Quando pensi all’automazione intelligente, a cosa pensi? Fabbriche senza luci? Linee di produzione completamente autonome? Robot che gestiscono l’impianto? O pensate a qualcosa di più incentrato sui dati e predittivo? Forse anche qualcosa che coinvolge AI, AR o MR? A quanto pare, nessuna di queste ipotesi è sbagliata. Ci sono molte parti mobili nell’idea di automazione intelligente… ma ci stiamo avvicinando a sbloccare il suo potenziale.

Naturalmente, la tecnologia deve esistere prima dell’implementazione. Nella maggior parte dei casi, l’intelligenza individuale e le tecnologie di automazione esistono già. La chiave è metterle insieme. Questo è stato un focus di una tavola rotonda Automate Forward.

” non è più visto come gli scienziati pazzi in laboratorio,” ha detto Tom Panzarella, direttore senior della percezione a Seegrid. “risolvendo effettivamente un problema di business, quantificandolo effettivamente per il business e quindi trattando la tecnologia non come il fine, ma piuttosto lo strumento.”

Con una mentalità più livellata sul potenziale di automazione e sui dati, le aziende stanno mettendo a punto le loro infrastrutture in preparazione per l’automazione intelligente. Questo dovrebbe creare un “punto di svolta” in cui diventa più facile implementare complesse analisi statistiche e AI nelle linee di produzione.

“Gli algoritmi stessi in molti casi non sono nuovi”, ha detto John Lizzi, leader esecutivo di robotica e sistemi autonomi alla GE Research. “Ma è davvero tutta l’infrastruttura, gli strumenti e le strutture che hanno reso questo più facile.”

Il viaggio dell’automazione non è un percorso diretto, soprattutto con le applicazioni critiche di sicurezza che devono aderire alla sicurezza e alle normative governative. Rashmi Misra, responsabile dell’AI, della realtà mista e dello sviluppo aziendale del silicio presso Microsoft, ha discusso di come una mancanza di linee guida e standard di automazione può portare a carenze nell’applicazione perché gli ingegneri sono letteralmente lasciati ai loro propri dispositivi.

“Siamo tutti in un ecosistema che deve lavorare insieme in queste stesse condizioni”, ha detto. Mentre i casi d’uso sorgono, ci sono varianti di casi che devono affrontare i modelli di business e gli obiettivi individuali di automazione. Ha notato che alcuni casi d’uso stabiliti, o toolkit, possono essere adattati per un altro modello di business.

I toolkit possono servire come una guida di riferimento per le applicazioni lungo il viaggio dell’automazione e possono essere preziosi per le aziende di piccole e medie dimensioni che non hanno una grande divisione di ricerca. Rishi Vaish, CTO e VP di IBM AI Applications, ha spiegato due diversi livelli di investimento che IBM fa per rendere la sua tecnologia di automazione consumabile.

“Il primo è nel tooling”, ha detto. “Un livello di investimento è quello di creare continuamente quegli strumenti”. Questo include i dati, il modello, mantenendo il modello in esecuzione in produzione e consentendo al modello di misurare le distorsioni nel sistema.

“Il secondo livello di investimento è quando costruiamo effettivamente un’applicazione”, ha spiegato. “Per la maggior parte delle aziende che vogliono solo andare avanti, un livello più alto di astrazione è un modo molto più veloce per far partire il loro viaggio AI”.

Grandi e piccoli produttori condividono una difficoltà simile, però: integrare efficacemente la nuova tecnologia con la vecchia tecnologia.

“Per noi, è lì che si trova la sfida”, ha detto Jorge Ramirez, direttore globale dell’automazione dell’esecuzione e chief manufacturing cybersecurity officer di General Motors. “Siamo limitati dal capitale. La soluzione facile sarebbe quella di togliere tutto il vecchio e mettere il nuovo con tutte le nuove intelligenze che giocano armoniosamente.”

Sappiamo tutti che non è la realtà, però.

La convergenza dell’eredità con la tecnologia intelligente è una delle più grandi sfide nell’automazione intelligente, ma si sta verificando più spesso, che darà una mano alle espansioni del toolkit, ai casi d’uso specifici e, infine, all’adozione globale più facile.

Lizzi ha consigliato alle aziende di guardare sia i punti di forza che le debolezze di un sistema per determinare dove l’automazione intelligente potrebbe vivere. È anche importante guardare i punti di forza e di debolezza della tecnologia intelligente.