Inhaltsverzeichnis
Roboterkosten vs. Arbeitskosten
Fazit
Heim Technologie-Peripheriegeräte KI Wie werden Störungen der globalen Lieferkette die Einführung von Robotern vorantreiben?

Wie werden Störungen der globalen Lieferkette die Einführung von Robotern vorantreiben?

Apr 12, 2023 pm 08:40 PM
人工智能 机器人 供应链

​ Die Diversifizierung der Lieferketten ist zu einer Priorität geworden, da Unternehmen eine bessere Kontrolle behalten und kostspielige Störungen vermeiden möchten, indem sie die Produktion an Land verlagern. Während einige davon ausgehen, dass diese Bemühungen die Arbeitskosten erhöhen, können Unternehmen durch den Einsatz von Robotik und Automatisierung dazu beitragen, die Kosten zu kontrollieren und zu senken. #? Alternative zur heimischen Produktion. Angesichts niedriger Arbeitskosten, attraktiver Wechselkurse, eines lockeren regulatorischen Umfelds und starker Unterstützung durch lokale Regierungen lagern viele Unternehmen einen Großteil ihrer Produktionsabläufe in Entwicklungsländer aus. Insbesondere China ist zur Fabrik der Welt geworden, auf die etwa 13 % der weltweiten Exporte und 11 % der weltweiten Importe entfallen. Andere Schwellenländer folgten diesem Beispiel, und Länder wie Indien, Vietnam und Thailand wandten sich an das Unternehmen, um innerhalb ihrer Grenzen Fabriken zu bauen.

Wie werden Störungen der globalen Lieferkette die Einführung von Robotern vorantreiben?

Heute werden weltweit physische Güter im Wert von etwa 20 Billionen US-Dollar gehandelt. Fast die Hälfte dieses Betrags entfällt auf Schwellenländer mit einem Exportvolumen von insgesamt 8,2 Billionen US-Dollar, da die meisten dieser Waren in Schwellenländern hergestellt und montiert und von wohlhabenderen Ländern konsumiert werden.

Die Folgen des Offshore-Outsourcings

Da Unternehmen jedoch die Folgen des Offshore-Outsourcings erkennen, sind die unbeabsichtigten Folgen, Möglicherweise stehen wir an der Schwelle zu einem Paradigmenwechsel. Der Handelskonflikt zwischen den USA und China hat Alarm über die Fragilität der globalen Lieferketten geschlagen. Der Brexit und das Abkommen zwischen den Vereinigten Staaten, Mexiko und Kanada (USMCA) haben das Vertrauen in internationale Handelsabkommen weiter untergraben. Zusätzlich zu diesen politisch motivierten Bedenken haben die COVID-19-Krise und ihre Auswirkungen auf Produktionsanlagen die Risiken deutlich gemacht, die mit der Konzentration von Arbeitsplätzen im verarbeitenden Gewerbe in einer bestimmten Region verbunden sind.

Einfach ausgedrückt: Unternehmen müssen der Integrität der Lieferkette Vorrang vor den mit Offshoring verbundenen Kosteneinsparungen einräumen. Während der Einsatz kostengünstiger Arbeitskräfte im Ausland die Gewinnmargen verbessern kann, gehen Einnahmen verloren, wenn die Lieferkette aufgrund von Veränderungen in der geopolitischen Landschaft, Gesundheitsrisiken oder anderen Black Swan-Ereignissen unterbrochen wird, was zur Folge hat, dass kein Produkt verkauft werden kann.

Nach der COVID-19-Krise ist vielen Unternehmen diese Wahrheit zunehmend bewusst geworden. Nach dem Ausbruch waren etwa 31 % der chinesischen Fabriken geschlossen und 32 % der Menschen arbeiteten von zu Hause aus. Da viele Fabriken eine Just-in-Time-Produktion umsetzen, kann es Wochen dauern, bis sich die Lieferkette nach einem langen Stillstand wieder vollständig erholt hat. Einige Unternehmen haben gewarnt, dass anhaltende Unterbrechungen der Lieferkette zu weiteren Umsatzeinbußen führen könnten. Auch Autokonzerne auf der ganzen Welt haben ihre Produktion wegen Teilemangels aus China teilweise eingestellt. Nissan, Fiat Chrysler, Hyundai, Honda und eine Reihe anderer Autohersteller haben Lieferunterbrechungen angekündigt.

Betrieb durch Reshoring sicherstellen

Die Arbeitskosten in entwickelten Volkswirtschaften sind zweifellos viel höher als in Schwellenländern. Während der durchschnittliche Produktionslohn in China etwa 10.000 US-Dollar pro Jahr beträgt, beträgt der Durchschnittslohn in den Vereinigten Staaten 46.000 US-Dollar und ist damit mehr als viermal höher. Dieser enorme Kostenunterschied hat in der Vergangenheit den Trend zum Offshoring beschleunigt. Aber die Produktion vor Ort hat auch nicht-monetäre Vorteile, die berücksichtigt werden sollten, wie etwa die Annäherung des Betriebs an die Unternehmensleitung, die F&E-Teams und die Kunden. Die Produktion vor Ort operiert auch innerhalb nationaler Regulierungssysteme, die den lokalen Unternehmen vertrauter und oft stabiler sind als internationale Vereinbarungen.

