重新思考制造业的未来之路

作者 恩诺丹克斯特凡·哈图拉帕特里克·福尔默首席执行官 – 行业X，ASG生产与运营，能力与交付组织负责人高级首席专家——埃森哲研究院，全球汽车与交通行业负责人高级执行副总裁——全球工业集团主管 工业领域 杰夫·惠利斯马蒂亚斯·瓦伦多夫高级首席专家 - 安盛研究，全球工业和交通与物流负责人首席总监 – 埃森哲研究，全球工业和产业X负责人 重新思考制造业的未来方向本报告遵循该结构。第一个主要部分阐述2040愿景——未来工厂可能的样子。随后，它概述了工厂经理在四个领域需要采取的步骤的护栏：劳动力、自动化、人工智能优化和数字化。在每个领域，关键是平衡近期工作与未来工厂的基础需求。为了勾勒出最佳的前进路径，我们参考了我们的调查结果，并结合了我们自身的客户经验。由于我们调查行业中工厂的通常规划期为五到七年，超过这个时间段的通常被认为是一个“愿景”。以我们调查受访者阐述的2040年愿景为起点，我们着手缩小他们未来五到七年内的目标和规划及行动中的长远目标之间的差距。2040年最具竞争力的工厂将是什么样子？答案不仅仅由成本效益和质量水平决定；事实上，在两个方面取得高分才是基本要求。真正的差异化因素将是灵活性、可持续性和智能性——这些品质将取决于工厂超越传统自动化、拥抱先进机器人、数据、人工智能和数字化工具的无缝融合的能力。我们称该状态为超自动化。这是一个可行的目标——实际上，它是不可避免的竞争路径，根据最近参与埃森哲深入、全球调查的552位工厂经理的说法（详情请参见方框，“我们的方法论”）。然而，要实现这一目标并不容易，因为大多数工厂面临着一系列挑战，包括劳动力短缺、复杂的褐地环境和人工智能驱动流程的缓慢采用。当今塑造制造业未来的机遇 我们的方法论埃森哲在2024年8月至12月期间对552名经验丰富的工厂经理进行了调查，并与15名生产主管进行了深入定性访谈。参与调查和研究的人员来自汽车制造商、汽车供应商、工业机械制造商、工业设备制造商、电气设备制造商、重型设备制造商、商业航天制造商和商业航天供应商。这项研究涵盖了从100工人到超过5000工人的不同规模的工厂，以及来自美国、欧洲、中国、印度和日本的地点。我们专注于对工厂经理的研究，因为他们拥有独特的视角，并且他们是决定其未来愿景是否能够成为现实的最终权威。这些人对制定战略公司决策负有责任，并将这些决策转化为现实世界的运营。未注明来源的公司案例基于埃森哲客户经验。 重新思考制造业的未来方向制造业的变革始于两百多年前机械化时代。推动力？技术进步。在这方面，并没有什么改变。通过大规模生产、自动化（我们现在将其视为有限的自动化）、数字化以及现在的AI，技术一直是革命性变革的驱动力。现在不同之处在于变化的速度加快了。如今，即使公司正在采用人工智能并 figuring out 如何部署它以在今天工厂中获益，他们也必须着眼下一场革命，这场革命已经处于萌芽阶段（见图1）。这意味着要为所有相关考虑进行规划并解决——包括技术和人才投资——以及数字核心，即驱动持续创新的 关键技术能力。这对于在接下来的五年内支持他们的工厂，同时在接下来的 15 年打下基础至关重要。2040愿景：超自动化工厂 49%149%153%152%148%145%1自动化自动化导引车 (AGV)自动驾驶操作 (I 5.0)数字化连接队伍基于生成式人工智能的自主学习机器自动驾驶移动机器人（AMR）到2040年，如果公司这样做，他们的工厂将比现在看起来惊人地不同。它们将是自我优化和人工智能驱动的，将机器人、数字孪生和人工监督无缝集成到一个智能和超自动化的生产生态系统中。因此，他们将能够执行规模化流程之外更多的事情。它们还将能够预测中断，动态适应并实时优化生产，近乎完全自主（见图2）。注释1：百分比为认为这些要素在1到10的评分中被评为“8、9或10”的工厂经理比例，1表示“非常不可能”，10表示“极有可能”在2040年实施。N=552；完整的假设公式可以在第26页找到。