자동화 제어 시스템
산업 제조
누군가가 인공 지능(AI)이 올 것이라고 예측한 첫 해는 아닙니다. 그러나 2020년은 달랐습니다. COVID-19 대유행은 디지털 혁신 기술의 채택 속도를 크게 가속화했습니다.
우리가 이야기하는 고객은 자동화와 AI를 사용하여 미래를 준비할 때 탄력성을 구축하기를 원합니다. 2021년으로 향하면 뒤돌아볼 수 없습니다. 엔터프라이즈 인공 지능 시대가 도래했습니다. 우리만 그렇게 말하는 것이 아닙니다. Forrester도 "이제 AI가 빛날 때"라고 예측합니다.
중요한 것은 결합입니다. 자동화에 AI를 추가하면 기업이 자동화할 수 있는 범위가 크게 확장됩니다. 2020년은 AI가 단순한 트렌드가 아님을 분명히 했습니다. AI는 완전 자동화된 엔터프라이즈™의 기둥이며 완전 자동화된 엔터프라이즈는 작업의 모든 측면에 AI를 도입합니다. 자동화의 잠재력은 무궁무진합니다. 우리는 AI의 힘이 그것을 거의 무한대로 만들 수 있다고 믿습니다. 이 게시물에서는 UiPath AI 팀이 2020년에 모은 최고의 리소스를 수집하고 요약했습니다. 동영상에서 기사, 사례 연구에 이르기까지 2020년이 중요한 이유를 보여주는 보물 창고를 찾을 수 있습니다. AI의 해. 그뿐만 아니라 2021년이 더 큰 이유를 알게 될 것입니다.
기업이 RPA와 결합하면 엔터프라이즈 AI는 가장 강력하고 가장 접근하기 쉽습니다. 자동화의 기반 위에서 AI는 작업의 모든 측면으로 흘러들어가 일부 프로세스를 개선하고 다른 프로세스를 혁신할 수 있습니다. 2020년 내내 우리는 AI와 RPA의 결합이 의미하는 바와 그것이 제공할 수 있는 바에 대해 깊이 생각했습니다.
AI와 RPA의 차이점에 대해 약간 헷갈리더라도 걱정하지 마십시오. 이상적으로는 기술이 밀접하게 작동하므로 혼동을 일으키지 않아도 됩니다. 이 기사에서는 이 둘의 차이점을 분류했습니다.
요약하자면 RPA는 인간이 하기 싫어하는 일상적이고 반복적인 규칙 기반 작업을 자동화할 수 있는 소프트웨어 로봇을 제공하는 기본 자동화 기술입니다. AI는 대규모 데이터 세트를 사용하여 복잡한 인지 프로세스를 처리하는 최첨단 자동화 기술입니다.
여기에서 우리는 RPA와 AI가 함께 서로에게 잠재되어 있는 잠재력을 발휘할 수 있는 방법을 분명히 했습니다. AI를 통해 RPA 개발자는 인지 프로세스를 자동화할 수 있는 거의 무한한 능력을 갖게 됩니다. RPA를 통해 개발자는 간단하고 확장 가능하며 안전한 방식으로 AI 프로세스를 삽입할 수 있습니다.
이 두 기술의 결합에 대해 생각하는 한 가지 방법은 부부의 관점에서 보는 것입니다.
아래 영상에서 부부는 집을 사려고 합니다. 한 가지 문제:대부분의 은행은 모기지 신청을 효율적으로 처리할 수 없습니다. 그것은 우리 부부를 추위에 떨게 하고 집을 기다리게 하고 그들의 은행은 느린 수익 주기가 돌아오기를 기다리게 합니다. 즉, AI Superior Bank를 선택하지 않는 한.
가상의 예(실제 사용 사례 기반)인 이 은행은 로봇으로 프로세스를 자동화하고 로봇이 AI로 무장하여 로봇이 예측하고, 가변성을 처리하고, 구조화되지 않은 콘텐츠를 해석할 수 있도록 합니다. 최종 결과는 고객과 회사 모두를 만족시키는 보다 효율적인 프로세스입니다.
우리는 기업에서 AI의 실제 적용에 중점을 둡니다.
따라서 우리는 UiPath 플랫폼의 모든 부분에 AI를 구축했습니다. 포트폴리오를 통해 다음을 통해 더 많은 프로세스를 자동화할 수 있습니다.
모든 곳에서 더 많은 자동화 기회 찾기:AI와 RPA를 함께 사용하면 자동화 기회를 발견하고 더 나은 자동화 파이프라인을 구축할 수 있습니다.
