目視検査工程の自動化・省力化により業務効率の改善と検出精度を向上
現状は目視で実施している外観検査工程を自動化し、作業効率を改善します。
異常画像の数量確保が難しい、過検出や見逃しが発生しやすい等の外観検査システムの課題に対し、
異なるプロセスの正常データを使った転移学習を用いることで、精度の良い異常検知の実現可能性を高めます。
一般的な外観検査装置導入までの流れと役割分担
課題毎の解決策
| ＜Before＞想定課題 | ＜After＞課題解決 | |
|---|---|---|
| ・目視判定による外観検査が熟練作業者のスキルに依存している ・業務の特性上、大量の異常画像を収集することは難しい ・特定のプロセスで精度検証した異常判定モデルを新しいプロセスに適用できず、自動判定の精度が低下する ・特定の不良パターンに対する過検出や見逃しを解消したい |
|
・新規プロセスの立ち上げ時に正常画像のみを使って機械学習を使った異常判定モデルが構築できる ・長期的に安定して利用できる外観検査ワークフローが確立できる ・誤検知の多い不良パターンに対する精度が改善する |
想定される業界・部門
・半導体メーカー
・半導体装置メーカー
・その他各種製造業(品質検査部門など)
実績
目的：外観検査システムの精度向上
対象企業：自動車部品メーカー
Phase1： PM1名、アナリスト1名 ｘ2~3ヶ月
Phase2： PM1名、アナリスト1名 ｘ3~6ヶ月
納品物：データ構造設計書、データ分析報告書
ツール・技術・リソース
・Python
・CNN(物体認識モデル)
・Vison Transformer
・GPU計算環境
