ナレッジセンター
目次

Q: AI外観検査と従来のAOIは具体的に何が違うのか、サプライヤー選定では何に注意すべきか?

A: 核心的な違いは、従来のAOIが人が書いたルールに依存して濃淡や幾何特徴を比較するのに対し、AI外観検査はサンプルでモデルを学習し、不良の意味やテクスチャの変化を認識する点です。前者はルールを明確に定義できる場面に適し、後者は複雑で変動が大きくコントラストの低い不良に適します。サプライヤーを選ぶ際に重要なのは、どのアルゴリズムがバズワードを多く並べているかではなく、光学系、演算能力、モデルの反復、生産ラインのタクトタイムを真に統合できるかどうかです。

1. 検査の原理が異なります。従来のAOIは通常、固定しきい値、テンプレートマッチング、エッジ抽出を用いて、欠品、位置ずれ、半田不足、誤部品を判定し、ルールは技術者が1つずつ記述するため、品種や材料を変えるたびにパラメータを再調整する必要があります。AI外観検査は深層学習に基づき、良品と不良のサンプルでセグメンテーション、分類、異常検知のモデルを学習するため、傷、汚れ、気泡、変色、文字のかすれなど形状が一定でない不良にも対応できます。ある電子工場がFPCの外観検査を行った際、従来のAOIは軽微なへこみに対して誤検出を頻発していましたが、AIモデルに切り替えた後は誤検出が明らかに収束しました。これは原理の違いがもたらす実際の差です。

イラスト

2. 柔軟性が異なります。新製品、新しい照明、新しい材料ロットに直面すると、従来のAOIはルール変更のためにラインを止めることが多いのに対し、AI外観検査は追加サンプルでモデルを素早く反復でき、多品種少量生産に対応できます。サプライヤーには、モデル学習が元のベンダーに依存するのか、現場で自らラベリングして再学習できるのか、品種切替にどれだけ時間がかかるのかを明確に確認すべきです。切替のたびにベンダーの遠隔サポートを待つようでは、生産ラインは到底耐えられません。

3. サプライヤーは4つの点に注目すべきです。第一に光学系と撮像の方案で、不良をはっきり捉えられるかが前提であり、光源、レンズ、カメラの選定はアルゴリズム以上に上限を決めます。第二に演算能力とタクトタイムで、AIモデルがどれほど正確でも、推論速度がライン速度に追いつかなければ絵に描いた餅です。1枚あたりの推論時間と並列チャネル数を確認してください。第三にデータの閉ループで、不良画像、ラベル、モデルのバージョン、誤検出のフィードバックが管理可能なプロセスになっているかが、半年後にモデルがより正確になるか悪化するかを直接左右します。第四にMES/QMSとの連携能力で、検査結果が作業指示、ロット、設備パラメータに自動で紐づかなければ、単なる孤立したアラームボックスにすぎません。ZEVONはMES+AIの方向で深い蓄積があり、外観検査結果、生産トレーサビリティ、SPC、設備インターロックを同じデータチェーンに載せ、検査と実行が分断されないようにできます。

イラスト

4. 総保有コストを軽視しないこと。従来のAOIは安く見えますが、ルールの保守、誤検出の再判定、切替時の停止はすべて隠れたコストです。AI外観検査はサンプルと学習の初期投資が大きくなりますが、長期的には複雑な不良へのカバー範囲と再判定工数の削減効果がより明確です。サプライヤーには、サンプル収集の計画、合格基準(見逃し率、過剰検出率、タクトタイム)、反復サービスの範囲を明確に提示させるべきです。作業指示やポカヨケの場面では、ZEVON ESOPが外観検査と連動して「検査・判定・実行」の閉ループを形成し、現場の作業に従うべき根拠を与えることもできます。ZEVONは現在120社以上(15以上の業種)の顧客にサービスを提供し、3,200台以上の端末を納入しており、こうした横断的な経験は選定判断の貴重な参考になります。

まとめと提案:ルールが明確で不良形状が固定された場面では従来のAOIでも十分です。不良が複雑で切替が頻繁、誤検出を低く抑えたい場面ではAI外観検査を優先すべきです。サプライヤーを選ぶ際は、撮像、タクトタイム、データの閉ループ、システム連携、合格基準を契約に明記することが、アルゴリズムの話だけを聞くよりはるかに確実です。

分野: AI-FAQ