ナレッジセンター
目次

塩城:AI外観検査システム

塩城の機械加工業界におけるAI外観検査システムの中核的価値は、従来は人の目とノギスによる抜き取りに頼っていた寸法・表面欠陥の判定を、産業用カメラとアルゴリズムモデルによる全数検査または高比率の抜き取りに変え、加工ラインのタクトタイム内でオンライン判定することにあります。塩城は自動車部品、石油機械、減速機、ステンレス製品に強みを持ち、こうした工程は一般に大ロット、厳しい公差、高い表面品質要求を伴うため、まさにAI検査が課題に刺さる領域です。これは独立した検査装置ではなく、工作機械、洗浄機、MES、ERPと接続すべきデータノードであり、選定時には工程精度とタクトタイムから逆算してハードウェアとアルゴリズムの構成を決めるべきです。

1. AI検査システムが解決する具体的な加工課題

機械加工の検査における長年の難しさは三つに集中します。寸法公差、表面欠陥、組立・刻印の完全性です。寸法については、従来は三次元測定機による抜き取りや合否ゲージが使われ、抜き取りの網羅率が低いため、公差外れのロットが完成品段階で初めて露見することがよくあります。AI検査システムは高解像度の産業用カメラにテレセントリックレンズや構造化光を組み合わせ、軸径、穴径、段差長さ、面取り、ねじを非接触で測定し、マイクロメートル級の再現性を実現します。高速タクト向けの構成では、単品の検査を数秒以内に収められます。

表面欠陥も頻度の高いシナリオです。鋳物の巣穴、鍛造品の重なり疵、旋削のびびり痕、研削焼け、塗装の傷は形状が不規則で、ルールベースのアルゴリズムでは網羅が難しく、深層学習のセグメンテーションと分類モデルのほうが対応しやすい領域です。塩城の自動車部品や油圧部品の企業の多くはまさにこの課題を抱えており、欠陥サンプルが少なく、形態がばらつき、顧客クレームが検出漏れに集中しています。

もう一つの類型は組立と刻印の完全性です。めねじが加工されているか、オイルシールが装着されているか、刻印の文字が鮮明で読み取れるかといった項目です。外観検査のソリューションは、人の目視確認よりもはるかに安定して判定でき、トレーサビリティシステムとも連携しやすくなります。

2. 中核機能と技術要点で見るべき具体的な指標

AI検査システムが実用に耐えるかは、まず撮像、次にアルゴリズム、最後に連携の順で見ます。撮像の主要パラメータは、分解能、被写界深度、照明方式、トリガ方式です。金属加工品は光を反射しやすく、偏光照明、同軸照明、ドーム照明が必要で、そうでなければ傷と反射模様を区別できません。カメラの選定では、寸法検査には2000万画素のエリアカメラとテレセントリックレンズの組み合わせが一般的で、高速ラインにはエンコーダと同期するラインセンサカメラが必要です。

アルゴリズムのレベルでは、二種類のタスクを区別する必要があります。計測タスクはサブピクセルのエッジ抽出とキャリブレーションに依存し、絶対精度よりも再現性が重要です。欠陥タスクはサンプル学習に依存し、業界では通常、欠陥クラスごとに数百から数千のラベル付きサンプルが必要で、不足する場合はデータ拡張や転移学習を用います。モデルはエッジまたはサーバーに配置でき、エッジ配置は低遅延でタクトの厳しいワークステーションに向き、サーバー配置は複数ステーションの集中推論に向きます。

連携能力は見落とされやすい部分です。システムはOPC UA、Modbus TCP、ベンダーSDKを通じてPLCと連携し、OK/NG信号をリアルタイムで選別機構へ送る必要があります。検査記録は保存されMESと接続してISO 9001のトレーサビリティ要件を満たす必要があり、ESDに敏感な工程ではIEC 61340の保護規則にも適合する必要があります。数十年にわたり情報化に取り組み、ERP時代から120万社の顧客にサービスし、累計数千万台の端末を導入し、国内・海外市場をカバーしてきたベンダーは、プロトコル連携や生産ラインデータの接続に関する経験が豊富な傾向があります。

