切斷電源引發的物理損壞毫無區別。

從長遠來看，邊緣計算為自主工廠鋪平了道路。支撐邊緣的AI軟件將成為允許工廠機器獨立作出決策的基礎設施。

總之，在網絡邊緣利用更多計算的設備正準備迎來新的分散式工廠設備浪潮。

網絡安全是重中之重

工業物聯網的一個悖論是，工廠承擔著重大的下行風險，但幾乎沒有投資保護：最近一項調查中 ，28％的制造商表示，由于過去一年的網絡安全攻擊導致收入損失，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，一次復雜的網絡攻擊導致德國鋼鐵廠發生物理損壞，當停電導致高爐無法正常關閉。

因此，關鍵基礎設施是網絡安全領域不斷增長的一部分，許多創業公司如 Bayshore Networks 正在提供物聯網網關（連接不同協議的連接傳感器），允許跨垂直行業的制造商監控他們的工業物聯網網絡。Xage 等其他基于網關的安全公司甚至使用區塊鏈的防篡改分類賬，因此工業傳感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）傳感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絡安全投資者開始對OT計算感興趣。戴爾（其中包括工業IoT網關）以及谷歌，通用電氣，三星和英特爾等公司在這一領域最為活躍。

安全地管理ICS和IIoT系統將繼續成為投資的關鍵領域，特別是黑客攻擊之后的破解證明了OT的脆弱性。

4.勞動強化和管理

在最近的一篇關于家具制造商斯蒂爾的生產線的文章中，人們被描述為僅僅存在于指導自動化技術。

Steelcase的“視覺表”是電腦化工作站，指導逐步指導，消除組裝家具時的人為錯誤。使用聲音提示和頭頂掃描儀跟蹤裝配，如果步驟不正確，系統不會讓工作人員繼續。掃描儀還允許非現場操作工程師實時分析進度。

在紐約人寫了一篇關于Steelcase公司的勞動管理，“十年前，工業機器人輔助工人。現在，工人協助他們的機器人。”

制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：“工廠里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。“

更好的數字化和網絡物理技術都可以提高工人的效率和人力。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。

AR和手機正在數字化說明手冊

增強現實將能夠提高產業工人的技能。

除了傳遞工廠性能指標和分配工作的免提“瀏覽器”之外，AR還可以分析復雜的機器環境，并使用計算機視覺來繪制機器的零件，例如實時視覺手冊。這使得諸如現場服務之類的高技能勞動力成為“可下載”技能（與The Matrix無異）。

Daqri和Atheer是資金雄厚的耳機制造商，專注于工業環境。Upskill的Skylight平臺（下圖） 使用Google Glass，Vuzix，ODG和Realwear耳機為工業勞動力提供AR。該公司從波音和通用電氣公司等公司的企業風險投資中募集了近5000萬美元。

許多AR制造商設想這種技術像一個免提“互聯網瀏覽器”一樣工作，使工作人員能夠看到相關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在使用移動和iPad攝像頭的現場服務中也采用類似的工作，使用AR來突出顯示工業設備上的部件并實時連接到支持專家。這節省了飛出人們修理損壞的設備的成本。

Parsable與移動電話配合使用，是一個工作流平臺，可提供任務并將數據收集數字化，這些工作通常是在工業環境中使用鉛筆和紙張完成的。

在機器人持續不斷的競爭壓力的領域，制造組織將投資技術，將人類努力數字化到每個動作。

安全技術將成為危險工作的標準

外骨骼技術終于在工廠車間成為現實，這可以大大減少重復性工作的物理損失。這里的創業公司正在制造可穿戴的高科技裝備，承擔工人四肢和背部的負擔。

下面看到的Ekso仿生學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們在日常需求中報告的頸部壓力較小。EksoVest減少了重復運動帶來的磨損，并且與其他競爭產品不同，它不需要電池或機器人就能提供升降輔助。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是另一家知名的外匯制造商，從Schlumberger，Caterpillar和微軟等企業以及GE的風險投資公司中融資。Sarcos更專注于遙控機器人和動力外骨骼，可重復提升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公司開展姿態測量和電梯輔助可穿戴設備。胳膊可在受傷或事故風險之前進行干預的預測能力，并被定位為以勞動為重點的風險管理平臺。

人類仍然需要從事一些危險的工作，但可穿戴設備和外骨骼將增強了人類的工作能力，同時也提高安全性。

5.加工，生產和裝配

自動化首先會出現沉悶和危險的工作。

大規模生產流水線中的許多人類工作已經被自動化擠出。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。機器人與人類一起變得更便宜，更準確，更安全，更普遍。

