深度：2020“全球物流与供应链发展趋势”十大看点

​

Startus Insights创新分析师对901个解决方案进行了详尽的分析，并提出了2020年及以后的十大物流与供应链行业趋势与创新。

来源/物料搬运商业评论

作者/Startus Insights

物流行业的趋势取决于在业务流程中实施技术驱动型创新所产生的重大变化。下一代物流管理解决方案正在朝着使全球供应链更加以客户为中心和可持续发展的方向发展。物流流程的自动化极大地提高了工作流程的生产率和效率。供应链的透明度和可追溯性的提高对于维持各个利益相关者之间的灵活动态关系至关重要。

下面的图说明了将对2020年及以后的公司产生影响的十大物流行业趋势。从建立自动仓库到跟踪快递和包裹，物联网（IoT）在该行业中扮演着重要角色。

支持人工智能（AI）的平台和解决方案不断学习一些繁琐的物流流程，以开始实现传统上手动任务的自动化。放宽关于无人机的法规及其用法，不仅可以促进最后一英里的交付，而且可以促进整个行业的机器人应用。

创新图：新兴的物流解决方案

物流行业正加速采用创新方式采用技术，以解决现有和新颖的挑战并提出新的用例。

随着客户期望的不断提高以及随着人们对产品种类和个性化服务的兴趣转移，物流和供应链部门面临越来越大的压力。物联网，先进的移动机器人以及支持人工智能和区块链的解决方案等新兴技术的飞速发展，导致公司在选择最合适的技术进行投资时面临两难选择。随着技术的不断发展，对于新兴公司要积极主动，尽早发现潜在的破坏性变化。

01

物联网

物联网是物理设备的连接，可通过互联网监视和传输数据，而无需人工干预。物流中的物联网可提高供应链各个环节的可见性，并提高库存管理效率。将IoT技术集成到物流和供应链行业中，可以提高效率，透明度，货物实时可见性，状态监控和车队管理。

Fleetroot – 车队管理

总部位于阿拉伯联合酋长国的初创公司Fleetroot为公司提供了物联网平台，以控制和管理其车队。Fleetroot通过提供油耗和浪费报告为车队经理提供燃油管理解决方案。该平台有助于监视车辆的性能，并使用车辆中嵌入的传感器和设备向系统发送严重警报。然后将数据与 历史 数据一起进行分析，以预测和计划车队的维护。Fleetroot还为货物运输提供路线优化和交付解决方案。

Ambrosus – 实时供应链可见性

伯利兹创业公司Ambrosus为食品和药品供应链行业构建了一个基于区块链的端到端物联网网络。该网络提供了用于分析传感器，分布式分类帐和数据库之间传输的数据的工具，以优化供应链。该平台可对整个供应链中的货物进行准确跟踪，从而通过利用区块链技术确保产品的质量和真实性。

02

人工智能

结合机器学习的AI算法可帮助公司积极应对需求波动。例如，基于AI的预测解决方案使管理人员可以计划供应链流程并找到降低运营成本的方法。自动驾驶AI和智能道路技术正在朝着交付服务自动化的积极方向发展。此外，基于AI的认知自动化技术带来了智能，可以自动执行管理任务并加速信息密集型 *** 作。

Insite – 需求预测

总部位于新西兰的初创公司Insite提供了基于AI的软件解决方案，用于价格预测，需求预测以及流程和流程的优化，主要满足消费品包装（CPG）和零售行业的需求。该软件提供了用于风险评估和需求预测的模块，以自动化过程决策和控制 *** 作条件。机器学习增强平台提供了实时收集和集成过程数据的工具。结果，经理们有能力在产品补货方面提供可行的见解。

Adiona – 工艺优化

澳大利亚初创公司Adiona开发了基于AI的优化软件即服务（OSaaS），使公司可以改善其物流流程并降低成本。Adiona的FlexpOps API通过解决车辆路线和相关挑战来优化静态和动态传递路线。

