31、工业4.0中RPA与AI的融合：智能自动化的力量

工业4.0中RPA与AI的融合：智能自动化的力量

1. RPA：工业4.0的催化剂

要全面实现工业4.0，面临着诸多挑战。其中最典型的是企业不愿改变对业务流程至关重要的遗留系统，而且为所有系统在业务流程中提供一个交互平台也需要时间。此外，在科技飞速发展的当下，大量生成的数据往往是非结构化的，如来自电子邮件、社交媒体或传感器的数据，这些数据难以用传统方法进行分析、解读和处理。

机器人流程自动化（RPA）在此时发挥了重要作用。RPA是一种利用软件机器人或智能自动化技术，无需人工参与即可自动执行商业活动的技术。它在当今各种工业流程中得到了广泛应用，尤其是在基于规则且无需人工判断的后台办公流程中。RPA系统通过捕获用户在应用程序图形用户界面（GUI）中完成给定任务时使用的触摸板（键盘和鼠标）操作，创建一个操作列表，并在GUI中复制这些操作来实现自动化。机器人无需物理屏幕即可运行，它们以电子方式读取屏幕显示，所有自动化操作都在虚拟环境中进行。

RPA不仅节省了IT基础设施的采购、设置和维护成本，还能合理调配人力资源，避免将人力投入到无需人类脑力劳动的任务中。常见的应用包括网络读写、提取结构化和半结构化的大型数据集、网页抓取、打开电子邮件和附件以及进行计算等。目前，RPA在银行与金融、保险、医疗保健、能源与公用事业等行业都有广泛需求。这是一种非侵入性技术，无需对底层系统进行任何更改，因此很容易融入现有的业务运营中。而且，RPA与其他新兴技术（如AI）结合使用时，能让我们利用高级分析从非结构化数据中获取有价值的见解和可操作的信息。

总之，RPA是工业4.0的催化剂，它能够实现耗时、单调任务的全天候自动化，使我们离创建一个完全互联的世界更近了一步。

RPA的优势总结

优势	描述
成本节约	节省IT基础设施成本和人力资源投入
易于集成	非侵入性技术，无需更改底层系统
应用广泛	适用于多种行业和业务流程
数据处理	可处理结构化和半结构化数据

RPA工作流程mermaid图

graph LR
    A[用户操作GUI] --> B[RPA捕获操作]
    B --> C[创建操作列表]
    C --> D[在虚拟环境中复制操作]
    D --> E[自动化执行任务]

2. AI在工业4.0中的应用

工业技术的进一步发展包括将计算机和机器人连接到物联网，并通过机器学习算法进行增强。因此，第四次工业革命有望成为工业经济增长的重要引擎。人工智能（AI）对商业分析进行了优化，是全球经济的有意义扩展。据IBM报告《全球AI竞赛》显示，82%的西班牙企业已开始尝试使用AI。

AI包含一系列技术，使机器能够执行人类的任务，如感知、理解和自主学习，从而提高效率，减少人力劳动。通过应用AI，可以创建能够执行人类能力范围之外的困难工作的机器人，例如管理微观组件或处理危险原材料。

智能工厂由高度互联的生产方法组成，各种机器相互通信。它们借助AI自动化平台收集、分析和处理各类数据。原始设备制造商（OEM）通过将AI集成到制造运营中，在智能工厂中成功推动了工业4.0的发展。一些制造商使用AI和机器学习来改进组织数据集的质量、标准和维护，通过分析设备功能，大幅减少了工厂生产线。制造业是世界上最重要的行业之一，在该领域实施相关机制有助于释放系统和应用对消费者的真正潜力。在工业4.0中，物联网及其分析将在发现模式和行为以及向制造商提供实时数据方面发挥关键作用。

正确使用AI对制造业有诸多好处，主要包括：
- 减少错误 ：经过训练的高级算法在容易出现人为错误的工作中表现出色，且不受外部因素影响。
- 降低成本 ：许多电子商务网站和银行使用机器人提供客户服务，复杂问题再由人工处理，企业可以削减人力成本或重新分配人员到更具战略意义的岗位，从而提高利润。
- 促进销售增长 ：减少错误并让员工专注于核心业务，有更多时间开展核心业务活动，将其他AI任务交给机器人。

AI彻底改变了企业的运营方式，形成了新的人机交互网络。基于云的网络连接使网络物理系统与人类之间实现了互动，智能工厂成为工业4.0的核心驱动力。

AI在制造业的好处对比

好处	描述
减少错误	算法不受外部因素干扰，降低人为错误
降低成本	削减人力成本，重新分配人员
促进销售增长	员工专注核心业务，提高销售效率

AI在智能工厂的数据处理流程mermaid图

graph LR
    A[机器收集数据] --> B[AI自动化平台分析数据]
    B --> C[发现模式和行为]
    C --> D[提供实时数据给制造商]
    D --> E[优化生产流程]

