“自動化可以改進流程的運作。通過對勞動力和先行指標進行檢驗可以提高生產力。通過分析可以深入了解事情運作的方式。但是在人工智能領域卻不是這樣的，除非你了解類似機器學習和語義學方面的知識。

”在工業物聯網領域，機器和設備的預見性維護是第一種被證明可以進行廣泛商業運用的應用。“可以運用傳統回歸和預測性分析完成這項任務。但是，當你擁有了人工智能后，你可以超越結構化的確定性從而實現模糊化的隨機性。”Infosys公司的副主席JeffKavanaugh說道，運用機器學習基于輸入的信號，例如聲音信號，通過像人類一樣運作的電腦學習分辨設備健康和異常時候的聲音，就可以了解異常情況。

最近Infosys公司針對智能自動化運用進行了一次全球性調查。這次調查的核心觀點表明人工智能技術正在成為一種主流，并且表現出積極的一面。同時，發現不同地區人工智能的使用率大不相同，需要更多分析來確定根本原因。

經常被問到的一個問題是企業是否有足夠的數據進行機器學習，以及數據是否以合適的形式進行運用。人們擁有超出他們想象的數據，但是這些數據量低于他們的預期，而且很多數據并沒有在機器學習上得到運用，有些情況下根本不需要大量數據。企業可以更好地利用已經積累的數據。工業企業可以從簡單數據中獲得重要的寶藏。同時，這些簡單的數據可以被更進一步地分析和運用。

與80年代引入PLC、DCS、SCADA、CAD和ERP的時候相比，當今的技術革新帶來的變化有所不同。Kavanaugh認為，20世紀80年代新技術的引進帶來了重大意義的變化，但是那只是行和列之間的自動化，更適用于車間和現場。現在更強調結合經驗，從多屬性的角度來看待實際發生的事情。

“我們正在討論事情是內在可認知的，

換句話說，這些事情是模糊的。

早些時候轉型是從完整的模擬到計算機操作，

現在的趨勢是更加普遍、連接更加緊密、更智能化

——最終也將更加深刻。”

人工智能是充滿希望的。一些技術專家認為，得益于邊緣控制的發展，ERP或將成為未來所有數據最具潛力的聚合點，繞開傳統的自動化控制系統。這種影響可能將是深遠的。

例如，作為一種內存數據ERP系統，SAP的HANA最新引入了地理信息系統的能力，但不僅僅是作為應用程序功能。集成將這種能力擴展到獨立產品中。一個數據庫運行著這個業務應用程序和地理信息系統。在一個案例中，一家公司已經將來自于SAPERP中心組件帶有地理數據的交易數據和來自渦輪機的其他數據整合在一起。

聲明：本文為轉載類文章，如涉及版權問題，請及時聯系我們刪除（QQ: 2737591964），不便之處，敬請諒解！