埃森哲预测，到2030年，工业物联网可为经济贡献10万亿美元。该报告还表明，传感器，材料跟踪机制，3D打印，自动化产品设计，机器人和可穿戴设备可以帮助制造商降低成本并提高生产率。预测性资产维护可能会使设备和机器维护成本降低多达30%，并且可以减少高达70%的故障。截至目前，许多公司声称协助工业设备操作员和工程师在操作和维护机器方面的角色，以改善工厂流程。我们研究了这个领域，以便更好地了解AI在工业自动化中的作用，并回答以下问题：目前哪些类型的AI应用程序用于工业自动化?AI为工业自动化带来了哪些切实的成果?这些创新努力中是否存在共同趋势?这些趋势如何影响工业自动化的未来?
本报告涵盖了提供两种技术软件的公司：
工业物联网(IIoT)：连接，收集，通信和监控设备以增强工业流程的网络协作机器人：设计用于与人类合作的机器人本文旨在为制造领域的业务提供他们目前对行业中AI的期望。我们希望本文允许制造业领域的企业获得他们可以自信地传达给执行团队的见解，以便他们在考虑采用AI时做出明智的决策。至少，本文旨在减少制造业花在研究人工智能公司上的时间，他们可能想与这些公司合作，以找到工业自动化解决方案。
西门子是一家位于德国慕尼黑的公司，提供名为MindSphere的软件，这是一种基于云的操作系统，可使工厂内的机器和设备收集数据。西门子声称这可以帮助制造商使用基于机器学习的分析来监控其工业资产的状况。
西门子声称传感器从各种机器收集数据并将其上传到云中的公司数据库。然后，这些数据通过MindSphere的机器学习算法运行，在仪表板上为分析提供信息。
例如，在MindSphere平台上运行的电池工厂的生产可能会设置为每天生产100,000个电池，但传感器数据可能会告知，分析显示生产在过去两天内已经下降。此信息在设施维护经理的计算机屏幕上以可视图表的形式呈现。 MindSphere可能会进一步显示哪个特定机器表现不佳。
MindSphere还可以在表现不佳的机器上运行诊断程序。一旦其背后的机器学习模型发现问题，MindSphere可以通知机器维护操作员有关该问题，并建议修复或退出机器。
