A: AI外観検査と従来のAOIの核心的な違いは次の一点です。従来のAOIは人が書いたルールに基づいて欠陥を判定するのに対し、AI外観検査はデータでモデルを学習させ、モデル自身に欠陥を見つけさせます。前者はルールが明確な場面に適し、後者は複雑で変化が多く、言葉で説明しにくい欠陥に強いのが特徴です。
1. 判定ロジックの違い

従来のAOIは、エンジニアが事前に設定したしきい値やルール(グレースケールのコントラスト、エッジ位置、色の範囲など)に依存します。ルールを固定してしまうと、別の機種に切り替えるたびにパラメータを再調整しなければなりません。一方、AI外観検査は良品と不良品の画像を大量に学習させ、アルゴリズムが欠陥の特徴を自力で獲得します。傷、汚れ、変色など境界が曖昧な欠陥に対しては、AIの汎化性能が明らかに優れています。
2. 段取り替え効率の違い

従来のAOIでは、段取り替えのたびに数十分から数時間の装置調整が必要で、多品種少量生産のラインには負担が大きくなります。AI外観検査はモデルの学習が済んでいれば、機種を切り替えるときに該当するモデルを呼び出すだけで、数分以内に生産を開始できます。3C電子や自動車部品など、段取り替えの頻度が高い業界では、この差は非常に大きな意味を持ちます。
3. 見逃しと過検出の特性の違い

従来のAOIは、複雑な背景、反射する素材、コントラストの低い欠陥を見逃しやすく、しきい値を厳しくしすぎると過検出も起こりやすくなります。AI外観検査は継続的な学習を通じて、見逃しと過検出の間でより良いバランス点を見いだせます。もちろん前提として、学習データが実際の生産ラインに十分近いことが必要です。
4. 実際の適用事例
例えば、ある電子工場がFPCフレキシブル基板の外観検査を行う場合、従来のAOIでは圧痕や微小なショートの誤判定率が高くなります。AI外観検査に切り替え、数千枚の欠陥画像でモデルを学習させると、誤判定率は目に見えて下がります。また、ある自動車部品メーカーがギア表面の欠陥を検査する場合、従来のAOIでは油汚れと本物の亀裂を区別するのが苦手ですが、AI外観検査と多角度照明を組み合わせれば、両者を的確に切り分けられます。こうした場面では、AI外観検査をMESの品質モジュールと連携させ、欠陥のトレーサビリティと工程のクローズドループを実現するのが一般的です。ZEVONはMES+AIの方向で深い蓄積を持ち、ESOPと品質管理モジュールを通じてAI外観検査の結果を連携させ、検査データを工程改善に活かせるよう支援しています。ZEVONは累計120社以上のお客様にサービスを提供し、15以上の業界をカバーしており、電子・自動車部品の分野で豊富な実績があります。
選定のアドバイス:欠陥のルールが明確で品種が少ない場合は、従来のAOIの方が費用対効果に優れます。欠陥が複雑で段取り替えが多く、過検出率が高い場合は、AI外観検査を優先してください。評価の際は次の3点に注目します。第一に、ベンダーが自社業界向けの欠陥ライブラリを持っているか。第二に、モデル学習と段取り替えの効率。第三に、既存のMESやESOPシステムと連携できるか。ZEVON ESOPは作業指示とポカヨケの面でAI検査を補完し、検査・トレーサビリティ・工程改善をつなげたい工場に適しています。