外観検査のAIを活用した自動化とは

1. 外観検査とは
外観検査とは、製品や原材料の品質を確保するために外観(見た目、外面)の確認を行う検査業務ことです。製造業における外観検査では、製造工程中に発生した製品・部品の汚れや異物、キズ、変形などの欠陥を発見し、異常品を排除します。
最も基本的な外観検査は、人の目による目視検査です。また、現場によっては検査装置による外観検査の自動化も進められています。
2. 外見検査の従来手法とその課題
ここでは、目視や検査装置を用いて実施される外観検査の概要と、その課題について解説します。
目視検査の概要と課題
目視検査は最も基本的な外観検査手法です。目視検査では、目視にて限度見本と製品・部品を比較して正常品・異常品を判断します。微細な部品の検査精度を高めるために、拡大鏡や顕微鏡を用いるケースもあります。
目視検査は、検査設備が不要であり導入が容易であるというメリットがあります。一方で、以下のような課題もあります。
- 人手不足に伴い、目視検査を行う人員の確保が難しい
- 検査の品質が検査員のスキルに依存する
- 判定基準が人に依存するため、ばらつきが生じる
- 特に詳細な確認が必要である場合は、検査に時間がかかる
検査装置による検査の詳細と課題
目視検査の課題を解決するために、検査装置を導入して検査を自動化するケースもあります。
検査装置では、ルールベースで異常品の判定を行うことができます。ルールベースとは、あらかじめ判定基準を検査装置に設定し、そのルールに合致するかどうかで判定を行う方法です。ルールとして設定できる項目としては、重さや面積、形状、色などがあげられます。
検査装置の導入には一定のコストが発生しますが、検査速度の向上や人手不足への対応など、目視検査の課題を解決することができます。一方で、ルールベースで判断する検査装置には以下のような課題もあります。
- 明確にルールを定める必要があり、検査対象や背景にバリエーションがある場合はルール化できず検査できない
- 異常の種類が多い場合は、設定が複雑化する。また、設定が複雑化するほど、過検知(過剰検知)や誤検知が増える
- ルールの設定が属人化し、ノウハウが失われた場合に対応が難しい
3. 外観検査へのAI導入
近年では、AI技術の発展に伴い、製造業においてもAIの活用事例が増えてきています。外観検査は特にAIの活用が期待できる分野です。
AIによる外観検査の概要
外観検査に用いるAIを構築する最も一般的な手法は、まず正常品・異常品に仕分けした製品や部品の画像データをAIに読み込ませ、学習させます。分類基準を学習したAIは、カメラで撮影した製品・部品を自動で分類することができます。
ルールベースで判断する検査装置とは異なり、AIの場合、入力されたデータに含まれる「特徴」を、AIが自ら学習して良否判定をできるようになるため、明確に正常品・異常品を定義する必要がありません。人の目で判断できるものであれば、事前に読み込ませた画像データより自動でAIが判断します。
AIによる外観検査のメリット
AIによる外観検査は、目視検査やルールベースで判断する検査装置の課題を解決することができます。具体的には、AIを導入することで以下のようなメリットが得られます。
- ルールが定義できないような曖昧な基準の分類に対応できる
- 異常品のパターンが多い場合に対応できる
- 検査員の言語化しにくい検査ノウハウ(暗黙知)を再現できる
- 検査基準の標準化による検査精度の向上
- 人材の確保が不要。また、習熟のための期間も不要
- 検査スピードの向上
4. 外観検査への一般的なAI導入方法
ここでは、外観検査にAIを導入するための一般的な流れや成功ポイントについて解説します。
AI導入の流れ
AIを用いた外観検査システムに必要となるのは、以下の3つの要素です。
- 撮影環境(カメラ)の設置
- AIモデルの構築
- (必要に応じて)AIとPLC(制御装置)の連動
撮影環境(照明・カメラ)の設置
AIによる外観検査では、対象となる製品・部品の画像データをAIに与えて判断させます。AIに与える画像データは、製品・部品をカメラで撮影して取得します。外観検査を行うタイミングで画像データを取得できるように、対象ラインにカメラを設置する必要があります。