此外，该软件还可以通过使用机器学习技术预测需求，天气和交通状况等条件来支持车队随时间的决策。该解决方案还优化了劳动力需求并自动进行了重新部署。

03

机器人技术

将机器人技术集成到物流中可以提高供应链流程的速度和准确性，并减少人为错误。与人工相比，机器人可以延长正常运行时间并提高生产率。但是，机器人并不承担人类的工作，而是与他们一起协同工作以提高效率。诸如协作机器人（“ co-bots”）和自主移动机器人（AMR）之类的物理机器人用于在仓库和存储设施中拣选和运输货物。此外，软件机器人执行重复的，机械化的任务，从而为工人节省了时间。

Canonical Robots – 协作机器人

协作机器人与人工合作，提供帮助并提高物流运营效率。这些机器人可以在短时间内拾取，放置和包装货物，同时消除了潜在的人为错误。西班牙初创公司Canonical Robots创建了各种协作机器人来促进供应链流程。这些协作机器人具有6个轴关节，可促进模仿人类手臂的多种灵活性和运动。此外，这些机器人还可以帮助工人进行拣选和放置，码垛和包装 *** 作。

Actimai – 机器人过程自动化（RPA）

RPA提供了低级重复性任务的自动化功能，消除了人为错误，并降低了管理费用。例如，RPA软件执行的 *** 作包括发票处理，自动将信息存储在审计跟踪中以及自动执行采购订单的输入。Philippino初创公司Actimai通过利用AI和大数据来设计，部署，管理和优化RPA解决方案。初创公司的Actimai平台优化了软件机器人流程，以提供见解和分析以改进流程。

04

最后一英里的交付

从仓库或配送中心到客户的供应链的最后一步通常效率低下，并且还占了货物运输总成本的主要部分。最后一英里交付是物流中最重要的部分，因为它直接关系到客户满意度。但是，最后一英里的交付面临各种问题，包括由于交通拥堵，客户细微差别，政府法规和交付密度而导致的延迟。

Manna – 无人机

无人机交付解决了最后一英里的交通拥堵问题。无人机具有到达偏远地区的能力，从而减少了交货时间和成本。爱尔兰初创公司Manna凭借其航空级交付无人机机队向餐厅连锁店提供无人机交付服务。Manna的无人机能够在80米的高度以80km/h的速度飞行。

Pakpobo – 智能储物柜

智能储物柜使客户可以灵活地接收包裹，并减少了由于客户不在而导致退货的最后一英里的挑战。意大利初创公司Pakpobox提供适用于室内和室外条件的智能储物柜。Pakpobox具有多种智能储物柜配置，可针对各种情况进行自定义。这些智能储物柜还通过保护它们免受恶劣天气条件的影响，提供包裹安全性。此外，Pakpobox还提供温度控制的智能储物柜，用于存储易腐货物。

05

仓库自动化

仓库自动化通过减少人工干预来提高效率，速度和生产率。诸如自动导引车（AGV），机器人拣选，自动存储和检索（ASRS）以及放置墙拣选之类的拣选技术可降低错误率并提高仓库生产率。仓库需要结合高效的自动化技术来控制其运营物流成本。

Addverb Technologies – 自动导引车

仓库中的AGV集成有助于搬运货物的自动化。AGV代替了人工，以应对大规模加工大批量货物的挑战。印度初创公司AddverbTechnologies在Dynamo工作，这是一辆AGV，用于运输仓库中的各种货物。Addverb提供了带有不同导航系统的定制Dynamo AGV，包括激光，惯性，导线和磁条。而且，Dynamo在仓库中执行拣选 *** 作时需要的人力最少，甚至没有人工干预。

Exotec – 自动存储和检索系统

ASRS协助管理自动化仓库中的产品和物料存储，并提高了占地面积利用率，并且不需要人工 *** 作，从而降低了总体运营成本并提高了安全性。法国初创公司Exotec构建了自动机器人Skypod，以优化电子商务仓库。Skypod系统通过采用垂直存储方法来优化存储空间，将仓库中的高度增加多达10米。

06

区块链

区块链通过不可辩驳的分散账本系统提供安全性，并解决了紧迫的可追溯性和相关挑战。这为整个物流流程带来了交易透明性。此外，基于区块链技术的智能合约可通过减少检查点的处理时间来加快批准和审批速度。

