ナレッジセンター
目次

広州:AI外観検査システム

AI外観検査は、広州の造船業が精細化・インテリジェントな運営へ進むうえで重要な梃子になりつつある。広州は南沙と黄埔に造船・海洋エンジニアリングのクラスターを持ち、船体溶接、ブロック塗装、配管組立は長く人手の目視と抜き取りに頼ってきた。船舶が大型化・複雑化するにつれ、従来の検査は効率と一貫性の面で苦戦している。機械視覚と深層学習を組み合わせることで、AI外観検査は事後抜き取りを工程内全数検査へ変え、高品質と短納期の両立を求める広州の造船企業のニーズに合致する。

1. AI外観検査システムの中核概念と定義

AI外観検査とは、産業用カメラ、3Dセンサー、レーザープロファイラで画像や点群データを取得し、深層学習モデルで表面欠陥、寸法偏差、組立状態を自動的に判定・分類するハードとソフトの統合体を指す。単純な画像比較ではなく、欠陥の識別、位置の特定、等級の分類、データのトレーサビリティという4つの能力を持つクローズドループのシステムである。広州の造船では、AI検査は溶接のブローホール、アンダーカット、塗装のたれ、配管の芯ずれといった典型的な欠陥のスクリーニングで、検査員を置き換えるか支援することが多い。検査データを作業指示や材料ロットと結びつけたい企業では、製造運営プラットフォームがデータ層として機能し、検査結果から手直しやリリースの判断へ直接つなげられる。

2. 主な機能モジュールと技術的なポイント

1. 画像取得と前処理のモジュール。

大型の船体構造では、高解像度のエリアカメラとラインレーザーを組み合わせるのが一般的で、防塵・耐スパッタの筐体を用いる。前処理ではノイズ除去、歪み補正、ROIの切り出しを行い、モデル入力を安定させる。

2. 欠陥の検出・分類モデル。

主流は畳み込みニューラルネットワークによるセマンティックセグメンテーションや物体検出で、まず欠陥領域を特定し、次にブローホール、スラグ巻き込み、割れ、融合不良などに分類する。造船の溶接欠陥サンプルは乏しいため、少数ショット拡張や転移学習で汎化性能を高めることが多い。

3. 寸法・形状測定モジュール。

配管フランジの平行度やブロックの継ぎ目ずれについては、3D点群の位置合わせとフィッティングのアルゴリズムで偏差値を出力し、公差帯と比較して適合を自動判定する。

4. エッジコンピューティングとライン連携。

検査ステーションには通常、ミリ秒級の遅延で推論するエッジ推論ボックスを設置する。結果は音声・光のアラーム、マーキング、さらにはPLCや産業用バスを介した研削ロボットへの手直し指示につながる。

イラスト

5. データトレーサビリティと品質分析。

すべての欠陥記録は船体番号、ブロック番号、溶接士ID、タイムスタンプと紐づけられる。システムは欠陥ヒートマップを生成し、生産技術部門が頻発する問題ステーションを特定できるようにする。ZEVON ESOPは品質トレーサビリティと工程文書の発行に成熟したモジュールを持ち、AI外観検査システムとともに検査、判定、処置、保管の完全なチェーンを形成できる。

3. 造船における典型的な適用シーン

広州南沙の中規模造船所が多目的重量物船を連続建造しているとする。以前は船体の継手溶接をベテランがルーペで区間ごとに確認し、1継手に20分以上かかり、人によって基準も異なっていた。継手ステーションにAI外観検査システムを導入すると、カメラが軌道に沿って溶接部を自動で走査し、疑わしいブローホールやアンダーカットをリアルタイムにマーキングし、検査員はシステムが指摘した少数の領域だけを確認すればよい。1溶接部あたりの検査時間は数分に短縮され、見逃し率も目に見えて下がる。

もう一つは、多品種の配管を混流で扱う船舶配管職場である。AIシステムはフランジ面を3Dで走査し、ボルト穴の芯ずれやシール面の傷を自動判定する。検査データは生産ボードへ同期され、班長がどのバッチに手直しが必要かを把握できる。複数ラインを運用する企業では、製造運営プラットフォームが検査結果を統合された品質ファイルにまとめ、船主の代理人が遠隔で確認できるようにする。

4. 選定と導入のアドバイス

第一に、検査対象と欠陥リストを定義すること。造船は工程が多く、1つのシステムですべてを賄おうとせず、溶接や塗装など単一の場面から始めて横展開する。

第二に、少数ショット学習の能力を見ること。船舶の欠陥サンプルは本質的に乏しく、ベンダーに事前学習モデルと高速なファインチューニングのツールがあるかが、稼働までの期間を直接左右する。

第三に、タクトとの整合を検証すること。船体ブロックは大きく、カメラの移動速度と推論時間がラインのタクトに合わなければボトルネックになる。

第四に、データインターフェースの開放性を確認すること。AI外観検査システムはMES、QMS、ESOPとデータをやり取りする必要がある。ZEVON ESOPは標準インターフェースを提供し、二次開発を減らす。3,200台以上の端末、120社以上のお客様、15以上の業界での実践は、検査データが製造実行のループに流れて初めて継続的改善の価値を持つことを示している。

第五に、現場での校正と保守を重視すること。造船所の職場は粉塵、振動、照度変化があり、精度を保つには定期的な校正とモデルの更新が必要である。

5. 今後の展望

今後3〜5年、広州の造船におけるAI外観検査は3つの道筋をたどる。第一に、単点検査から船体全体の品質デジタルツインへ。各ブロックの検査データを3Dモデル上にマッピングし、船主が引渡し前に品質の全体像を確認できるようにする。第二に、欠陥判定から工程へのフィードバックへ。欠陥と溶接パラメータや塗装条件の相関を分析し、工程調整を提案する。第三に、専用装置から移動ロボットプラットフォームへ。壁面登攀ロボットに視覚モジュールを搭載し、外板を全面カバーで検査する。広州の造船企業にとって、欠陥データの資産を早く蓄積することが、システムを買うことよりも重要である。AI検査は人を置き換えるのではなく、人の経験を再利用可能なモデルに変え、品質能力を組織に残すのである。

分野: スマート工場百科