在传统的装配生产线中，当发现产品缺陷时，检查员会按下红色的紧急按钮，工程师和管理人员冲进去找到生产线中的问题，然后排除故障，这使得整个生产暂停一段不确定的时间。每一次延误都有可能导致成本增加和延误生产时间。

工业4.0的一个关键目标是实施自我监控的装配线，自动进行检查和校正，避免因为生产延迟而造成重大损失。

在这种场景中，视觉系统可以在没有人直接参与的情况下识别质量问题。机器学习(ML)模块实时分析视觉数据，计算机器调整参数并校正生产线上下一个产品的生产过程。

未来，这种工业“自动校正”功能可能具有多种形式。经过训练后，用于面部识别的相同复杂机器学习可以用来发现3D打印部件中各个层次的缺陷。激光扫描和测量可以检测出未对准的部件。随着现有的机器人或协作机器人、自动化工厂车辆(AFV)或工业物联网(IIoT)设备引入附加的硬件，自我校正功能可以逐步发展演进。

未来前景是不再需要在人工按下暂停键，这极具商业吸引力。在全自动化工厂中，生产时间的可预测性变得更高，成本超支和进度落后的风险更小。人为错误的风险也得以降低。AI可能很快就能根据自己的规则优化质量，远远超越人工检查的限制。

实现真正智能工厂的所有工作都有一个共同点：需要新的电源基础设施。

智能工厂为执行生产任务的大型机械设备和全新的广泛信息网络带来了更高的电源需求。这一通信和控制层包括布线和设备，如摄像头、传感器、致动器和控制单元。自校正装配线还可能需要一系列电气升级，例如变压器、开关电源和配电板，以应付额外的负载。

理想的智能工厂信号和电源组件将要具备坚固性以耐受工厂地面的环境，还要具备出色的速度和可靠性以满足数据中心基础设施的要求。

美国安全检定实验室(UL)和美国国家防火协会(NFPA)等行业标准组织已经预见到这些需求和其他即将涌现的问题。例如，地面上的用电设备越多，就会引入更多可能干扰机器性能的频率。这意味着伺服电机中的敏感电子设备特别容易受到环境中附近设备的干扰。

数据中心经常采取额外的措施来确保电源质量，前瞻性的工业设施也要仿效，从而生成更平稳、更可靠的电流。

更加重视电源质量的智能工厂可能会采用新型组件。例如，采用电容组来消除供电线中的波动。在需要用电的设备方面，变频驱动器为机器人电机提供了更柔和的启动。这些电机驱动器在几秒钟内均匀地逐渐提高电源消耗，而不是在加速时突然一下子密集地消耗电源。

如果发展目标是无中断的装配线，那么通信、控制线和数据处理必须保持正常运行。正如数据中心的常见情况，关键计算单元可以各自具有自己的专用电池备份。

除了电池之外，工厂和数据中心也通过整合现场供电设备来抵御电力下降的影响。

随着人工智能驱动的自我纠正能力受到重用，工厂电源管理人员将会做出更多的决策。何时切换电源将只是其中之一。幸运的是，人工智能驱动的数据分析为工厂提供了其他功能；增强的监控和管理电源能力。参与Molex莫仕电源行业调研的800多名设计工程师将欢迎这项功能。当问及设计或实施电源系统的主要优先事项时，他们的答案是提高能源效率(74%)、降低成本(64%)和加强电源系统状态监控(53%)。

实时人工智能驱动的诊断功能不仅仅用于纠正产品缺陷，未来的智能工厂将受益于能够在整个操作过程中跟踪电压和电流水平的控制系统。

通过监控每项消耗电源的生产活动，管理人员可以防止总体电源使用量超过物理或合规限制，并根据以前的数据预测生产活动的电源需求。

电源诊断工具可让管理人员延长正常运行时间，并在可预测的过渡期间安排预防性维护。通过更高分辨率的功耗视图，运营管理人员可以了解如何在可用电源有限的情况下增加更多的生产活动。

实时电源监控还可以实现更好的负载平衡、减少传输损耗，从而提高配电系统的弹性和灵活性。