维度网讯，Fictiv创始人兼首席执行官Dave Evans近日撰文阐述人工智能、机器人与数字制造融合对工业制造产生的深远影响。Evans认为，当前定制化组件制造正迎来关键转折点，AI优化设计、数字制造与信息-运营技术（IT/OT）融合三股力量汇聚，使得以接近批量生产的规模和速度制造定制组件成为可能，工程师无需再在供应链限制下妥协优化。

Evans与兄长Nate于2013年创立Fictiv，旨在解决硬件制造交付周期过长的行业瓶颈。他表示，过去定制组件通常伴随3至5倍的成本乘数和漫长的制造周期，如今这一局面正在改变。多轴CNC、增材工艺以及实时生产优化等技术，使定制组件的制造成本降至标准零件的1.2至1.5倍，交付周期以周计而非季度计。

混合供应链模式成为行业趋势。Evans以特斯拉Giga工厂扩展机器制造的案例说明，该企业将定制传动系统组件与标准化执行器集成，实现了以软件开发速度迭代机器人系统。这种模式保留标准执行器作为可靠性基准，同时对齿轮箱、联轴器、安装结构等动力传输部件进行定制，且不增加显著的成本或时间损失。

机器学习算法正在成为设计与制造之间的关键中间件。Evans指出，指定载荷情况、扭矩、工作周期等参数后，AI系统可在数分钟内进行大量设计迭代，探索齿形、材料选择等手动层面难以考虑的因素，并直接对接制造执行系统。来自实际部署的匿名性能数据反馈至AI模型，持续优化后续设计。波士顿动力、优傲机器人（Universal Robots）、ABB等公司已在利用AI驱动的设计优化来创建适应复杂动态运动的执行器和动力传输系统。

IT/OT融合是行业突破的关键环节。在米思米美洲（MISUMI Americas），客户设计数据可无缝流入制造规划、库存管理和物流，全部实时进行。西门子数字工业（Siemens Digital Industries）亦在积极推进融合议程。标准MQTT、OPC UA的涌现使互操作性成为可能。

具体应用案例显示，一家中型机器人系统集成商通过定制齿轮箱方案，将码垛系统开发周期缩短，优化后的设计效率较手动方案高3%，交付期为四周。在半导体领域，英伟达（Nvidia）通过快速原型化定制齿轮箱解决方案，将通常需18个月的开发时间压缩至6个月。医疗设备企业史赛克（Stryker）和捷迈邦美（Zimmer Biomet）利用AI驱动定制齿轮箱设计，将手术机器人腕部机构回差较上一代降低40%，同时实现了成本下降。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com