3. RPA与AI的集成：智能自动化

尽管如今越来越多的业务流程实现了数字化，但大小企业的员工仍需完成一些枯燥、重复的任务，如输入客户账单信息、在不同表单之间复制粘贴数据以及通过聊天回复常见客户咨询等。如果这些流程无法自动化，员工将难以与客户互动、开发新产品以及适应不断变化的业务环境。

智能自动化，即RPA与AI的结合，正在改变这一现状。如今，几乎任何数字业务活动都可以且应该实现自动化。智能自动化正式定义为利用机器人流程自动化和人工智能等自动化技术，帮助企业简化和平衡决策过程，也称为认知自动化。它本质上是RPA与AI的集成，只需最少的人工干预。智能自动化的“智能”方面由机器人技术、人工智能和其他新技术实现，这些技术能够执行人类操作，并在无需直接人工干预的情况下做出决策或解释数据。

机器学习技术的改进、传感器的升级以及不断提高的处理能力，推动了新一代硬件和软件机器人的发展，这些机器人在几乎所有行业领域都有实际应用。这一进展引起了风险投资家、科技企业和越来越多客户的关注，他们将智能自动化集成到物理和信息系统中。智能自动化有广泛的用途，包括简化流程、释放资源和提高生产力。常见的应用包括自动驾驶汽车、杂货店的自助收银机、智能家居助手和设备等。企业可以利用数据和机器学习创建预测分析，以应对客户行为的变化，也可以使用RPA优化工厂车间的运营。智能自动化可用于汽车行业加速生产或减少人为错误的可能性，也可用于制药或生命科学公司在重复操作时降低成本并提高资源效率。此外，该技术还被用于新冠疫苗的分发，通过医院系统的电子健康记录数据识别和教育患者，并安排疫苗接种。企业利用AI通过机器学习和复杂算法评估非结构化和结构化数据，构建知识库并做出数据驱动的预测，这是智能自动化的决策引擎。RPA则使用软件机器人执行后台操作，如数据提取和表单填写。由于RPA可以利用AI的见解解决日益复杂的任务和用例，这些机器人是AI的绝佳补充。

智能自动化的应用场景举例

应用场景	描述
自动驾驶汽车	实现无人驾驶，提高交通效率和安全性
自助收银机	减少人工收银，提高购物体验
智能家居助手	实现家居设备的智能控制
新冠疫苗分发	利用数据识别和安排接种

RPA与AI集成的工作流程mermaid图

graph LR
    A[数据收集] --> B[AI分析数据]
    B --> C[生成决策和见解]
    C --> D[RPA执行自动化任务]
    D --> E[反馈和优化]
    E --> A

4. 集成RPA与AI的好处

亚里士多德曾说：“整体大于部分之和”，RPA与AI的集成很好地体现了这一观点。AI从各种来源收集数据，并为其工具提供支持，以提高它们之间交互的价值。RPA则擅长自动化以前需要人工干预的结构化数据任务。两者各自都有价值，但结合使用时，能够将技术知识与现代方法相结合，实现有效的应用交互，为解决方案增添巨大价值。具体带来以下四个方面的效率提升：
- 提高生产力 ：自动化的应用和实际流程运行速度更快。组织通过自动化应用和流程，以及利用多种结构化和非结构化数据资源进行实时决策、预测和规划，提高了规划周期的效率和准确性。例如，金融服务公司德勤最近使用RPA构建机器人，自动准备月度绩效信息。
- 降低成本 ：德勤报告显示，高管认为智能自动化平均可降低22%的成本，而目前正在发展智能自动化的组织表示，到目前为止，他们的部署已平均实现了27%的成本降低。这清楚地显示了这两项新兴技术集成带来的成本优势。
- 提高准确性 ：利用结构化和非结构化数据以及重复流程自动化，确保了更好的决策制定，减少人工参与也带来了更精确的结果。德勤使用机器人创建月度绩效报告，减少了人工数据输入过程中产生的错误，提高了报告的准确性。光学字符识别（OCR）也加快了数据处理速度，实现了从各种资源中自动提取数据。
- 提升客户体验 ：技术使公司能够更好地分析客户需求，有效沟通，并推出更高质量的产品。客户通常对购买体验更加满意。例如，IBM资产管理客户GAM部署了机器人，提供高效的客户服务和定价报价，优化后将响应客户咨询的时间缩短了一半，提升了客户的整体体验，加快了购买流程。