Robotertechnologie kann Reshoring-Bemühungen beschleunigen Kompromisse, Robotik und künstliche Intelligenz dürften die unbekannten Faktoren sein, die den Ausschlag für die Onshore-Produktion geben. Durch die Automatisierung können Unternehmen einen Teil der Reshoring-Kosten ausgleichen, indem sie für die Erledigung bestimmter Aufgaben Roboter anstelle von Arbeitskräften einstellen. Roboter können rund um die Uhr unermüdlich arbeiten und bestimmte Aufgaben schneller und genauer erledigen als Menschen, ohne dass dafür Gehaltserhöhungen oder Sozialleistungen erforderlich sind. Einige Studien haben gezeigt, dass die Einführung der Robotik mit einem Rückgang des Offshorings verbunden ist. In fortgeschrittenen Volkswirtschaften führt ein Anstieg der Robotereinführung um 10 % zu einem Rückgang des Offshorings um 0,54 %. Die südkoreanische Verwaltung für kleine und mittlere Unternehmen (KMU) und Startups hat kürzlich angekündigt, dass sie daran arbeiten wird, der Fertigungsindustrie durch intelligente Fabriken bei der Rückkehr auf den Markt zu helfen. Das American Reshoring Institute veröffentlichte die Ergebnisse seiner jährlichen Umfrage 2019, aus der hervorgeht, dass mehr als die Hälfte der Führungskräfte in der Wirtschaft angaben, innerhalb der nächsten fünf Jahre Reshoring-Aktivitäten zu planen oder darüber nachzudenken. Die Umfrage ergab außerdem, dass mehr als 80 % der Befragten die Einführung neuer Softwaresysteme in Betracht ziehen. 70 % erwägen eine Investition in Robotik.

Geringere Kosten sind ein wichtiger Faktor. Obwohl ein komplexer industrieller Roboterarm etwa 250.000 US-Dollar kostet, können Unternehmen in weniger als zwei Jahren die Gewinnschwelle bei den herkömmlichen Arbeitskosten erreichen.

Gesamtkosten des Roboters im Vergleich zu den aktuellen Betriebskosten

Mit der Zeit steigen die Kosten des Roboters Da die Arbeitskosten sinken und die Arbeitskosten weiter steigen, wird der Einsatz von Robotern möglicherweise nur noch attraktiver. In den letzten 30 Jahren sind die durchschnittlichen Roboterpreise tatsächlich um mehr als 50 % gesunken, während die Arbeitskosten um mehr als 100 % gestiegen sind.

Roboterkosten vs. Arbeitskosten

Sinkende Kosten sind jedoch nur einer der Gründe für die zunehmende Einführung von Robotik. Ein weiterer Gesichtspunkt ist die einfache Verfügbarkeit von Robotern. Neue Fertigungstechnologien, ein Anstieg der Daten- und Rechenleistung sowie die Präferenzen der Kunden für On-Demand-Fertigung führen zu erheblichen Veränderungen in der Art und Weise, wie Waren hergestellt werden. Unternehmen können jetzt Robotics-as-a-Service (RaaS)-Abonnements beantragen, um die Robotik in ihre Fertigungsprozesse zu integrieren und so die Vorlaufkosten und Eintrittsbarrieren für den Technologieerwerb zu reduzieren.

Schließlich treiben verbesserte Robotik und künstliche Intelligenz die Akzeptanz weiter voran. Dank fortschrittlicher 3D-Vision-Funktionen und End-of-Arm-Werkzeugen verbessert sich die Robotergeschicklichkeit weiter. Sie können jetzt mit Arbeitern in Lagern zusammenarbeiten, um Waren zu transportieren, und haben die Flexibilität, zerbrechliche Gegenstände aufzunehmen und zu platzieren. Roboter können diese Aufgaben nahezu ohne Ausfallzeiten erledigen und mithilfe vernetzter Sensoren sogar Ausfälle bereits im Vorfeld vorhersagen und vermeiden.

Aufgrund dieser Trends wächst der Verkauf von Industrierobotern weiter. Von 2013 bis 2019 stiegen die Verkäufe mit einer durchschnittlichen jährlichen Wachstumsrate von 15 % und erreichten im Jahr 2019 etwa 420.000 Einheiten. Die International Federation of Robotics schätzt, dass die Verbreitung bis 2022 auf 584.000 Einheiten ansteigen wird. Wenn sich das Reshoring in diesem neuen globalen Paradigma beschleunigt, könnte diese Schätzung eher niedrig ausfallen.

Die Roboterdichte kann anhand der Anzahl der Roboter pro 10.000 Arbeiter gemessen werden, was das Potenzial für ein langfristiges Wachstum bei der Robotereinführung zeigt. Derzeit gibt es in der weltweiten Fertigungsindustrie nur 99 Industrieroboter pro 10.000 Arbeitsplätze, was bedeutet, dass die Roboterdichte etwa 1 % beträgt. Aber Produktionsstandorte wie Singapur und Südkorea weisen mit 8,3 % bzw. 7,7 % eine achtmal höhere Roboterdichte auf, Tendenz steigend. Große Länder wie die Vereinigten Staaten, Deutschland und China liegen immer noch deutlich unter diesen Werten, aber sie könnten sich im Laufe der Zeit annähern, da die Einführung der Robotik beschleunigt wird.

Fazit

Da sich Unternehmen immer mehr Sorgen um die Integrität der Lieferkette machen, wird erwartet, dass sich der jahrzehntealte Offshoring-Trend umkehrt. Makroökonomische Ereignisse wie Handelskonflikte und die COVID-19-Pandemie haben zu Unsicherheiten in Bezug auf die operativen Fähigkeiten und Lieferketten von Unternehmen geführt. Dies dürfte die Rückverlagerung weiter beschleunigen, da Robotik und Automatisierung leistungsfähiger, kostengünstiger und einfacher zu implementieren werden und Unternehmen erkennen, dass die Vorteile der lokalen Fertigung die Risiken der Produktion von Waren im Ausland überwiegen.


Das obige ist der detaillierte Inhalt vonWie werden Störungen der globalen Lieferkette die Einführung von Robotern vorantreiben?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

See all articles