AIによる不良品検出を行うことにはどのようなメリットがあるのでしょうか。本記事ではAIによる不良品検出の手法やAIによる不良品検出のメリット5つ、AI技術を用いた不良品検出ソフト3選などをご紹介します。AIによる不良品検出について気になる方は参考にしてみてください。
不良品検出とは
生産ラインでの不良品検出とは、部品や製品の汚れや傷、バリ、欠け、変形といった外見上の欠陥を見つけて検品を行う作業です。たとえば、自動車製造ラインでの部品表面の傷やスレ、寸法誤差などを検出したり、医療品の生産ラインでの包装外観の不良などを検出したりします。
AIも不良品検出に用いる場合、良品のデータと不良品のデータ両方のデータ、もしくは良品のデータのみを学習させることで、不良品の検出ができるようになります。
目視検査の問題点
人が目視検査によって製品の外観の不良品判別を行う場合、不良品検出に必要なだけの人的リソースが必要になります。現在はどの業界も人材不足が深刻化しつつあるため、不具合検出のため人的リソースを割く余裕がないというケースも多いでしょう。
また、目視検査を行うには経験が必要になるため、ベテランしか良品と不良品の判断ができず若手にスキルの継承が行われない、良品を不良品と判断してしまうといった問題点があります。
AIによる不良品検出の手法
ここまでご紹介したとおり、目視での製品の不良品検出にはさまざまな問題があります。そのため、AIを活用した不良品検出の自動化を推進したいという企業も多いでしょう。
それでは、AIを使用した不良品検出にはどのような手法があるのでしょうか。ここではAIによる不良品検出の手法を2つご紹介します。
画像解析がメイン
AIを使用しない外観検査装置を使用する場合、精度が悪く良品でも不良品と判断し、目視での再検査が発生することは多いです。
AIを使用した不良品検出の場合は、学習済みの画像データを用いる画像解析が主となっています。製品の多数の画像データを収集して学習させることで外観不良検知アルゴリズムを構築し、精度の高い検品を行うことで、再検査の量を減らすことができます。
良品データを参照する
AIを用いた画像解析を行う場合、一般的には良品と不良品両方のデータが必要となります。しかし製品によってはそもそも不良品が出ることが稀というケースもあり、不良品の画像データを収集するのが難しいということも多いです。
また、新しいタイプの不良品が出た場合にはその都度学習を行う必要があります。
そのため、これまではAIの導入が難しかったですが、近年では大量の正常な画像データのみを学習させ、それ以外をすべて「不良」と判定する外観不良検知アルゴリズムを構築することで、AIによる不良品検出ができるようになりました。
AIによる不良品検出のメリット5つ
従来では不良品検出に用いることが難しかったAIですが、良品のデータのみでアルゴリズムを形成する外観不良検知アルゴリズムを採用することで不良品検出に活用できるようになりました。
それでは、AIによる不良品検出にはどのようなメリットがあるのでしょうか。ここではAIによる不良品検出のメリット5つをご紹介します。
1：人手不足を解消
人が目視で外観検査を行っている場合、製造で不具合が発生すればそれだけ外観検査に必要となる人数が増えます。その結果、もっとも重要な生産に人的リソースが回せなくなり、人手不足に陥るというケースは多いでしょう。
しかしAIによる不良品検出が可能になれば、これまで必要だった目視検品の担当者が不要になります。また、AIによって検品の精度が向上することで人が行う再検査も減るため、人手不足が解消できるでしょう。
2：熟練者のスキルに依存しなくて済む
これまでのように人が目視での外観検査を行う場合、目視検査のスキルを習得している熟練者のスキルに依存してしまいます。そのため、作業員のスキルによってばらつきが発生したり、体調などによって検査の質も左右されたりするでしょう。
さらに熟練者しか不良品の判別ができないため、スキルを後続に継承することにも手間がかかります。しかしAIによる不良品検出を導入すれば、熟練者のスキルや体調などに品質が左右されることがなくなり、後進が育たないといった課題も解消することができます。
3：注目箇所を可視化できる
AIによる不良品検出であれば、AIが画像のどこを見て良品不良品の判断を行ったのかをデータとして可視化することも可能です。画像のどこを注視して判別したのかを後から人が確認することができるため、作業員による目視での検品よりも判断内容が解明しやすいでしょう。
また、このことによってAIによる判断のブラックボックス化を防止することも可能です。
4：高品質の製造業にも適用可能
これまで製品の不良品検出にAIを導入する場合、学習に必要な膨大な量の良品データ、不良品データを用意し、事前に学習する必要がありました。
そのため、製造品質が高くもともと不良品が出にくい日本の製造工場では、不良品データの収集は困難となり、AIの導入ができないというケースも多い状態となっていました。
しかし、近年では良品データを参照する外観不良検知アルゴリズムという新しいアルゴリズムを利用できるようになったことで、不良品が発生しにくい製品でも不良品が検出可能です。
5：検品速度の向上
これまでのように人が目視で製品の良品不良品の判別を行う場合、速度や継続時間には限界がありました。また、多くの人員を外観検査に動員し、長時間目視での検査を行うことは作業負荷も大きく、職場の労働環境の悪化の原因にもなっていました。
しかしそのような外観検査にAIを導入することで、目視よりも外観検査のスピードをアップすることができます。さらに検査作業を自動化して速度を上げることにより、生産効率の向上にもつながるでしょう。
AI技術を用いた不良品検出ソフト3選
現在不良品検出を目視で行っている企業の中には、人材不足の解消や生産性の向上、労働環境改善などを目的としたAI技術の導入を希望している企業も多いでしょう。それでは、現在運用されているAI技術を使用した不良品検出ソフトにはどのようなものがあるのでしょうか。
ここでは最後にAI技術を用いた不良品検出ソフト3選をご紹介しますので、具体的にどのようなソフトがあるのか参考にしてみてください。
1：NEC「NEC Advanced Analytics」
「NEC Advanced Analytics」はディープラーニング技術を搭載したソフトです。AI技術群「NEC the WISE」の1つであり、事前に教師となるデータを学習させることで、予測対象の画像を分類します。
また、NEC Advanced Analyticsには良品画像データの場合のみ学習可能なOneClass分類アルゴリズムが導入されているため、異常データが収集しにくい外観検査にも容易に適用できます。
2：ブレインパッド「機械学習／ディープラーニング」
ブレインパッドの「機械学習／ディープラーニング」は、キユーピー株式会社で実装されていて、実際の製造ラインの動画を題材に、コンピュータがディープラーニングによって良品と不良品を見分けるルールを構築します。
また、このアルゴリズムにはGoogleがオープンソースとして提供している深層学習ライブラリ「TensorFlow」を使用しています。
3：ALBERT「タクミノメ」
ALBERTの「タクミノメ」は人間の目に代わり、画像認識によって異常検知や外観検査などに活用できるAI画像認識サービスです。タクミノメでは直感的に操作できるGUIにより、誰でも簡単に学習を実施できるツールです。
また、AI導入の不安をもつ顧客のために、経験豊富なデータサイエンティストによるAIコンサルティングも無料で提供しています。
まとめ
これまでAIを不良品検出に導入したくても、不良品のデータの収集が困難なため導入ができないというケースも多くありました。
しかし近年では良品データのみで異常を検知できる新しいアルゴリズムが登場したことにより、さまざまな生産、製造ラインでAIによる不良品検出が可能になってきています。
ぜひ本記事でご紹介したAIによる不良品検出の手法やAIによる不良品検出のメリット、AI技術を用いた不良品検出ソフトなどを参考に、自社での異常検知や外観検査にAI記述を活用してみましょう。