Steamchain – 智能合约

总部位于美国的初创公司Steamchain提供了一个区块链平台，该平台使用其世界贸易物流（WTL）智能合约系统简化了付款流程。WTL智能合约通过提供所有交易的不变记录来实现B2B付款并防止欺诈。WTL智能合约除了消除货币转换成本外，还有助于最大程度地降低货币波动成本。

ShipChain – 货运跟踪

总部位于美国的初创公司ShipChain建立了一个物流平台，该平台利用区块链技术来支持端到端的运输流程。该平台允许所有利益相关者在其流通中的每个步骤中跟踪装运位置。该平台还使用加密的公共分类账更新有关预计交货时间的信息。交付完成后，将文件的影印本上传到平台中，从而提高了运输中货物的可见性和透明度。

07

大数据与数据分析

数据分析为提高仓库生产率，绩效管理和物流资源的最佳利用提供了可行的见解。从监视位置和天气以及车队时间表获得的数据有助于优化路线和交付计划。市场数据分析支持进一步优化供应商价格，库存水平以及生成风险管理报告。此外，高级分析还提供了有助于识别异常的见解，并提供了预测性维护解决方案。

Nautilus – 绩效管理

美国Nautilus Labs公司提供AI解决方案，以帮助海运公司减少油耗并提高运营效率。Nautilus的软件分析 历史 航行数据并预测最佳速度和油耗。基于云的平台还生成船只性能数据，此后可帮助优化燃料成本。

FACTIC – 规范分析

总部位于美国的初创公司FACTIC提供一个SaaS平台，可为食品和饮料行业提供预测分析解决方案。FACTIC利用数据挖掘和AI技术来分析内部和外部来源的数据以预测未来的销售。该平台可预测需求偏差并做出以数据为依据的决策，以实现自动化采购。该平台还提供了通过采用自动补货来优化库存的工具。

08

云计算

针对物流公司的基于云的SaaS解决方案允许按需付费模式，这些模式所需的资金投入很少。这样可以最大程度地降低维护IT基础架构的风险和成本。基于云的物流解决方案还解决了通信障碍，并允许公司以安全的方式进行协作和共享数据。此外，云集成允许从管理系统收集数据以分析整个物流流程。最后，与云集成的物流提供了通用的可访问性，并且不限于任何物理空间。

Linker – 云平台

波兰初创公司Linker在B2B云实现平台上工作，该平台为电子商务公司和第三方物流（3PL）参与者提供物流服务。该平台提供了在数字化运输的同时增强产品标签和交付服务的工具。链接器提供用于在仓库和交付设施中实现的工具。该平台解决方案还采用了现收现付模式。

Alpega – 云TMS

比利时初创公司 Alpega创建了基于云的SaaS Inet运输管理系统，以满足端到端的运输需求。该软件解决方案使制造商与广泛的物流供应商网络之间可以进行实时通信。

在Inet电子TMS自动化物流流程并整合运输需求成一个单一的系统。该软件解决方案还通过移动应用程序提供了对货运的跟踪。该云平台允许Alpega每季度向客户发布升级的软件，而每年更新周期之后的本地软件则没有这样便利。

09

自动驾驶 汽车

通过消除驾驶时的人为错误，自动驾驶 汽车 可提高车辆安全性并安全地运送货物。它们旨在全天候工作，因此提高了首英里和最后一英里交付的效率。此外，无人驾驶 汽车 通过使用长途路线的装卸计划技术提高了燃油效率，减少了交通拥堵，并通过利用AI增强技术来优化了行驶路线。

Spring – 自动驾驶车队

德国初创公司Spring提供了SpringX1，这是一种自动驾驶的多用途车队，用于通过可预测的智能系统运输货物。Spring的自动驾驶 汽车 配备了可用于多种应用的模块化拖车。这些模块可根据其应用（例如移动储物柜，食品和货物交付）进行定制。

Mars Auto – 自动驾驶 汽车 软件

韩国初创公司Mars Auto开发了自动驾驶 汽车 软件，以提供无人驾驶运输。基于AI的软件提供了用于绘制环境图，控制和引导车辆到正确的货舱的工具。该软件可帮助货运公司以高效，可靠和安全的方式运送货物，而无需人工干预。

