全球正面臨人力短缺的挑戰，工業場域的自動化轉型因此更加重要，而近期快速發展的AI技術也為工業自動化應用帶來新的突破。有鑑於產業需求，西門子數位工業於2024台北國際自動化工業大展展出AI驅動的自動化方案，包括透過基於深度學習之視覺軟體實現物件撿取的AI機械手臂，以及生成式AI的多元應用，開啟工業AI新紀元。
台灣西門子數位工業總經理黃欣心(Christine Herbst-Kubitz)表示，此次展會中，該公司展出導入西門子SIMATIC Robot Pick AI深度學習的產線機械手臂，並且展出西門子採用生成式AI的解決方案，例如Industrial Copilot便可實現預測性維護(Predictive Maintenance)解決方案中的即時對話指令。
過往，儘管機器手臂等自動化方案可透過訓練和個別配置完成可預期的一般性任務，卻因為欠缺人類的認知智慧，難以完成對人類來說十分直覺的許多運動複雜任務。西門子的SIMATIC Robot Pick AI為預先訓練、基於深度學習的視覺軟體，應用於機械手臂，可在無須進行額外模型訓練的情況下，在運作期間精準判別不同的物品形狀、尺寸以及包裝類型最適合的吸盤抓取點，彈性撿取未知物體，可進一步提升自動化程度。
除了協助減少人力需求，AI也能夠加值整體流程。西門子以化工工廠為例說明生成式AI可帶來的優勢(圖2)。首先，由於建置化工工廠耗時、複雜且挑戰，採用生成式AI工廠模擬編輯器可提升效率與準確性。進入工程開發階段，COMOS生成式AI工程師助理可集中管理及優化流程，達成精準與高效製程，再藉由SIMATIC PCS neo控制系統簡化複雜的生產需求，並透過AI精準調整gPromos模型參數，實現數位分身的構建。最後，西門子預測性分析(SiePA)AI代理人(Agent)可以自動針對運作情況進行偵錯，有助實現預測性維護。
預測性維護可提前完成故障排除，而西門子結合生成式AI的Senseye預測性維護方案，在監控並提前預測問題之餘，也可以透過Industrial Copilot即時對話指令，進一步提供即時且易懂的解決方法，從單純的預測性(Predictive)維護邁向指示性(Prescrpitive)維護。
西門子數位工業協理范栩表示，AI應用的本質就是憑藉資料建立模型，以完成原本由人類負責的任務，或是協助完成人類無法做到的事情。由於工業領域，不同業者的資料都是自家know-how，訓練工業AI模型時，業者本身可提供的資料將影響最終應用能否確實符合場域需求。為了提供相應資料，場域的數位轉型必不可少。
范栩指出，與消費性AI應用相比，工業AI應用更重視可靠度和安全性，需要長時間的驗證和規畫，因此導入速度可能不如預期快速，但確實是重要的趨勢方向，因此建議業者及早著手進行數位轉型，建置所需的基礎建設，以確保未來AI應用可以順利落地。
