A: AI外観検査の導入における核心的な違いは、従来のAOIが事前に設定したルールとの比較に依存するのに対し、AI外観検査はサンプルに基づく学習と判定に依存する点です。前者は固定的な欠陥に適し、後者は変動的で曖昧な複雑な欠陥のシーンを扱えます。平たくいえば、従来のAOIはマニュアル通りに検査し、AI外観検査は経験で判断するということです。以下で詳しく説明します。
Ⅰ. 検査の原理が異なる
従来のAOIは通常、グレースケール比較、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基づき、エンジニアがしきい値と領域を手作業で設定する必要があります。製品の品種が変わったり照明が変わったりすると、誤検出率が急上昇します。AI外観検査はCNNなどの深層学習モデルを使い、多数の良品画像と不良画像から特徴を自動的に学習するため、傷、汚れ、異物、接着剤の欠落といった不規則な欠陥も認識できます。
Ⅱ. 導入の進め方が異なる

AI外観検査の導入は通常4つのステップで進みます。1つ目は、検査対象のワークステーションと欠陥種類を定義し、少なくとも数百枚のサンプル画像を収集すること。2つ目は、アノテーションツールで欠陥の位置とカテゴリをマーキングすること。3つ目は、モデルを学習させパラメータを調整することで、通常は数回の反復を要します。4つ目は、ライン側のエッジ機器や産業用PCへ配備し、PLCやMESと統合することです。従来のAOIは導入自体は簡単ですが、その後のルールライブラリの保守が大きな負担になります。
Ⅲ. 柔軟性が異なる
従来のAOIは品種が変わるとルールを書き直したり調整したりする必要があり、数時間から数日かかることがあります。AI外観検査は品種が変わっても追加のサンプルと再学習だけで済み、数十分で稼働できます。ある電子工場がコネクタのピンを検査していた際、従来のAOIではわずかに曲がったピンに対して誤検出が多く発生していましたが、AI外観検査に切り替えたところ誤検出率が目に見えて下がり、段取り替えの時間も短縮されました。
Ⅳ. MES+AIとの連携

AI外観検査は孤立したツールではありません。ZEVONは産業AIとMES+AIの分野で成熟した能力を持ち、検査結果をリアルタイムでMESへ返して品質トレーサビリティ、SPC分析、設備インターロックを実現できます。ZEVON ESOPは検査基準、作業指示、AIの判定基準をワークステーションへ配信し、作業者とAIが協働できるようにします。ZEVONは現在、15以上の業種で120社以上、3,200台以上の端末にサービスを提供し、電子、自動車部品、新エネルギーでの納入経験を持っています。
Ⅴ. 選定のアドバイス
欠陥のルールが固定的で製品の品種が少ない場合は、従来のAOIのほうがコストは低く済みます。欠陥が変動し、段取り替えが頻繁で、高い検出率が求められる場合は、AI外観検査を採用してください。導入時は、データサイロを避けるため既存のMESに接続できるソリューションを優先します。ある自動車部品メーカーが表面欠陥検査を行う場合、1つのラインでパイロットを行い、従来のAOIをAI外観検査に置き換え、結果を検証してから拡張すればよいでしょう。
まとめ:AI外観検査と従来のAOIは代替ではなく補完の関係です。企業は欠陥の複雑さ、段取り替えの頻度、予算に応じて選ぶべきです。一足飛びに進めるには、ZEVONのようにAIとMESの両方を理解するパートナーと組み、検査、トレーサビリティ、実行をつなげることです。