全球供應鏈中斷將如何推動機器人的採用?
隨著企業希望保持更大的控制力,並避免代價高昂的中斷,現在都將製造業轉移到本土,使供應鏈多樣化成為優先事項。雖然有些人可能會預期這些努力會增加勞動成本,但相信企業可以透過採用機器人技術和自動化技術來幫助控制和減少成本。
外包轉型的供應鏈
#從歷史上看,離岸製造為企業提供了一種替代國內生產的有吸引力的替代方案。憑藉較低的勞動力成本、具有吸引力的匯率、寬鬆的監管環境和當地政府的大力支持,許多企業將其大部分製造業務外包或離岸外包給發展中經濟體。尤其是已成為世界工廠的中國,約佔全球出口總額的13%和全球進口總額的11%。其他新興市場也紛紛效仿,印度、越南和泰國等國向公司尋求在其境內建立工廠。
如今,全球交易了價值約20兆美元的實體商品。新興經濟體幾乎佔這一數量的一半,出口總額高達8.2兆美元,因為這些商品大部分在新興市場製造組裝並由較富裕的國家消費。
離岸外包的後果
然而,隨著企業意識到離岸外包帶來的意外後果,可能正處於範式轉移的風口浪尖。美中貿易衝突為全球供應鏈的脆弱性敲響了警鐘。英國脫歐和美國-墨西哥-加拿大協定(USMCA)進一步損害了人們對國際貿易協定的信心。除了這些政策驅動的擔憂之外,新冠疫情危機及其對生產工廠的影響突顯了將製造工作集中在某一特定地區的相關風險。
簡而言之,企業必須優先考慮供應鏈完整性,而不是與離岸外包相關的成本節約。雖然利用海外低成本勞動力可能會提高利潤率,但如果供應鏈因地緣政治格局的變化、健康風險或其他黑天鵝事件而中斷,則會損失收入,導致沒有產品可出售。
在發生新冠疫情危機之後,許多企業越來越意識到這項道理。在疫情出現之後,當時中國約31%的工廠關閉,32%的人在家遠距工作。鑑於許多工廠實施即時生產,在長時間停產後重新開始生產可能需要數週時間才能使供應鏈完全恢復。
一些企業警告說,供應鏈中斷的持續可能會導致更多的銷售損失。由於來自中國的零件供應短缺,世界各地的汽車公司也停止了部分生產。日產、菲亞特克萊斯勒、現代、本田和其他一些汽車製造商已經宣布供應中斷。
透過回流確保營運
已開發經濟體的勞動成本無疑遠高於新興經濟體。雖然中國製造業的平均工資為每年約10,000美元,但美國的平均工資為46,000美元,高出四倍多。這種巨大的成本差異在歷史上加速了離岸外包的趨勢。但本土製造具有非貨幣優勢,也應予以考慮,例如使營運更接近企業管理層、研發團隊和客戶。本土製造也在國內監管制度內運作,當地企業更熟悉這些制度,而且通常比國際協議更穩定。
機器人技術可以加速回流工作
隨著公司考慮在岸和離岸製造之間的權衡,機器人技術和人工智慧很可能是使規模偏向岸上生產的未知因素。自動化允許企業透過招募機器人而不是工作人員來完成某些任務來抵消部分回流成本。機器人可以全天候地不知疲倦地工作,可以比人類更快、更準確地完成某些任務,同時不需要加薪或福利。
一些研究表明,機器人技術的採用與離岸外包的減少有關。在已開發經濟體,機器人應用增加10%會導致離岸外包降低0.54%。韓國中小型企業(SME)和新創企業管理局最近宣布,將致力於透過智慧工廠幫助製造業回流。美國回流研究所公佈了其2019年年度調查結果,顯示超過一半的企業主管表示他們正在計劃或考慮在未來五年內開展回流活動。調查也發現,80%以上的受訪者正在考慮採用新的軟體系統。 70%的人正在考慮投資機器人技術。
較低的成本是一個主要因素。儘管複雜的工業機械手臂的成約本為25萬美元,但企業可能會在不到兩年的時間內達到傳統勞動成本的損益平衡點。
機器人總成本與當前營運成本
隨著時間的推移,隨著機器人成本的下降和勞動力成本的持續上升,採用機器人可能只會變得更具吸引力。在過去30年中,機器人平均價格實際下降了50%以上,而勞動成本增加了100%以上。
#機器人成本 vs. 人力成本
然而,成本下降只是越來越多採用機器人技術的原因之一。另一個考慮因素是容易獲得機器人。新的製造技術、數據和運算能力的激增以及客戶對按需製造的偏好正在推動商品生產方式發生重大變化。企業現在可以尋求機器人即服務(RaaS)訂閱,以將機器人技術擴展到其製造流程以降低前期成本和技術取得的進入障礙。
最後,改進機器人和人工智慧技術正在進一步推動採用。由於先進的3D視覺功能和臂端工具,機器人的靈巧度不斷提高。他們現在可以在倉庫中與工作人員一起運輸貨物,並靈活地挑選和放置易碎物品。機器人可以在幾乎沒有停機時間的情況下執行這些任務,甚至可以使用連網感測器提前預測和避免故障。
由於這些發展趨勢,工業機器人的銷售量持續成長。從2013年到2019年,銷售額以15%的複合年增長率成長,2019年達到約42萬台。國際機器人聯合會估計,到2022年,採用量將增加到58.4萬台。如果在這種新的全球範式中加速回流,那麼這項估計可能會偏低。
機器人密度可以透過每萬名工人中的機器人數量來衡量,這顯示了機器人採用率在長期增長的潛力。目前,全球製造業每萬名工作只有99台工業機器人,代表機器人密度約1%。但新加坡和韓國等製造中心的機器人密度分別高出8倍,分別為8.3%和7.7%,且仍在持續上升。美國、德國和中國等大國仍遠低於這些水平,但隨著機器人技術採用的加速,它們可能會隨著時間的推移而趨於一致。
結論
隨著企業越來越關注供應鏈的完整性,預計幾十年來的離岸外包趨勢將會逆轉。貿易衝突和新冠疫情等宏觀破壞性事件為企業的營運能力和供應鏈帶來了不確定性。隨著機器人技術和自動化變得更有能力、更便宜和更容易實施,以及企業意識到本土化製造的好處超過在國外生產商品的風險,這可能會進一步加速回流。
以上是全球供應鏈中斷將如何推動機器人的採用?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站7月5日消息,格芯(GlobalFoundries)於今年7月1日發布新聞稿,宣布收購泰戈爾科技(TagoreTechnology)的功率氮化鎵(GaN)技術及智慧財產權組合,希望在汽車、物聯網和人工智慧資料中心應用領域探索更高的效率和更好的效能。隨著生成式人工智慧(GenerativeAI)等技術在數位世界的不斷發展,氮化鎵(GaN)已成為永續高效電源管理(尤其是在資料中心)的關鍵解決方案。本站引述官方公告內容,在本次收購過程中,泰戈爾科技公司工程師團隊將加入格芯,進一步開發氮化鎵技術。 G