集成RPA与AI的好处对比

好处	描述
提高生产力	自动化流程，提高规划效率
降低成本	实现成本节约，提高利润
提高准确性	减少错误，提高数据处理精度
提升客户体验	更好地满足客户需求，加快购买流程

集成RPA与AI带来好处的逻辑mermaid图

graph LR
    A[RPA与AI集成] --> B[提高生产力]
    A --> C[降低成本]
    A --> D[提高准确性]
    A --> E[提升客户体验]

5. 集成智能自动化解决方案面临的挑战

5.1 碎片化流程

采用智能自动化不仅仅是对现有流程进行自动化。如今的公司拥有数百种不同的流程，其中大多数分散在各个职能部门或业务部门。然而，许多关键业务流程跨越了组织边界，例如人力资源招聘和入职流程会影响到 payroll（薪资）、财务和 IT 等多个部门。但这些流程往往被分割，记录或数据像被推过无形的墙一样传递给下一个部门的人员。

智能自动化在重新设计这些碎片化流程方面将发挥重要作用，它能够实现高效、低成本的运营，速度更快且准确率达到 100%，这是传统方法无法比拟的。那些需要在多个系统中执行单一任务的员工，可以从重复且易出错的手动输入或按键操作中解放出来，专注于更有价值的任务。但要实现这一点，必须让执行这些任务的员工参与进来。不仅流程再造的专家和顾问有用，熟悉这些流程的员工的意见同样宝贵。

5.2 缺乏 IT 准备

智能自动化需要 IT 部门提供大量支持。与标准的 RPA 可以由业务部门在很少或无需 IT 帮助的情况下执行不同，智能自动化需要大量的计算、存储和其他基础设施资源，而且不仅是本地资源。出于可扩展性和容量的考虑，智能自动化本质上应该部署在云端。这很可能需要一个配备齐全、熟悉云端（甚至正在云端开展工作）的 IT 团队参与，因为它要处理大量数据。

5.3 员工对变革的抵触

智能自动化包含多个组成部分，技术只是其中之一，人的因素同样关键。企业从一开始就必须仔细评估角色、流程、活动和工作方式的即将变化对员工的影响。根据德勤的一项调查，即使是正在发展智能自动化的公司，也有 58%尚未进行此类评估。这种将人排除在外的智能自动化愿景是短视的，从长远来看不会有回报。需要一个全面的战略，主要关注员工，培养他们的适应能力和韧性。超过一半（59%）接受德勤调查的公司正在对员工进行流程技能培训，如积极倾听和批判性思维，还有同样比例的公司正在对员工进行认知技能培训，如创造力和解决问题的能力，以便他们能够适应变化。

5.4 缺乏清晰的愿景

要正确实施智能自动化，需要将愿景和战略相结合。许多企业在逐步引入智能自动化时，由 IT 或业务部门主导，但没有整体规划。据德勤称，只有 26%的组织在测试自动化，而在采用和扩展自动化的组织中，只有 38%拥有企业级的智能自动化战略。

5.5 数据质量问题

对于 AI 项目的成功，获取准确、可用和高质量的数据至关重要，但在制造业中这可能会成为问题。制造数据通常存在失真、过时和大量错误的情况，这可能与多种因素有关。例如，在极端条件（如高温、振动和噪音）下，制造车间的传感器数据就可能出现此类问题。通常，工厂使用各种专有软件构建，这些软件之间无法相互交互。合适的数据可能分散在多个数据库中，格式不适合进行分析，每次都需要进行大量的预处理。例如，预测性维护系统需要访问监控和数据采集系统或过程记录仪，可能还需要通过连接或定制脚本获取和修改数据。

5.6 信任和透明度问题

技术的复杂性以及制造商对其能力缺乏信心，是广泛实施 AI 的关键障碍。没有数据科学背景的人难以理解预测建模和数据科学的操作知识，他们也会对基于抽象方法的 AI 技术缺乏信任。更高的透明度可以披露 AI 过程的相关信息，如使用的原始数据、选择的算法以及模型如何进行预测，但这些内容可能他们无法理解。

集成智能自动化解决方案挑战列表

挑战类型	具体描述
碎片化流程	业务流程分散，跨部门流程分割，需员工参与重新设计
缺乏 IT 准备	需要大量 IT 资源，应部署在云端，需专业 IT 团队
员工对变革的抵触	未充分评估对员工影响，需培养员工适应能力
缺乏清晰的愿景	引入智能自动化缺乏整体规划和战略
数据质量问题	制造数据存在失真、过时和错误，需大量预处理
信任和透明度问题	技术复杂，非专业人员缺乏信任，透明度难理解