10

柔性物流

柔性物流使公司能够在需求波动期间更高效地处理供应链运作。根据市场需求，它有助于按需扩大或缩小供应链运作。d性物流从而解决了供应链公司面临的挑战，包括船只利用率不足，仓储限制和库存过多。

Shorages – 按需仓储

总部位于阿拉伯联合酋长国的初创公司Shorages是一个B2B按需仓储市场，为中小企业（SME）服务。Shorages可帮助公司从广泛的网络中查找短期仓储需求。一方面，该平台允许所有者出租仓库中未使用的空间以满足短期需求。另一方面，他们为客户提供按使用量付费和按需存储和配送服务。

GlassWing – 按需送货车

印度初创企业GlassWing提供了各种按需货运的商用车辆。该GlassWing平台形成的物流服务网络与运输连接货主。该初创公司还提供诸如实时跟踪，路线优化，货运安全定制报告，实时警报等解决方案，并通过利用支持AI的技术帮助降低货运成本。

这对物流公司意味着什么？

这项针对物流行业10个趋势的研究概述了创新领域，这是我们在分析中发现的内容的表面。物流即服务，云物流，数字标识符和增材制造都是必将以一种或多种方式对物流公司产生重大影响的领域。尽早发现可以在您的业务中实施的新机会和新兴技术，对于获得竞争优势并成为行业领导者来说，有很长的路要走。

来源/物料搬运商业评论

作者/Startus Insights

「1 智能制造推进的难点与问题」
我国制造业面临着异常严峻的挑战：人口红利消失、“未富先老”、企业招工难，人工成本迅速上升；高房价、高地价迫使国内制造业向内地转移，低成本制造业向东南亚国家转移；高赋税以及社保费用的压力也给企业带来高昂的运营成本；原材料价格上涨对下游行业带来巨大的成本压力；环保风暴也给很多企业敲响了警钟；中兴事件则暴露出我国制造业核心技术缺失的尴尬现状；而国际贸易争端更是对出口型企业雪上加霜。
在这种背景下，制造企业如何实现转型升级？推进智能制造成为重要的途径。然而，目前我国制造企业推进智能制造面临着诸多难点与问题：
第一，概念满天飞，技术一大堆。近几年来，从工业40的热潮开始，智能制造、信息物理系统（CPS）、工业互联网（平台）、企业上云、工业APP、人工智能、工业大数据、数字工厂、数字经济、数字化转型、C2B（C2M）等概念接踵而至，对于大多数制造企业而言，可以说是眼花缭乱、无所适从。智能制造涉及的技术非常多，例如云计算、边缘计算、RFID、工业机器人、机器视觉、立体仓库、AGV、虚拟现实/增强现实、三维打印/增材制造、工业安全、时间敏感网络、深度学习、数字孪生、MBD、预测性维护，让企业目不暇接。这些技术看起来都很美，但如何应用，如何取得实效？很多企业还不得而知。
第二，摸着石头过河。企业推进智能制造领域的相关技术十分缺乏经验，欠缺可以借鉴的成功案例。目前，制造企业已经存在3种类型的孤岛：信息孤岛、自动化孤岛，以及信息系统与自动化系统之间的孤岛。同时，企业也缺乏统一的部门来系统规划和推进智能制造。在实际推进智能制造的过程中，企业仍然是“头痛医头”，缺乏章法。
第三，理想很丰满，现实很骨感。推进智能制造，前景很美好。但是绝大多数制造企业利润率很低，缺乏自主资金投入。在“专项”“示范”以及“机器换人”等政策刺激下，一些国有企业和大型民营企业争取到各级政府给予的资金扶持，而中小企业只能“隔岸观火”，自力更生。
第四，自动化、数字化还是智能化？在推进智能制造过程中，不少企业对于建立无人工厂、黑灯工厂跃跃欲试，认为这就是智能工厂。而实际上，高度自动化是工业30的理念。对于大批量生产的产品，国外的优秀企业早就实现了无人工厂。例如，日本发那科仅需40s就能全自动装配完成一个伺服电机，但其前提是产品的标准化、系列化，以及面向自动化装配的设计，例如将需要用线缆进行插装的结构改为插座式的结构。e-works两次组团参观三菱电机的名古屋制作所可儿工厂，该工厂对于大批量生产的产品，大量应用机械手，实现高度自动化；对于中小批量的产品，推进低成本自动化，即部分工位的自动化；而对于单件定制的产品，采取手工装配。e-works考察团还参观施耐德电气的法国诺曼底工厂，该工厂是生产继电器的自动化工厂，该工厂实现了绕线、装配、包装等全流程的自动化，而且可以在一条产线生产多种变型产品，但实际上还不是智能工厂。还有西门子一直将被广泛誉为工业40典范的安贝格电子工厂也是被称为数字化工厂，其特点是人机协作的柔性自动化生产、智能物流、工业软件广泛应用、海量的数据采集以及大数据分析。
一个真正的智能工厂，应该是精益、柔性、绿色、节能和数据驱动，能够适应多品种小批量生产模式的工厂。智能工厂不是无人工厂，却是少人化和人机协作的工厂，推进智能工厂绝不是简单地实现机器换人。南京的爱立信工厂有一条装配线，一开始设置的自动化率是90%，后来发现调整为70%，增加若干人工工位，整体质量和效率反而是最优的。此外，对于装备制造行业，机加工等工序并不适合建立自动化生产线，而建立柔性制造系统（FMS）则是更现实的选择。马扎克（MAZAK）、发那科（FANUC）的机加工车间应用FMS已达到720小时无人值守，自动生产不同的机械零件。