消費者的口味也擴大了，制造商正試圖跟上日益增長的定制化和多樣化的需求。

工業4.0的愿景是一個完全智能的工廠，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，還會基于消費者反饋和預測信息對這些產品進行迭代。

模塊化生產支持定制

在我們進入一個人類很少與制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制，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進入更加可定制的產品。它可能是設備，例如機器人和機器上的可交換末端執行器，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對更大定制化和多樣化的需求而進行重新設計。BCG 調查顯示，90％的汽車制造商表示，他們預計到2030年模塊化生產線的設置將與最終裝配相關。模塊化設備將允許更多型號脫離相同生產線。

創業公司正在利用模塊化部件。

Seed-stage公司Vention根據需要定制工業設備。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，然后等待3天發送專門的工具或機器人設備。許多現有的工廠都有可以通過簡單的cobot（協同機器人）臂或定制機器完成的零星工作，隨著各地的工廠都在尋找提高效率的方法，這些解決方案將獲得動力。

模塊化生產將影響任何提供更多產品定制的行業。例如，個性化醫療 正在推動對更小和更有針對性的批次的需求。在醫藥制造業中，模塊化使得加工商能夠生產各種產品，并且更快地進行轉換。

機器人技術可以自動完成一次性工作

工業機器人技術負責侵蝕制造業工作，這些工作幾十年來一直在下降。正如美國銀行美林證券的一份報告所解釋的：“漫長的機器人，短小的人類。”

但最新一波機器人似乎正在增強人類工作者的成就。

Cobots（協作機器人）可通過輔助移動進行編程。他們通過首先手動移動然后復制向前移動的動作來“學習”。這些機器人被認為是合作的，因為他們可以和人類一起工作。

這些合作會使人類勞動力多余仍有待觀察。在田納西州的日產工廠增加了自主導向車后，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還使用移動機器人，與人類一起工作，在客機上鉆孔數千個孔。

雖然最好的機器人仍然有局限性，但經濟學家擔心自動化最終會導致勞動力大規模重組。

由于全球勞動力成本上升，機器人技術正在引發新的浪潮：制造業回歸美國。

BCG 在2015年進行的一項調查顯示，接受調查的美國制造商中有24％表示，他們正在積極地將產量從中國轉移回美國，或者計劃在未來兩年內這樣做，而這一數據在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。

機器人技術對于單調的工作如包裝，分揀，反復提升變得無價。Cobot制造商 Universal Robots 表示，它的一些機器人手臂平均在195天內為自己買單。作為一個整體，協同機器人的類別中售價為$ 24,000每人平均。

我們之前已經確定了80多家機器人初創公司，但對于重型機械加工而言，ABB，三菱，Fanuc和安川等大型工業企業占據了顯著的市場份額。

在短期內，cobots的可重新編程特性將使制造公司變得更加個性化，并與現有設備和員工并行工作。然而，在更長的時間范圍內，機器人將成為向“熄燈”制造邁進的引擎。

3D打印

對于某些大規模生產的產品，3D打印絕不會超過注塑成型的規模經濟。但對于較小的運行，使用增材制造的實現將是有意義的。

通過使用金屬添加劑制造三分之一的零部件，GE制造的發動機燃燒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。

隨著大規模定制在某些消費產品中起飛，制造商將越來越多地轉向3D打印。

鞋子已成為一種流行的案例。例如，阿迪達斯與Carbon合作大規模定制運動鞋。另外，像Voxel8和Wiiv等其他3D打印服務公司已經為鞋子使用案例定位了自己。

僅僅幾年后，在消費電子，服裝和其他配件中看到大規模定制的部件可能會更加普遍，它們都通過3D打印產生的。此外，如果火箭印刷啟動Relativity Space有任何跡象，該技術也將用于建設大規模工業印刷作業。

工業3D打印是更廣闊領域內最熱門的領域，許多初創公司都致力于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臺，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。

計算機視覺和區塊鏈技術已經在現場，并提供了一些令人信服的替代方法來追蹤質量。

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沉悶的工作，并且受到人為錯誤的限制。相反，未來的工廠將采用機器視覺來掃描人眼可能會遺漏的缺陷。

有創業支持的初創公司如Instrumental正在培訓AI來發現制造問題。而著名的人工智能研究員安德魯·吳有一個新的名為制造為重點的啟動Landing.ai 已與富士康，電子產品合同制造商合作。（以下是 Landing.ai識別缺陷模塊的內容。）

