自動化解決制造業回流、關稅和勞動力短缺問題

供應鏈通常是復雜的物流系統，依賴于供應商、資源、熟練勞動力和制造能力的整個生態系統。中國在這一領域表現出色，在 5G 通信和電動汽車方面尤為明顯。此外，中國公司生產了世界上大部分的電動汽車電池，其工廠正在實施最先進的自動化技術。這種競爭格局被視為對其他國家市場的威脅。由此產生的貿易緊張局勢正在推動制造業和供應鏈回流。

最初，大多數國家開始認真考慮在 COVID-19 大流行期間將制造業回流和自動化的作用，這嚴重擾亂了國家之間的國際供應線。然而，由于 COVID-19，許多公司設法通過多個制造點和更短的供應線來實施彈性，而不是回流到高工資國家。今天，情況要嚴重得多，因為關稅和地緣政治等保護主義迫使組織考慮在昂貴的國家進行制造，其中許多國家的制造資源匱乏，幾十年來已經被掏空。

突然關稅造成的不確定性導致人們重新評估在哪里優先考慮制造業回流，以及這是否可能。對于許多行業來說，除非價格大幅上漲，否則它只會太昂貴，不幸的是，這將再次推動通貨膨脹或減緩經濟。離岸生產的最初原因是利用廉價勞動力和監管較少的制造業，例如中國、印度、墨西哥和東歐。從那時起，整個生態系統在這些國家發展起來，如果不出現經濟混亂，就無法迅速逆轉。

有幾個因素決定了生產是否可以回流。自動化的成本在決定高工資國家能否恢復生產并降低勞動力成本時至關重要。充足的資源和技能的可用性也是關鍵。其他重要方面包括本地制造的輸入材料成本、監管環境以及經濟高效地生產產品所需的零件和技術的可用性。具有諷刺意味的是，在美國，關稅將增加本地制造的許多輸入材料的成本。

工廠雇用數千名工人來生產商品的想法是過去時代的遺留物。今天，正在為未來的工廠制定標準，通常稱為工廠 4.0，以確?，F代化、全自動、交互式和靈活的生產線。 

自動化的挑戰

大多數工廠都有某種形式的自動化，尤其是在汽車行業。用于電子組裝的拾取和放置機器和汽車行業的焊接機器人是兩個顯著的成功例子。然而，電子制造中的一個關鍵挑戰是組裝非標準或不規則的組件，而這正是手工勞動經常出現的地方。這些元件使插入機的處理和精確放置具有挑戰性，尤其是在電子設計變得更加復雜且不規則元件的多樣性增加的情況下。在其他行業，許多裝配任務仍然需要體力勞動，而目前的自動化技術無法解決這些任務。人形機器人可以在未來的工廠中發揮關鍵作用。其他一些關鍵挑戰包括各種中斷，例如勞動力短缺、當前技術的局限性以及生產線上代價高昂的停機時間。 

推進自動化技術

為了通過自動化流程提高裝配線的效率并提供快速重新配置生產線的能力，Factory 4.0 將制造和工業流程數字化，創造了一個系統可以交換信息、觸發作并自主相互控制的制造環境。在此類智能工廠中，機器、設備和系統相互連接，從而能夠收集實時數據、高級分析、預測性維護、數字孿生和自主決策。

解決勞動力短缺問題或在高勞動力成本經濟體實現回流是自動化投資的關鍵驅動力。還需要考慮培訓和技能提升計劃，不僅要為所需角色提供熟練勞動力，還要確保工人擁有必要的專業知識。在這里，生成式 AI 的使用被視為一種潛在的促進因素，不僅可以降低成本，還可以防止事故和機器損壞。

為了說明這一點，佐治亞大學的研究人員開發了一個名為 VR Co-Lab 的新虛擬現實 （VR） 空間，以幫助使用機器人的人類更高效地進行訓練。在最近的一項研究中，VR Co-Lab 對員工進行數字化培訓，以練習在不損壞材料的情況下拆卸可回收物，并學習如何避免受傷和與機器人碰撞 [1]。

