ナレッジセンター
目次

射出成形工場の目視検査代替と品質安定化を担う中核技術となるインテリジェントビジョンシステム

射出成形業界は長く厄介な現実に直面してきた。金型が一度ずれると、バリ、ショートショット、ヒケ、黒点といった欠陥は数秒のうちにまとめて複製される。ライン末端の検査員がそれに気づくころには、すでに数百個の不良品が積み上がっているのが常である。そこに高速な成形サイクル、ますます精密になる部品形状、川下顧客からの厳しくなる一方のPPM目標が加わり、肉眼で見つめながら抜き取りに賭けるという従来のやり方は、もはや通用しない。近年、成形現場におけるAI外観検査の導入は明らかに加速しており、自動車部品から3C電子機器、医療消耗品に至るまで、生産サイクルに組み込めるビジョンソリューションを探し求めている。

1. 中核概念と技術的定義

射出成形におけるインテリジェントビジョンシステムの適用とは、産業用カメラ、光源、レンズで撮像ユニットを構成し、ビジョンアルゴリズムソフトウェアを組み合わせて、成形機が生産した部品をインラインまたはラインサイドで検査し、外観欠陥、寸法偏差、組立機能が合格かどうかを自動判定し、その結果をラインにフィードバックして仕分けや工程調整に使うことを指す。

従来のマシンビジョンとの違いは「インテリジェント」という言葉にある。従来のビジョンは手書きのルールと調整済みのしきい値に依存し、別製品に切り替えるたびに何時間も再調整が必要になる。インテリジェントビジョンは深層学習モデルを導入し、サンプルから複雑な欠陥を認識することを学習するため、成形品に多く見られる境界のあいまいな欠陥、たとえばフローマーク、ガス焼け、色むら、ヤケ、応力白化に対して、明らかに高い検出率を示す。市場の成熟したソリューションのなかには、アルゴリズムを書き換えることなく新しいレシピを読み込むだけで製品を切り替えられるものもある。

システム構成から見ると、典型的な成形品ビジョン検査セルは、産業用カメラ(エリアカメラまたはラインカメラ)、専用照明(一般にバックライト、同軸照明、バー照明の組み合わせ)、フレームグラバ、エッジ演算ホスト、アルゴリズムソフトウェアプラットフォーム、そして成形機やロボットと通信するためのIOモジュールで構成される。シナリオによっては高さや体積の検査のために3Dカメラを追加する場合もある。

2. 技術原理と主要能力

成形品ビジョン検査の中核ロジックは複雑ではない。撮像し、比較し、判定し、出力する。しかし成形現場で安定して稼働させるには、いくつかの能力が基準を満たさなければならない。

第一はサイクルマッチングである。小型機は数秒ごと、大型機は数十秒ごとに1ショットを成形するため、ビジョンシステムは部品の離型から次のショットまでの時間窓のなかで撮像と判定を終え、ラインを遅らせてはならない。主流のソリューションでは、部品の複雑さとカメラ台数に応じて、1回の検査を200ミリ秒から1秒の間に収めている。

第二は欠陥認識の汎化性である。成形欠陥には特徴がある。同じ欠陥種別でも、製品、色、光沢度が変わると見え方が大きく変わるのだ。深層学習モデルの利点は、学習時に十分なサンプルを与えれば、未見の欠陥バリエーションを認識する能力をある程度保てることにある。数十枚の欠陥画像でモデルを立ち上げられる少数ショット学習に対応するソリューションもある。

第三は成形工程との連携である。ビジョンシステムは合否を判定するだけでなく、欠陥の種類と位置を集計し、成形機にフィードバックしてパラメータを微調整させることができる。たとえば同じ位置にヒケが繰り返し出るなら、保圧不足か金型のメンテナンス時期を示している可能性がある。この閉ループ能力こそ、インテリジェントビジョンが目視検査よりも価値を持つ理由である。

第四はポカヨケとトレーサビリティである。各ショットの検査結果は金型番号、時刻、機械番号と紐付けて保存でき、川下顧客からクレームが来たときにロットを素早く特定できる。不良品の画像を自動で保存するソリューションもあり、工程レビューに役立つ。

