许多人都熟悉工厂自动化的概念，但 "超自动化 "呢？随着自主工厂的兴起，其系统可以对质量控制和生产线速度等方面做出自己的决定吗？
在人工智能（AI）技术的推动下，超自动化（hyperautomation）和自主工厂系统这两个概念很快就会出现在制造领域，并且被许多行业观察家密切跟踪。它们也都有望彻底改变工厂的运作方式。
超自动化时代
根据Gartner公司的说法，当涉及到这些进展的广泛采用时，超自动化也许是第一件大事，该公司似乎创造了这个术语。但对于今天负责在其公司推进工业4.0计划的许多IT部门来说，这个概念并不陌生。根据Gartner研究副总裁Fabrizio Biscotti的说法，该方法允许企业利用机器人流程自动化、低代码平台和AI等技术，尽可能多地实现流程自动化。
这些技术正在迅速发展，想要保持竞争力和实现工厂的全面自动化的制造商，已经不能再忽视对这些技术的应用。如果不这样做，这些工厂至少应该在可行的情况下尽可能地实现系统自动化。
超自动化基本上建立在现有的自动化之上，通过AI和机器学习（ML）增强和提升，并无缝协调多个设备或技术。超自动化涉及协调使用多种技术、工具或平台，包括AI、机器学习（ML）；事件驱动的软件架构；机器人流程自动化；业务流程管理（BPM）和智能业务流程管理套件（iBPMS）；集成平台即服务 （iPaaS）；低代码/无代码工具;打包软件;以及其他类型的决策、流程和任务自动化工具。
这些工厂自动化举措之所以成为可能，是因为AI和为自动化系统提供动力的ML算法正变得越来越普遍和实惠。同时，物联网及其传感器网络使这些工厂能够连接流程，收集数据，并获得对工厂绩效的重要见解，Gartner先进制造和运输集团的高级主任分析师Scot Kim说。
超自动化正在成为制造企业优化和提高生产力的重要推动力之一。供应链中断、劳动力短缺和宏观经济动荡可能会持续到2023年，制造商已准备好进行积极的投资，以实现工厂的现代化。
就像工业4.0计划一样，制造商必须尽可能多地实现技术和流程的自动化，否则就有可能被甩在后面。
Gartner预计， 2022年机器人流程自动化、低代码平台和人工智能等实现超自动化工具的市场将实现两位数的增长。该公司预测，到2024年，通过将超自动化技术与重新设计的运营流程相结合，企业将使运营成本降低30%。
Biscotti补充说，其他类型的自动化软件可用于自动化更具体的公司任务，例如供应链，企业资源规划系统和客户关系管理系统。
从自动化到自主化
越来越多的制造商，即使他们希望实现尽可能多的系统自动化，也开始考虑超越自动化并进入自主化。
这两个概念听起来可能很相似，但实际上却大不相同。
自动化是一个独立的固定过程，就像工厂生产线的流行想法一样。一个自动视觉系统可能会监控这个过程，以挑选出有缺陷的产品，当然，机器人可能会在生产线上一直执行某些工作。
但这些系统实际上是由人驱动的，就自动化系统而言，工程师们是这些系统背后的人，他们将它们编程为以有限的方式执行。视觉系统被编程为检测非常具体的缺陷，机器人以完全相同的方式重复执行相同的工作。
另一方面，自主系统可以学习如何自己执行任务，甚至可以适应流程或环境的变化，管理咨询公司Kalypso全球数据科学总监Jordan Reynolds表示。
许多工业4.0技术必须结合在一起来运行自主系统，包括物联网和人工智能。物联网是由数以百计，有时是数以千计的传感器组成的，这些传感器与运行中的设备相连，并不断发回有关周围条件和设备如何实时运行的信息。
"我们现在有能力实现自我学习，而不是对这些系统进行显式编程。" Reynolds说，"它们能够学习如何自己创造产品并保持质量水平。"
如果没有AI和ML技术，自主化几乎是不可能的。将工厂自动化比作自动驾驶汽车的概念，即使在今天，自动驾驶汽车也只是以公共汽车和短途运输卡车的形式在街道上出现。物联网持续监控路况和轮胎压力等因素，并测量车辆与骑自行车过马路的人之间的距离。
AI工具使汽车随着时间的推移变得更加智能。Reynolds说，根据过去的经验，基本上可以更好地驾驶，就像初学者只需下车沿着道路行驶即可前进一样。
同样的AI技术正在将工厂从传统的可编程逻辑控制器（自动化生产线）转变为自主运行的自主工厂，边走边学，随着时间的推移，在没有人工干预的情况下做得更好。
对于人工智能和自主系统，无论是自动驾驶汽车还是自我优化的制造程序，其目标是将这些类似人类的能力--观察、推断、决定和行动--灌输到将自主行动的系统中。
自主制造系统可以带来巨大的商业价值。他补充说，它们可以消除或重新利用对人工工作的需求，从而更好地规划、调度和资源分配决策，减少资源和原材料投入，提升生产率、质量和产量水平以及资本资产效率。
"所有这些都是自动化市场的自然发展，"Reynolds说，"制造过程独立学习和适应的能力是这一发展的下一个合乎逻辑的阶段。"
