施耐德TSXCBY1000

將原始數據轉化為系統化的模型，在那里可以建立模式并檢測出異常情況。擁有應用知識就變得至關重要，因為它使Festo項目團隊有可能支持對異常情況進行分類，并以的形式將其輸出給適當的人類員工，例如高水平的報告、維護干預、文本信息或直接輸入智能維護工具中。人類的反饋將不斷提高輸出的質量。"Sands說。

工業自動化和人工智能的未來是有內在聯系的。"我們將看到更強大的軟件工具，通過AI優化的機器設計，它們可以加速和支持設計師和程序員的工作。"Sands說。這些將比今天的編程更直觀，可能使用自然語音或文本。

復雜的機器模型將從標準化和結構化的數據模型中更迅速和無錯誤地創建。這些物理機器的數字雙胞胎將包含用于拖放CAD設計的部件的物理尺寸，以及關于其性能動態和操作的信息，因此它們可以被優化為能源消耗、整體設備效率（OEE）和總擁有成本（TCO）。

隨著對可持續發展的密切關注，它也將自動生成一個完整的狀態分析圖，以說明機器所有部件在生產制造過程中所消耗的二氧化碳，以及在其生命周期內與產出有關的消耗。

不過，AI的應用也存在著風險和挑戰。Sands認為，"諸如知識產權所有權和內置偏見等因素需要被監控和解決，而且，隨著這些解決方案變得越來越有說服力，我們需要注意邏輯錯誤不會被內置、強化或重復。只有了解AI的愿景和局限性，我們才能努力獲得它所提供的全部好處。"