陈宝生：我们办世界水平高等教育第一方阵已经开始形成

供应链通常是复杂的物流系统，依赖于供应商、资源、熟练劳动力和制造能力的整个生态系统。中国在这一领域表现出色，在 5G 通信和电动汽车方面尤为明显。此外，中国公司生产了世界上大部分的电动汽车电池，其工厂正在实施最先进的自动化技术。这种竞争格局被视为对其他国家市场的威胁。由此产生的贸易紧张局势正在推动制造业和供应链回流。

最初，大多数国家开始认真考虑在 COVID-19 大流行期间将制造业回流和自动化的作用，这严重扰乱了国家之间的国际供应线。然而，由于 COVID-19，许多公司设法通过多个制造点和更短的供应线来实施弹性，而不是回流到高工资国家。今天，情况要严重得多，因为关税和地缘政治等保护主义迫使组织考虑在昂贵的国家进行制造，其中许多国家的制造资源匮乏，几十年来已经被掏空。

突然关税造成的不确定性导致人们重新评估在哪里优先考虑制造业回流，以及这是否可能。对于许多行业来说，除非价格大幅上涨，否则它只会太昂贵，不幸的是，这将再次推动通货膨胀或减缓经济。离岸生产的最初原因是利用廉价劳动力和监管较少的制造业，例如中国、印度、墨西哥和东欧。从那时起，整个生态系统在这些国家发展起来，如果不出现经济混乱，就无法迅速逆转。

有几个因素决定了生产是否可以回流。自动化的成本在决定高工资国家能否恢复生产并降低劳动力成本时至关重要。充足的资源和技能的可用性也是关键。其他重要方面包括本地制造的输入材料成本、监管环境以及经济高效地生产产品所需的零件和技术的可用性。具有讽刺意味的是，在美国，关税将增加本地制造的许多输入材料的成本。

工厂雇用数千名工人来生产商品的想法是过去时代的遗留物。今天，正在为未来的工厂制定标准，通常称为工厂 4.0，以确保现代化、全自动、交互式和灵活的生产线。 

自动化的挑战

大多数工厂都有某种形式的自动化，尤其是在汽车行业。用于电子组装的拾取和放置机器和汽车行业的焊接机器人是两个显着的成功例子。然而，电子制造中的一个关键挑战是组装非标准或不规则的组件，而这正是手工劳动经常出现的地方。这些元件使插入机的处理和精确放置具有挑战性，尤其是在电子设计变得更加复杂且不规则元件的多样性增加的情况下。在其他行业，许多装配任务仍然需要体力劳动，而目前的自动化技术无法解决这些任务。人形机器人可以在未来的工厂中发挥关键作用。其他一些关键挑战包括各种中断，例如劳动力短缺、当前技术的局限性以及生产线上代价高昂的停机时间。 

推进自动化技术

为了通过自动化流程提高装配线的效率并提供快速重新配置生产线的能力，Factory 4.0 将制造和工业流程数字化，创造了一个系统可以交换信息、触发作并自主相互控制的制造环境。在此类智能工厂中，机器、设备和系统相互连接，从而能够收集实时数据、高级分析、预测性维护、数字孪生和自主决策。

解决劳动力短缺问题或在高劳动力成本经济体实现回流是自动化投资的关键驱动力。还需要考虑培训和技能提升计划，不仅要为所需角色提供熟练劳动力，还要确保工人拥有必要的专业知识。在这里，生成式 AI 的使用被视为一种潜在的促进因素，不仅可以降低成本，还可以防止事故和机器损坏。

为了说明这一点，佐治亚大学的研究人员开发了一个名为 VR Co-Lab 的新虚拟现实 （VR） 空间，以帮助使用机器人的人类更高效地进行训练。在最近的一项研究中，VR Co-Lab 对员工进行数字化培训，以练习在不损坏材料的情况下拆卸可回收物，并学习如何避免受伤和与机器人碰撞 [1]。

