人工智能（AI）仍然是制造业在内的许多行业的热门话题，涵盖新AI功能和趋势的媒体在实现生产数字化方面起着关键作用。

　　在许多情况下，人工智能仅存在于理论上，要普及到它还有很长的路要走。第三方服务提供商吹捧其基于AI技术，使其看起来比以前更加神秘，并且费用也会非常昂贵。

　　利用AI的潜力能否证明其投资合理性？用AI优化几个参数真的值得吗？难道人工智能不只是被用来追赶潮流吗？

　　通过AI变得灵活

　　AI不应仅用作优化长期自动化流程的一种手段。真正的潜力是用这项技术做一些全新的事情。以前由人或物理机完成的任务现在可以由为机器人提供动力的AI控制软件来完成。这增加了机器人的灵活性和可追溯性，并在许多情况下提高了可靠性，并在市场上实现了更加成功的操作。

　　正如数字化历史所证明的那样，一开始新技术的专家总是有限的，但是这从未停止过进步。在1980年代PC取得胜利之前，人们容易相信每个公司都需要一个拥有自己的计算机科学家的数据中心来参与第一波数字化。那不是发生了什么。取而代之的是，现成的产品具有明确定义的界面，使每个企业（无论规模大小）都可以利用IT创新。关键是PC：易于理解的灵活计算技术，如今已广泛使用。

　　人工智能将在制造业中走同样的道路。制造商无需支付外部资源来领导AI项目，而是可以购买具有基本AI功能的产品，而无需外部帮助即可使用它们。这是一些组件供应商开发AI产品的基本假设之一。当然，您需要集中精力解决产品的复杂控制问题，但是您不必成为具有计算机科学学位的专家。

　　建立对新技术的信任

　　第二个障碍是技术本身，它最初对许多人来说是难以理解的。在这里，重要的是消除人们普遍担心的问题，即由AI控制的机器人会在晚上突然突然爆发自己的意志。有人声称，人工智能系统如何做出决定是不可预测和不可理解的。那不是真的神经网络是乘法和加法的序列。它们是确定性的，其工作原理可以与学校的数学联系起来，但是它们确实有很多参数。因此，您无法一目了然地告诉他们他们是如何做出决定的。

　　也有人呼吁AI使其决策路径易于理解，最好是遵循if-then-else模式的可理解规则。如果可能的话，将不需要复杂的模型，因为常规编程就足够了。但是，人工智能是对问题的答案，在这些问题中，如果易于解释的其他规则则不存在任何解决方案。在这些系统中建立信任所需要的是可测试的，可靠的系统，可以通过使用该系统并了解AI在给定用例中的响应方式来进行探索。当这项测试快速而轻松地进行时，发现的结果以及由AI驱动的机器人将受到信任。

　　自动化手动工作站

　　对于AI供应商而言，启用快速测试目前是一项技术挑战。有时可能需要一些耐心来训练AI系统以准备在生产中使用，但这是值得的。一旦掌握了这些技巧，制造商便可以使用基于AI的机器人控制解决方案来灵活地实现手动工作站的自动化。拾取零件，跟踪轮廓，插入电缆，组装产品，都可以通过机器人手腕上的单个小型摄像头来实现。由于所有组件都可以灵活地接受新任务的培训，因此机械臂和AI软件可以在生产中的不同位置使用。

　　例如，在一家汽车供应商处，已经建立了一种简单的自动化解决方案，用于对来自半有序网格的金属零件进行分类。设施的照明条件难以预测，经常会受到阳光直射。此外，金属零件具有高反射性，必须考虑闪锈的发生。供应商与MicropsiIndustries联系，因为其AI系统可以处理这些差异-位置，照明条件，颜色和剩余包装的堵塞物。为此，该技术必须学会找到下一个零件，而不管一天中的时间，阳光强度，表面状况和包装巧合如何。

　　更难解决的是目前白色家电制造商正在通过验证阶段的测试应用程序。在这里，探头的定位必须非常精确。AI必须在正在测试泄漏的铜线上找到焊点，并且这些焊点的位置，方向，形状和材料特性差异很大。

　　这两个应用程序是用几乎相同的硬件实现的：UniversalRobots的UR5e协作机器人，AI系统和手腕相机，以及客户为应用程序量身定制的工具。工厂员工在现场对系统进行了培训。

　　在内部建立AI专业知识

　　目前，有许多AI产品正在涌现用于制造业。它们触发了思维方式的改变，并实现了软件控制的灵活生产过程。易于学习的产品可以控制由此产生的复杂性。

　　因此，您可以通过AI进行一些优化，而不仅仅是进行一些优化。该技术可实现更大的灵活性，独立性，弹性和效率。市场必须提供可以探索性学习的产品，从而使AI受到信任。如果成功的话，与PC技术的引入相提并论的自动化浪潮将成为可能。