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。

那么，工廠的未來是什么樣的呢?

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，來了解它們是如何開始改變的：產品研發：平臺是如何使研發人才“民主化”的;人工智能是如何幫助材料科學的;以及如何用AR/VR來構造草圖的。資源規劃和采購：按需分散制造和區塊鏈項目正在研究整合供應商的復雜性。操作技術：監控和機器數據：看看為未來工廠提供動力的IT堆棧和平臺。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：模塊化設備和定制機器(如3D打印機)使制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，以及軟件和區塊鏈技術將如何更快地發現問題(并實施召回)。

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。

制造商預測，未來5年，整體效率將以1990年以來的7倍的速度增長。盡管制造業占美國GDP的11.7 %，雇傭了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件驅動方面，還有很大的發展空間。

隨著新技術的發展，制造業正在發生重大的變革，幾乎所有制造業垂直領域——從汽車產業到電子產業，再到制藥業——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，規劃階段對于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。大規模生產的特征使得最后時刻的重新設計的成本很高。

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

機器人和3D打印技術加速垂直領域產品的開發

3D打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打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。

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。

下面是用于轉移樣本的機器人基因測試儀Counsyl(左)和Zymergen的移液機器人(右)，用于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。這相當于在西雅圖市找到一只螞蟻。”

——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，英特爾和三星等芯片制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。

人工智能正在加速材料科學的發現

盡管研發工作的數字化程度和軟件化程度低于人們的預期(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于今天的研發實驗室中。科學方法更好地數字化，對于開發新產品和材料，然后大規模制造這些產品和材料至關重要。

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打印來保持競爭力。

當然，未來的制造商將依靠智能軟件來推動他們的研發過程。

AR和VR將用于建模過程

目前，各種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，AR和VR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設計圖以“實體”的方式展示出來，從而消除對3D打印物理模型的需求。

Autodesk的游戲引擎Stingray增加了對HTC Vive和Oculus Rift頭戴設備的支持。此外，游戲和VR引擎制造商Unity已宣布與Autodesk建立合作關系，以提高互操作性。

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打印機會。

康奈爾大學的研究人員最近展示了使用AR / VR繪制3D打印對象的能力。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，并測試它是如何與3D打印以及傳統原型堆棧相結合的。

2、資源規劃和采購

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、基礎材料制造商和合同制造商的信息，并建立網絡，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艱難且耗時的過程。

例如，真空吸塵器制造商戴森( 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，制造汽車前燈都需要18個月的時間，”一名參與該項目的員工說。

我們研究了技術是如何改進這一復雜的采購流程的。

分散式零件制造

分散式制造可能是一項即將發生的變化，可以幫助制造商處理對零件訂單的需求。

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，尤其是用于制造中型或小型產品(如3D打印零件)的訂單，可以通過分布式制造平臺按比例完成。

區塊鏈技術用于資源跟蹤

企業資源規劃(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的情況。

然而，一個制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件。

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

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，隨著產品在從制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。

3、操作技術：監控和機器數據

據推測，未來的制造過程最終將看起來像一個巨大的、自我維持的網絡物理有機體，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)，世界一流的制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。之后，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(或基于性能的合同)現在在制造業中相當普遍，尤其是在半導體、航空航天和國防等關鍵任務領域。

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，跟蹤溫度和振動的傳感器并不是在考慮傳統機器的情況下制造的，也會延長了校準周期和功效。

從基本數字化到預測

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打印機(增材制造)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，而且隨著制造業得到更好的數字化，邊界將繼續模糊。

但是，將便宜的物聯網傳感器應用于一切對象上并不是萬能的，而且完全有可能通過更少數量的更專業、更精確的物聯網傳感器創造更多價值。舉例來說，Augury使用配備人工智能的傳感器來監聽機器并預測故障。

具有成本意識的工廠業主將認識到，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。

邊緣的新架構

計算在“邊緣”完成，或者更接近傳感器，是IIoT體系結構中的一種新趨勢。

在未來工廠中，連接的機器應該沒有什么不同。

在不久的將來，人工智能和硬件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云無關。

此外，云計算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。

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能軟件將是允許工廠機器進行獨立決策的基礎設施。

總而言之，在網絡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。

網絡安全是重中之重

IIoT的一個悖論是，工廠承擔著重大的下行風險，但幾乎沒有投資于安全防護上：最近一項調查中顯示，28%的制造商表示，過去一年由于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技術方面的支出。

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。

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。

此外，一些最活躍的企業網絡安全投資者是對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的脆弱性之后。

4、勞動力增強和管理

制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還可以分析復雜的機器環境并使用計算機視覺來繪制機器的零件，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)。

外骨骼和安全技術將成為骯臟和危險工作的標配

人類仍然需要做一些骯臟和危險的工作，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臟、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打印這樣的網絡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，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，不僅僅是制造原型和組裝一系列特定的產品，還會基于消費者反饋和預測信息對這些產品進行迭代。

在我們進入一個人類基本上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制化和多樣化的需求而進行重新設計。波士頓咨詢調查顯示，90%的汽車制造商表示，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。

機器人將單一化的工作自動化

工業機器人的采用導致了制造業工作崗位的減少，制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，它們復制人們的手工向前移動來“學習”。這些機器人被認為是用于協作的，因為它們可以和人類一起工作。

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。

由于世界范圍內的勞動力成本上升，機器人技術正在引發新一輪的回流——制造業回歸美國。

就單一化的工作來說，比如包裝、分揀、重復提升等，機器人變得非常有價值。協作機器人制造商Universal Robots表示，工廠采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。

3D打印

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

通過使用3D打印制造的零部件，通用電氣制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。

隨著大規模定制在某些消費產品中興起，制造商將越來越多地轉向3D打印。

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中。

計算機視覺和區塊鏈技術已經出現，并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。

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。

區塊鏈將有助于召回

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，并表示區塊鏈技術有助于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，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

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，在短期內，我們將看到更多的機器人和人類一起工作。

用于掃描的人工智能

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，并檢查箱子的質量。 目前，這通常是通過剪貼板，肉眼和間歇掃描完成的。

對于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?

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

<