图1 MAZAK的FMS（柔性制造系统）
第五，理性看待投资回报。制造企业的企业家，尤其是中小型民营企业的老板，非常关心投资回报。很多企业的要求就是必须能够在3～4年能够收回投资的信息化、自动化系统才投入，甚至有的期望值更高。然而，有些账容易算，比如某条产线减少了多少工人。有些账却不那么容易算，例如工业软件作为一个使能要素，企业离不开工业软件，却难以计算出它究竟为企业直接或间接节省了多少成本，赚了多少钱。如果选型、实施和应用不到位，更是常常用不起来，业务部门牢骚满腹。长此以往，制造企业更加重硬轻软，最后停留在简单地做一点局部的自动化改善。
第六，数据采集与设备联网，迈不过去的坎。企业要真正实现智能制造，必须进行生产、质量、设备状态和能耗等数据的自动采集，实现生产设备（机床、机器人）、检测设备、物流设备（AGV、立库、叉车等），以及移动终端的联网，没有这个基础，智能制造就是无源之水。但是，现阶段很多制造企业还停留在单机自动化阶段，甚至一些知名企业的生产线也未联网，没有基础的设备联网，何谈工业互联网？
第七，基础数据和管理基础。无论是推进企业信息化、两化融合，还是进一步实现数字化转型，推进智能制造，基础数据的规范性和准确性都是必要条件。很多企业在实施ERP，或者ERP升级换型的过程中，花费时间最多的就是基础数据的整理。企业管理的规范性、业务流程的清晰，也是企业推进智能制造的“敲门砖”。但现实的情况是，一些企业的基础数据还没有理顺，却在大谈“工业大数据”。这种舍本逐末的做法，注定是难以取得实效的。
「2 智能制造推进的5项基本原则」
随着我国劳动力成本迅速增长，节能减排的要求越来越高，市场竞争白热化，客户需求日益个性化，制造企业面临着越来越大的转型压力。在这种背景下，智能制造成为广大制造企业关注的热点。尤其是在车间的智能化改造方面，很多大中型制造企业开展了相关实践，还有众多企业在跃跃欲试。增加智能装备、建立智能产线、推进智能物流，减少人工，成为很多制造企业的共同选择。
智能制造势不可挡，但智能制造只是手段，不是目的。制造企业应当明确推进智能制造的目标，积极学习各种智能制造新兴技术，探讨应用各种智能制造技术的必要性、紧迫性与可行性，具体推进智能制造技术的应用必须做好需求分析与投入产出分析，明确总体拥有成本，根据自己的盈利水平确定合理的投资预算。千万不能为了智能化而智能化，为了争取政府项目而盲目大干快上智能制造项目，以免在老的信息孤岛问题、基础数据不准确的问题依然存在的情况下，又形成新的智能孤岛，甚至形成“仅供参观”的花架子。
因此，制造企业推进智能制造，需要把握以下5项基本原则：
原则1正确理解智能制造。智能制造中的“智能”还处于Smart阶段，智能制造（Smart manufacturing）系统具有数据采集、数据处理和数据分析的能力，能够实现闭环反馈。智能制造的未来趋势是实现“Intelligent”，实现自主学习、自主决策和优化提升。智能制造融合了信息技术、先进制造技术、自动化技术和智能化技术。智能制造中的“制造”指的是广义的制造，并不仅仅包括生产制造环节的智能化，而是包括制造业价值链各个环节的智能化。企业信息化和工业软件的深化应用，是推进智能制造的基础和前提条件。
原则2正确理解和应用智能制造使能技术。智能制造使能技术主要包括：物联网、增材制造（3D打印，包含设备、材料、工艺）、云计算、电子商务、电子数据交换（EDI）、PLC、DCS、自动识别技术（RFID、条码、机器视觉）、数控系统、大数据分析（包括工业大数据）、 虚拟现实/增强现实、Digital twin（数字孪生，包括产品、设备、车间）、工业安全、工业互联网、传感器、云制造和信息集成（EAI、ESB）等技术。需要明确的是，部分技术还处于发展的初期阶段，制造企业需要根据自身的产品特点、生产模式和运营模式来综合考虑应用方式。
原则3必须理解智能化与自动化的本质区别。那些将机器人应用和无人工厂说成是工业40的说法是错误的。企业在建设智能工厂时，要整体考虑智能装备的应用、生产线和装配线的数据采集方式、设备布局和车间物流优化、在制品在工序之间的转运方式、生产工艺的改进与优化、材料的创新等，而不仅仅是某些工位的“机器换人”。智能化生产线能够实现柔性的自动化，快速切换生产多种产品，或者可以混线生产多种产品，能够实现生产数据、质量数据的自动采集，并实现自动化系统与质量分析系统、MES系统的信息集成。