3. 製造業における典型的な適用場面

自動車部品メーカーが金属インサート入りのコネクタハウジングを生産し、成形後にインサートの欠落、位置ずれ、樹脂のショートを検査する場合を想定する。以前は作業者がルーペを覗き込み、夕方には目が疲れ果て、流出率も安定しなかった。ビジョンシステムを導入すると、2方向からカメラで撮像し、アルゴリズムがインサートの有無と部品外観を同時に判定する。ロボットは不良品をそのままスクラップ箱へ落とし、良品は次工程へ流れる。作業者は抜き取り確認と材料補給だけを担当する。

電子機器工場が表面要求の厳しいスマートフォンの中フレームを成形する場合、黒点、傷、白化は許されない。こうした欠陥は反射面では肉眼でも見つけにくく、まして動くライン上で即座に判断するのは難しい。ビジョンソリューションは多角度バー照明を使い、特定の角度で欠陥にコントラストを生ませ、アルゴリズムがピクセル単位のセグメンテーションで欠陥領域をマーキングする。ライン速度は落とさずに、出荷前のクレームは明らかに減る。

もう一つの場面は医療消耗品で、注射器のプランジャーや培養皿などである。これらの製品は高い清浄度と寸法の安定性が求められ、1ショットで数十個のキャビティを成形することも多い。ビジョンシステムは1ショット全体を一度に撮像し、すべてのキャビティについてバリ、ショートショット、寸法外れを同時に判定し、キャビティ別に欠陥分布を集計できる。あるキャビティだけ不良が続けば、そのキャビティの清掃や補修が必要かもしれないと警告する。

4. 選定の要点と導入アドバイス

ビジョンシステムの選定はカメラの画素数だけの問題ではない。成形現場には事前に避けるべき落とし穴がいくつかある。

1. 照明設計はカメラよりも重要である。成形品は反射性、透明、暗色のいずれかであり、照明を誤ればどんな高性能カメラでも欠陥は写らない。サプライヤに実部品での照明テストを依頼し、画質を確認したうえで判断すべきである。

2. アルゴリズムが製品切り替えに対応できること。成形業者は金型交換が頻繁で、新製品ごとに何時間も再調整が必要なビジョンシステムではラインが待てない。段取り替え時にレシピ管理とワンクリック切り替えに対応したソリューションを選ぶ。

3. ラインとの通信が成立すること。ビジョンシステムは成形機、ロボット、MESと通信できなければ孤立した島になる。OPC UAやModbus TCPといったプロトコルへの対応が必須である。

4. 過検出率が許容範囲であること。誤判定のないビジョンシステムは存在せず、重要なのは流出率と過剰排除率のバランスである。不良の流出も良品の排除も、どちらも損失になる。稼働前に既知の良品と不良品のセットで検証し、データで判断する。

5. 導入のリズムとしては、まずラインサイドから始め、後からインライン化する。初期はラインサイドに置いて抜き取りまたは全数検査を行い、安定してからラインに組み込んでインライン検査にする。サイクルへの影響が小さく、チームが経験を積む時間を確保できる。

サービス提供企業のなかには、成形品ビジョンで相当なライン経験を蓄積し、3200社以上のエンドユーザからのフィードバックを持ち、成形欠陥のサンプルライブラリと照明設計に確固たる基盤を持つところがある。15以上の業界にまたがる120社超の顧客基盤も、このアプローチがさまざまな場面で検証されてきたことを示している。

5. 動向とまとめ

第一の方向は3Dビジョンの普及である。2Dビジョンは外観欠陥についてはすでにかなり成熟しているが、高さ、体積、反りといった三次元の特徴には3Dカメラが必要になる。3Dカメラのコストが下がるにつれ、成形品ビジョンは表面を見る段階から三次元で測る段階へ進む。

第二の方向は成形工程パラメータとの深い連携である。ビジョンは品質ゲートにとどまらず、工程最適化のためのセンサになる。欠陥データを適応的な機械調整にフィードバックするこのループが安定して回れば、無人成形工場はさらに一歩前進する。

第三の方向はエッジコンピューティングとクラウドプラットフォームの組み合わせである。エッジがリアルタイム判定を担い、クラウドがモデルの反復と工場間のデータ集約を担う。多数の機械の欠陥データをまとめて学習すれば、モデルは使うほど精度が上がる。

射出成形では金型と工程が土台だが、品質管理の手段は更新が必要である。インテリジェントビジョンシステムは万能薬ではないが、目視検査の代替と出荷品質の安定化という点では、すでに避けて通れない選択肢になっている。適切なソリューションを選び、導入のペース配分を誤らなければ、ラインの歩留まりの天井を一段引き上げることができる。

分野: AI画像認識百科