来源：埃森哲研究分析 广义而言，超自动化工厂的使能器可分为四个领域：劳动力，自动化，人工智能驱动优化与数字化工厂管理者们很清楚这些使能因素。挑战在于将这种理解转化为符合当前环境并能支持其长期愿景的行动，尤其考虑到波动性和不确定性到2040年肯定会加剧。要做到这一点，就需要重新思考工厂的运营方式、技术的部署方式以及人与机器如何协作。这需要现在就采取果断措施，对劳动力进行再培训，扩大智能自动化规模，将人工智能嵌入决策过程，并全面拥抱数字化作为现代制造业的支柱。 难怪工厂经理们将知识管理、将数据分析嵌入日常工作中流以及实现数据驱动决策视为他们的首要关注领域。这些活动已经是驱动人工智能变革的关键，它们也将在实现2040愿景中发挥关键作用。然而，执行这些活动正变得极具挑战性。问题之一？培训成本。我们调查中近半数（49%）受访者认为培训投资是一个主要障碍。然而，投资于培训人才是唯一能实现该技术全部效益的方式。Accenture调查的绝大多数工厂经理（70%）认为劳动力转型是成功最关键的因素。他们是对的。制造商的人才库正在迅速萎缩。经验丰富的工人正接近并进入退休。同时，人口结构变化以及越来越不愿意从事制造业职业的年轻人才，正在限制新工人的供给。例如在美国，分析师估计到2033年，制造业技能差距相当于380万个工作岗位。1 现在需要什么：劳动力转型以保护和增强关键知识 重新思考制造业的未来方向又一个问题？员工敬业度。埃森哲对变革的全球2024年研究发现，70%的员工不觉得参与到组织变革中。2在某种程度上，那是他们缺乏理解自己的工作如何为未来做出贡献。但它也与这样一种恐惧相关联，即在他们帮助公司实施新技术时，他们自己会失业。尽管技能差距迫在眉睫，我们调查的近一半（46%）受访者表示，工人担心随着自动化扩展，他们的装配线角色将会过时。图3显示了工厂经理在近期（五年内）成功的首要任务和主要障碍。公司必须现在解决这些障碍，这不仅是为了近期，也是为了2040年的愿景。工厂会需要一支高技能的劳动力队伍，尽管技能不同。因此，企业需要尽早识别和沟通未来的就业机会，并为这些机会提供途径。此外，他们还需要建立一个新的人才培养模式，支持持续、实时的培训。未来工厂的大部分劳动力将逐渐从在生产向工作for生产，这意味着他们将从一个从体力劳动转向流程监管、决策和优化。这些个人还必须参与一个循环，在这个过程中他们既向人工智能学习也向人工智能学习，随着工作性质的变化。他们将需要能够与人工智能合作，操作自主系统并监管复杂的自动化流程。 重新思考制造业的未来方向现在是一个关键时刻，需要以不同的方式思考工作的未来和劳动力。哪家公司展现了实现2040愿景所需的未来专注力？英国汽车制造商捷豹路虎，捷豹路虎集团的母公司。捷豹路虎承诺每年投资2500万美元，帮助生产岗位的员工获得未来转向新岗位所需的新技术技能和能力。3此外还需要：一系列物流与供应链以及战略管理与IT集成角色，要求具备战略规划、人工智能优化、区块链、实时数据分析、网络协调、网络安全和数字化转型的技能。而且这些角色也将演变。同时，在质量控制和保证方面，工作可能包括质量情报专家，他们使用人工智能驱动的分析、物联网（IoT）传感器和实时监控来确保产品完整性、合规性以及流程优化。图4展示了我们现在对这些领域以及维护、修理和大修所设想的各类工作和职责。考虑生产运营。未来的工作可能会包括超自动化系统集成商和数字流程协调者。人们将需要监督去中心化、AI驱动的生产网络，优化实时流程，并解决集成问题。另一个新兴职位：AI支持的机器人工程师。这个人将设计和维护AI驱动的机器人机器和装配线。 图5说明了这一冲突。从左到右，它展示了传统工厂、工厂管理者通过专注于短期收益所能实现的目标，以及两种类型的超自动化工厂： Brownfield 和 Greenfield。自动化程度越高，工厂未来就越能确保弹性、可持续和盈利的生产。该图表使用加号（+）表示绩效水平，从基础（+）到优秀（++++），其中优秀代表未来准备性。