从18世纪第一次工业革命开始，历次产业领域变革都伴随着生产过程更加集中、高效、批量化。而进入21世纪，制造业对于灵活性、敏捷性、个性化的需求日益增加。伴随着网络物理操作系统和人工智能技术的发展，大规模分布式制造成为可能。最新一期的 Science 刊文讨论了第四次工业革命的分布式制造趋势，尤其是在消费者与生产者之间建立联系和协调。
Chinedum E. Okwudire、Harsha V. Madhyastha | 作者
赵雨亭 | 译者
邓一雪 | 编辑
论文标题：
Distributed manufacturing for and by the masses
https://science.sciencemag.org/content/372/6540/341
分销和民主化（distribution and democratization）代表了两个互补的范式，在制造业中正受到越来越多的关注。分布式制造（Distributed manufacturing，DM）允许在地理上分散生产，具有小规模生产并接近终端用户的特点。民主化使大量人口从事制造业。结合了这些范例的大规模分布式制造（massively distributed manufacturing ，MDM）是由位于任何地方的、庞大人员网络按需执行所产生。大规模分布式制造承诺不依靠集中式工厂的大规模生产，而是提高制造对紧急生产需求（例如新冠疫情这样的紧急情况）、促进大规模定制和具有成本效益的小批量生产、有偿雇佣许多未经正规培训的公民从事制造业（例如零工经济（gig economy））、并通过在其使用地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起，制造主要通过集中化工厂的批量生产来进行，而集中化工厂通常远离最终用户。批量生产可以标准化生产大量产品质量、高生产率且成本低廉。然而，面对迫切的需求或意外中断交易，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）[1]。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。联合国国际开发组织[2]、世界经济论坛[3]和其他主要机构[4、5]强调DM对制造业的未来至关重要。诸如3D Hubs、3Diligent、Fast Radius和Xometry等从事DM的公司已经萌芽。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。关于民主化[6]， 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[7]，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[7]。现在，这些打印机可以在家庭、办公室、学校、制造商场所、公共图书馆和其他设施中找到，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。
但是，分布式制造和民主化制造仍然离大规模分布式制造[8-10]的目标相去甚远，在大规模分布式制造中，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 需要吸引全球数百万用户参与微观制造，这与 Uber 和 Lyft 这样的公司通过运输所取得的成就类似。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）的人（其中许多人没有制造这些产品的经验）将自己组织成小的网络以产生数百万的、使用台式3D打印机和其他小型制造设备的防护罩和其他PPE[11]。这项工作暴露了大规模分布式制造在标准化生产要求，保证质量和可靠性以及获得可以与批量生产相媲美的高生产效率方面的主要挑战。
“批量生产……缺乏灵活性，敏捷性和弹性，无法随时为消费者提供个性化产品……”
分别由机械化、电气化、装配线和数字计算驱动的第一次、第二次和第三次工业革命为第四次工业革命（或工业4.0）铺平了道路。例如，Xometry 利用云计算和机器学习来为其即时报价引擎提供支持，从而使客户能够在几秒钟内收到价格、预期的交货时间和可制造性反馈。同样，3Diligent 使用云计算使网络中的制造商能够跨车间路由作业并跟踪质量。
随着工业4.0的进步，制造机器（包括低成本3D打印机）越来越配备传感器和云连接[12]。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[13]。正在开发基于云的高级控制器以改进机械的质量和生产率[14]。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。
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执行大型计算任务的分配和执行。中央协调员启用了 Folding at Home[15]，这是一个分布式计算集群，它利用超过100,000个每台子计算机的闲置容量来运行模拟， 帮助科学家了解蛋白质如何折叠。同样，网络物理操作系统将智能、高效、安全地协调由云连接、自治且地理位置分散的制造资源的大型网络。它将为与之相连的资源最佳地分配制造作业，并利用分布式和民主化的交付系统（例如共享车辆和无人机）来进行物流（见图），并将机器学习应用于从传感器收集的数据，以提供帮助确保并提高质量并优化运营。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。
大规模分布式制造使用网络物理操作系统和人工智能工具将消费者与生产者联系起来并进行协调。微型制造单元中的生产者可以使用3D打印来制造定制产品。无人机和乘车共享服务等智能物流可以实现实物产品交付。
1. B. J. Pine II, Mass Customization: The New Frontier in Business Competition (Harvard Business School Press, 1993).
2. C. López-Gómez, E. O’Sullivan, M. Gregory, A. C. C. Fleury, L. Gomes, Emerging Trends in Global Manufacturing Industries (United Nations Industrial Development Organization, 2013).
3. B. Meyerson, Top 10 Emerging Technologies of 2015 (World Economic Forum, 2015).
4. Foresight, The Future of Manufacturing: A New Era of Opportunity and Challenge for the UK Summary Report (The Government Office for Science, London, UK, 2013).
5. European Factories of the Future Research Association, Factories of the Future: Multi-annual Roadmap for the Contractual PPP under Horizon 2020 (European Commission, 2013).
6. MForesight, Democratizing Manufacturing: How to Realize the Promise of the Maker Movement (2017).
7. Wohlers Associates, Wohlers Report 2020: 3D Printing and Additive Manufacturing: Global State of the Industry (Wohlers Associates, 2020); https://wohlersassociates.com/2020contents.htm.
8. J. S. Srai et al., Int. J. Prod. Res. 54, 6917 (2016).
9. H. Stewart, J. Tooze, Making Futures4, 1 (2015).
10. P. Jiang, J. Leng, K. Ding, P. Gu, Y. Koren, Proc. Inst. Mech. Eng. B 230, 1961 (2016).
11. J. M. Pearce, J. Manuf. Mater. Process. 4, 49 (2020).
12. C. E. Okwudire, S. Huggi, S. Supe, C. Huang, B. Zeng, Inventions 3, 56 (2018).
13. T. Wuest, D. Weimer, C. Irgens, K. D. Thoben, Prod. Manuf. Res. 4, 23 (2016).
14. C. E. Okwudire, X. Lu, G. Kumaravelu, H. Madhyastha, Robot. Comput.-Integr. Manuf. 62, 101880 (2020).
15. Folding at Home, https://foldingathome.org/.
（参考文献可上下滑动查看）
点击“阅读原文”，追踪复杂科学顶刊论文
