Als je aan slimme automatisering denkt, waar denk je dan aan? Licht uit fabrieken? Volledig autonome productielijnen? Robots die de fabriek besturen? Of denkt u aan iets dat meer op gegevens is gericht en voorspellend werkt? Misschien zelfs iets met AI, AR of MR? Het blijkt dat geen van beide fout is. Het idee van intelligente automatisering heeft heel wat voeten in de aarde… maar we komen steeds dichter bij de ontsluiting van het potentieel ervan.

Natuurlijk moet de technologie eerst bestaan voordat ze kan worden toegepast. Veel van de tijd, individuele intelligentie en automatisering technologieën bestaan al. De sleutel is ze samen te brengen. Dit was een focus van een Automate Forward paneldiscussie.

” wordt niet langer gezien als de gekke wetenschappers in het lab,” zei Tom Panzarella, senior directeur van perceptie bij Seegrid. “Het daadwerkelijk oplossen van een bedrijfsprobleem, het daadwerkelijk kwantificeren voor het bedrijf en dan de technologie niet als het doel behandelen, maar eerder als het gereedschap.”

Met een meer nuchtere kijk op automatiseringspotentieel en data, zijn bedrijven hun infrastructuren aan het verfijnen ter voorbereiding op slimme automatisering. Dit zal naar verwachting een “kantelpunt” creëren waarin het gemakkelijker wordt om complexe statistische analyses en AI in productielijnen te implementeren.

“De algoritmen zelf zijn in veel gevallen niet nieuw,” zei John Lizzi, executive leader van robotica en autonome systemen bij GE Research. “Maar het is echt al de infrastructuur, de tooling en de frameworks die dit gemakkelijker hebben gemaakt.”

De automatiseringsreis is geen rechte weg, vooral bij veiligheidskritische toepassingen die moeten voldoen aan veiligheids- en overheidsvoorschriften. Rashmi Misra, hoofd AI, mixed reality en silicon business development bij Microsoft, besprak hoe een gebrek aan automatiseringsrichtlijnen en -normen kan leiden tot tekortkomingen in de toepassing omdat ingenieurs letterlijk aan hun lot worden overgelaten.

“We zitten allemaal in een ecosysteem dat moet samenwerken onder diezelfde omstandigheden,” zei ze. Terwijl use cases ontstaan, zijn er varianten van cases die moeten inspelen op individuele automatiseringsbedrijfsmodellen en -doelen. Ze merkte op dat sommige gevestigde use cases, of toolkits, kunnen worden aangepast voor een ander bedrijfsmodel.

Toolkits kunnen dienen als een referentiegids voor toepassingen tijdens het automatiseringstraject en kunnen waardevol zijn voor kleine tot middelgrote bedrijven die niet over een grote onderzoeksdivisie beschikken. Rishi Vaish, CTO en VP van IBM AI Applications, legde twee verschillende investeringsniveaus uit die IBM maakt om zijn automatiseringstechnologie consumeerbaar te maken.

“De eerste is in de tooling,” zei hij. “Eén niveau van investering is het continu maken van die tools.” Dit omvat data, het model, het draaiende houden van het model in de productie en het mogelijk maken van het model om bias in het systeem te meten.

“Het tweede niveau van investering is wanneer we daadwerkelijk een applicatie bouwen,” legde hij uit. “Voor de meeste bedrijven die gewoon aan de slag willen, is een hoger abstractieniveau een veel snellere manier om hun AI-reis op gang te brengen.”

Grote en kleine fabrikanten delen echter een vergelijkbare ontbering: het effectief integreren van de nieuwe technologie met de oude technologie.

“Voor ons is dat waar de uitdaging ligt”, zegt Jorge Ramirez, wereldwijd directeur van uitvoeringsautomatisering en chief manufacturing cybersecurity officer bij General Motors. “We zijn beperkt door kapitaal. De gemakkelijke oplossing zou zijn om al het oude eruit te halen en het nieuwe erin te stoppen met alle nieuwe slimmigheden die gewoon harmonieus spelen.”

We weten echter allemaal dat dat niet de realiteit is.

De convergentie van legacy met slimme technologie is een van de grootste uitdagingen in slimme automatisering, maar het gebeurt vaker, wat een handje zal helpen om toolkituitbreidingen, gespecificeerde use-cases en uiteindelijk, om de wereldwijde adoptie te vergemakkelijken.

Lizzi adviseerde bedrijven om te kijken naar zowel de sterke als de zwakke punten van een systeem om te bepalen waar slimme automatisering zou kunnen gaan leven. Het is ook belangrijk om te kijken naar de sterke en zwakke punten van de slimme technologie.