集成智能自动化挑战解决流程 mermaid 图

graph LR
    A[识别挑战] --> B[分析挑战成因]
    B --> C[制定解决方案]
    C --> D[实施解决方案]
    D --> E[评估效果]
    E --> F{是否解决}
    F -- 是 --> G[结束]
    F -- 否 --> A

6. 工业 4.0 中智能自动化的误解

6.1 智能自动化会取代人类劳动力

这种观点是错误的。智能自动化并不会取代人类工作者，而是通过接管单调的任务来扩展人类的工作能力，使人类工作者能够专注于更复杂的问题。它为人类劳动力提供了通过再培训学习新技能的机会，有助于他们更新技能集，为未来的发展打下更好的基础。

6.2 智能自动化成本高昂

有人认为智能自动化仍处于发展初期，只有大型组织才能使用，因为早期技术成本高昂。但随着时间的推移，当智能自动化完全成熟后，小型企业也将能够使用。

6.3 智能自动化总是做出无偏见的决策

智能自动化是基于所获取和收集的信息做出决策的，而这些信息大多是由负责这些信息的人和商业组织提供的，具有一定的偶然性。因此，所做出的选择不可避免地存在偏见。

6.4 智能自动化只是一时的潮流

一些怀疑者认为智能自动化不是一项具有长期可行性的技术。但事实上，全球智能流程自动化市场预计到 2023 年将达到 137.5 亿美元，这表明它是自动化工具包中不可忽视的重要工具。

6.5 智能自动化难以学习

智能自动化涵盖了一系列复杂的概念，如编码、深度学习、机器学习等，这些内容确实有一定难度，但并非无法学习。现在有许多技术可以帮助人们轻松学习这些主题及其应用，有些工具甚至具有拖放功能，即使是没有编码经验的人也能使用，它将用户从底层实现中抽象出来，提供了一个友好的操作界面。

6.6 智能自动化可以自动化一切

这是最常见的误解之一。实际上，智能自动化只能支持手动和重复性任务，如向一组成员发送电子邮件、准备账龄报告、制造相同的产品等，但它无法执行只有人类才具备的需要创造力和想象力的任务。

智能自动化误解及真相列表

误解	真相
取代人类劳动力	扩展人类工作能力，提供技能更新机会
成本高昂	未来小型企业也可使用
总是做出无偏见决策	决策基于有偶然性的信息，存在偏见
只是一时潮流	市场增长表明具有长期可行性
难以学习	有工具和技术帮助学习
可以自动化一切	只能处理手动和重复性任务

消除智能自动化误解流程 mermaid 图

graph LR
    A[识别误解] --> B[收集真相信息]
    B --> C[传播真相]
    C --> D[评估误解消除效果]
    D --> E{是否消除误解}
    E -- 是 --> F[结束]
    E -- 否 --> A

7. 智能自动化的用例

在公司中，超过 80%的数据是非结构化数据，智能流程自动化（IPA）的用例可以处理这些数据，它利用了深度学习、自然语言处理（NLP）、机器学习（ML）以及光学字符识别（OCR）等技术。通过将 RPA 与 IPA 结合，IPA 处理非结构化数据，RPA 管理结构化数据，公司可以实现更广泛的流程自动化。以下是一些适用的用例。

7.1 客户支持

在当今的环境中，任何组织都不能忽视智能流程自动化（IPA）和客户服务。正确应用现有技术来满足客户需求可以建立信任，确保业务繁荣并提高投资回报率。如今急躁的客户期望得到快速响应和公平补偿。由于人类在处理大量客户时存在局限性，无法满足如此多客户的需求，唯一的解决方案是实施基于规则的自动解决方案。

企业现在可以通过自动化客户支持解决方案快速回复客户的常见问题和常见问答（FAQs），从而使他们的人际互动更加可靠。

智能自动化用例列表

用例	描述
客户支持	自动回复常见问题，提升人际互动可靠性

智能自动化客户支持流程 mermaid 图

graph LR
    A[客户咨询] --> B[自动识别问题类型]
    B --> C{是否常见问题}
    C -- 是 --> D[自动回复]
    C -- 否 --> E[转接人工]
    D --> F[客户反馈]
    E --> F
    F --> G{是否满意}
    G -- 是 --> H[结束]
    G -- 否 --> I[进一步处理]
    I --> A

智能自动化在工业 4.0 中展现出了巨大的潜力，但在实施过程中也面临着诸多挑战和误解。企业需要正确认识这些问题，充分发挥 RPA 与 AI 集成的优势，以实现更高效、更智能的运营。