原则4必须做好整体规划，选择适合企业自身特点的实施方案，有效规避风险。推进智能制造需要解决更加复杂的、纵横交错的信息集成问题，例如IT系统与自动化系统的信息集成、供应链的数据交换；推进智能制造需要处理来源多样的异构数据，包括各种来自设备、产品、社交网络和信息系统的海量数据，需要确保基础数据的准确性；推进智能制造需要企业的IT部门、自动化部门、精益推进部门和业务部门，甚至供应链合作伙伴之间的通力合作。因此，制造企业必须充分认识到推进智能制造的复杂性、艰巨性和长期性。制造企业应当做好相关技术的培训，选择有实战经验的智能制造咨询服务机构，共同规划推进智能制造的蓝图。在整体规划的指导下，选择对于企业最有可能迅速见效的突破口优先实施。比如，推进基于物联网的预测性维护服务，促进企业已销售的产品的配件销售，提高客户服务满意度；或者通过实现生产线的智能化，提高设备的整体绩效和产品合格率；通过建立企业级BOM平台，实现产品的在线定制等。
原则5企业需要建立自己的专业队伍，并选择长期的战略合作伙伴。推进信息化是个系统工程，推进信息化与工业化深度融合是一个更大的系统工程，而推进智能制造更是一个非常复杂的系统工程，涉及到诸多工业软件的集成应用，涉及到智能装备应用、设备联网、数据采集、数据分析和业务流程优化，并且需要与推进精益管理结合起来推进，因此，制造企业需要建立自身的专业队伍，融合信息化、自动化和管理人才，并选择若干长期的战略合作伙伴，包括咨询服务机构、智能制造的整体集成商、解决方案提供商和服务商等。制造企业在推进智能制造项目时，必须注意选择在企业所在行业具有实施和服务经验，产品具有开放性和可扩展性，具有本地化服务能力的解决方案提供商，选择具有良好的沟通能力、项目管理能力和丰富行业经验的项目经理。在推进智能工厂项目时，尤其需要考虑解决方案提供商是否具备软件、硬件和自动化的综合实力。
总之，推进智能制造，既要积极布局前沿技术的应用，又要夯实基础，务实推进。纵观中国制造业推进信息技术应用30多年的历程，经历了一个又一个的“工程”，从“会计电算化”、“甩图板”、CIMS工程、“两甩（甩图纸、甩账表）”到制造业信息化工程；产生了一次又一次的“热潮”，从财务软件、CAD、ERP、ASP、云计算、电子商务等，既有政府的积极推进，也有国内外主流厂商的推波助澜。不少制造企业在条件还不具备、对新兴技术认识还不清晰的情况下，就盲目上马应用一些技术尚不成熟的信息化单元系统，实施与应用也不到位，最终形成了很多信息化孤岛，没有达到预期目标，甚至多次推倒重来。因此，不论市场上有哪些“热词”（buzz word）或者热潮，制造企业都不能再盲目跟风，而是应当保持冷静与理智，以免事与愿违。企业需要在提升基础管理水平的基础上循序渐进，积极、稳妥地推进智能制造，从而真正取得实效。
「3 智能制造推进的策略」
首先，推进智能制造的核心目的是帮助企业通过实现降本增效、节能降耗、提高产品质量、提升产品附加值、缩短产品上市周期、满足客户个性化需求，以及向服务要效益等途径，提升企业的核心竞争力和盈利能力。推进智能制造绝不能搞面子工程。
第二，必须对智能制造有正确的理解和认识。智能制造覆盖企业全价值链，是一个极其复杂的系统工程，不要期望“毕其功于一役”；推进智能制造需要规划、IT、自动化、精益等部门通力合作；不同行业的企业推进智能制造差异很大。推进智能制造，需要引入中立、专业的服务机构，开展多层次、多种形式的培训、考察、交流与学习，让企业上下树立对智能制造的正确认识。此外，需要强调的是，小批量、多品种的企业，不要盲目推进无人工厂；个性化定制和无人工厂是鱼和熊掌不可兼得；不能盲目推进机器换人。
第三，大处着眼，小处着手。企业要想推进智能制造取得实效，应当参照e-works智能制造金字塔的相关内容，通过智能制造现状评估、业务流程和工艺流程梳理、需求调研与诊断、整体规划及落地实施5个步骤，画出清晰的智能制造路线图，然后根据路线图和智能制造整体规划，稳步推进具体的项目，注重对每个智能制造项目明确其KPI指标，在测度关键绩效指标的基础上，评估是否达到预期目标。智能制造要取得实效，需要清晰的思路、明确的目标、高层的引领、专业的团队和高度的执行力。