로봇이 "생각하는" 작업을 처리하도록 교육:UiPath Document Understanding, UiPath AI Computer Vision 및 Chatbot을 사용하면 로봇에 모든 종류의 인지 프로세스를 수행할 수 있는 능력을 부여할 수 있습니다.
AI를 로봇에 쉽게 삽입:UiPath StudioX 및 UiPath AI Fabric*을 사용하면 AI 기술을 접목하고 드래그 앤 드롭 방식으로 손쉽게 AI를 배포할 수 있습니다.
학습 루프 활용:이러한 모든 도구를 사용하면 새로운 데이터가 유입될 때 소프트웨어 로봇과 AI 모델의 성능을 향상시킬 수 있습니다.
이 포트폴리오는 예를 들어 이력서 검토, 청구 해결, 감사 규정 준수 보장과 관련된 프로세스를 변환합니다.
*편집자 주:UiPath AI Fabric은 이제 AI 센터 .
위에서 설명한 것처럼 COVID-19는 디지털 혁신을 촉진하는 것으로 판명되었습니다. RPA와 AI를 기반으로 하는 프로세스는 곧 뉴 노멀이 될 것이며 경쟁력을 유지하려는 기업은 지금 RPA와 AI를 구현하고 깊이 구현해야 합니다. 이 게시물에서 우리는 팬데믹이 발생한 후에도 기업이 RPA와 AI를 사용하여 성공할 수 있는 5가지 방법에 대해 논의합니다. C-suite가 여전히 자동화에 대해 의심하는 경우 이 게시물을 참조하십시오.
엔터프라이즈 인공 지능이 성공하려면 기반이 필요합니다. 그것 없이는 가장 혁신적인 비즈니스 리더조차도 방향을 잃을 수 있습니다. Accenture 연구에 따르면 경영진의 76%가 비즈니스 전반에 걸쳐 AI를 확장하는 데 어려움을 겪고 있습니다. 설상가상으로 많은 고위 경영진(4명 중 3명)이 향후 5년 내에 AI를 확장하지 않으면 사업을 접게 될 것을 두려워합니다. 미래에 대한 열망과 과거로 강등되는 것에 대한 두려움이 있습니다. AI가 어디에서 왔는지, AI 개발을 지원하는 것이 무엇을 의미하는지에 대한 이해가 부족합니다.
창립자이자 CEO인 Daniel Dines는 자동화가 새로운 것이 아니라고 말하는 것을 좋아합니다. 자동화는 최초의 인류 중 일부가 작업 비용을 줄이려고 했던 인류의 여명으로 거슬러 올라갑니다. AI는 훨씬 더 현대적입니다(다행히도 효율적입니다). 이 포스트에서 우리는 학계의 신성한 홀에 도입된 것부터 실제 현장 비즈니스 응용 프로그램에 이르기까지 AI의 역사를 살펴보았습니다. 이 여정은 매혹적인 여정이며 미래가 어디에 뿌리를 두고 있는지 아는 것은 모든 비즈니스 리더에게 도움이 됩니다.
AI에는 많은 전제 조건 기술이 필요했습니다. 그 중 가장 중요한 것은 광학 문자 인식(OCR)이었습니다. OCR이 장착되면 소프트웨어 로봇은 구조화되지 않은 데이터(전체 데이터의 약 80~90%를 차지)를 소화하고 기계로 인코딩된 텍스트를 출력할 수 있습니다. AI를 믹스에 추가하면 소프트웨어 로봇이 컨텍스트 단서를 사용하여 결과 데이터를 해석할 수 있습니다. 즉, 원시 데이터의 가변성을 처리하고 필요에 따라 문서를 분리할 수 있습니다. 세 가지 요소:AI, RPA, OCR은 셋 중 어느 누구도 혼자서는 할 수 없는 결과를 제공합니다.
2020년에는 즉각적인 비즈니스 세계 밖에서 AI에서 많은 큰 사건이 있었습니다. 그 중 유럽 집행위원회(European Commission)는 백서 "인공 지능:우수성과 신뢰에 대한 유럽의 접근"을 제작했습니다. 우리는 Google 및 Microsoft와 같은 회사와 협력하여 이 문서에 응답했습니다. 우리는 다음과 같이 AI를 규제하는 최선의 방법에 대해 수많은 제안을 했습니다.
점진적이고 균형 잡힌 위험 기반 접근 방식을 취하십시오.
EU 시장 전반에 걸쳐 일관성을 위해 규정을 조화시키십시오.
AI에 대한 간결하고 명확한 정의를 제공합니다.
그것은 우리가 가질 수 있어서 행복했고 계속해서 기쁘게 생각하는 토론입니다. 2021년에는 AI가 성장함에 따라 논의가 발전할 것으로 기대합니다.
