基于云的网络物理操作系统和人工智能，使分布式制造成为可能

在制造业中，分配和民主化所代表的两种互补生产范例备受关注。分布式制造（DM）通常是小规模生产且接近最终用户，能够在地理上实现分散生产。民主化就是通过网络让大量的人们积极且富有成效地参与到生产当中，以确保按需生产。而结合了这些特点的大规模分布式制造，并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（例如大流行等紧急情况）的响应能力和应变能力，来促进大规模定制和具有成本效益的小批量生产。第四次工业革命将通过网络物理操作系统（CPOS）在大规模分布式制造方面发挥重要作用。

事实上从18世纪的第一次工业革命开始，制造业采用的就是集中化工厂的批量生产模式，好处是能够形成标准化的质量，高生产率和低成本生产，但它是远离最终用户的，通常需要长距离运输原材料和制成品，缺乏敏捷性和弹性，不能轻易为消费者提供少量的个性化产品（批量定制）。

因此在过去的十年中，作为大规模生产的替代或补充，分布式制造和民主化制造开始兴盛。联合国国际发展组织、世界经济论坛及其他主要的机构都将分布式制造看做是未来制造业的关键，出现了很多这类的公司。例如在民主化方面，台式3D打印机激增，人们无需大量技术培训即可进行原型设计，实现小型或者微型制造。

但分布式制造和民主化制造仍然离大规模分布式制造的目标相去甚远。因为在生产中，其产品是由大量丰富且地理位置分散但协调一致的个人和网络组织制造的，这些网络具有敏捷性和灵活性，能够接近批量生产的质量、生产率和成本效益。尤其是在个人防护设备（PPE）短缺的情况下，大规模分布式制造潜力明显，由于因为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，成千上万的人并没有制造这些产品的经验。如何进行标准化生产，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是其主要的挑战。

随着工业4.0的进步，这些问题都将得到解决。制造机器（包括低成本3D打印机）越来越多地配备了传感器和云连接。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，且可以开发基于云的高级控制器，以提高机器的质量和生产率。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灵感是在分布式计算中使用的中央协调器，以自动在计算机的分布式网络上分配和执行大规模计算任务。中央协调员已启用“在家折叠”，一个分布式计算集群，利用超过100,000个个人计算机的空闲容量来运行模拟，以帮助科学家了解蛋白质如何折叠。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。通过机器学习应用于从传感器收集的数据，以帮助确保和改善质量并优化操作。

此外，网络物理操作系统将通过众包创意来利用人类的创造力，以改善制造商网络之间的制造运营，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进行协作，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，生产率和成本效益。