在確保安全、高效使用機器人的傳感器和系統解決方案領域，SICK 正在實行模式轉變。Integrated Automation高級副總裁 Volker Glöckle 闡述了這一市場的動態變化，以及 SICK 成為解決方案提供商的路徑。

　　Glöckle 先生，“Integrated Automation”部門的任務是將 SICK 打造成自動化應用解決方案的提供商。您怎樣實現這一目標？

　　Glöckle：值得慶幸的是，我們并不是從零開始：多年來，SICK 在為機器人應用開發自動化和安全解決方案方面積蓄了強大的實力 —— 但到目前為止，這些解決方案都是相互孤立的。我們希望通過將機器人理解成一個整體系統來解決這個問題，專注于傳感器的主要應用領域，從而滿足高安全性和高生產效率的要求。當然，我們仍會繼續為機器人制造商和集成商提供傳感器　 

　　該整體解決方案的必要性源自于哪里？

　　Glöckle：提高自動化水平一直是所有行業的主要驅動力之一，也是我們持續增長的保障。此外還包括新的技術可能性。例如，如今的算力似乎已不再重要，客戶的要求越來越高，應用領域也越來越廣。所有這些都產生了巨大的動力。解決方案不再局限于個別行業。對我們來說，這意味著我們要與機器人制造商緊密合作，共同為客戶的個性化應用開發理想的解決方案。　 

　　整體解決方案的具體開發過程是怎樣的？

　　Glöckle：首先是觀察和學習。我們對應用場景了解得越多，我們就能更好地為其量身定制整體解決方案。同時，我們收集的數據和應用案例越多，我們就越能針對性地開發新解決方案。隨著時間的推移，我們的積累逐漸豐厚，我們可以在此基礎上更快速、更高效地實現客戶項目。　　 

　　那么數據源自于哪里？

　　Glöckle：大部分的數據都通過傳感器生成。我們的數字平臺 App Space 和 Integration Space 以及基于此實現的功能和服務，可以幫助我們合并和解析數據。當然，我們也充分利用了來自客戶系統的流程數據

　　人工智能在新解決方案中發揮了多大作用？

　　Glöckle：人工智能，具體來說是 Deep Learning，一個關鍵的組成部分，為我們開啟了全新的可能性。當必須考慮應用中的差異，而這些差異又無法通過靜態編程來體現時，AI 就能充分發揮潛力。例如，物流領域中的機器人揀貨。此時可以通過 Deep Learning 學習新的產品或改變后的產品功能，即重新訓練算法，投入可控且無需深入的編程知識。除了提高耐用性之外，學習新的場景，讓客戶更容易、更方便地適應變化后的框架條件，也是我們的系統所努力的方向。　 

　　也就是說，易操作性非常重要。那么你們采取了哪些措施來改進這一點？

　　Glöckle：我們與機器人制造商的合作比以前更加緊密，我們的解決方案從一開始就被集成。我們的安全和引導解決方案以理想的方式集成到機器人控制系統中。例如，我們的解決方案可以通過機器人操作面板輕松實現參數設定和可視化。我們在 2022 年推出的 SARA-App（“SICK Augmented Reality Assistant”的簡稱）也讓一切變得更加簡單。通過平板電腦或智能手機進行故障診斷和操作，大幅降低了員工使用應用程序的復雜性。

　　解決方案正好及時出現，你們是如何做到的？

　　Glöckle：正如我所說，我們在這條道路上已經走了很長時間，諸如用于仿真的數字化雙胞胎、用于提高效率的動態安全解決方案，或者用于提高靈活性和耐用性的 Deep Learning 等主題，早已在我們公司的許多領域得到實施。現在，我們正在為客戶整合這些因素。正如開頭所提到的：我們要認真傾聽，結合專業能力，然后得出正確的結論。