為了幫助公司降低自動化的初始成本，機器人即服務 （RaaS） 是一種類似于軟件即服務 （SaaS） 的商業模式。RaaS 使組織能夠通過訂閱或租賃計劃訪問機器人技術，從而使他們能夠更靈活、更經濟高效地部署、管理和擴展其機器人作。RaaS 用于自動化重復性任務，包括倉庫管理、客戶服務和復雜手術等。

制造運營管理 （MOM） 和工業物聯網 （IIoT） 正在改變制造業，IIoT 支持實時數據收集和分析，以優化 MOM 流程。MOM 涵蓋廣泛的活動，包括規劃、調度和質量管理。同時，IIoT 專注于連接設備和系統，以收集來自車間的實時數據并采取行動。IIoT 與 MOM 系統的集成提供了更高的效率、預測性維護、改進的質量控制和更有效的供應鏈管理。

AI 和機器學習可以識別可能導致故障的細微異常，使制造商能夠在故障導致代價高昂的停機或損壞之前進行維修。此作過程稱為預測性維護，需要來自機器上安裝的傳感器的連續作數據流，以及數據持久性和其他信息源，例如維護記錄、故障事件、檢查記錄和工程圖表，以實現整體監控。預測性維護中的 AI 可以識別傳統數據分析和狀態監控無法輕松檢測到的模式和異常。此外，它可以采用反饋循環來隨著時間的推移而改進。

例如，Senseye Predictive Maintenance 是一個基于云的軟件平臺，它將 AI 與人類洞察力相結合，自動生成機器行為模型，以分析機器數據并預測潛在故障。它與機器無關，并使用現有數據或新安裝的傳感器與任何資產、系統或數據源集成。Senseye 用于各種行業，包括紙漿和造紙、金屬和采礦以及制造，以提供主動維護，最大限度地減少計劃外停機時間及其相關成本。Siemens 還提供生成式 AI 功能，使預測性維護更具對話性和直觀性 [2]。 

IIoT 和 5G 將這一切聯系在一起

工廠的自動化需要機器、傳感器和計算平臺之間的通信，通常稱為 IIoT。傳統上，通信由基于以太網的協議實現，例如 PROFINET、POWERLINK、EtherCAT、EtherNet/IP、SERCOS III、CC-Link IE 和 Modbus TCP。然而，Wi-Fi、藍牙、Zigbee、WirelessHART 和 LoRaWAN 等無線協議正越來越多地在現代工廠中實施，以降低安裝和維護成本，使設備在工廠車間能夠快速移動，并促進機器和流程的遠程訪問和控制。這可以改進資產管理，是實現預測性維護的關鍵。此外，無線技術也非常適合實時數據收集和控制。然而，在無線系統中，安全性和干擾是關鍵問題，但可以通過仔細規劃來解決。

為了進一步推進工廠自動化，人們越來越多地考慮 5G，因為它為機器人和自動化帶來了好處，包括實時通信和提高運營效率。高帶寬、低延遲和可靠性等特性使其成為要求苛刻的工業應用的理想選擇。通過使用 AI 和機器學習，IIoT 使用大量數據，使 5G 的速度和容量成為關鍵要求。

5G 網絡的高帶寬和低延遲支持更先進、更準確的自動化任務，包括使用機器人和無人機，以及遠程控制機器、流程和自動化系統。遠程作還減少了在危險環境中對人工作業的需求。5G 還支持快速的機器間通信，提高效率，并通過以最小的延遲在產品批次或類型之間切換來快速響應不斷變化的生產需求。5G 還可以輕松覆蓋廣泛的領域，并將智能工廠與其供應鏈和物流連接起來。

由于 Private 5G 提供了更高的可靠性、控制力和安全性，因此它越來越多地部署在工廠和工廠中。5G 還可以輕松覆蓋大面積，并將智能工廠與其供應鏈和物流連接起來。專用 5G 網絡提供專用連接，確保高性能和可靠性，同時讓制造商能夠更好地控制網絡參數以優化性能。然而，對于許多組織來說，推動 5G 專網的關鍵特征是這些網絡與公共網絡隔離，從而提高了安全性并最大限度地降低了網絡攻擊的風險，隨著威脅級別不斷上升和國家支持的網絡攻擊成為常態，這是一個越來越重要的考慮因素。 

