ナレッジセンター
目次

石家荘:AI 外観検査システム

AI 外観検査システムは、石家荘の電子メーカーが歩留まりを高め人件費を削減するための重要な基盤になりつつあります。京津冀の電子情報ベルトの重要な拠点である石家荘には、通信設備、表示モジュールから車載エレクトロニクス、医療電子に至る比較的完備した製造チェーンがありますが、多くの中小電子工場は今も目視による手作業の検査に頼っており、01005 パッケージ部品、ファインピッチ半田接合、フレキシブル基板といった精密製品では、見逃し率と人件費の圧力が高まり続けています。AI 外観検査はまさにこの課題に応えるものです。

1. AI 外観検査システムとは何か

AI 外観検査システムは、マシンビジョンで製品画像を取得し、深層学習アルゴリズムで外観欠陥や組立異常の有無を自動判定するハードウェアとソフトウェアの一体型ソリューションです。通常、産業用カメラ、照明、フレームグラバ、エッジ演算ユニット、検査ソフトウェアプラットフォームで構成されます。従来のビジョン検査と異なり、技術者がルールを一つずつ書くのではなく、欠陥サンプルでモデルを訓練し、システムが傷、半田未溶着、位置ずれ、異物、部品欠落を自ら認識できるようにします。電子製造では、SMT 実装後、PCBA 挿入後、ユニット組立後といった要所でよく使われます。端的に言えば、AI 外観検査システムはラインに疲れも集中切れもない目と脳を与えるものです。

イラスト

2. 主な機能モジュールと技術要点

完全な AI 外観検査システムには、通常次のモジュールが含まれます。第一は画像取得で、検査精度に適した解像度の産業用カメラに加え、リング照明、同軸照明、バックライトといった照明方式で、半田接合部、ピン、文字の鮮明な撮像を確保します。第二は欠陥検出で、これが中核モジュールであり、CNN 畳み込みニューラルネットワーク、物体検出ネットワーク、セグメンテーションネットワークがよく使われ、教師あり学習と半教師あり学習に対応し、一部のソリューションでは欠陥サンプルが少ない場合に対応する少サンプル学習も可能です。第三は分類と判定で、結果を OK、NG、保留に分類し、保留品は人手の再判定へ回します。第四はデータ管理と追跡で、基板ごとの検査画像、欠陥種別、タイムスタンプ、ステーション情報を記録し、後の SPC 分析や顧客クレームの追跡に備えます。第五はライン統合で、PLC、SMEMA インターフェース、MES を通じて自動投入・排出、仕分け、警報を実現します。技術要点として、難しさはアルゴリズムそのものより、撮像の安定性、欠陥サンプルの蓄積、モデルの汎化、既存ラインとのタクト整合にあります。ZEVON ESOP は電子製造のデジタル化に深い蓄積があり、検査データを作業指示や工程パラメータと結び付けることを重視しており、これは多品種少量ラインで特に重要です。

3. エレクトロニクス製造における典型的な適用場面

イラスト

石家荘にある通信モジュール工場を例に考えます。主に基地局の無線ユニットを生産し、SMT ラインでは実装、リフロー半田、AOI、目視検査を運用しています。目視検査では 0402 抵抗の位置ずれや半田未溶着を見逃しやすく、夜勤では効率が目に見えて低下します。AI 外観検査システムを導入すると、リフロー後にインライン検査ユニットを追加し、高解像度カメラですべての半田接合部を撮影し、モデルが位置ずれ、半田不足、ブリッジ、マンハッタン現象を自動判定します。結果はステーション画面にリアルタイム表示され、NG 基板は自動で手直しエリアへ流れます。別の例は車載エレクトロニクスを製造する工場で、製品は車載カメラモジュールであり、レンズの傷、チップの搭載角度、コネクタピンの変形を検出する必要があります。AI システムは複数の検査項目を同時に処理し、各モジュールの検査データを MES へアップロードして単体レベルの追跡を実現します。さらに、顧客からバッチの一致性を厳しく求められるモニター基板メーカーの例もあります。AI システムはバッチ別に欠陥分布を集計でき、工程技術者がリフローの温度プロファイルやステンシル洗浄サイクルの問題を素早く特定できます。これらの場面で、AI システムはすべての手作業を代替するのではなく、反復的で高負荷な目視検査を引き受け、人が再判定と工程改善に集中できるようにします。

4. 選定と導入の提案

選定時に注目すべき点は四つあります。第一に、撮像方式が自社製品で検証済みかどうか。アルゴリズムのデモだけでは不十分です。第二に、欠陥サンプルの管理能力であり、追加学習やモデルの版ロールバックを含みます。第三に、ライン統合能力であり、既存の AOI、SPI、MES、ESOP システムと接続できるかです。第四に、ベンダーの業界経験であり、電子製造と金属プレスでは検査の論理が大きく異なります。導入は段階的に進めます。まず一つの典型ラインで試験導入し、少なくとも2週間分の欠陥画像を蓄積してから、検査項目を徐々に広げます。当初から全数検査・全数判定を目指さず、発生頻度の高い欠陥と顧客クレームの多い欠陥を優先して抑え込みます。さらに、検査ルールと作業指示書は同時に更新しなければなりません。ZEVON は電子製造デジタル化ソリューションで、検査結果と ESOP 作業ガイダンスの閉ループを重視しており、作業者がステーションで現在のバッチの欠陥ヒントと手直し指示を直接確認できるため、コミュニケーションコストが下がります。ZEVON は15以上の業界で120社以上のお客様にサービスを提供し、3,200台以上の端末を導入しており、電子製造の場面で参照可能な導入実績があります。

5. 今後の見通し

AI 外観検査は三つの方向へ進みます。第一に、エッジ導入であり、検査アルゴリズムをラインサイドのエッジ機器で直接実行して中央サーバーへの依存を減らし、応答を速めます。第二に、マルチモーダル融合であり、可視光、赤外線、3D 点群、さらには音響信号を組み合わせて欠陥を判定し、BGA 半田接合部や多層 PCB に特に適しています。第三に、工程の閉ループであり、検査データを欠陥の遮断だけでなく、マウンタ、リフロー炉、印刷機へフィードバックしてパラメータを自動調整します。石家荘の電子メーカーにとって、問いは AI 検査を導入するかどうかではなく、どのラインから始め、どの欠陥を先に抑えるかです。欠陥データとライン経験を早く蓄積するほど、後に高精度ソリューションへ移行するコストが下がります。

分野: スマート工場百科