3. 塩城のどの加工工程がAI検査に最も適するか

鍛造後の重なり疵、欠肉、寸法偏差を検査する自動車ステアリングナックルのメーカーを想定します。高温、油汚れ、1個あたり約十秒のタクトという条件です。こうしたシナリオには、IP65以上のカメラ筐体にエアナイフのパージを組み合わせ、構造化光による三次元の寸法再測定を併用し、欠陥モデルは重なり疵と割れに焦点を当てる構成が適します。

石油機械工場でバルブ本体のねじを検査するケースを想定します。ねじ山の形状、ピッチ、ねじ山の欠けの有無は、一般的なエリアカメラと低角度リング照明で撮像でき、アルゴリズム側は分類とセグメンテーションの組み合わせで合否ゲージに相当する判定を行います。こうした工程のタクトは比較的ゆるく、オンライン全数検査が現実的です。

歯車部品は歯面の打痕、欠歯、ばりの検査に適しますが、難点は歯面が曲面であり、多角度からの撮像や複数カメラによる一括撮像のステッチが必要なことです。フランジや管継手などのステンレス製品では、表面の傷と研磨目のみだれの均一性が顧客クレームの中心で、拡散照明を用いたラインセンサカメラがより安定した選択です。

注意すべきは、鋳放しの粗い表面、大きく反射する平面、変形の大きい薄肉部品は撮像が難しく、事前に徹底した照明検証を行う必要があり、アルゴリズムでカバーできると想定してはいけないことです。

4. 選定と導入で避けるべき落とし穴

よくある質問の一つ目は導入期間です。単一ステーションのAI検査プロジェクトは、照明検証から本番稼働まで通常四週から十二週で、サンプル収集とラベリングが時間の半分以上を占めるため、ラインを止めずにサンプリングする期間を事前に計画する必要があります。

二つ目は連携方式です。設備側に開放されたPLCポイントがあるか、MES側に標準インタフェースがあるかを事前に確認してください。そうでなければ、後から手作業で表を出力することになり、オンライン検査の意味が失われます。ライン接続ではOPC UAが現在の主流で、旧式設備はModbusのみの場合があり、ゲートウェイによる変換が必要です。

三つ目はハードウェア条件です。加工現場の油霧、振動、温度変動は撮像の安定性に影響するため、カメラと照明には保護と温度管理が必要で、取付ブラケットは工作機械の振動源を避け、キャリブレーション周期を保全手順に明記する必要があります。

四つ目はよくある誤りで、AI検査を検査機器の購入と捉えてしまうことです。実際には工程が変わればアルゴリズムも継続的に改善する必要があり、初回の受入精度よりも、サプライヤがサンプルのフィードバックとモデル更新の仕組みを提供できるかどうかが重要です。コスト構成では、ハードウェア(カメラ、レンズ、照明、産業用PC)とソフトウェアライセンスがそれぞれ一定の割合を占め、継続保守とモデルの改善は継続的な投資となるため、選定時にライセンス形態を明確にする必要があります。

5. どの工場に向き、どのシナリオに向かないか

向くシナリオは、ロットが安定し、入荷材料のばらつきが小さく、欠陥の定義が明確で、タクトが数秒から数十秒の加工工程です。自動車部品の鍛造品、油圧バルブ本体、歯車、標準的な締結具、ステンレス継手などが該当します。MESがすでに稼働しているかラインのデジタル化を進めている企業は連携の効果がより明確です。全数検査とトレーサビリティを顧客が厳格に要求する輸出向けサプライヤも該当します。

向かない、または慎重な評価が必要なケースは、単品または極小ロットで品種切替が非常に頻繁なフレキシブル加工(モデルと治具の切替コストが効果を食いつぶします)、反射が強く高反射塗装や複雑な曲面を含み欠陥基準が曖昧な工程(まず実現性の照明試験が必要です)、欠陥サンプルが長く不足し工程が不安定な新製品ライン(稼働前にオフラインでの抜き取り検証を行うべきです)です。AI検査は生産ラインの品質をデータ駆動にするための一つのノードであり、万能の代替ではありません。境界を事前に見極めることが、導入を確実にする鍵です。

分野: スマート工場百科