物联网(IoT)与深度学习(deep learning)人工智能(AI)，带动制造业与工业机器人应用的新发展，对少子高龄化导致年轻劳工日减的先进国家来说，引进新技术的工业机器人，大幅降低工厂人力需求，可以说是挽救其制造业根基的福音。

但，新设备虽减少人力需求，离无人工厂还有一段距离，机器人虽能自动生产，但产品设备的故障排除，难以预估的产品瑕疵检查，以及设计、原料、生产、物流、营销的整合，仍有不足，因此日本AI大厂PFN(Perferred Networks)表示，工业机器人、流程机器人(RPA)、与人工智能的结合，是下一波的发展目标。

引进深度学习人工智能的工业机器人，已带来明显的效率提升，PFN举日本工业机器人大厂发那科(FANUC)的产品为例，借由人工智能分析精密机械的热膨胀，让机械加工随设备各部分温度自动调整，产品误差不仅减少30%，还大幅压低维修人员需求，让原需要2个工作天的维护时数，缩短为1工作小时。

但是，这种调整与节省目前仅限于生产线，原料未到的停机，与等待物流的仓储，在多数制造业厂商来说，是由行政会计人员、或相关部门的流程机器人负责，与生产线的工业机器人没有完美的整合。

而这问题不只是生产线与行政体系没有连线，因为生产完成的产品检查，以及设备故障在线排除，多数仍需人工处理，这部分时间无法自动化也难预估，也是自动化生产中非自动化的弱点。

工业物联网事业的技术重点之一，就是预测故障发生时间，提早排修，这个部分可学习资料增多而改善;但原料与产品检查变量比较多，完全由机器人车出来的零件还好，假如是需要自然原料的产业，如利用木料的建筑家具，木质需要资深木工判断，这就是一大问题。

因此，PFN认为，自动化工厂的下一步，影像检查用AI与设备，会是关键，因为不同生产线的检查要求不同，而且厂商也不希望人工智能学习很久才上线，如何以有限的学习资料达到必要的精度，则是对人工智能技术的另一个挑战。