"Ha a targoncák által rögzített adatok segítségével úgy tudom irányítani a szervizmérnökeim munkáját, hogy az ügyfelem észre sem veszi, hogy a jármű éppen karbantartás alatt áll, akkor valamit jól csinálok" - állítja Tobias Zierhut, a Kion csoport mobil automatizálásért felelős vezető alelnöke. Ha a raktári folyamatok irányítója tudja, hogy mire számíthat, akkor megteheti a megfelelő előkészületeket, meghozhatja a megfelelő döntéseket, és cselekedhet, mielőtt valami baj történne. Mi több, ha az események kiszámíthatóak, a vállalkozások javíthatják az ügyfélkiszolgálást és az ügyfélélményt. Az MI pedig különösen a logisztikai szereplők és a raktárüzemeltetők számára jelenthet létfontosságú előnyt. Digitális kristálygömb Amikor a logisztikában a jövő előrejelzésének módjait keresik, a hangsúly gyakran a prediktív analitikán van. Ez magában foglalja a gépek állapotára vonatkozó adatok felvételét, és az elhasználódás valószínűségének felmérését. Az intelligens rendszerek mind az aktuális adatokat (valós időben), mind a múltbeli feljegyzéseket feldolgozzák. A különböző működési paraméterekre vonatkozó több millió adatpontot felhasználva és ezeket a múltbeli tapasztalatokkal összevetve az MI képes "megalapozott becsléseket" tenni a proaktív javítások és alkatrészcserék szükségességéről - így a berendezések üzemképesek maradnak, és elkerülhetők a költséges, nem tervezett leállások. Ez teszi a rendszert intelligenssé és gazdaságilag hatékonnyá. A megrendelés előtt indul a szállítás A termelésben a kulcs a rendszerek aktív és elérhető állapotban tartása. Amennyiben az érintett folyamatok szabványosítva vannak, akkor a megfelelő intralogisztika automatizálása viszonylag egyszerű. De mi van akkor, ha váratlanul megváltoznak a mennyiségek, a termékkonfiguráció vagy a határidők? Egy intelligens rendszer gyorsan észleli a normálistól való eltéréseket, és képes reagálni. Ehhez a lehető legtöbb paraméterre és a lehető legtöbb forrásból származó információra van szükség: a beérkező megrendelésekre, a termékek rendelkezésre állására, a beszállítók leterheltségére, az időjárásra, a raktári érzékelők adataira, a járművekre szerelt kamerák képeire és még sok minden másra. Ezekkel az adatokkal felvértezve a mesterséges intelligencia a kritikus időben tud reagálni, és képes módosítani és irányítani a folyamatokat, hogy például a termékeket az eredetileg tervezettnél korábban vagy később, illetve más mennyiségben szállítsa ki. A dolgok különösen nehézzé válnak, amikor a fogyasztók igényeihez és "hangulati ingadozásaihoz" próbálnak alkalmazkodni. Jelentős előnyt jelenthet, ha előre fel tudjuk mérni a várható keresletet. Az olyan vállalatok, mint az Amazon, éppen erre tesznek kísérletet, és a mesterséges intelligenciát a szállítás felgyorsítására használják fel. Még a rendelés leadása előtt a közeljövőben valószínűleg keresett termékeket egy központba szállítják, amely készen áll az utolsó kilométeres kiszállításra. Más szóval a termék már úton van, mielőtt a vásárló rábökne ujjával az enterre. Tudja, mi fog történni Az MI egyik legígéretesebb jellemzője, hogy képes megelőzni az üzemi folyamatok és berendezések meghibásodását. Feladata, hogy egy lépéssel a valóság előtt járjon - és még azelőtt beavatkozzon, hogy egy adott alkatrész elhasználódna vagy károsodna. Ez azt jelenti, hogy a karbantartást többé nem rendszeres időközönként végzik. Ehelyett a mesterséges intelligencia a tényleges használatra és a tapasztalatokra vonatkozó adatokat használja fel annak előrejelzésére, hogy mikor van szükség intézkedésre. A prediktív karbantartás az a terület, ahol az MI a legnagyobb lehetőséget kínálja a termelékenység növelésére és a költségek csökkentésére az (elkerülhető) állásidő minimalizálásával.  

Bendekovits Zoltán frissdiplomás mérnökként 1977. őszén lett a jogelőd győri Közlekedési és Távközlési Műszaki Főiskola oktatója. A Rába Magyar Vagon- és Gépgyár igényei alapján megalapított, megszervezett Járműgyártási Tanszék oktatási munkájába kapcsolódott be, s 2011-ig, nyugállományba vonulásáig dolgozott az Egyetemen. A szerszámgépek, a hidraulika és a pneumatika témakörök ismereteinek átadása, bővítése határozta meg oktatási, szakmai tevékenységét. A napi munka részeként folyamatosan részt vett a tanszék intézményen belüli és külső kutatási, fejlesztési és együttműködési programjaiban. Rendszeresen közreműködött sportnapok, szaknapok, szakestélyek szervezésében és megrendezésében. Kollégái, hallgatói kiváló felkészültsége, közvetlen emberi stílusa, segítőkészsége miatt elismeréssel értékelték munkáját. Pályakezdésétől kezdődően tanszéki feladatai közé tartozott a tudományos diákköri munka támogatása. Nyugállományba vonulásáig, s az azt követő években mentorként működött közre a hidraulika és a pneumatika ismeretkörök iránt a tananyagot meghaladó mértékben érdeklődő hallgatók képzésében. Ennek szakmai műhelyei a FESTO és Jankovits Hidraulika Laboratórium volt. Emlékét megőrizzük, nyugodjon békében! - olvasható a gyászjelentésben.

Rendkívül tragikus, halálos baleset történt hétfő délután egy Bécs-Landstrasse-i autószerelő műhelyben – egy szerelőt szó szerint összenyomott az emelőálványról ledölő autó. A Heute cikke. Képernyőfotó Amit eddig tudni lehet: a járművet az oszlopos emelőre tették, amikor egy autószerelő észlelte, hogy a jármű mozog. A 31 éves férfi megpróbálta megállítani a járművet, de nem járt sikerrel. A helyi férfit maga alá temette az autó és súlyosan megsérült – közölte a rendőrség. Az azonnal megkezdett újraélesztési intézkedések nem jártak sikerrel. A bécsi hivatásos mentőszolgálat több csapata is a helyszínre sietett, de a sürgősségi orvos csak azt tudta megállapítani, hogy a férfi meghalt. Hatósági boncolást kértek, a Bécsi Munkaügyi Felügyelőség pedig azt vizsgálja, hogyan történhetett a halálos baleset, illetve hogy történt-e műszaki hiba, emberi hiba vagy akár gondatlanság kollégái vagy a cég részéről.