借鉴过往经验
自动化领域的经验为AI的成功
部署提供了清晰路径。
在自动化技术的实施过程中，企业曾面临与当下推进AI应用时相似的挑战和机遇。尽管经历了一些成长的阵痛，但自动化最终在一系列目标上取得了显著成效。这些目标与企业当下设立的AI应用目标非常类似，包括推动创新、提升效率与强化数据洞察能力等。
回顾过往的经验教训，工程师与管理者一致认为，推动自动化成功落地的诸多因素也为AI部署指明了方向，其中包括：
1. 确立清晰、统一的投资回报率愿景。
2. 先通过试点项目进行概念验证，再逐步扩大规模。
3. 开展员工培训，确保各项举措影响力的最大化。
借助这些经验，企业的AI应用有望取得更大成效：三分之二的工程师 (66%) 和58%的管理者认为，AI有可能创造出比自动化更广泛的价值。
TE 观点
随着制造速度不断加快、复杂性持续提升，传统自动化领域中的一条经验尤为重要：真正创造价值的系统，不只是进行检测，而是能够持续地实时测量、决策并调整。这一在自动化领域早已确立的“闭环”原则，如今正直接指导我们设计AI赋能的视觉系统。
AI视觉不再依赖事后检验，而是推动我们转向过程检验，能够即时发现诸如端子错位等问题或其他工艺偏差，并主动调整设备参数以防止问题发生。
正如自动化设备依赖于经过调校的设定值和标准化模块，AI视觉同样依赖于稳健、可复用的模型和阈值，以实现质量稳定并快速在多条产线规模化复制。为持续推动这一转型，直观的界面和持续的技能提升，使产线负责人和工程师能够像使用传统自动化一样，自信地训练、优化并部署视觉模型。
Jim Tobojka
TE全球运营高级副总裁