投资人看AI:智能制造行业什么方向最具“钱”途?【下】

千赢国际官网

2018-07-19 12:20:55

导读: 如果您是智能制造行业的创业者,您肯定希望自已的创业公司选择了一个最具“钱”途的行业,行业竞争不是红海? 如果您是智能制造行业从业者,您也一定希望公司的产品真的能畅销到要做饥饿营销,“钱”途光明?

如果您是智能制造行业的创业者,您肯定希望自已的创业公司选择了一个最具“钱”途的行业,行业竞争不是红海?

如果您是智能制造行业从业者,您也一定希望公司的产品真的能畅销到要做饥饿营销,“钱”途光明?

而Dr.王作为风险投资人,则希望搞清楚智能制造行业现状如何,什么样的智能制造行业公司最具“钱”途?

带着这些问题,Dr.王继AI医疗、智能汽车、大数据、VR/AR、智能新零售、智能金融、智能家居、智能穿戴行业分析之后,继续在智能制造行业里,和您一起来寻找第二个答案:

智能制造行业什么样的落地需求最具潜力,也即最具“钱”途?

--- ---

第一个最具“钱”途的方向

一周七天工作不请假,不拿工资不拿奖金,特别能战斗特别能奉献,这样的员工好不好? 嗯,所以呢,

第一个最具“钱”途的智能制造行业方向是:智能制造机器人。

智能制造机器人又可以主要分为三个类别:缺陷检测机器人、无序分拣机器人,和智能搬运机器人。其中:

1)缺陷检测机器人:应用于各类工业产品质量检测、纺织品检测等领域,可大幅提高检测准确率。其核心技术包括基于深度学习的机器视觉技术。

人工智能与缺陷检测的结合 ,可大幅提高检测的准确度与检测效率。目前缺陷检测作为一个成熟的技术,已广泛应用于汽车面板检测、手机屏幕检测、纺织品检测、药瓶标签检测等领域。

缺陷检测机器人的创业公司代表包括:精锐视觉,一家智能视频检测系统提供商,通过提供一整套机器视觉检测、测量解决方案及相关配套设施,来满足工业生产中产品检测的相关需求。精锐视觉的主要产品有发动机磁环参数精测机、滤光片同心度精测机、PCB板缺陷自动视觉检测机等。

以PCB板缺陷自动视觉检测机为例,可高速高清采集图像,并采用图像视觉检测技术,全面的视觉定位分析,通过自主开发的检测系统对PCB板产品进行实时检测,检测准确率高,检测速度可达7秒/片,大幅提高生产速度和生产的可靠性,降低人力成本。

2)无序分拣机器人:可应用于混杂分拣、上下料及拆垛,大幅提高生产效率。其核心技术包括深度学习、3D视觉及智能路径规划等

无序分拣机器人稳定性好,分拣速度快,适用于物流行业的混杂分拣、制造业的上下料及拆垛等生产环节。

无序分拣机器人的创业公司代表包括:梅卡曼德,一家工业机器人智能解决方案提供商,致力于将智能赋予工业机器人,产品包括基于视觉的智能分拣系统、机器人图形化编程软件等,可应用于物流、医药等多种场景的机器人。

以下是无序分拣机器人常见的几种工业应用:

拆垛:麻袋、箱子等货品可紧密贴合或随意摆放。可处理物体表面反光胶带、图案、面单等常见情况;无需事先指定垛型。

上料:抓取无序工件进行逐一上料,物体随意堆放或紧密贴合均不影响识别。视觉系统可快速处理反光、暗色等常见问题。支持不同原料(包括金属原料、零配件、塑料瓶等)。

订单拣选/混杂物体分类:从料箱中分拣混杂摆放的多种货品,可保证面单朝上。支持不同尺寸的快递包裹、物流纸箱、信封(面单、反光胶带不影响识别)等。可进行物体分类。物体随意摆放或紧密贴合均可识别。无需担心深箱抓取带来的碰撞问题。

3)智能搬运机器人:可大幅度提高仓库等场景内运输效率,节省大量人工劳力。其核心技术包括传感器技术、导航技术、伺服驱动技术、系统集成技术等。

智能搬运机器人大幅提升了仓储拣选效率,减少人工成本。目前多集中于封闭场景内的配送运输服务,例如电商、物流企业的仓储配送,制造业的物料配送等。

智能搬运机器人的创业公司代表是:极智嘉科技,一家物流机器人及智能物流解决方案提供商,专注机器人智能物流领域,主要研发以极智机器人为核心的机器人拣选系统、搬运系统和分拣系统等,通过机器人产品和人工智能技术实现智能物流自动化解决方案。

以搬运系统为例:机器人搬运系统通过移动机器人搬运货架/托盘实现自动化搬运。有效提升生产柔性,助力企业实现智能化转型。系统根据生产需求下达搬运任务,机器人会自动实现点对点的搬运,实现自动进行路径规划及取放货架托盘动作,实现了工厂车间无人化的智能搬运。

以拣选系统为例:机器人拣选系统通过移动机器人搬运货架实现“货到人”拣选,有效提升作业效率,降低人工成本。拣选人员只需根据显示屏和播种墙电子标签的提示,从指定货位拣取相应数量的商品放入订单箱即可,打破了对照订单去货位找货的“人到货”模式。

国际传统巨头们纷纷采用智能制造机器人替代人工,提高生产效率。例如:

2018年4月,阿迪达斯在美国亚特兰大开设了其全球第二座智能工厂Speedfactory。这座完全自动化的工厂占地约7.4万平方英尺(约合6874平方米),但只雇佣了约150名员工。阿迪达斯的首个Speedfactory设在德国,占地约4600平方米,已于2017年正式投产。

--- ② ---

第二个最具“钱”途的方向

所有的工厂老板是不是都可以YY一下:工厂里有一堆的“拿摩温”帮老板盯着工厂制造现场,原材料、半成品和制成品任何细节和数据可以随时查询,有任何问题或故障会即时知悉,顾客个性化订制需求可随时满足......! 可能吗?可能,所以呢,

第二个最具“钱”途的智能制造行业方向是:工业互联网

工业互联网,在智能制造中处于核心地位。人工智能将为工业互联网提供智慧大脑,随着人工智能算法的突破,基于平台对资源能力匹配的监测数据,进行深度学习,可以对制造资源调度给出有效预案。

工业互联网方向的创业典型公司包括:树根互联,一家工业物联网云平台解决方案提供商,专注于物联网大数据、物联网金融和物联网人工智能云端平台,主要产品根云平台是基于工业互联网的云,提供连接、计算、创新、应用等一站式物联网端到端产品与服务。

工业互联网的AI应用场景归结为六类:智能机器、预测性维护、智能运营、产业链金融、工业知识图谱、企业软件AI化。根据应用层级的不同,分为3+1的结构:端侧智能小脑、边缘侧分布式大脑、云端超脑

工业互联网可通过人工智能来主动识别和防御安全风险。其中,云端超脑是主要发力点,大量的数据和设备在云端汇集起来,突破传统制造企业的极限,形成超脑的分析能力,大幅度优化制造业的经营和决策。

2017年5月,宝马新大东工厂正式开业,“智能”与“工业4.0”变成主打牌。据悉BMW全新5系Li将在这里首先量产,汽车工业4.0技术将全面应用到宝马的生产线中。5系车体的9500个“内容”,将全部置于大数据监控之下:生产过程中,一颗螺丝钉的数据都会被传入宝马的数据库中。另外,整个工厂采用3D电脑模拟与扫描技术,进行实时制造对比监测。据宝马介绍,整个工厂在采用智能技术后,制造能耗下降30%。

2017年8月,工信部确定了2017年智能制造综合标准化与新模式应用项目,全国200多个项目入围。其中多个上市公司项目入围, 包括:欣旺达的锂电子动力电池Pack组装高柔性数字化工厂项目、华润三九的中药配方颗粒智能制造新模式应用、用友网络的面向装备制造业的云平台建设及应用标准与试验验证项目等。

--- ③ ---

发展趋势与小结

智能制造根本目的是提升效率,降低成本。

中国《智能制造2025计划》指出智能制造是新一轮科技革命的核心,也是制造业数字化、网络化、智能化的主攻方向。智能制造计划的落地,对中国制造业起到了重要的助推作用。

2017年2月,国家信息中心表示,我国智能制造未来发展潜力巨大,2020年我国智能制造产值有望超过3万亿元,年均复合增长率约20%

2018年4月,国际机器人联合会(IFR)发布的数据显示,在全球范围内,工业自动化的步伐正在稳步加快,2016年全球每万名人类员工中平均配有工业机器人77个,世界上自动化程度最高的10个国家和地区分别是韩国、新加坡、德国、日本、瑞典、丹麦、美国、意大利、比利时以及中国台湾。而中国大陆的机器人密度增长则是最快的。

麦肯锡预测,到2030年,中国被机器人取代的劳动力比率是16%,制造业从业者岗位需求将下降4%。

但是中国国产机器人行业利润增长三成来自于补贴,中高端市场仍需突破。

工信部统计的数据显示,我国涉及机器人生产的企业已逾800家,其中超过200家是机器人本体制造企业,大部分以组装和代加工为主,处于产业链低端,产业集中度低、总体规模小。而这些公司之所以可以存活,很大程度上与政府目前热衷成立的各种产业园和各种形式的政府补贴有关。

中国工业机器人产业正加快转向中高端。

一方面,工业机器人以25%、30%速度高速成长,工业机器人2017年产量突破13万台,连续五年成为全球第一大应用市场;而且成本价格有望突破十万,现在要突破五万,这个速度极快,这是由于各种资本布局的减速器、控制机、电机、轴承、伺服电机等正在健康成长。

另一方面,资本和创业者正逐渐回归理性,企业注册增长速度首次下滑。

目前产业发展正经历从数量扩展向高质量发展的攻坚阶段,一揽子行业标准和引导规范也正在加快酝酿推出。

马云发表评论:制造业将变得个性化、智能化,未来是Made in Internet,而不是Made in America、Made In China。因为它是全世界采购,这个地方采购原材料、这个地方进行加工、这个地方搞设计,是全球拼起来。这个势必要加强中国企业的供给侧改革,如果不以新的供应链,不以新的思路进行发展,将来还在造昨天的战车,是没有办法面对未来的战争的。

本系列下一篇文章,将探索下一个AI落地行业。

PS:吟名言一句,放松一下

与肝胆人共事,无字句处读书。----周恩来

【2018-07-19 07:21:20】
  • 【2018-07-18 07:26:13】
  • 【2018-07-17 07:28:46】
  • 【2018-07-16 07:22:40】
  • 【2018-07-15 07:57:37】
  • 【2018-07-14 07:42:10】