为了帮助公司降低自动化的初始成本，机器人即服务 （RaaS） 是一种类似于软件即服务 （SaaS） 的商业模式。RaaS 使组织能够通过订阅或租赁计划访问机器人技术，从而使他们能够更灵活、更经济高效地部署、管理和扩展其机器人作。RaaS 用于自动化重复性任务，包括仓库管理、客户服务和复杂手术等。

制造运营管理 （MOM） 和工业物联网 （IIoT） 正在改变制造业，IIoT 支持实时数据收集和分析，以优化 MOM 流程。MOM 涵盖广泛的活动，包括规划、调度和质量管理。同时，IIoT 专注于连接设备和系统，以收集来自车间的实时数据并采取行动。IIoT 与 MOM 系统的集成提供了更高的效率、预测性维护、改进的质量控制和更有效的供应链管理。

AI 和机器学习可以识别可能导致故障的细微异常，使制造商能够在故障导致代价高昂的停机或损坏之前进行维修。此作过程称为预测性维护，需要来自机器上安装的传感器的连续作数据流，以及数据持久性和其他信息源，例如维护记录、故障事件、检查记录和工程图表，以实现整体监控。预测性维护中的 AI 可以识别传统数据分析和状态监控无法轻松检测到的模式和异常。此外，它可以采用反馈循环来随着时间的推移而改进。

例如，Senseye Predictive Maintenance 是一个基于云的软件平台，它将 AI 与人类洞察力相结合，自动生成机器行为模型，以分析机器数据并预测潜在故障。它与机器无关，并使用现有数据或新安装的传感器与任何资产、系统或数据源集成。Senseye 用于各种行业，包括纸浆和造纸、金属和采矿以及制造，以提供主动维护，最大限度地减少计划外停机时间及其相关成本。Siemens 还提供生成式 AI 功能，使预测性维护更具对话性和直观性 [2]。 

IIoT 和 5G 将这一切联系在一起

工厂的自动化需要机器、传感器和计算平台之间的通信，通常称为 IIoT。传统上，通信由基于以太网的协议实现，例如 PROFINET、POWERLINK、EtherCAT、EtherNet/IP、SERCOS III、CC-Link IE 和 Modbus TCP。然而，Wi-Fi、蓝牙、Zigbee、WirelessHART 和 LoRaWAN 等无线协议正越来越多地在现代工厂中实施，以降低安装和维护成本，使设备在工厂车间能够快速移动，并促进机器和流程的远程访问和控制。这可以改进资产管理，是实现预测性维护的关键。此外，无线技术也非常适合实时数据收集和控制。然而，在无线系统中，安全性和干扰是关键问题，但可以通过仔细规划来解决。

为了进一步推进工厂自动化，人们越来越多地考虑 5G，因为它为机器人和自动化带来了好处，包括实时通信和提高运营效率。高带宽、低延迟和可靠性等特性使其成为要求苛刻的工业应用的理想选择。通过使用 AI 和机器学习，IIoT 使用大量数据，使 5G 的速度和容量成为关键要求。

5G 网络的高带宽和低延迟支持更先进、更准确的自动化任务，包括使用机器人和无人机，以及远程控制机器、流程和自动化系统。远程作还减少了在危险环境中对人工作业的需求。5G 还支持快速的机器间通信，提高效率，并通过以最小的延迟在产品批次或类型之间切换来快速响应不断变化的生产需求。5G 还可以轻松覆盖广泛的领域，并将智能工厂与其供应链和物流连接起来。

由于 Private 5G 提供了更高的可靠性、控制力和安全性，因此它越来越多地部署在工厂和工厂中。5G 还可以轻松覆盖大面积，并将智能工厂与其供应链和物流连接起来。专用 5G 网络提供专用连接，确保高性能和可靠性，同时让制造商能够更好地控制网络参数以优化性能。然而，对于许多组织来说，推动 5G 专网的关键特征是这些网络与公共网络隔离，从而提高了安全性并最大限度地降低了网络攻击的风险，随着威胁级别不断上升和国家支持的网络攻击成为常态，这是一个越来越重要的考虑因素。 

