Lille robot på græs

Hvad betyder Industri 4.0, og hvordan hænger det sammen med robotsommerfugle? Techtopia besøger i denne uge Technomania Festivalen, hvor de seneste teknologier, start-ups, fremtidens digitale ledelse og meget mere præsenteres.

På festivalen fremviste den tyske it-virksomhed Festo deres eksperiment med robotsommerfugle og robotarme drevet af trykluft, hvilket i højere grad får dem til at minde om bløde menneskearme. Lyt til ugens podcast og find ud af, hvordan Festos eksperimenter hænger sammen med industri 4.0.

Hvilken industri?

Hvad er industri 4.0 egentlig, og hvad betyder det for vores dagligdag? Industri 4.0 er den bevægelse, der lige nu sker i sammensmeltningen mellem vores traditionelle, manuelle arbejde og den digitale verden.

Lignende bevægelser har tidligere fundet sted i andre former, eksempelvis i industrialiseringen eller automatiseringen, der på flere fronter har ændret vores hverdag. Automatiseringen har bidraget med robotter til at automatisere fysisk fremstilling af produkter.

Industri 4.0 er en sammensmeltning mellem den fysiske produktion og den digitale verden. En sammensmeltning, hvor teknologi fylder mere og mere i vores hverdag, samtidig med vi i højere grad udnytter den enorme mængder data, der hver dag produceres.

Vi har stadig brug for det menneskelige realitetstjek og forretningsforståelsen, selv om Machine Learning også betyder, at computerne hele tiden lærer mere og mere.

Thomas Rosenquist, Senior Enterprise Architect i Office of Technology i KMD

Machine Learning – teknologien der gør uoverskuelige mængder data overskuelige

Machine Learning er en teknologi, der understøtter sammensmeltningen mellem den digitale verden og det manuelle arbejde. Et af områderne, hvor man eksperimenterer med brugen af Machine Learning, er på jobcentrene. I dag matches arbejdssøgende og arbejdsgiver på baggrund af lovgivning og arbejdsmarkedet, hvilket betyder en kategorisering med bestemte tilbud og aktiviteter til den arbejdsløse.

Teknologien omkring Machine Learning vil kunne bidrage med at skabe overblik og danne mønstre i de arbejdssøgende og tidligere arbejdssøgende, og herved vil man kunne få et dybere indblik i, hvordan den enkelte borger finder det rette jobtilbud.

Men det handler ikke blot om at sætte en computer til at læse store mængder data. I sidste ende handler det om, hvilke data vi kan trække ud af systemet. Derfor skal der designes systemer, der gør det nemt at indføre data men også at udtrække data af høj kvalitet.

”Samtidig er det også afgørende, at der stadig er mennesker i loopet, når vi taler om Machine Learning. Vi har stadig brug for det menneskelige realitetstjek og forretningsforståelsen, selv om Machine Learning også betyder, at computerne hele tiden lærer mere og mere,” siger Thomas Rosenquist, som er Senior Enterprise Architect i Office of Technology i KMD.
Læs mere om Machine Learning her.

Varighed: 

33:27

Medvirkende:

  • Casper Schou, postdoc AAU, smart produktion
  • Steffen Henne, Festo Bionic Learning Network (sommerfugle)
  • Michael Puggaard Holst, Marketingchef Festo Danmark
  • Micha Purucker, Festo Bionic Learning Network (robotarm)
  • Julia Duwe, Head of Future Motion Solutions Management, Festo