A: AI外観検査と従来のAOIの核心的な違いは判定ロジックにあります。従来のAOIは技術者が設定した輝度、しきい値、ルールと比較しますが、AI外観検査は深層学習モデルがサンプルから欠陥の特徴を自ら学習するため、複雑で曖昧でばらつきのある欠陥に強いのが特徴です。中小規模の工場にとっても、シーンを正しく選び、コストを明確に計算し、データ準備をきちんと行えば、AI外観検査はすでに実現可能です。

1. 判定方法の違い。従来のAOIは物差しで測るようなもので、技術者が書いたルールに依存します。たとえば、はんだ接合部の面積が一定値より小さい場合に警報を出す、といった具合です。AI外観検査は、多くの不良品を見て直感を養うようなもので、畳み込みニューラルネットワークなどのモデルで傷、汚れ、欠品、誤品を識別します。ルールとして表現できない欠陥も、AIなら学習できることが少なくありません。

2. 段取り替えコストの違い。従来のAOIは製品が変わるとパラメータを再調整しプログラムを修正する必要があり、多品種少量生産では非常に手間がかかります。AI外観検査は通常、新しいサンプルを少数撮影して再学習するだけで済み、中小工場の多品種少量のパターンにやさしい方法です。産業AIの導入では、ZEVONのESOPがまず工程を安定させてからデータを蓄積することを重視し、作業指示と検査基準を紐付けて段取り替え時のデバッグの重複を減らします。

3. 過検出と見逃しの挙動の違い。従来のAOIは照明、角度、材料の色差に敏感で、過検出や見逃しが起きやすい傾向があります。AI外観検査は照明の変化やわずかな変形に強くなりますが、十分な良品・不良品サンプルが必要です。ある電子工場がコネクタの外観検査を行った際、従来のAOIは過検出率が高く、サンプルを反復しながらAIへ切り替えたところ、誤判定が目に見えて減りました。
4. 導入のしきい値の違い。従来のAOIは成熟した標準製品で、導入後すぐに使える反面、柔軟性は低くなります。AI外観検査はカメラ、照明、計算ボックス、モデル学習が必要なため、初期投資はやや高くなります。ただし軽量なソリューションもすでにあり、中小工場はライン全体を作り直すことなく、単一ステーションから試せます。ZEVONの3,200台以上の端末と120社以上(15以上の業種)のお客様の導入経験が示すのは、一度に大きく投資するよりも段階的に進めるほうが確実だということです。
5. 中小規模の工場で導入できるか。条件を3つ満たせば可能です。欠陥サンプルを撮影できること、タクト要件が厳しすぎないこと、モデルを保守する人がいることです。目視検査が最も負担が大きく、顧客クレームが最も多いステーションから始め、1か月の小規模検証を行ってから、他のラインへ横展開するか判断することを推奨します。AI外観検査はAOIを置き換えるものではなく、AOIが対応できない柔軟な検査シーンを補完するものです。