增材制造

增材制造也正在成为制造业中一种有用的技术。它擅长原型制作和制造过时的零件，但随着技术的成熟，它正在进入工业应用中更主流的流程。在电子产品中，它可以创建使用传统方法无法实现的 3D 部件，例如天线。

为了说明这一点，意大利自动化公司 Comau 正在与几家参与数字增材制造的国际公司合作，将其技术引入需要经济实惠且易于使用的先进自动化的新细分市场。例如，CEAD 利用集成到其 Flexbot 系统中的柯马机械臂技术，通过提供大幅面热塑性复合材料 3D 打印，帮助全球公司彻底改变其制造流程。柯马还与冷喷涂技术的全球领导者 Titomic 合作，利用新型高性能材料实现大规模增材制造、涂层和维修 [3]。在另一个例子中，柯马和 Prima Additive 联手提供双层激光熔覆创新，开发了一种高速、全自动的制动盘涂层系统 [4]。Coma 客户将能够按需打印具有一致、可重复结果的部件，从而优化材料使用、减少浪费并提高整体生产效率。

增材制造远远超出了电子制造的范围，几乎涵盖了所有行业，并且是一个随着材料和工艺的改进而快速发展的领域。该技术可以打印微小部件以及大幅面部件，例如船体、汽车部件或表面涂层。 

融入集成供应链

集成供应链不仅包括工厂，还包括原材料和货物的库存管理和仓储，以及成品的调度。自动化仓储对于监督进出智能工厂的库存移动至关重要。这些仓库严重依赖机器人技术，尤其是自主移动机器人 （AMR），它们可以在整个设施中运输零件和货物。AMR 还可以与自动化系统连接，以最少或无需人工输入来选择必要的零件。5G、Wi-Fi Halow、蓝牙和 LoRaWAN 等无线通信对于启用 AMR 至关重要。这些机器人需要低延迟、准确定位、障碍物检测、碰撞避免和快速重新路由。小型模块化工厂和区域仓库可以为关税趋势、地缘政治动荡、流行病或自然灾害带来的挑战提供解决方案。

 展望不久的将来

智能工厂已准备好利用机器人和自动化软件及系统，以最低的劳动力需求提供可重新配置的全自动工厂和供应链。尽管自动化解决了当前制造业和物流业的劳动力短缺问题，但它很可能几乎不会导致就业增长。

由关税和主权担忧驱动的回流要求将自动化和机器人技术的成本降低到具有经济意义的水平。国际机器人联合会 （IFR） 预测，物理、分析和生成式 AI 的使用将扩大，使机器人能够更有效地执行各种任务。例如，分析人工智能允许机器人处理和分析大量传感器数据，以管理多品种和小批量生产以及公共环境中的可变性和不可预测性。物理 AI 使机器人能够在虚拟环境中进行自我训练，并根据经验而不是编程进行作。生成式 AI 将允许机器人无缝集成到人类环境中，并查询维护、维修和作程序的信息。尽管 IFR 发现人形机器人目前仅限于在工业制造中执行单一用途的任务，但他们看到了人形机器人在物流和仓储方面的潜力，尤其是在可以解决与成本和复杂性相关的问题的情况下 [5]。其他报告预测，人形机器人的数量将在十年或二十年内达到数亿。 

自动化是前进的方向

关税和数字主权推动了制造和供应链物流对自动化和机器人技术的需求，这反过来又促使各国推动回流。然而，由于发达经济体的材料和制造成本高昂，如果不显著提高价格，这通常是不可行的。智能可重构工厂中的自动化和机器人技术被视为推动回流、解决主权和关税问题以及消除劳动力成本和短缺的关键推动因素。

为了说明自动化技术可能造成的潜在破坏，Space Forge 刚刚确认其第一颗完全在威尔士开发的太空制造卫星成功发射。这种史无前例的在轨制造演示旨在证明在独特的太空环境中生产先进材料的可行性 [6]。