엔터프라이즈 AI의 사용 사례는 매우 가변적인 프로세스, 예측할 수 없는 결과가 있는 워크플로, 구조화되지 않은 데이터를 사용하는 작업의 세 가지 버킷으로 분류되는 경향이 있습니다. 실생활에서 이러한 사용 사례는 의료 분야의 재입원 예측, 소매 분야의 가격 최적화, 금융 서비스의 사기 탐지 등과 같을 수 있습니다. 2020년 내내 우리는 이러한 사용 사례를 강조하고 AI가 실제처럼 느껴지도록 노력했습니다.
UiPath는 고객 중심 기업이므로 가능한 한 고객과 파트너를 최우선으로 생각합니다.
AI가 자동화를 지속적으로 개선하고 확장할 수 있는 방법에서 우리는 IT 관리 서비스 및 시스템 통합 업계의 회사인 Evros가 지능형 자동화를 사용하여 인간의 작업 부하를 줄이는 방법과 Cognizant가 고객이 RPA에 AI를 추가하도록 돕는 방법을 배웠습니다.
Heritage Bank:Driving Automation RPA 및 AI에서 우리는 호주 최대의 상호 은행이 AI Fabric에 배포한 기계 학습(ML) 모델(UiPath에서 구축)을 통해 98%의 정확도를 달성한 방법을 배웠습니다.
대규모 건강 보험 회사, UiPath AI Center를 사용하여 임상 결과 간소화에서 우리는 Amitech가 UiPath와 AI와 자동화의 결합을 사용하여 1,100만 달러를 절약한 방법을 배웠습니다.
이러한 사용 사례가 더 많이 있습니다. 더 많은 은행 및 금융 서비스 사용 사례를 살펴보세요. 또는 의료 사용 사례에 대해 자세히 알아보세요.
동영상을 선호한다면 더 많은 사용 사례가 포함된 재생 목록을 확인하세요.
우리의 임무 중 하나는 AI에 액세스할 수 있도록 하는 것입니다. 기업 AI가 당신이 꿈꾸지만 결코 사용하지 않는 기술인 숭고한 목표로 남아 있다면 그것은 우리와 당신에게 아무 소용이 없습니다. 2020년 동안 우리는 누구나 AI를 쉽게 시작할 수 있는 방법에 투자했습니다.
스타터 모델은 AI의 접근성을 높이는 핵심입니다. ML 모델은 큰 데이터 세트에 대해 훈련된 소프트웨어 조각입니다. 스타터 모델은 기업이 AI Fabric을 사용하여 배포할 수 있는 사전 훈련된 버전을 패키지로 제공합니다. 이 기사에서는 AI 및 ML의 몇 가지 주요 사용 사례를 분석하고 스타터 모델을 사용하여 AI 노력을 시작하는 방법을 보여주었습니다.
물론 스타터 모델을 시작하는 것은 시작에 불과합니다. 이러한 모델은 AI 노력을 위한 강력한 기반을 제공하지만 결국에는 그 이상으로 나아가고 싶어할 것입니다. 이 기사에서는 ML 모델을 수정하고 재학습하는 방법을 설명했습니다. 재교육이 필요한 세 가지 이유를 제시했습니다.
현재 모델은 특정 데이터 세트를 처리하도록 훈련되지 않았습니다.
현재 모델은 약간의 개선이 있을 수 있습니다.
실제 데이터를 사용하려면 현재 모델이 발전해야 합니다.
많은 모델이 재교육이 필요하지 않지만 재교육이 필요한 모델에게는 이 지식이 필수적입니다.
2020년에는 소프트웨어 로봇이 가장 복잡하고 구조화되지 않은 문서도 구문 분석하고 해석할 수 있는 새로운 기술인 UiPath Document Understanding을 도입했습니다. AI로 무장한 UiPath 소프트웨어 로봇은 이제 데이터를 읽고, 추출하고, 해석하고, 조치를 취할 수 있습니다. 과거에는 양식, 여권 또는 라이센스와 같이 구조가 고정된 문서에만 가능했습니다. 이제 소프트웨어 로봇은 영수증, 청구서 및 이력서와 같이 고정된 구조가 없거나 레이아웃이 다양한 문서를 AI를 사용하여 이해할 수 있습니다.
문서 이해는 기능이 아니라 생태계로 가장 잘 설명됩니다. 이 기사에서는 OCR, 템플릿 기반 추출기(TBE), 비지도 학습(USL) 및 자연어 처리(NLP)와 같은 기술이 어떻게 힘을 결합하여 진정한 고급 문서 이해를 촉진하는지 설명했습니다.
