展望未來行業：人工智能、區塊鏈、AR和3D打印
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制造業8個環節中的運用場景，并給出了一些正在致力于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，日本機器人制造商FANUC自2001年以來一直在經營一家“熄燈”工廠，在那里，機器在不受監督的情況下制造機器人，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，就能想象出一個機器人完成所有體力勞動的世界。例如，總部位于東莞的手機零件制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。
運輸和供應鏈管理：遠程信息處理、物聯網和無人車將為制造商交付產品帶來更高的效率。
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。
制藥業、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于研發。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，軟件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絡時，像Kaggle，Quantopian和Numerai這樣的平臺已經在制藥研發等領域取得了成功，在其他領域也在增長。 像Science Exchange這樣的按需科學平臺目前正在跨越研發垂直領域開展工作，并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。
許多公司正在研究機器人技術、3D打印和人工智能，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打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打印技術的首要任務。此外，57%的3D打印工作已進入新產品開發的第一階段(即概念驗證和原型設計)。
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。
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制造定制化學品。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
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。“
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。
目前，對于人工智能創業公司來說，最熱門的領域是醫療保健，因為這些公司將人工智能用于藥物發現，制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將人工智能運用到了其龐大的材料數據庫上，并聲稱它可以幫助企業在節省50%的時間內達到研發和制造節點。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。
在3D打印領域，一些創業公司正在著手開發或商業化復雜的材料。MarkForged等公司采用碳纖維復合材料，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復合材料。
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是AutoCAD的軟件開發商，它是未來原型和協作技術的領頭公司。該公司頻頻投資3D打印等尖端技術，并與健康人工智能創業公司Atomwise合作開展“機密項目”。最近，Autodesk對制作AR / VR游戲引擎的探索，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。
同樣，蘋果公司已經設想了AR / VR與3D打印相結合來促進設計的過程。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，工業設計人員能有效地對現有或未完成的對象進行3D打印“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。
2018年，裝配線變得非常精簡，以至于幾乎可以實時地流入零件，并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。在英國退出歐盟之后，該公司報告稱，邊境進口零部件的滯留時間更長，并表示，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。
像Xometry和Maketime這樣的公司提供按需3D打印和數控銑削(一種可以將一個物體從一個區域中分離出來的減法)，在整個車間網絡中完成零件訂單。
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1萬個注塑零件，因此它可以處理大型制造商的生產。
Xometry并不是唯一一家提供打印服務的公司：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打印服務，并利用其物流網絡向全球交付訂單。
隨著大規模定制化的興起，對分散的零件供應商網絡的依賴也將隨之興起。
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。
區塊鏈和分布式賬本技術(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數據庫的復雜性和差異。
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數據庫，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沖突的航班信息。
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。
Viant是一家位于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制造商服務。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)軟件，處理機器對機器(M2M)通信和交付，并通過縮小公司的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，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。
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 )等噴氣發動機制造商開始銷售“按小時付費的推力”，而不是一次性發動機銷售。這使發動機制造商能夠擺脫商品陷阱，專注于高利潤維護和數字平臺。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。
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。
當Harley-Davidson的制造工廠經歷了工業物聯網(IIoT)傳感器改造后，該公司的總經理邁克·費舍爾( Mike Fisher )表示：傳感器“使設備更加復雜，而且它們本身就很復雜。但隨著復雜性而來的是機遇。”
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”進行了定制。典型的IT堆棧包括臺式機、筆記本電腦以及用于知識工作和專有數據的連接，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。
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，但對于小型制造公司來說，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件，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，并實時分析其效率。
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——都會有一個傳感器，但并非所有的工廠功能都具有同等價值。
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。
A16z公司的彼得·萊文(Peter Levine)在人工智能和智能硬件方面進行了設想，他預計無人車、無人機和高級物聯網對象的云計算將告一段落。
在未來工廠中，連接的機器應該沒有什么不同。
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，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。
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服務器，并主要處理本地決策。
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。
因此，關鍵的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IoT網關(連接不同協議的連接傳感器)，允許多個垂直行業的制造商監控他們的IIoT網絡。Xage等其他基于網關的安全公司甚至采用區塊鏈的防篡改分類賬技術，從而保證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。
(責任編輯：admin)
納米纖維涂層管狀支架骨再
中美合作團隊《Science》
內燃機增材再制造修復技術
高性能金屬激光增材制造裝
西安交大與哈佛大學合作研
仿真技術與3D打印推動液壓
科學家使用超聲波