图2 智能制造总体框架范例
第四，紧密跟踪先进制造技术的发展前沿。近年来，制造业的新材料、新技术、新工艺层出不穷，金属增材制造技术不仅改变了复杂产品的制造方式，还改变了产品结构，也彻底打破了可制造性的桎梏，催生了创成设计等新的设计模式，从计算机辅助人设计，演化为人辅助计算机设计。碳纤维复合材料的广泛应用催生了全新的制造工艺和制造装备。奥迪A8采用了铝制车身，车身焊接不能再使用点焊，取而代之的是铆焊、摩擦焊、激光焊等新工艺。材料和工艺的改进，往往会对产品的性能，例如抗腐蚀、耐久性带来巨大的提升。精密测量技术也在迅速发展，由接触式测量发展到非接触式测量，由离线检测演化为在线检测，由事后检测演化为边测量边加工，从而帮助制造企业提升产品质量。
第五，积极稳妥地推进数字化和智能化技术的应用。当前，人工智能技术的发展如火如荼，必将在制造业不断得到应用，尤其是在无人驾驶汽车、质量检测与优化、设备故障诊断和预测等领域。现在已经出现了Google的Tensorflow等开源的人工智能引擎可以应用。此外，虚拟现实（VR）、增强现实（AR）、混合现实（MR）等可视化技术，在制造业也有很好的应用场景，例如设备 *** 作培训和设备维修维护等。爱立信工厂应用增强现实技术进行电路板的检测，蒂森克虏伯电梯利用MR技术提高电梯维护的效率。Cobot（协作机器人，单臂和双臂）在装配、拧螺丝、涂胶等很多工序可以进行应用，机器人与视觉传感器、力觉传感器的集成应用能够大大提高机器人动作的准确性和灵活性。

