AIビジョン検査用産業用PCの構成の中心は、汎用サーバではなく専用のハードウェアを、ラインのタクトとアルゴリズムの複雑さに合わせることにある。複数のギガビットまたは10ギガビットのカメラポート、高スループットのNPUまたはGPUアクセラレータカード、そして産業用の広温度設計である。
1. AIビジョン検査用産業用PCはどのような中核的課題を解決するのか
従来のPLCは非構造化の画像データを処理できないが、AIビジョン用の産業用PCはTensorFlow LiteやONNX Runtimeといった組み込みの深層学習フレームワークを通じて畳み込みニューラルネットワークのモデルを直接実行し、画素レベルの欠陥認識をリアルタイムの制御信号へ変換する。その中核的な役割は人手による目視検査の置き換えである。SMT実装や自動車の溶接といった高速のラインで、ミリ秒の遅延で寸法測定、異物の除去、文字のOCRを完了し、OPC-UAやModbus TCPでMESやSCADAシステムと直接やり取りして品質データの閉ループ管理を実現する。
2. 異なる計算アーキテクチャの産業用PCはどう異なるのか
主流の設計は三つのカテゴリに分かれる。汎用x86 CPUとGPU、エッジ向けARMとNPU、超低遅延のFPGAである。汎用の設計はIntel Core i7/i9やAMD RyzenのプロセッサにNVIDIA Jetsonシリーズや外付けGPUを組み合わせ、パラメータの多いモデルやマルチモーダルフュージョンの解析を動かすシナリオに適するが、消費電力が高く熱の要件が厳しい。エッジ向けの設計はHuawei Ascend、Cambricon、Renesasといった国内外のNPUチップを統合し、推論に特化して最適化されてエネルギー効率が非常に高く、バッテリー駆動や空間の制約がある移動ロボットに適する。FPGAの設計はハードウェア論理による並列処理でマイクロ秒の応答を実現し、極端な環境でのLiDAR点群の前処理や生のセンサデータのクリーニングによく用いられるが、開発の敷居が高くモデルの柔軟性は低い。
3. AIハードウェアはどのような具体的な工場工程に適するのか
この方式は、精度の要件が厳しく、反復的な人手作業の負荷が大きいシナリオに適する。電子機器工場がSMTリフロー後のPCB外観検査を毎分30枚で行い、0.1mm未満の未はんだと極性の誤りを識別しなければならないとする。4Kカメラの入力に対応し20TOPS以上の計算を持つ産業用PCが必要になる。自動車部品会社が車体の溶接検査を行い、溶接部が強い反射を生み環境に粉塵が多いとする。イベントカメラとニューロモルフィックビジョンチップを備えた堅牢化された装置が必要で、その高いダイナミックレンジと低遅延で微小な変形を捉える。こうしたハードウェアは通常、ラインの末端や主要なステーションに配備され、産業用イーサネットでロボットアームや空圧の治具に接続されて動作を実行する。
4. 選定と導入で重要な技術的細部は何か
三つの次元が重要である。第一に、インタフェースの互換性で、遅延の揺らぎを持ち込む追加のキャプチャカードを避けるため、GigE Vision、USB3.0、CoaXPressといったカメラのプロトコルをネイティブにサポートしているかを確認する。第二に、環境適応性で、機器はIP54の防塵を満たし、マイナス20度から60度で安定して動作し、IEC 61340の静電気保護基準に適合する必要がある。第三に、データのスループットで、1フレームが4Kでフレームレートが60fpsを超える場合、オンボードのメモリ帯域が連続したストリーミングを支えなければならない。導入にあたっては、まず照明環境を校正してサンプルデータを収集し、次にモデルを量子化して圧縮してローカル推論を試験し、最後にVLANで分離したネットワークを通じてクラウドの学習基盤へ伝送する。ERP時代から数十年にわたり事業を展開し、120万社の顧客にサービスし、国内外の市場に数千万台の端末を配備してきたベンダーは、ハードウェアの冗長性としてモデル更新のために30パーセント以上の計算余力を確保すべきだと学んできた。
5. AIビジョン検査用産業用PCが適する範囲と適さない範囲
この方式は、ラインのタクトが安定し、入荷材料が一貫し、欠陥の特徴がはっきりした工程に適する。精密電子の組立、ガラスパネルの仕分け、医薬品包装の完全性検査などである。強い振動や急激な温度変化で光学レンズのピントが頻繁に外れる状況、あるいは製品の形状が大きく不規則で標準的なテンプレートが存在しない柔軟な生産の段階では、ビジョン用の産業用PCだけでは長期的な安定性を保証しにくく、アクティブな照明制御システムや3D構造化照明の走査モジュールと組み合わせる必要がある。加えて、ラインのタクトが1秒に1サイクルより遅く欠陥が極めて微妙な場合は、高性能なハードウェアを過剰に配備して資源を浪費しないよう、まず費用対効果を評価すべきである。