概述
自主操作的興趣持續增長受到最近的大流行,但也在勞動力和動態驅動改善環境、社會和治理(環境、社會和公司治理)排名。製造商已經開始分層人工智能(AI)的先進的過程控製和監管控製增加自治的過程。
不幸的是,自主工廠仍然是難以捉摸的。
遇到的一個障礙是訓練有素的人工智能模型的能力適應條件他們沒有受過訓練。因果的人工智能是一個人工智能係統,可以解釋因果關係。這種技術是組織用來幫助解釋決策和決定的原因。基於因果AI係統,通過識別潛在的網絡行為或事件的因果關係,僅僅提供見解,預測人工智能模型可能無法從曆史數據中提取。因果關係的分析可以用來補充人類決策在理解背後的原因的結果的情況下是必要的,如量化不同幹預措施的影響,決策或執行場景規劃。
采用因果AI有潛力使更全麵的人工智能模型能適應新的環境,增加自主生產。
更大的關注自主操作
自主操作的興趣仍在繼續。盡管內存的需要由大流行性流感消失,明顯的好處繼續產生共鳴。幸運的是,公司發現他們有很多必要的自動化基礎。這些包括傳感器、控製係統、先進過程控製、曆史學家、和製造執行係統。大流行之前,這些係統通常是用於滿足一組操作條件,更多地依賴於人員的直接可用性。在大流行期間,技術使遠程訪問和更好的自動化從奢侈品變成了必需品。此外,這些技術揭示他們的缺點改進,收到了一些急需的投資。
最終用戶看著容易贏得運用固有的自動化功能安裝控製係統。然後在這個領域的工作傾向於將更多的依賴和關注人工智能(AI)。然而,行業應用人工智能終端用戶繼續有限範圍學習技術和本身的局限性。盡可能多的學習,相關性並不意味著因果關係。
製造業麵臨的挑戰
的最大障礙之一為自主操作使用AI錯誤恢複或彈性。大多數AI不能原因超出訓練,而人類可以原因超出了他們的經驗,因為人類傾向於理解為什麼。“應該操作條件偏離的AI已經訓練有素的期待,人類必須求情。
這是一個訓練有素的操作員有效最大的優勢,但這操作員經驗和推理是封裝在人類的大腦中。這種體驗方麵也是為什麼出現某些偏差時,響應可以根據專業不同運營商(s)的轉變。
不幸的是,製造商正經曆挑戰與人類一般員工。最近,弧發表一篇文章關於這個主題,描述了所麵臨的挑戰和一些解決方案來解決這些問題包括知識獲取和自主技術。
ARC谘詢集團客戶可以查看完整的報告弧客戶門戶
如果你想買這個報告或獲得關於如何成為一個客戶的信息,謝謝聯係我們
關鍵詞:自主操作、自主植物、人工智能、人工智能、因果、知識管理、知識獲取、預測分析,ARC谘詢集團。