图3 爱立信工厂利用AR技术辅助进行电路板质量检测
第六，选择真正靠谱的合作伙伴。智能制造系统架构十分复杂，也非常个性化，相关技术在不断演进，企业本身也是动态变化，智能制造评估体系和规划方法论也还处于不断完善的过程中，智能制造的推进是一个长期的过程。因此，企业推进智能制造需要寻找专业的合作伙伴，从培训、现状评估、规划，到具体的数字化工厂仿真、产线设计，到真正实现工控网络的建设，并建立工控安全体系，实现IT与OT系统的集成。

以下是物联网常见的应用场景：
1、车联网
车联网行业中，车载智能终端、车载扫码支付设备、行车记录仪、车载综合监控/DVR。车载设备借助物联卡，流量卡实现车与车、人、路、平台之间的联系。
2、智慧物流
智慧物流是指物联网用于物流行业，在物流的运输、仓储、包装、装卸、配送，大大降低了物流运输成本，提高运输效率，在物流中的运用大致是这四个方向：仓储管理、运输监测、冷链物流、智能快递柜。
3、智能穿戴
智能穿戴其实就是指智能手表、智能手环、智能眼镜等，物联网卡是智能穿戴行业不可或缺的一部分。
4、智慧城市
智慧城市是未来城市发展的方向和趋势，通过物联网、云计算、大数据、空间地理信息集成等智能计算技术的应用，使得城市管理、教育、医疗、交通运输、住宅等更互联、高效和智能，人们可以随时随地享受到便利的生活。
5、智能安防
安防是物联网的一大应用场景，智能安防主要包括三大部分，智能门禁、报警系统、监控系统，行业中主要以安防监控为主。
6、智慧农业
将物联网技术运用到农业中去，使传统农业更具“智慧”，从而实现农业无人化、自动化、智能化管理。
7、智慧医疗
安全健康也是我们非常关心的问题，物联网技术在医疗行业中有着极大的作用，物联网卡将设备进行连接，实现信息实时采集和稳定传输数据，对医疗行业的服务水平和效率有着积极的促进作用。在医疗中的运用大致是这两个场景：可穿戴医疗设备、数字化医院。

影响很大的，仓储物流行业本来就是一个要求程序化的行业，而大数据简单的来说，就是一种严谨科学的数据分析计技术，利用这种技术可以对相关数据进行跟踪分析，然后根据实际情况给出相应的智能化对策，也就是说未来会有很多智能化的设备应用于仓储物流行业，如智能重力货架的投入使用，它的称重方案采用物联网式，是一种规模型多点称重平台，可分格、分区准确获取库存量。

物联网在电子商务物流中使用的技术如下：

一，物联网技术在仓储环节的应用

传统的仓储管理工作过于单一，服务水平较低，且静态库存过多，整理库存大多需要纸质和人工记录，但是，应用物联网技术，将RFID和人工智能等技术应用到仓储管理中，形成智能仓储系统，可以有效地解决仓储管理中的问题，既有效地提高了仓储管理的效率，又能在一定程度上降低了仓储管理的成本，有利于实现智能、高效、低成本的仓储管理目标。

二，物联网技术在运输环节的应用

优化配送路径，缩短货物送达时间，降低货物运输成本，随时掌握货物在途状态，这是整个物流运输管理中的重要任务。将通信、信息、网络、控制、电子和物联网等技术应用到运输环节，建立一个高效、智能的运输系统恰恰能满足货物运输的上述需求。

三，物联网技术在配送环节的应用

通过智能配送系统的信息交互，可以很快地分拣出各个地区的货物，并且及时分配好车辆进行配送，物联网技术的应用有利于控制好每辆车的装载数量和运行路线，并且在货物通过中转站的传送带时，使用RFID阅读器可以迅速批量识别货物信息并将其放置于指定位置，不再是人工分拣的方式，既提高了工作效率，使货物不在一个位置耽搁太久从而影响配送速度，又避免了错记漏记的行为，进而降低了配送成本。

---