モノづくりの現場の課題

Challenges in the field

日本の製造業が抱える3つの大きな課題があります。
それは「人材不足」 「技術継承」 「IT活用」です。

日本は少子高齢化が進み労働人口も減少している中で、
製造業はそのあおりを受け、労働力の確保が難しくなっています。
そのため、高い技術力を誇る日本の製造業ではありますが、
開発や品質検査等の技術を次世代に継承できないという危機に直面しています。
昨今のITの活用による事業の効率化を叫ばれる中で、
いかにして高い技術力を維持する方法を考えなければなりません。

今後日本の製造品質をボーダレス化した世界の製造業と戦うためにはこれらの課題を解決していく必要があります。

 

製造業における「品質検査工程」の課題

 深刻な人手不足  検査員により精度や検査基準がばらつく  検査員の集中力が続かず、不良の流出
 検査員の教育に掛かるコスト  検査員の育成が困難  今の検査機の判定精度に不安

 

現状の目視検査からAI検査システムに置き換えてみませんか?

近年、世界の製造業の現場では多くの産業用ロボットなどを導入して、品質検査工程などの自動化が進んでいます。
検査の自動化によるメリットは、人件費削減や検査ミスによる不良率の低下、
生産効率性の向上という成果がでれば、総合的なコストカットにつながります。
また導入に向けて、低コストで高品質の商品となれば市場競争力においても優位になります。

反面、自動化を進めるなかで、多額な導入コストが掛かる、IT導入に向けたエンジニアが必要、
無人化までの道のりが見えないなどデメリットもあります。

株式会社JTGはこれらの課題や問題を解決します。

様々な現場で活用できるAI外観検査

AI visual inspection that can be used at various sites

高速・高精度は当たり前!
現場で使いこなせるAI検査製品 RoxyAI
RoxyAIの特徴をご紹介します。

RoxyAIの特徴的で便利な機能

ROXY AIはパラメータチューニングに頼らず、精度の高いAIモデルを作成するための機能が充実しています。それらの便利な機能を紹介します。

RoxyAIの特徴① 現場で使いこなせる

※株式会社JTGは株式会社Roxyと特別パートナー企業です。

AIの個性が見てわかる、触ってわかる


✓ AIに詳しくない人でもパッとわかる 独自の可視化技術(特許出願済み)
✓ AIの感度を触って確認することで 弱点を把握

脱 パラメーターチューニング


✓ パラメーターチューニングではなく、精度をあげるプロセスを重視
✓ データの弱点を補強して精度上げ。AIの知識がなくても誰でも簡単

の特徴② 高速・高精度

高速・高精度


画像検査に特化した高速・高精度な独自のAIアルゴリズム(特許出願済み)

少量の学習データ


正常品と不良品の特徴を学習することで高精度な検査を実現
必要なデータ数(正常品100個・不良品を種類毎に30個)

対象物を選びません

お困りの製品があれば柔軟に対応が可能です。
諦めていた不具合検出を撮像技術を用いて対応します。

検出では、キズ・欠け・バリ残り・キレ・打痕・スジ・焼け・充填不足・えぐれ・はんだ付け・異物混入・髪の毛 その他ご相談ください。

 

外観検査事例

Inspection introduction example

 

ケース1:人手不足の課題に、AIによる検査を導入

導入効果

人の目で見ていた製品の検査箇所を撮像しその画像をAIにて学習することで、不具合の状態(汚れや傷や打痕や異物など)を判定できます。
一般的に人による集中力持続時間の限界は約90分と言われています。また検査員によって品質のバラつきがあり、拠点によっても検査精度のバラつきがあるなかで、AIによる品質検査を導入することで、品質判断の安定化・継続的な検査の実施・拠点ごとの品質データの一元化と品質の安定化の実現する事ができます。

ケース2:従来の画像検査や、すでに導入したAIでは検出できなかった課題を解決

導入効果

人からの自動化への置き換えには、製品や運用方法など要件を明確にして導入に向けた検討が重要です。
対象製品の特徴を活かし、求める精度や余計なコストが発生することで導入による効率が悪くなることがあります。
画像検査装置でのメリットとデメリットは、AI(ディープラーニング)技術にも同様の課題はあります。互いの強みを活かしハイブリットでの検査によって、高精度な検査を実現させます。

ケース3:複数工程や、検査工程の削減を実現するためにAIで解決

導入効果

1つの製品を複数の工程において検査をする場合、多数の検査員の配置が必要となります。更には人でも見落とす不具合個所も照明とカメラの技術を駆使することで、不具合個所が浮き上がり判定が可能になることもあります。
また特徴的な不具合個所をAIにて学習し人の判断を短時間で判断し検査工程の削減が実現できます。
製品の素材をもとに得意なAIソフトを用いる事で、自動化の実現に向けた検討をいただけます。

 

AIモデル作成ファーストステップ

RoxyAIを使ってAIモデルを作成する一連の流れを説明します。
精度を作りこむための独自の学習プロセスをご覧ください。

 

RoxyAIについてのご相談はこちら

RoxyAIソフトに関して、ご興味やご購入についてはお問い合わせフォームにてご連絡をください。
また、RoxyAIの評価用試行ライセンス発行のご準備もございます。

 

試行ライセンスの出来る事

Roxy AIの最新バージョンを使ってパーセプション、触診などのすべての機能をご評価いただくことが可能です。検査員がAIモデルを作成できる「Roxy AI」を、ご評価いただけます。

 Roxy AI学習機能のすべての機能を制限なしに評価できます。

 試用期限は1か月

 試行版で作成した環境・AIモデルは、正式版へ簡単に引き継げます。

 

 

AI導入までの工程

Process Until AI Introduction

お客様の現場で実際に製造されているワークのAI検証を進めていくことで
今後人からAIへの移行に向けて、どこまで改善導入ができる可能性の検証を行います。

 

工程.1 ワーク選定

対象となるワークについて、確認いたします

ポイント

・現状の課題
・既に画像処理検査機導入有無
・製造タクト・検査タクトの確認
・不具合項目の種類
・撮像におけるカット数の確認
・検査基準書や限度見本の有無確認(秘密保持契約書締結後)

工程.2 撮像検討

AI検査導入に向けて撮像の妥当性の判断
ワークを良品30個、不具合品それぞれ10個ずつ収集し撮像

ポイント

・不具合の種別を特定しAI検査で見るべき箇所を網羅的に収集
・撮影による課題の抽出や条件等の洗い出し
・収集されるワーク数や種類については、応相談

工程.3 AI検証の有用性判断(PoC)

AI検査導入時のリスクの洗い出し、判定精度向上のためにAIモデルを調整
ワークを良品70個、不具合品それぞれ30個ずつ収集し実際にAIにて検証

ポイント

・AIにて検証を行い検査結果報告
・撮像条件や撮像課題などの解決策をご提案
・AI検査の精度見込みやシステム適用の課題と対応案
・収集されるワーク数については、応相談

工程.4 導入検討

PoCにてAIの有用性の判断ができた場合には、機構部分も含めたご提案

ポイント

・導入検討に向けて、現状課題を考慮したうえで完全自動化、半自動化、手動検査等の提案

PoCの必要性

PoCとは、「Proof of Concept」の略称で、直訳すると「概念実証」のことです。実際にAI導入をする前に、対象ワークが適しているか事前に判断する工程となります。

PoCにて検証されるのは、導入に向けた判断材料の抽出です。

①実現性
②効果とコスト
③具体性

これらの目的は「投資判断」となり、続く実装に向けた第一歩となります。

費用などのお気軽にお問合せください!