增材制造

增材制造也正在成為制造業中一種有用的技術。它擅長原型制作和制造過時的零件，但隨著技術的成熟，它正在進入工業應用中更主流的流程。在電子產品中，它可以創建使用傳統方法無法實現的 3D 部件，例如天線。

為了說明這一點，意大利自動化公司 Comau 正在與幾家參與數字增材制造的國際公司合作，將其技術引入需要經濟實惠且易于使用的先進自動化的新細分市場。例如，CEAD 利用集成到其 Flexbot 系統中的柯馬機械臂技術，通過提供大幅面熱塑性復合材料 3D 打印，幫助全球公司徹底改變其制造流程?？埋R還與冷噴涂技術的全球領導者 Titomic 合作，利用新型高性能材料實現大規模增材制造、涂層和維修 [3]。在另一個例子中，柯馬和 Prima Additive 聯手提供雙層激光熔覆創新，開發了一種高速、全自動的制動盤涂層系統 [4]。Coma 客戶將能夠按需打印具有一致、可重復結果的部件，從而優化材料使用、減少浪費并提高整體生產效率。

增材制造遠遠超出了電子制造的范圍，幾乎涵蓋了所有行業，并且是一個隨著材料和工藝的改進而快速發展的領域。該技術可以打印微小部件以及大幅面部件，例如船體、汽車部件或表面涂層。 

融入集成供應鏈

集成供應鏈不僅包括工廠，還包括原材料和貨物的庫存管理和倉儲，以及成品的調度。自動化倉儲對于監督進出智能工廠的庫存移動至關重要。這些倉庫嚴重依賴機器人技術，尤其是自主移動機器人 （AMR），它們可以在整個設施中運輸零件和貨物。AMR 還可以與自動化系統連接，以最少或無需人工輸入來選擇必要的零件。5G、Wi-Fi Halow、藍牙和 LoRaWAN 等無線通信對于啟用 AMR 至關重要。這些機器人需要低延遲、準確定位、障礙物檢測、碰撞避免和快速重新路由。小型模塊化工廠和區域倉庫可以為關稅趨勢、地緣政治動蕩、流行病或自然災害帶來的挑戰提供解決方案。

 展望不久的將來

智能工廠已準備好利用機器人和自動化軟件及系統，以最低的勞動力需求提供可重新配置的全自動工廠和供應鏈。盡管自動化解決了當前制造業和物流業的勞動力短缺問題，但它很可能幾乎不會導致就業增長。

由關稅和主權擔憂驅動的回流要求將自動化和機器人技術的成本降低到具有經濟意義的水平。國際機器人聯合會 （IFR） 預測，物理、分析和生成式 AI 的使用將擴大，使機器人能夠更有效地執行各種任務。例如，分析人工智能允許機器人處理和分析大量傳感器數據，以管理多品種和小批量生產以及公共環境中的可變性和不可預測性。物理 AI 使機器人能夠在虛擬環境中進行自我訓練，并根據經驗而不是編程進行作。生成式 AI 將允許機器人無縫集成到人類環境中，并查詢維護、維修和作程序的信息。盡管 IFR 發現人形機器人目前僅限于在工業制造中執行單一用途的任務，但他們看到了人形機器人在物流和倉儲方面的潛力，尤其是在可以解決與成本和復雜性相關的問題的情況下 [5]。其他報告預測，人形機器人的數量將在十年或二十年內達到數億。 

自動化是前進的方向

關稅和數字主權推動了制造和供應鏈物流對自動化和機器人技術的需求，這反過來又促使各國推動回流。然而，由于發達經濟體的材料和制造成本高昂，如果不顯著提高價格，這通常是不可行的。智能可重構工廠中的自動化和機器人技術被視為推動回流、解決主權和關稅問題以及消除勞動力成本和短缺的關鍵推動因素。

為了說明自動化技術可能造成的潛在破壞，Space Forge 剛剛確認其第一顆完全在威爾士開發的太空制造衛星成功發射。這種史無前例的在軌制造演示旨在證明在獨特的太空環境中生產先進材料的可行性 [6]。