老龄化导致劳动人口的减少以及产品制造所需要的高技能、知识型人才不足等问题正困扰着制造业现场。另一方面，消费者的需求迅速变化，更趋于多样化。为了应对这些需求，工厂需要快速切换生产品种和数量，并做到在世界任一地点都能够快速启动生产。制造业所面临的环境日趋复杂，产品制造企业正在进行一场前所未有的、针对“超级生产力”、“超级灵活性”等高难度课题的挑战。

在制造业领域，越来越多的工厂使用机器人来完成产品搬运和拾取作业。另外，通过对温度、速度等与生产设备有关的所有数据进行传感，IoT也越来越广泛地被引入制造业的现场，从而使那些未经长期训练的员工也能够很好地完成原本只能由经验丰富的员工去完成的机械维护作业。而AI技术的发展也在推动人们不断去发现那些超越人类现有认知的制造方法。

将自动搬运机器人应用到生产线上，可以快速、灵活地变更生产的品种和数量。但另一方面，机器人的引入会使生产启动前的设备准备时间大大延长。欧姆龙正致力于建设“灵活性生产线”，努力把这一安装调试时间压缩到最短。

要让机器人与其他自动设备合作，需要不断地进行调整作业，还需要为机器人按照特定位置定制工具。就目前而言，要想让机器人拥有和人类一样的灵活性，还离不开专用的工具。

欧姆龙让生产线上的自动设备、机器人以及安全传感器实现自主协作，从而显著减少安装调试和产品切换所需要的调整作业。

另外，欧姆龙还将实现机器人本身的高速化，让一台机器人能够从事多种工作，具备与人类一样的灵活性，以便抓取、组装产品。这样，一台机器人可以覆盖的作业范围扩大了，在生产时，就无须像以前一样根据生产品种准备相应种类的专用工具。

而要快速启动生产需要解决的另外一个课题就是如何减少为了让自动设备与机器人适当动作所需要的编程工时。通过充分利用“knowledge”，欧姆龙努力解决这一课题。

将机械在已有生产线上学习到的动作模式以及何时、如何变更设置等知识作为“Knowledge”存储于机械中，之后在构建相同的生产线时就可以让机械自己编程，从而大幅减少人工作业。这样，把以前积累的工厂中的知识加以充分利用，就可以根据需求迅速启动生产。

生产快速启动之后，还有一个无法回避的问题就是“不良品”、“机器故障”等“事故”的发生。事故主要可以分为人为操作失误等人为事故和因机械而起的机械事故。“生产线零事故”所描绘的制造业的未来就是要让机械自己进行思考，在事故发生前就能察觉事故隐患，防患于未然。

为了实现“生产线零事故”，欧姆龙正在加强“4M传感”，它能够对生产中必要的人（Man）、机械（Machine）、材料（Material）、方法（Method）等4个"M"的变化情况进行准确感知。同时，欧姆龙还在强化能够基于传感信息来预测并防止事故发生的AI技术。

比如说，在“零人为事故”方面，它能够根据生产线工人的动作和身心状态――如是否疲劳等――来及时预测可能发生的事故，并将原因及改善方法告知生产线管理者。在“零机械事故”方面，它能够自动推测可能诱发故障的零件以及该零件的寿命，通过在故障发生前的设备维护期间更换相关零件，来防止可导致长期停产的大型事故的发生。另外，它还可以通过提出零件更换和设置变更方案，把一些能够立即解决的设备问题、相对较小的事故的发生概率控制在较小范围内。

近年来，利用大数据的深度学习技术急速发展。AI技术与能够捕捉生产一线不可或缺的人（Man）、机器（Machine）、材料（Material）、方法（Method）变化的“4M感知”一样，尤其重视以小数据为基础的学习技术。因为在数据收集过程中，生产线上不一定会事故频发，为预知事故发生，需要构建即使只有少量异常数据也能进行预知的高精度模型。欧姆龙不仅加强利用大数据的深度学习技术，对小数据学习技术也进行了强化。

欧姆龙将借助“灵活性生产线”、“生产线零事故”这一未来时代的工业制造，为制造业企业所进行的“超级生产力”、“超级灵活性”的挑战不断做出贡献。