Woran denken Sie, wenn Sie an intelligente Automatisierung denken? Lichterlose Fabriken? Völlig autonome Fertigungsstraßen? Roboter, die das Werk leiten? Oder denken Sie an etwas, das eher datenzentriert und vorausschauend ist? Vielleicht sogar an etwas, das KI, AR oder MR beinhaltet? Es stellt sich heraus, dass keine dieser Vorstellungen falsch ist. Bei der Idee der intelligenten Automatisierung spielen viele Faktoren eine Rolle… aber wir kommen der Entfaltung ihres Potenzials immer näher.

Natürlich muss die Technologie vor der Implementierung existieren. In den meisten Fällen sind die einzelnen Intelligenz- und Automatisierungstechnologien bereits vorhanden. Der Schlüssel liegt darin, sie zusammenzubringen. Dies war ein Schwerpunkt einer Podiumsdiskussion von Automate Forward.

“ wird nicht mehr als die verrückten Wissenschaftler im Labor betrachtet“, sagte Tom Panzarella, Senior Director of Perception bei Seegrid. „

Mit einer besonneneren Einstellung zum Automatisierungspotenzial und zu den Daten stimmen die Unternehmen ihre Infrastrukturen auf die intelligente Automatisierung ab. Es wird erwartet, dass dadurch ein „Wendepunkt“ erreicht wird, an dem es einfacher wird, komplexe statistische Analysen und KI in Produktionslinien zu implementieren.

„Die Algorithmen selbst sind in vielen Fällen nicht neu“, sagte John Lizzi, Executive Leader of Robotics and Autonomous Systems bei GE Research. „

Die Automatisierung ist kein gerader Weg, vor allem nicht bei sicherheitskritischen Anwendungen, die Sicherheits- und behördliche Vorschriften einhalten müssen. Rashmi Misra, Leiterin der Geschäftsentwicklung für KI, Mixed Reality und Silizium bei Microsoft, erläuterte, wie ein Mangel an Automatisierungsrichtlinien und -standards zu Mängeln in der Anwendung führen kann, da die Ingenieure buchstäblich auf sich allein gestellt sind.

„Wir befinden uns alle in einem Ökosystem, das unter den gleichen Bedingungen zusammenarbeiten muss“, sagte sie. Es gibt zwar Anwendungsfälle, aber es gibt auch Varianten, die auf die individuellen Geschäftsmodelle und Ziele der Automatisierung eingehen müssen. Sie merkte an, dass einige etablierte Anwendungsfälle oder Toolkits für ein anderes Geschäftsmodell angepasst werden können.

Toolkits können als Referenz für Anwendungen auf dem Weg zur Automatisierung dienen und können für kleine und mittlere Unternehmen, die keine große Forschungsabteilung haben, wertvoll sein. Rishi Vaish, CTO und VP von IBM AI Applications, erläuterte zwei verschiedene Ebenen der Investitionen, die IBM tätigt, um seine Automatisierungstechnologie konsumierbar zu machen.

„Die erste Ebene ist das Tooling“, sagte er. „Eine Ebene der Investition ist die kontinuierliche Herstellung dieser Werkzeuge.“ Dazu gehören die Daten, das Modell, die Aufrechterhaltung des Modells in der Produktion und die Fähigkeit des Modells, Verzerrungen im System zu messen.

„Die zweite Ebene der Investition ist die Erstellung einer Anwendung“, erklärte er. „Für die meisten Unternehmen, die einfach nur loslegen wollen, ist eine höhere Abstraktionsebene ein viel schnellerer Weg, um ihre KI-Reise in Gang zu bringen.“

Große und kleine Hersteller haben jedoch ein ähnliches Problem: die effektive Integration der neuen Technologie mit der alten Technologie.

„Für uns liegt genau hier die Herausforderung“, sagte Jorge Ramirez, Global Director of Execution Automation und Chief Manufacturing Cybersecurity Officer bei General Motors. „Wir sind durch unser Kapital begrenzt. Die einfache Lösung wäre, alles Alte zu entfernen und das Neue mit all den neuen intelligenten Funktionen einzubauen, die einfach harmonisch zusammenspielen.“

Wir alle wissen jedoch, dass das nicht die Realität ist.

Die Konvergenz von alten und intelligenten Technologien ist eine der größten Herausforderungen in der intelligenten Automatisierung, aber sie tritt immer häufiger auf, was zu Erweiterungen des Toolkits, spezifizierten Anwendungsfällen und schließlich zu einer leichteren globalen Akzeptanz führen wird.

Lizzi riet den Unternehmen, sowohl die Stärken als auch die Schwächen eines Systems zu betrachten, um festzustellen, wo intelligente Automatisierung sinnvoll sein könnte. Es ist auch wichtig, die Stärken und Schwächen der intelligenten Technologie zu berücksichtigen.