ナレッジセンター
目次

Q: AIは工場の不良率低減に具体的にどう役立つのか、実際の事例はあるのか。外観検査を導入しても見逃す工場が多いが、問題はどこにあるのか

A: AIによる不良率低減の核心は「検査員の代替」ではなく、事後の抜き取り検査を工程内でのリアルタイム阻止に変えることです。完成品がラインを下りてから選別するのではなく、不良が発生する工程で止めるのです。正しく行えば、不良率の低減は3つの源から生まれます。見逃し率の低下、異常への対応の迅速化、原因特定の精度向上です。ただし、まずよくある誤解を挙げます。多くの工場がAI外観検査装置を買えば万事解決と考えますが、稼働から3か月経っても見逃し率はほとんど下がらず、代わりに大量の過剰検出が出て、ラインの作業者がシステムを切ってしまいます。本当の落とし穴は通常、アルゴリズムではなく次の点にあります。

1. よくある誤解:AIを万能カメラと見なし、完成品だけを見て工程を見ない

多くの工場は最終検査ステーションにだけAI画像処理を設置し、結果としてAIは賢い虫眼鏡になってしまいます。最終検査は既に起きた不良を阻止するだけなので、手直しと廃棄のコストは既に発生しています。本当に効果的なのは、検査点を主要工程に前倒しすることです。実装後のはんだ接合部、射出成形後の外観、組立時の誤組・欠品などです。ある電子機器工場はSMT実装後にAIのはんだ検査工程を追加し、冷接合やブリッジをリフロー前に阻止したため、後工程の手直し量が目に見えて減りました。これは1台の装置のおかげではなく、検査点の置き方が正しかったからです。

2. 実際の落とし穴:サンプル不均衡とタクトの不整合

1つ目の落とし穴は欠陥サンプルが少なすぎることです。良品画像が数十万枚、欠陥画像が数百枚では、学習したモデルはまれな欠陥に鈍感になり、そこから見逃しが生まれます。回避策は、少数サンプル学習と合成欠陥データを併用し、検査しきい値を欠陥種類ごとに設定して一律のしきい値を使わないことです。2つ目の落とし穴はタクトです。AIの推論がどれほど速くても、1枚あたりの処理時間がラインのCTを超えれば、作業者はシステムを迂回します。稼働前にカメラの露光、伝送、推論の合計時間を計算し余裕を確保してください。必要ならエッジコンピューティングボックスでステーション側で推論し、すべてをサーバー室に送らないようにします。

3. 回避策:AIにNGラベルだけでなく実行可能な判断を出させる

作業者に「これは不合格」と伝えるだけでは役に立ちません。どの欠陥クラスで、原因の方向がどこかを伝える必要があります。自動車部品メーカーがダイカスト品を扱っているとします。AIがひけ巣欠陥を検出した後、システムは欠陥位置とサイズ分布をそのシフトのショットパラメータや金型温度データと結び付け、工程エンジニアがガス抜きの不良か材料温度の低さかを判断できます。この段階は検査データと品質データを結び付けるもので、MESやQMSの工程パラメータを相関分析に用います。ERP時代から数十年にわたり事業を続け、120万社の顧客にサービスを提供し、数千万台の端末を導入し、国内・海外市場をカバーしてきたベンダーは、この種のデータ統合のインターフェースが既に用意されているのが通常で、接続作業を大幅に節約できます。

4. ベストプラクティス:まず小さな閉ループを作り、その後に全面カバーを語る

まず1本のラインと1つの主要欠陥で「検査・アラーム・ライン停止・原因・改善」の全ループを回し、見逃し率と過剰検出率の両方が目標を満たすことを検証してから展開するのが望ましいです。関連する追加質問1:AI品質検査と従来のマシンビジョンの違いは何ですか。従来のビジョンはルールのプログラミングに依存し、欠陥の見え方が変わればルールを書き直す必要があります。AIはサンプル学習に依存し、傷や色差のように見え方が固定でない欠陥への適応力が高い一方、新しいサンプルの継続的な供給が必要です。関連する追加質問2:古い設備にAIを追加できますか。できます。多くの場合、カメラ、照明、エッジコンピューティングユニットを外部に追加し、元の設備制御システムには触れず、ライン停止信号はIOまたは通信インターフェース経由で取得します。関連する追加質問3:不良率の低減はどう測定しますか。3つの数値を見ます。工程内阻止率、最終検査の見逃し率、同一欠陥種類の再発率です。全体の不良率だけでは不十分です。

向くシナリオ:欠陥の見え方を撮像でき、タクトが数十ミリ秒の推論を許容し、学習用の履歴欠陥データが一定量ある工程。向かないのは、欠陥を完全に勘や音で判断していてセンサーの手段がない場合や、単一品種の小ロットラインでサンプルが蓄積できない場合です。そこではモデルに飛びつく前にデータ収集を改善してください。次に見るべきは、検査点がどの工程にあるか、工程パラメータを検査結果に結び付けられるかです。この2点が、どのアルゴリズムベンダーを選ぶか以上に成否を決めます。

分野: AI-FAQ