机器人联动学习，发那科展示的未来工厂

目光所及是一片黄色（偶有绿色）的世界。这就是以鲜黄的公司色而闻名的发那科的机器人和机床。

向媒体开放的新产品发布展示会会场。在中间作介绍的是发那科专务董事、机器人业务本部长稻叶清典

2016年4月18日，发那科针对还在开发中的工厂用IoT平台“FANUC Intelligent Edge Link and Drive system”做了新闻发布，在山梨县忍野村的总部向媒体开放了新产品的展示会场，4月19日开始陆续邀请客户前来。

其中，值得关注的是采用上述FIELD system的演示。除了发那科之外，美国思科、罗克韦尔自动化及Preferred Networks也参与了FIELD system的开发。在思科与罗克韦尔共同开发的“Converged Plantwide Ethernet”网络上连接发那科的机器人或机床，可实现预测维护及协调控制等高级生产管理。并称，还可以在与现场接近的层面运用PFN的深度学习技术，使生产管理可实时自动地进步。

其中一个例子是，通过共享多台机器人的学习成果来提高学习效率的系统（分散深度学习）。具体为3台分拣机器人，从完全不示教的状态开始，利用深度学习技术，让机器人自己学习工件的抓取方法。据称，在此过程中随时共享各台机器人的学习成果（成功/失败）时，则学习所花费的时间可缩短至1台机器人学习时的1/3。

共享深度学习成果的3台工件分拣机器人

尽管如此，但从共享学习成果的效果上来说，如果只是使用3台机器人来获得3倍效率的话，还是感觉效果不够明显。况且，实际生产中，不一定会在多个地点（生产线）进行相同的作业。毋宁说在要求企业采用以“大规模定制化”（MassCustomization）为代表的灵活性生产体制的时代，估计作业内容也会更加多样化。

关于这一点，PFN代表董事社长兼首席执行官西川彻作了说明：“分散深度学习是在3台机器人合作完成一项任务时发挥优化职责分配等作用。或在3台分拣机器人处理不同的工件时，通过共享学习成果来提高效率。在这种情况下，将运用‘多模态学习’及‘多任务学习’等技术”。就是说，此次的演示只是该公司朝着该目标迈出的第一步。

此外，发那科还公开了采用FIELD system的另一项演示，即用于机床主轴及机器人的故障预测系统。这些系统可根据正常时的运转数据，利用深度学习技术来学习异常判断模型。据称，由此可以捕捉到传统方法发现不了的异常预兆，从而为减少停机时间（Downtime）作出贡献。