電子學中的許多缺陷甚至對人眼來說都是不可見的。計算機視覺能夠即時識別和分類缺陷將使質量控制自動化，讓工廠更具適應性。

區塊鏈將有助于召回

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，并表示區塊鏈技術有助于將追蹤芒果出貨時間從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，使用區塊鏈或分布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，用于管理召回的單一系統可以更快速地找出故障零件或污染批次的來源，從而挽救生命和金錢。

7.倉儲

熄燈倉庫可能比熄燈工廠更快。

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，倉庫平均倉庫高度與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23億美元建設。

倉庫機器人

據稱，亞馬遜歷史性的價值7.75億美元的Kiva Systems收購引發了機器人制造商之間的軍備競賽。憑借電子商務浪潮和全行業按時交付訂單的壓力，我們目睹了機器人初創企業的大量涌現，致力于實現更高效的履行。

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，如采摘和碼垛。

一些初創公司，如Ready Robotics和Locus已經應用經典的機器人手段來打包電子商務訂單，盡管它們的協作特性使其適合于許多工業任務。我們之前曾研究過可能成為大型企業目標的工業機器人公司。

以制造商和硬件為重點的投資者將繼續尋找下一個比現狀要好10倍的機器人制造商。而更便宜和更靈活的機器人的經濟性可能意味著我們將在短期內在人類身上看到更多的機器人。

AI進行掃描

隨著計算機視覺融合企業資源規劃，在排序，掃描和發現缺陷時將需要更少的人員和剪貼板。

Aquifi，例如，使用計算機視覺固定工業物聯網和手持式掃描儀的內部。機器視覺可以測量產品尺寸，計算托盤中箱子的數量，并檢查箱子的質量。 目前，這通常是通過剪貼板，眼球和間歇掃描完成的。

對于工業物聯網將倉庫內發生的事情“實時抽象出來”進行“抽象”，這樣的愿景將變得越來越重要。

8.運輸和供應鏈管理

一旦產品被包裝和托盤化，高效率地出門是一項艱巨的任務。隨著成千上萬的SKU編號和訂單的管理，復雜性可能令人震驚。而企業資源規劃（ERP）軟件已經激增以應對這種復雜性。

事實上，物聯網和區塊鏈仍有空間讓實時供應鏈更加細化。

卡車和車隊遠程信息處理物聯網

總的來說，整個供應鏈的物品實時位置的知名度都很低。

近年來，車隊遠程信息處理領域出現了幾次大的退出，Verizon收購了FleetMatics和Telogis。隨著供應鏈下放并實現自動化，物聯網和出貨軟件將變得越來越重要。

進一步說，自動卡車的出現可能意味著自動系統將在收到提單時交付，卸貨和收費。這將帶來更綠色，更有效率的運動，以及簡化會計工作。

優步和特斯拉都有自主半卡車的高調計劃，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，專門用于長途貨車。

區塊鏈

如上所述，一些DLT試點和區塊鏈初創企業正試圖將供應鏈管理軟件放入分布式賬本中。

探索這些技術的意愿表明，這里的數字化已經姍姍來遲。供應鏈高度分散的特點是分散技術的合適用例，可能成為消除全球商業低效率的更大趨勢的一部分。

例如，航運巨頭Maersk正與Hyperledger合作創業，旨在幫助全球供應鏈中的托運人，港口，海關辦事處和銀行追蹤貨運。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。

未來，制造商將探索分散的技術，使他們的組織更加自主，實時更新數字化資產（來或去）。區塊鏈不僅有簡化供應鏈管理的承諾，而且可以使支付更加無摩擦。

結論

制造越來越高效，定制化，模塊化和自動化。但工廠仍處于不穩定狀態。制造商被認為是技術緩慢采用者，許多人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，競爭壓力會使創意升級。

最強大的杠桿制造商可以通過機器人技術，人工智能和基本物聯網數字化的形式進行。更豐富的數據和智能機器人將最大化工廠產量，同時最大限度地降低成本和缺陷。在東莞的無人工廠，雇傭機器人將不合格率從25％降低到不足5％。

同時，隨著區塊鏈和AR等尖端類別正在工業中使用，制造業最終可能會達到前所未有的無摩擦生產，并提高工人的專業技能。

用亨利福特的話來說：“如果你總是做你以前做過的事情，那么你總能得到你總是得到的東西。”為了充分發揮其潛力，制造業需要繼續接受新技術。