一个显著多数（63%）的工厂经理在中期将自动化作为优先事项，考虑到自动化提供的即时机遇以提高效率并降低成本，这并不令人惊讶。然而，只有大约60%的工厂经理也优先考虑关键创新，如自主引导车（AGV）、改造内部物流和物料搬运，以及自主移动机器人（AMR），这将有助于他们实现2040年愿景。事实上，尽管有2040年愿景，但在建设新设备时，只有38%的目标是将超级自动化工厂作为首选概念。绝大多数人优先考虑较小的目标，例如实时与制造流程同步的自动化仓库。总的来说，这些数据揭示了当今的优先事项与2040年竞争需求之间的显著冲突。 现在需要什么：自动化以释放效率和精度 ++++重新思考制造业的未来方向来源：埃森哲研究图12：超自动化优势KPITr描述一个依赖生产模式主要依靠人力劳动最小化集成自动化系统。操作手动驱动，执行任务的工作人员。自动化水平灵活性效率质量成本效益投资模块化工厂：固定生产线配备独立、可互换的AGV模块，可无缝适应高效制造部分定制化产品，实现最大吞吐量。图5：超自动化优势自动化大规模工厂：全自动化、全数字化的生产线，以大规模、几乎无差异的方式制造高度标准化的产品。是企业时候将愿景与行动相结合，从更详细地规划走向未来工厂的旅程开始。为此，我们确定了五个关键模型，超自动化工厂可能基于这些模型：a fadciti too rn y 自动化到产品的工厂：高度相关的模型适用于大型尺寸产品——在这里，专业的自主移动机器人（AMRs）和人形机器人汇聚在一起，在现场对单个产品进行组装。工作坊工厂：小批量甚至单件生产高度定制化产品；以灵活的工作坊式生产流程为特点，通过先进的自动化和拟人化机器人加速。矩阵工厂：生产在灵活、独立的单元中进行，允许多条生产路径而非固定顺序，这减少了瓶颈，并能够在无需重新设计工厂的情况下生产定制产品。 源：埃森哲图 6：人形机器人日益增强的能力图14：人形机器人的日益增长的能力 最终，产品的性质和可变性以及定制程度将驱动公司的模型选择。但无论如何，选择正确路径意味着首先确定改造现有设施（褐地方法）或投资新工厂（绿地方法）将提供最具经济可行性的方法。并且，在所有情况下，尽管工厂车间可以完全自动化，但人们将继续在协调、监督、支持和维护其运营方面发挥关键作用（现在正在兴起）。Meanwhile BMW6在其斯巴顿工厂部署了一个名为“图02”的人形机器人后，该公司报告效率提升了400%。而沙弗勒7已经在 Agility Robotics 进行了投资，并看到了潜力，即在 2030 年之前，将其 Digit 人形机器人在其全球 100 家工厂的制造网络中部署，以自动化体力要求高、重复性或危险的任务。（图 6 说明了人形机器人能力的增长。）考虑：使用人工智能和人形机器人升级和改造现有基础设施，配备维护良好的设施，很可能比从头开始建造全新的生产线更具成本效益。事实上，汽车行业的早期采用者已经正在测试人形机器人的潜力，并取得了积极的结果。中国有几家汽车OEM厂商已经在车身车间使用人形机器人实现了近100%的自动化。蔚来4拥有300台机器人——仅由十几名工人操作——并且能够每小时生产20辆车。小鹏5电动机制造厂有264台智能工业机器人，在冲压、焊接、喷漆、组装和电池包生产车间完全自主运行。速度、成本和集成复杂度等挑战仍然存在，目前，我们调查的受访者中不到一半（43%）总体上认为人形机器人成为装配中的成本高效标准，然而，在大型工厂的受访者中，这一比例跃升至58%。值得注意的是，这些观点存在地域差异，其中63%的印度经理、65%的中国经理和72%的日本经理认为人形机器人在制造装配线上有价值，相比之下，美国为35%，欧洲为21%。最终，人形机器人有巨大潜力成为主流制造业的重要组成部分。 现在需要什么：基于AI的优化，从辅助迈向自主 相当一部分（62%）的工厂管理者认为AI是工厂运营所有方面的关键推动者。然而，在短期内，大多数人优先考虑维护、修理和大修（MR