国内外有数の工具メーカA社様
新潟県燕三条地区のトップメーカ
検査工程に取り巻く問題
弊社では、燕・三条地区の国内外有数の工具メーカA社様にAI検査システムを導入していただきました。
こちらの工具メーカ様で、製品の不良率が低く、不良品は1日に1個でるかでないかという状況で、この検査工程に多くの検査員が、交代しながら従事しています。
不良の種類も多く、寸法、キズ、ゴミ、さびといったいわゆる金属加工で想定される不良すべてに対し、良品・不良品を判断しなければなりません。不良の種類が多く、見落としなく良品・不良品を判別することは検査員にはプレッシャとなっています。
そこで、弊社にご相談いただき、検査員の負担を軽減し、かつ不良品の見落としゼロを目指して、AI検査システムを開発してまいりました。
良品データだけで十分
今回ご紹介のAIエンジンでどのようなことをやっているか、説明します。
あらかじめ良品のみの画像データでAIエンジンを学習させます。このAIエンジンでは入力された画像データを解析し、次にその解析データから復元画像を生成します。AIエンジンは良品を復元するように設計されているため、復元画像では不良個所を再現することができません。つまり、この復元できな特徴こそが製品の欠陥、つまり不良個所となります。
不良個所を見やすくするため、入力画像と復元画像の差分を色で示したものが、差分画像です。入力画像データの不良個所が差分画像でハイライトされているのがわかります。
AI目視検査のデモ
弊社装置の検査画面を単純化したもの示します。
ネジを例に実装している様子を動画でご覧いただいています。左の写真が検査対象の製品、右側はAIエンジンで判定した結果で、異常個所を色で示した写真です。
右側の写真の下にあるスコアが、良品との一致率のようなもので、閾値を与えてOK・良品、NG・不良品を表示しています。
AI検査システムの構成
AI検査システムの構成を説明します。
測定対象をロボットを使ってカメラの下まで搬送します。画像データを取得し、AIエンジンで良品・不良品を判定し、結果に合わせて分類します。弊社ではAIエンジンの開発だけでなく、お客様の運用に合わせてロボットとのインターフェースも開発いたしました。
AI検査システムには検査結果の集計・可視化の大きなメリットがあります。不良の発生時期、種類、さらに発生個所や形状など検査結果を集計し、可視化することで、生産へのフィードバックが可能となります。
導入装置による製品評価結果
導入していただいた装置による製品の評価結果を表にまとめています。左側縦方向に実際の製品の不良品と良品、上段がAIによる判定です。
実際に不良品だったものは、AIでは100%不良品と判定しています。つまり、不良の見落としはありません。検査の正確度は検査員と同等またはそれ以上のレベルを実現しており、24時間稼働も可能です。
