表面上看来，在小型制造公司的日常运作中不需要那些深度学习、智能导航和可思考的机器人。也许这就解释了为什么这么多基于人工智能的机器仍然处于闲置状态。事实上，这些创新可以使最传统的生产过程更加高效。已经部署AI系统的工业产品可以提高生产率和收益收益。

可自动检测缺陷
在工业生产中，我们经常会问，元件符合要求吗？材料完好无损吗？尺寸是否测量准确？由于3D成像和机器学习的结合，机器人现在能够评估材料的状况。“inspector”系列是由博世APAS协作机器人的又一次创新。根据模型，他可以进行对于正反两面同时进行检测，可以检测小缺陷瑕疵，划痕，和微裂缝。“inspector”从图像处理中学习的能力使它能够在随后的质量检查中使用确定的模式作为基准。
通过定期显示它的新部件及每一个部件的变化，操作这台机器的人类同事可以不断提高其检测精度。这样，“inspector”可以学会了接受什么和拒绝什么。它还可以分析和保存图像。由于各个模块是可互换的，机器可以很快地从一个产品检查转到下一个。

深度学习软件：一个好的听众
通过视觉进行的智能感知系统并不是唯一的智能系统。另一个是听觉。在汉诺威工业博览会，以色列公司3dsignals提出了一个聪明的解决方案：声音状态检测系统。虽然这个术语看起来有些费解，但它实际上描述了一些相当直观的东西。根据系统发出的噪音，有经验的机器操作员或维修人员可以判断它是否运行平稳，或者故障是否即将发生。当然，这种方法并不完全可靠，而且还需要工作人员的密切注意。
“predisound '承诺可以解决这些问题。这项技术包括许多内置在监视器中的超声波传感器。他们在操作过程中记录整个声音频谱，将数据传输到基于神经网络的中央软件。通过深入的学习，这项技术能够精确地确定声音模式中的变化是否具有决定性。这可以发现人类耳朵无法探测到的异常现象。“predisound '内置预测分析算法预测单个组件故障的可能性和持续时间。
“predisound '可以自动通知技术人员在故障发生时造成的停机时间。从而消除了定期维护间隔。

不断学习的机器人
Franka Emika是另一台能够提供帮助的机器。它的手臂很轻，以人类手臂为模板设计的，这意味着它的动作特别灵活。Franka Emika开发者Sami Haddadin的中期目标是创建一个深度学习的机器人，不需要进一步的编程。人类向FRANKA提出任务，机器人则试图找出最好的方法如何完成它。但这是才真的令人印象深刻的部分：如果Franka发现完成任务的最有效的方法，然后通过云将这些信息传输给其他的机器人。这就结束了制造过程的无穷无尽的编程。Franka目前仍通过其显示屏幕应用程序控制。试点客户包括电子、化工和物流公司。

中小企业有哪些机会？任何规模的制造企业都可以利用数字化工厂技术，寻找到他们问题的解决方案。而在汉诺威工业博览会在数字工厂主题展、集成自动化及动力传动主题展商展示更多相关的新产品。