工業4.0、智慧型製造、機械手臂、各式感測器……近年來，當人們在談論到生產製造智慧型化時，經常會提到以上這些概念。有些人甚至還會直接討論到全自動化工廠、「關燈工廠」等這樣的終極目標——例如tesla的製造工廠。但製造業不是網際網路，沒有太多的捷徑或者商業模式可以使得「破壞式」的創新在短期內產生。elon musk也認為在過去的工廠裡，「humans are underrated」，人類的價值被嚴重低估了。他燒了鉅額的金錢來追逐終極形態的全自動化工廠，但特斯拉的工廠裡目前仍有3萬多員工。很顯然，燒錢這樣的遊戲模式並不適用於所有人。隨著近幾年科技的發展，「協作」才是製造業實現智慧型化真正的下乙個發展階段。
工廠在實現自動化或智慧型化的程序裡，有幾個簡單直觀的衡量指標。在目前階段，工廠在生產製造端引入新技術時可能會碰到以下問題：
第一，生產線產品的利潤是否足夠支撐新科技的匯入。這其實是個「雞和蛋」的問題：當產品利潤不佳時，只有提高標準品的產量才有能力覆蓋科技的匯入成本；而當產品只獲得極小量的訂單時，又會出現「智慧型不足的自動化匯入」——即生產彈性不足的問題，最終還是看不到收回投入成本的時間表。所以一般情況下，除非工廠擁有充足的資金（如特斯拉），或者擁有足夠量的訂單，才有機會實現智慧型化公升級。這也就不難理解，當生產線還在做利潤低至10%的平板電腦時，為什麼很難匯入新的智慧型化方案來改進效率。
第二，是否有適合自身業務的完整端到端解決方案。生產過程是具備流動性的，同時這個過程需要整合前期的供料、設計，以及後期的物流等環節。新科技的直接深度匯入，可能會導致任何單一環節的停滯，或者即便單一效率出現增長，卻無法解決最終產出的問題。比如，某些工廠對電性測試環節進行公升級，但卻遲遲卡在用人工進行產品表面的品質檢測的（視檢）階段。對十幾年前大量的工廠痛苦地匯入erp的歷史有所了解的人，應該能很容易體會到新科技的直接匯入，可能會產生嚴重的後果——工廠的erp平均匯入成本在50萬美元左右，但最大的問題在於新流程與人工進行磨合與訓練的時間過長，導致效率低下。
第三，是否能夠讓系統、機器與人快速磨合適應。工廠由人、系統、機器三者共同組成，有一定的管理流程包袱，且三者之間環環相扣。工廠的專案經理們經常會抱怨，大量的時間成本會消耗在處理系統與人之間的協調問題上。
第四，是否有健全的數位化基礎設施。許多機器、流程、環境資料、採購檢測等都缺乏完整的資料整合，或者乾脆還是在用紙來記錄。但這方面的主要問題不在於工廠不願智慧型化，而是單次公升級的成本對他們來說過於巨大。
因此，所謂的「協作」，指對生產製造環境進行最小限度的改造，充分將現場的作業人員與既有的環境流程進行整合。例如，海能達的智慧型製造試點，採用了11臺6軸機械手臂與工人協作的方式進行生產，與傳統的手工產線相比，人員投入減少52%，產出率提公升38%，產品質量提公升10%。人與機器協作產線的建設，極大地提公升了製造商的靈活性，從而使得應對客戶多品種、小批量生產需求的能力也隨之提公升。這種模式把標準化的操作交給機器，把靈活化的操作留給人工，機器與人的協作實現了更靈活、更高效、成本更低的產線公升級。再比如，機械手臂大廠（如abb、kuka、fanuc、universal等），都把協作機械手臂視為旗下的明星產品，但相關的專利會在近兩年左右的時間內到期，這樣會給更多的白牌手臂更多的機會，也會讓這個市場迅速普及化。根據日本機械人工業會（jara）統計，2023年全球協作型機械人市場規模將增長至340億人民幣，相比2023年的29億人民幣增長11倍。
但其實「協作」並不僅限於機械臂的應用，我們看到海外圍繞此領域優秀的創業公司涵蓋機器視覺的應用、感測器的布建、無人運輸車，以及機器資料化等，這些也都是實現「協作」的切入點——輕度介入既有的流程與環境，優先實現小部分或單一功能的智慧型化。日前，專注於海外早期科技專案投資的聯想之星 comet labs 篩選了一批位於美國的在該領域的頭部創業公司，帶領他們深入中國製造業**技術引入可能性。這其中，arch systems 通過讀取各式機器的底層數碼訊號來連線不同廠商、不同年代、功能各異的生產機器，為人與機器的協作打下堅實基礎；canvas 將自動駕駛的技術運用在混雜不規律、非結構化的工廠環境中，完成基本的運輸服務；ready robotics 充分運用自身強大的軟體開發實力，在不同廠商型號的機械手臂之間完成開發管理的整合，簡化了匯入學習與提公升製造細節修改的彈性；augury 在機器外部聲音與震動方面有深入的機器學習成果，特別是在應用馬達的工廠中管理裝置的運作；psikick 則致力於研發無源的感測器晶元，解決感測器布建痛點，達成基礎智慧型化環境的普及。
這些海外企業與中國實體製造業的面對面溝通，反覆驗證了上述論點，無論是中國的工廠還是美國的工廠，匯入智慧型化的過程都不可一蹴而就，需要一步步從各個環節中去改善——先選擇輕度地介入既有的生產流程，在等待實際驗證之後，再迅速進行大規模的匯入。首先，iiot及工業4.0的市場巨大，根據idc對2023年物聯網領域的投資支出統計，支出金額排前三的行業分別是製造業（1780億美元）、交通運輸業（780億美元）和公用事業（69億美元）。其次，iiot和工業4.0具備長週期的特性，一旦驗證roi，就會收穫長期合作的客戶夥伴。現在所有製造業企業都面臨著人力成本大幅**的壓力，都在期待ai智慧型化能夠為其分憂，他們也都在進行不同程度的技術驗證與測試——這進一步證明，iiot及工業4.0的市場潛力無窮。
');
國內製造業向智慧型化轉型 工業機械人需求猛增
截止 2017年12月，我國工業機械人產量達到13.1萬台 套 同比增長51 預計今年銷量繼 續高增長。隨著主要經濟體自動化改造進行，全球工業機械人使用密度大幅提公升。據 2018 2020年國內機械人 機器視覺 銷量將分別為16 19.5 23.8萬台，未來3年cagr達到22 2017年國內工業...
《製造業中的機械人 自動化和系統整合》 導讀
第1章簡介 1.1本書範圍 1.2自動化引論 1.3機械人演變 1.4機械人應用的發展 1.4.1 1.4.2汽車零部件 1.4.3其他領域 1.4.4未來的增長點 1.5機械人與就業 第2章工業機械人 2.1機械人的結構 2.1.1關節臂型 2.1.2scara型 2.1.3直角座標型 2.1.4...
RPA財稅機械人 加速企業財稅智慧型化轉型的關鍵
當前，人工智慧 ai 機器 程自動化 rpa 的發展，給財稅領域帶來了新的機遇與挑戰。rpa的到來，勢必會加速企業財務的智慧型化轉型。財稅領域面臨的痛點 所有企業都面臨著成本控制，生產力提高的壓力。在許多企業的財務部門中，類似納稅申報 增值稅發票開具 發票驗真以及涉稅會計入賬等工作的執行，通常需要大...