將原始數(shù)據(jù)轉(zhuǎn)化為系統(tǒng)化的模型，在那里可以建立模式并檢測出異常情況。擁有應(yīng)用知識就變得至關(guān)重要，因?yàn)樗笷esto項(xiàng)目團(tuán)隊(duì)有可能支持對異常情況進(jìn)行分類，并以的形式將其輸出給適當(dāng)?shù)娜祟悊T工，例如高水平的報(bào)告、維護(hù)干預(yù)、文本信息或直接輸入智能維護(hù)工具中。人類的反饋將不斷提高輸出的質(zhì)量。"Sands說。
工業(yè)自動化和人工智能的未來是有內(nèi)在聯(lián)系的。"我們將看到更強(qiáng)大的軟件工具，通過AI優(yōu)化的機(jī)器設(shè)計(jì)，它們可以加速和支持設(shè)計(jì)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(fù)雜的機(jī)器模型將從標(biāo)準(zhǔn)化和結(jié)構(gòu)化的數(shù)據(jù)模型中更迅速和無錯(cuò)誤地創(chuàng)建。這些物理機(jī)器的數(shù)字雙胞胎將包含用于拖放CAD設(shè)計(jì)的部件的物理尺寸，以及關(guān)于其性能動態(tài)和操作的信息，因此它們可以被優(yōu)化為能源消耗、整體設(shè)備效率（OEE）和總擁有成本（TCO）。
隨著對可持續(xù)發(fā)展的密切關(guān)注，它也將自動生成一個(gè)完整的狀態(tài)分析圖，以說明機(jī)器所有部件在生產(chǎn)制造過程中所消耗的二氧化碳，以及在其生命周期內(nèi)與產(chǎn)出有關(guān)的消耗。
不過，AI的應(yīng)用也存在著風(fēng)險(xiǎn)和挑戰(zhàn)。Sands認(rèn)為，"諸如知識產(chǎn)權(quán)所有權(quán)和內(nèi)置偏見等因素需要被監(jiān)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(cuò)誤不會被內(nèi)置、強(qiáng)化或重復(fù)。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。"
