物聯(lián)網(wǎng)(IoT)與深度學(xué)習(xí)(deep learning)人工智能(AI)，帶動制造業(yè)與工業(yè)機(jī)器人應(yīng)用的新發(fā)展，對少子高齡化導(dǎo)致年輕勞工日減的先進(jìn)國家來說，引進(jìn)新技術(shù)的工業(yè)機(jī)器人，大幅降低工廠人力需求，可以說是挽救其制造業(yè)根基的福音。
但，新設(shè)備雖減少人力需求，離無人工廠還有一段距離，機(jī)器人雖能自動生產(chǎn)，但產(chǎn)品設(shè)備的故障排除，難以預(yù)估的產(chǎn)品瑕疵檢查，以及設(shè)計(jì)、原料、生產(chǎn)、物流、營銷的整合，仍有不足，因此日本AI大廠PFN(Perferred Networks)表示，工業(yè)機(jī)器人、流程機(jī)器人(RPA)、與人工智能的結(jié)合，是下一波的發(fā)展目標(biāo)。
引進(jìn)深度學(xué)習(xí)人工智能的工業(yè)機(jī)器人，已帶來明顯的效率提升，PFN舉日本工業(yè)機(jī)器人大廠發(fā)那科(FANUC)的產(chǎn)品為例，借由人工智能分析精密機(jī)械的熱膨脹，讓機(jī)械加工隨設(shè)備各部分溫度自動調(diào)整，產(chǎn)品誤差不僅減少30%，還大幅壓低維修人員需求，讓原需要2個(gè)工作天的維護(hù)時(shí)數(shù)，縮短為1工作小時(shí)。
但是，這種調(diào)整與節(jié)省目前僅限于生產(chǎn)線，原料未到的停機(jī)，與等待物流的倉儲，在多數(shù)制造業(yè)廠商來說，是由行政會計(jì)人員、或相關(guān)部門的流程機(jī)器人負(fù)責(zé)，與生產(chǎn)線的工業(yè)機(jī)器人沒有完美的整合。
而這問題不只是生產(chǎn)線與行政體系沒有連線，因?yàn)樯a(chǎn)完成的產(chǎn)品檢查，以及設(shè)備故障在線排除，多數(shù)仍需人工處理，這部分時(shí)間無法自動化也難預(yù)估，也是自動化生產(chǎn)中非自動化的弱點(diǎn)。
工業(yè)物聯(lián)網(wǎng)事業(yè)的技術(shù)重點(diǎn)之一，就是預(yù)測故障發(fā)生時(shí)間，提早排修，這個(gè)部分可學(xué)習(xí)資料增多而改善；但原料與產(chǎn)品檢查變量比較多，完全由機(jī)器人車出來的零件還好，假如是需要自然原料的產(chǎn)業(yè)，如利用木料的建筑家具，木質(zhì)需要資深木工判斷，這就是一大問題。
因此，PFN認(rèn)為，自動化工廠的下一步，影像檢查用AI與設(shè)備，會是關(guān)鍵，因?yàn)椴煌a(chǎn)線的檢查要求不同，而且廠商也不希望人工智能學(xué)習(xí)很久才上線，如何以有限的學(xué)習(xí)資料達(dá)到必要的精度，則是對人工智能技術(shù)的另一個(gè)挑戰(zhàn)。
