人海戦術での目視検査工程から自動化へ。業務効率化の大きなカギとなる。
精密機械メーカーや部品メーカーなど、非常に多くの生産量を担う業態において、検査工程の自動化が注目されています。しかし自動化を採用した現場ではうまくいかず、目視検査に戻ってしまったケースもあります。テクノプロ・デザイン社では、Deep Learning技術を活用し、画像・動画データから良品・不良品の判定、および欠陥箇所の検知等の推論モデルを構築し、検査工程の自動化を支援します。
良品・不良品の判定、欠陥箇所の検知等の推論モデルを構築し、自動化を支援。
Deep Learning技術を活用することで、AI判定で省スペース化が実現され、製造量の変動にも容易に追従することが可能となります。さらに画像・動画データから良品・不良品の判定、および欠陥箇所の検知等を行うことで検査工程の自動化を支援していきます。
※外観検査の自動化とは？
外観検査とは、部品や製品の品質を保証するため、外観をチェックする検査です。主に目視で良否判定を行うことから、ヒューマンエラーや属人性による品質のバラツキが発生しやすいことが課題となっています。そこでセンサを用いて品質の定量化を行い、システムで良否判定を実現することで、業務効率化・品質の安定化を実現します。
外観検査の自動化は、製造工程や品質管理での大幅な効率化、品質安定化に直結します。
課題毎の解決策
● Case1／半導体メーカーにて、画像データでの外観検査モデルを構築。
| ＜Before＞想定課題 | ＜After＞課題解決 | |
|---|---|---|
| 画像データが少ないものの、異常検知モデルを構成したい。 |
|
モデルのチューニングによる検査品質安定化が可能となった。 |
| 画像データの枚数が少ない状態で、精度よく異常検知を行いたい。複数種類の異常を全て求められるモデルを構築したい。 | モデルの過検知、検知漏れの要因を考察して探索パラメータ範囲を調整、モデルを再構築することで、検査品質が一気に安定化へとつながった。 |