문서 이해의 또 다른 주요 이점은 문서 처리에 대한 규칙 기반 및 모델 기반 접근 방식을 모두 사용할 수 있다는 점입니다. 이 기사에서 우리는 가장 일반적인 문서 유형과 분류를 살펴보고 규칙 기반 데이터 추출과 모델 기반 데이터 추출의 장점을 조사했습니다. 이러한 공유된 이해를 바탕으로 우리는 기업이 이러한 접근 방식을 적용할 때 보게 되는 몇 가지 일반적인 문제를 파헤쳤고 기업이 이러한 접근 방식을 결합했을 때 얻을 수 있는 이점을 검토했습니다.
2020년에는 기업이 새로운 UiPath 기능을 활용할 수 있는 방법을 분석한 몇 가지 심층적인 백서를 작성했습니다. 이 문서에서는 소프트웨어 로봇이 모든 종류의 문서를 읽고 이해할 수 있도록 지원하는 AI 기반 에코시스템인 UiPath Document Understanding에 초점을 맞췄습니다. 이 백서를 읽고 문서 처리 솔루션을 선택하는 방법과 이를 사용하여 운영 효율성을 높이는 방법을 알아보세요.
우리가 함께 작성한 또 다른 백서는 AI, RPA 및 가장 흥미로운 제품 중 하나인 UiPath AI Center에 초점을 맞췄습니다. AI로 강화된 자동화의 기회는 많습니다. 이 백서에서는 특히 UiPath AI Center의 지원으로 AI를 구현하고 확장할 수 있는 방법을 자세히 살펴보았습니다.
AI와 관련하여 많은 기업의 질문은 당연하게도 AI를 운영하는 방법입니다. 데이터 과학 수명 주기를 표준화하려는 시도가 있었지만 지금까지 이러한 시도는 기업마다 요구 사항이 다르다는 점을 고려하지 않았습니다. 여기에서 우리는 기업이 실제로 ML과 AI를 대규모로 구현할 수 있는 방법을 분석했습니다. 우리는 4단계를 다뤘습니다:
문제 정의
데이터 이해
ML 모델 구축
진화하는 모델 배포
이 4단계 프로세스는 유연하고 유지 관리 가능하며 확장 가능한 ML 작업을 제공합니다.
우리의 연구는 AI 지식에 대한 광범위한 열망을 보여주었습니다. 예를 들어 설문 조사에서 RPA 개발자의 80% 이상이 직원 경험에 대한 RPA의 영향이 AI/ML에 대해 배우고 싶다고 밝혔습니다. 또한 UiPath State of RPA 개발자 보고서의 여러 RPA 개발자는 기술 세트에 ML 및 데이터 과학을 추가하고 싶다고 말했습니다. 굶주림이 있고 이에 대한 대응으로 UiPath Academy에 관련 과정을 추가했습니다.
이제 UiPath Academy에 다음 과정이 포함됩니다.
AI 센터
문서 이해
AI 컴퓨터 비전
기술 향상은 2021년 성공의 필수 요소가 될 것입니다. 똑똑한 직원이 이를 추구하고 똑똑한 조직이 이를 장려하고 공급할 것입니다.
엔터프라이즈 인공 지능의 미래가 여기에 있습니다. 지금 엔터프라이즈 평가판을 시작하십시오.
자동화 제어 시스템
소개: 다른 무역과 마찬가지로 전기 작업에는 자체 도구가 필요합니다. 망치, 스크루드라이버, 줄자와 같은 기본 도구가 있으며 때때로 편리하게 사용할 수 있는 특수 전기 도구도 있습니다. 당신이 여전히 집에서 전기 수리 및 애완 동물 프로젝트를 처리하는 전기 기술자이고 도구 상자에 추가해야 하는 최고의 필수 도구를 찾고 있다면 자세한 목록을 읽으십시오. 모든 전기에 필요한 도구. 1.줄자 이것은 매우 기본적이며 확실히 필수 도구입니다. 표준 줄자는 스위치 및 콘센트 배치의 높이, 조명 기구 상자 중심 조정 등과 같은 모든 종류
2020년 검토:전례 없는 한 해에 알고 싶었던 것 Swagelok Reference Point에 대한 주제를 어떻게 생각해 냈는지 궁금하신가요? 매주? 공식은 간단합니다. 당사 블로그는 글로벌 팀이 매일 고객과 나누는 대화를 기반으로 합니다. 2020년—어떤 면에서도 전례가 없는 해—가장 인기 있는 기사에는 귀하로부터 가장 빈번하고 시급한 과제가 반영되었습니다. 귀하의 질문에 답하기 위한 노력의 일환으로 당사는 친환경 운송에서 샘플 채취, 게이지 성능에서 가상 유체 시스템 평가에 이르기까지 모든 것을 다뤘습니다. 우리