《Science》刊文探讨：如何实现大规模的分布式制造

点击蓝字 关注我们

文献信息

Distributed manufacturing for and by the masses

面向大众、由大众进行的分布式制造

作者：Chinedum E. Okwudire and Harsha V. Madhyastha

来源：Science，2021年4月

导读：张丽（北京邮电大学电子商务专业本科生）

历次工业革命改变了人类生产生活的技术、产品和服务，生产技术的迭代更新使得生产过程更加集中、高效、批量化，生产者与消费者之间的关系也随之发生改变。进入21世纪后，制造业对于灵活性、敏捷性、个性化的需求日益增加，随着人工智能技术以及网络物理操作系统的发展，兼具敏捷、高效、低成本特征的大规模分布式制造成为可能。本篇来自Science上的刊文讨论了第四次工业革命的分布式制造趋势，强调了网络化系统、人工智能和公众的参与在实现本地产品的大规模定制中的重要作用。

分布式制造和民主化代表了两种互补的范式，在制造业中越来越受到关注。

分布式制造（Distributed Manufacturing，DM）允许地理上分散的生产，通常在小规模和靠近最终用户的地方进行。民主化使大量人口能够从事制造业。结合了这些范式的大规模分布式制造（Massively Distributed Manufacturing，MDM）是由分布在任何地方的庞大人脉网络按需进行的。大规模分布式制造不依赖于集中工厂的大规模生产，而是致力于提高制造业对紧急生产需求（如大流行病等紧急情况）的响应能力和应变能力；在制造或生产过程中（比如通过零工经济），成功地雇用了许多受过非正式培训的公民，并通过在其使用点附近生产物品来减少制造业的环境足迹。第四次工业革命将在通过网络物理操作系统（cyber-physical operating systems ，CPOS）启用大规模分布式制造方面，发挥重要作用。

从18世纪的第一次工业革命开始，制造业主要是通过集中式工厂的大批量生产来进行的，这些工厂往往远离终端用户。批量生产使得大批量的产品能够以标准化的质量、高生产率和低成本生产出来。然而，在面临紧急需求或中断时，它缺乏灵活性、敏捷性和弹性，并且不能轻易为消费者提供少量的个性化产品（集中化只适用于大量定制）。集中化生产环境足迹广阔，主要是因为它经常需要将原材料和制成品进行长距离运输。

在过去的十年中，作为大规模生产的替代或补充范例，对分布式和民主化制造业的兴趣和活动不断增长。联合国国际发展组织、世界经济论坛和其他主要机构都强调，分布式制造对制造业的未来至关重要。一些从事分布式制造的公司，如3D Hubs、3Diligent、Fast Radius和Xometry，已经开始萌芽。例如，Xometry 使它的客户具有能够访问遍布全球的5000多个精心策划的合作伙伴（通常是中小型企业）的网络的制造能力。在民主化方面，也许最引人注目的例子是台式3D打印机的激增，目前这些打印机的平均零售价约为1000美元，这在大多数人的承受范围之内。2019年，全球售出了超过700,000台台式3D打印机。现在，家庭、办公室、学校、制造商场所、公共图书馆和其他设施中都能看到这些打印机，人们无需大量的技术培训就可以将它们用于原型设计、小型或微型制造。

然而，分布式制造和民主化制造仍然离大规模分布式制造的目标相去甚远。大规模分布式制造的产品是由庞大、多样且地理分散但协调一致的个人和组织网络制造的，这些网络具有敏捷性和灵活性，但是接近批量生产的质量、生产率和成本效益。例如，像Xometry这样的公司需要在全球范围内吸引数以百万计的微型制造用户，类似于Uber和Lleft等公司在运输方面取得的成就。

在个人防护设备（personal protective equipment ，PPE）供不应求的情况下，在 COVID-19 大流行初期，大规模分布式制造的潜力就很明显。批量生产的速度太慢，无法应对对PPE的突然需求，包括对诸如面罩之类的简单但至关重要的塑料产品的需求。在全球范围内，成千上万甚至数百万的没有制造这些产品的经验的人将自己组织成小的网络，使用台式3D打印机和其他小型制造设备，生产出大批量的防护罩和其他PPE。这个例子说明了技术在实施大规模分布式制造中的重要作用。

第一次工业革命、第二次工业革命和第三次工业革命分别以机械化、电气化+装配线和数字计算驱动，为由网络网络物理系统和人工智能支撑的第四次工业革命（或工业4.0）铺平了道路。例如，Xometry利用云计算和机器学习为其即时报价引擎提供支持，使客户能够在几秒钟内收到定价、预期交货期和可制造性反馈。同样，3Diligent使用云计算使其网络中的制造商能够跨车间安排工作，并跟踪质量。

随着工业4.0的进步，越来越多的制造机器（包括低成本3D打印机）配备传感器和云连接。这些传感器生成的大量数据被用于机器学习算法中，以提供预测和纠正措施。目前正在开发的基于云的高级控制器，将有助于改进机械的质量和生产率。这些技术和自动化方面的进步可以融合为大规模分布式制造的、基于云的网络物理操作系统。

图：连接生产者和消费者的网络系统

网络物理操作系统的一个灵感是在分布式计算中使用的中央协调器，用于在分布式计算机网络上自动分配和执行大规模计算任务。并且网络物理操作系统能够智能、高效、安全地协调云连接、自治和地理分散的制造资源的大型网络。它将优化分配制造工作给与之相连的资源，并利用分布式和民主化的交付系统，如共享车辆和无人机，用于物流（见图）。它将机器学习应用于从传感器收集到的数据，以帮助确保和提高质量，并优化操作。此外，网络物理操作系统将通过众包创意来利用人类的天赋，以改善制造商网络之间的制造操作，并采取网络安全措施来保护知识产权和参与者的隐私。因此，网络物理操作系统将允许大型、自治、异构且地理位置分散的制造商网络协作，以敏捷和灵活的方式快速响应生产需求和中断，同时确保大规模分布式制造的高质量、高生产率和成本效益。

如何获取文章？

关注本公众号：图灵财经

回复“大规模分布式制造”获取

来源：Science，2021年4月

导读：张丽

精彩推荐

更多精彩内容