AIモデルの構築
AIには、運用で利用する前に事前に「学習」という手順が必要となります。従来のAIモデルを導入する場合は、正常品・異常品それぞれに仕分けをした画像データが一定量必要となります。また、個別開発のケースでは、AIの専門家がAIモデルを組み上げ学習させるために、数か月程度の期間が必要となります。
AIとPLC(制御装置)の連携
AIが異常品を検知した際に、人の手で取り除くのでは、自動化につながりません。自動でラインと停止したり、異常レーンへ排出したりするためには、PLC(製造ラインの機器を自動的に制御する装置)と連携する必要があります。
AI導入における成功ポイント
少しずつ自動化へのステップを踏む
外観検査へのAI導入を成功させるためには、いきなり完全自動化を目指すのではなく、「省人化から自動化のステップを踏む」ことをおすすめします。完全自動化には多額のコストもかかるうえ成功の保証がありません。スモールスタートとして、特にAI導入の効果が出やすい検査を見極め、部分的にAIを導入し「人とAIが分業する」という考え方で導入効果を確認するとよいでしょう。また、少しずつ経験を積むことで、社内の理解が得られやすくなるというメリットもあります。
5.「InspectAI」 でAI導入のハードルを低減する
「InspectAI」(インスペクト・エーアイ)は、アラヤが提供する外観検査用のAIパッケージソフトです。アラヤでこれまで培ってきた画像認識AIアルゴリズムのノウハウを結集した外観検査システムです。InspectAIは、これまでのAIの課題を解決します。
これまでAIを外観検査に導入するためには、大量の正常品・異常品の画像データが必要でした。特に異常品の画像データはバリエーションや数も少なく、AI導入のハードルになるケースが多々ありました。そこで、InspectAIでは正常品の学習データのみで外観検査を実現しました。
また、InspectAIはパッケージとしてご提供するため、個別のAIモデルの開発が不要であり、製品・部品の追加時にも現場担当者の方のみで運用可能です。さらに、外観検査に必要となる撮影環境の準備やPLC連携についても含めて一括で対応が可能ですを実現しています。
InspectAIによって、外観検査へのAI導入のハードルを下げることができます。
5.「InspectAI」でAI導入のハードルを低減する
「InspectAI」(インスペクト・エーアイ)は、アラヤが提供する外観検査用のAIパッケージソフトです。アラヤでこれまで培ってきた画像認識AIアルゴリズムのノウハウを結集した外観検査システムです。InspectAIは、これまでのAIの課題を解決します。
- 一般的にAIでの外観検査では、正常品・異常品ごとに大量の画像データが必要であり、準備が困難
- AIモデルの開発や学習のために数か月程度要する
- 製品・部品の追加や変更の際には専門家にAIモデルのチューニングを依頼する必要がある
- 撮影環境の準備やPLC連携の連動のために様々なベンダーと調整する必要がある
- 正常品の学習データのみで精度を落とすことなく学習を実現
- 1-2時間で学習が完了し、実運用可能
- 分かりやすいUIと短時間の学習で現場担当者での運用が可能
- 一括サポート窓口にて一括対応。カメラや照明も含めたトータル提案を実施
これまでAIを外観検査に導入するためには、大量の正常品・異常品の画像データが必要でした。特に異常品の画像データはバリエーションや数も少なく、AI導入のハードルになるケースが多々ありました。そこで、InspectAIでは正常品の学習データのみで外観検査を実現しました。
また、InspectAIはパッケージとしてご提供するため、個別のAIモデルの開発が不要であり、製品・部品の追加時にも現場担当者の方のみで運用可能です。さらに、外観検査に必要となる撮影環境の準備やPLC連携についても含めて一括で対応が可能ですを実現しています。
InspectAIによって、外観検査へのAI導入のハードルを下げることができます。