人工智能（AI）仍然是制造業在內的許多行業的熱門話題，涵蓋新AI功能和趨勢的媒體在實現生產數字化方面起著關鍵作用。

　　在許多情況下，人工智能僅存在于理論上，要普及到它還有很長的路要走。第三方服務提供商吹捧其基于AI技術，使其看起來比以前更加神秘，并且費用也會非常昂貴。

　　利用AI的潛力能否證明其投資合理性？用AI優化幾個參數真的值得嗎？難道人工智能不只是被用來追趕潮流嗎？

　　通過AI變得靈活

　　AI不應僅用作優化長期自動化流程的一種手段。真正的潛力是用這項技術做一些全新的事情。以前由人或物理機完成的任務現在可以由為機器人提供動力的AI控制軟件來完成。這增加了機器人的靈活性和可追溯性，并在許多情況下提高了可靠性，并在市場上實現了更加成功的操作。

　　正如數字化歷史所證明的那樣，一開始新技術的專家總是有限的，但是這從未停止過進步。在1980年代PC取得勝利之前，人們容易相信每個公司都需要一個擁有自己的計算機科學家的數據中心來參與第一波數字化。那不是發生了什么。取而代之的是，現成的產品具有明確定義的界面，使每個企業（無論規模大?。┒伎梢岳肐T創新。關鍵是PC：易于理解的靈活計算技術，如今已廣泛使用。

　　人工智能將在制造業中走同樣的道路。制造商無需支付外部資源來領導AI項目，而是可以購買具有基本AI功能的產品，而無需外部幫助即可使用它們。這是一些組件供應商開發AI產品的基本假設之一。當然，您需要集中精力解決產品的復雜控制問題，但是您不必成為具有計算機科學學位的專家。

　　建立對新技術的信任

　　第二個障礙是技術本身，它最初對許多人來說是難以理解的。在這里，重要的是消除人們普遍擔心的問題，即由AI控制的機器人會在晚上突然突然爆發自己的意志。有人聲稱，人工智能系統如何做出決定是不可預測和不可理解的。那不是真的神經網絡是乘法和加法的序列。它們是確定性的，其工作原理可以與學校的數學聯系起來，但是它們確實有很多參數。因此，您無法一目了然地告訴他們他們是如何做出決定的。

　　也有人呼吁AI使其決策路徑易于理解，最好是遵循if-then-else模式的可理解規則。如果可能的話，將不需要復雜的模型，因為常規編程就足夠了。但是，人工智能是對問題的答案，在這些問題中，如果易于解釋的其他規則則不存在任何解決方案。在這些系統中建立信任所需要的是可測試的，可靠的系統，可以通過使用該系統并了解AI在給定用例中的響應方式來進行探索。當這項測試快速而輕松地進行時，發現的結果以及由AI驅動的機器人將受到信任。

　　自動化手動工作站

　　對于AI供應商而言，啟用快速測試目前是一項技術挑戰。有時可能需要一些耐心來訓練AI系統以準備在生產中使用，但這是值得的。一旦掌握了這些技巧，制造商便可以使用基于AI的機器人控制解決方案來靈活地實現手動工作站的自動化。拾取零件，跟蹤輪廓，插入電纜，組裝產品，都可以通過機器人手腕上的單個小型攝像頭來實現。由于所有組件都可以靈活地接受新任務的培訓，因此機械臂和AI軟件可以在生產中的不同位置使用。

　　例如，在一家汽車供應商處，已經建立了一種簡單的自動化解決方案，用于對來自半有序網格的金屬零件進行分類。設施的照明條件難以預測，經常會受到陽光直射。此外，金屬零件具有高反射性，必須考慮閃銹的發生。供應商與MicropsiIndustries聯系，因為其AI系統可以處理這些差異-位置，照明條件，顏色和剩余包裝的堵塞物。為此，該技術必須學會找到下一個零件，而不管一天中的時間，陽光強度，表面狀況和包裝巧合如何。

　　更難解決的是目前白色家電制造商正在通過驗證階段的測試應用程序。在這里，探頭的定位必須非常精確。AI必須在正在測試泄漏的銅線上找到焊點，并且這些焊點的位置，方向，形狀和材料特性差異很大。

　　這兩個應用程序是用幾乎相同的硬件實現的：UniversalRobots的UR5e協作機器人，AI系統和手腕相機，以及客戶為應用程序量身定制的工具。工廠員工在現場對系統進行了培訓。

　　在內部建立AI專業知識

　　目前，有許多AI產品正在涌現用于制造業。它們觸發了思維方式的改變，并實現了軟件控制的靈活生產過程。易于學習的產品可以控制由此產生的復雜性。

　　因此，您可以通過AI進行一些優化，而不僅僅是進行一些優化。該技術可實現更大的靈活性，獨立性，彈性和效率。市場必須提供可以探索性學習的產品，從而使AI受到信任。如果成功的話，與PC技術的引入相提并論的自動化浪潮將成為可能。