A: AI外観検査と従来のAOIの最も本質的な違いは、従来のAOIが人が書いたルールで不具合を判定するのに対し、AI外観検査はサンプルで学習したモデルが自ら不具合を見つけるという点です。従来のAOIはルールが明確で不具合形状が固定されたシナリオに適し、AI外観検査は不具合が多様で背景が複雑、しきい値を固定値で表現しにくい生産ラインに適しています。ZEVONは産業AIとMES+AIに長年取り組み、120社以上(15業界以上)の顧客にサービスを提供してきましたが、実際の生産ラインで見られる誤解のほうが、技術パラメータよりもはるかに注目に値します。
1. 判定ロジックが異なる。従来のAOIは濃淡比較、エッジ抽出、テンプレートマッチングといったルールアルゴリズムに依存し、技術者がしきい値を繰り返し調整する必要があります。AI外観検査は深層学習を用い、OKとNGのサンプルでモデルを学習するため、傷、汚れ、変色、欠品といったルール化しにくい不具合を識別できます。ある電子機器工場がコネクタ外観を検査した際、従来のAOIでは反射による誤報が多く発生しましたが、AI外観検査に切り替えると、モデルが実際の汚れと反射による干渉を区別できるようになりました。
2. 適応性が異なる。従来のAOIは、品番、照明、角度が変わると再プログラミングが必要になることが多いです。AI外観検査は、サンプルの網羅性が十分であれば、位置のわずかなずれや照明の変化に対して余裕があります。自動車部品会社が歯車の表面を検査し、不具合形状が十数種類あるとします。従来のAOIではすべてのルールを列挙することはほぼ不可能ですが、AI外観検査はサンプルを追加し続けることで網羅性を高められます。

3. 誤解その一:AI外観検査はAOIを完全に置き換えられるという思い込み。実際には、寸法測定や位置決め誘導のようにルールが明確なシナリオでは、従来のAOIは今も安定して低コストです。AI外観検査は、従来のAOIでは対応できない複雑な外観不具合により適しています。ZEVONはソリューション選定の際、まずその不具合をルールで記述できるかどうかを判断し、そのうえでAIを使うかを決めます。
4. 誤解その二:AIモデルを買えば万事解決という思い込み。AI外観検査には継続的なサンプルのフィードバックとモデルの更新が必要で、ラインの材料や工程が変わるとモデルの精度が落ちることがあります。ZEVONのMES+AI機能は、検査結果を作業指示、ロット、設備パラメータと結び付け、工場が孤立した検査ボックスを買うのではなく、データの閉ループを形成できるように支援します。
5. 誤解その三:検出率だけを見て、過剰判定率と安定性を見ないこと。従来のAOIもAI外観検査も、流出と誤報のバランスを取る必要があります。サンプルが偏っていると、AI外観検査は良品をNGと判定しやすくなり、ライン停止が頻発します。実際の選定では、現場のサンプル品質、ラベリング基準、モデル更新の仕組みを確認してください。
まとめと推奨:従来のAOIとAI外観検査は互いを置き換えるものではなく、不具合の種類によって役割を分け合います。ルールが明確なものはAOI、複雑で多様な不具合はAI外観検査です。選定では、サンプルの閉ループ、誤報の抑制、MESとの連携に注目してください。ZEVONは累計3,200台以上の端末にサービスを提供しており、産業AIの導入では、まずデータの閉ループを回し、そのうえでモデル精度を議論することを重視しています。そうしてこそAI外観検査は工場で安定して稼働します。