未來的工廠必然會采用更尖端的技術，而現在是一些新技術剛開始被主流采用的時候。CB Insights發(fā)布了2019年值得關注的14大先進制造趨勢，覆蓋新的生產方法和工人所運用的高科技裝備等，具體包括：通用物聯網、工業(yè)機器人、工業(yè)無人機、邊緣計算和3D打印等。
1. IIOT平臺
工廠擁有大量數據，2019年制造商想出應對方法了嗎？
通用物聯網平臺（Universal IoT platforms）是物聯網領域的一個子集，可以驅動提取和集成工廠所生成數據。今年，市場尋求從風險投資和工業(yè)重量級企業(yè)加大對先進制造業(yè)物聯網的投資。
下圖顯示Predix的運作，這是一家提供通用工業(yè)物聯網平臺的先進制造初創(chuàng)公司。
2.工業(yè)傳感器
工業(yè)傳感器更便宜、更容易部署，制造商正在利用這類設備提供其他解決方案。
由于業(yè)內涌入大量的風險投資，預計2019年將會出現新型且性能更好的產品，支撐先進制造業(yè)IIoT。
下圖顯示物聯網傳感器的價格，從今年到2018年已經下降了66％，這是今年值得關注的先進制造趨勢之一。
3.工業(yè)機器人
2019年另一個值得關注的先進制造趨勢是工業(yè)機器人變得更小、更智能，與人類的聯系更緊密。
機器人靈活性、計算機視覺和人機交互的改進使機器人用例更具吸引力。今年，我們期望機器人能夠更深入地進入生產過程，并進入有限的結構化環(huán)境。
下圖顯示了自2015年以來，隨著先進制造業(yè)的上升趨勢，合作機器人也大幅增長。
4.預測分析
分析技術從過去事件的反應性分析，朝著對未來進行更具規(guī)范性的預測性分析發(fā)展。隨著機器生成和收集更多數據，預測分析今年可能會變得更加普遍。
5.邊緣計算
邊緣計算可以為一系列先進的制造技術提供基礎設施。2019年，值得關注的是額外的邊緣智能，以及預測性維護、工業(yè)機器人和3D打印等技術。
下圖顯示邊緣計算（一種不斷上升的先進制造趨勢）自2015年以來大幅增長。
6.工業(yè)無人機
無人機的影響不可否認很廣，但2018年也引發(fā)了一個問題，哪家公司將擁有工業(yè)無人機市場？今年可能會看到無人機硬件制造商開始鞏固其作為市場領導者的地位。
從長遠來看，數據無人機收集可能比無人機本身更有價值。
7.個性化制造
隨著3D打印開始廣泛采用，汽車OEM在大規(guī)模定制方面變得更加出色。在2019年，我們應該會看到汽車行業(yè)進一步采用3D打印，來滿足可定制車輛的需求。
8. AR/VR
AR可以改變工作場所的安全、培訓方式和工人生產力。投資者和科技公司都發(fā)現了AR的巨大潛力，主要制造商已經開始實施該技術，并且從中受益。
根據波音和通用電氣等公司的研發(fā)成果，AR可以在2019年推動先進制造業(yè)生產力的一個階段性變革。
下圖比較了AR和VR從2014年到2018年都不斷上升的發(fā)展趨勢。
9.可穿戴技術
工業(yè)應用中的可穿戴技術集成重點是“實用第一”，但下一步是可提高性能的技術。2019年，我們將會看到實時工作人員監(jiān)控，而采用AR/VR設備會作為更具未來感可穿戴技術的領先指標。
10.工業(yè)區(qū)塊鏈
在2017年和2018年之間，區(qū)塊鏈狂熱發(fā)展，而現在可以重新評估工業(yè)用區(qū)塊鏈的實際應用。區(qū)塊鏈炒作在2019年會慢慢消亡，預計區(qū)塊鏈技術將會更貼近實際，實質性地用在工業(yè)安全和知識產權保護等方面。
11.機器視覺
人工智能和傳感器技術的進步可以使機器視覺顛覆各種先進制造應用。該技術可以用于檢測質量控制問題、分類庫存和控制流程。今年，密切關注邊緣計算和人工智能以及機器視覺，可以確定技術的發(fā)展軌跡。
12.機器即服務
傳感器和連接設備可以發(fā)展為機器即服務模型（通常稱為硬件即服務），通過這種方式公司可以加快工業(yè)機械化。
雖然該領域的投資和啟動活動目前很少，但航空航天領域的機器即服務獲得大量成功，因此2019年先進制造業(yè)也將會更多采用這類技術。
13. 3D打印
多年來，3D打印一直被譽為“改變游戲規(guī)則”的制造技術，然而這項技術一直沒能完全成型。但2019年可能是增材制造的十字路口。
通用電氣一直是該技術的最大支持者之一，但只注重削減成本可能不會讓該技術發(fā)展成增長研究投資的主要來源。在2019年，軟件和安全系統(tǒng)可能需要在3D打印真正發(fā)揮作用之前改進。
下圖顯示了工業(yè)3D打印的風險投資資金，這也是一個不斷上升的先進制造趨勢。資金從2014年開始大幅上升直到2017年達到最大值，隨后在2018年急劇下降。
14.數據互操作性
工業(yè)物聯網已經創(chuàng)造了大量數據，但其中大部分還沒有被利用：《哈佛商業(yè)評論》的研究發(fā)現，在決策中使用的結構化數據不到一半，并且<1％的非結構化數據還沒有被使用。
現在，一批新的創(chuàng)業(yè)公司旨在通過整合不同來源的數據，填補這部分空缺。在2019年，期望先進的制造業(yè)采用更多的分析平臺，這些平臺可以輕松地與不同的或非結構化的數據集一起使用。
