判定のばらつきをなくす
人によって異なっていた判定基準を、一つのモデルにそろえます。
主なメリット
品種が変わってもそのまま使える
多品種ラインで、AIが品種を自動で分類します。
条件検査が見逃した不良を捉える
異物、破損、印刷のにじみといった複合的な欠陥を見つけます。
不良の原因までさかのぼる
検査結果が工程記録とつながり、どの工程に問題があるかを特定します。
誰が使うか
品質、生産、生産技術の担当者がともに使います
品質管理者
検査結果と良否の統計を毎日確認します。不良が集中した品種と工程を見つけて対処します。
生産ライン担当者
ラインの速度に合わせて検査を行い、不良アラームが出たらラインと連動してすぐに対応します。
生産技術 · IT担当者
新しい品種の写真を集めてマーキングし、AIを再学習させてデプロイします。
機能
分類し、見つけ、読み取る
01
品種を自動で見分ける
似た品種と混ざって流れてきた製品を、AIが見分けます。
02
異物 · 破損を見つける
異物、破損、形状異常のある箇所を見つけて表示します。
03
印字文字を読み取る
印字の欠けやにじみを検出し、賞味期限の文字を読み取って確認します。
04
不良写真が少なくても始められます
不良サンプルが足りなければ、仮想欠陥画像を生成して学習します。
05
新しい品種は再学習で対応
写真の収集、マーキング、学習、デプロイ、監視、再学習まで、一つの流れで運用します。
06
結果は統計として残す
検査結果を履歴として残し、良否の統計を自動で算出します。
画面
検査結果を画面でご確認ください
画面1 · ラインカメラ、コンベヤー、良品 · 品種 · 異物の判定
包装ラインの異物 · 混入を検出
ラインの速度のまま、製品を一つずつ確認します。異物が付いた製品や別品種が混入した製品をすぐに取り除きます。
- 異物 · 破損
- 品種混入
- ラインの速度のまま
画面2 · 賞味期限、LOT、製造日、にじみ判定
賞味期限の印字確認
包装面の賞味期限とLOT番号を読み取って確認します。にじみや欠けのある印字は、再印刷するよう知らせます。
- 文字読取
- にじみ · 欠け
- 再印刷の通知
画面3 · 写真の収集、不良のマーキング、学習、デプロイ、現場の監視、仮想欠陥画像
新製品が出たとき
検査条件を最初から設定し直す必要はありません。新製品の写真を集めてAIを再学習させ、不良写真が少なければ仮想欠陥画像で補います。
- 写真を集めるだけで
- 仮想欠陥
- すぐにデプロイ
活用事例
目視検査から変えましょう
外観検査
家電の組立ラインで、外観不良をAIビジョンで検査します。
包装検査
包装工程で製品の種類を判別し、賞味期限の印字を読み取ります。
温度追跡
研磨工程の炎の表面温度をカメラで追跡します。
印刷品質
医薬品・食品包装の印字欠けとにじみを検出します。
導入事例
家電から食品まで、人の目より先に見ます
大型家電製造
外観検査の判定を一つのモデルでそろえます
- 課題
- 組立ラインの外観検査は検査員によって判定が異なり、不良がどの工程から来たのかをさかのぼって探すのは困難でした。
- 方法
- 正常・不良の画像を集めてラベリングし、不足する不良サンプルは仮想欠陥画像で補って検出モデルを学習しました。判定結果は履歴として残し、工程記録と連携します。
- 変わった点
- 判定基準が一つになります。不良が発生したラインと時間帯をすぐに特定します。
食品製造 · 包装
製品の種類と賞味期限の印字を一度に読み取ります
- 課題
- 条件ベースの読取装置はにじみ・ゆがみのある印字を見逃し、品種が変わるたびに検査条件を設定し直す必要がありました。
- 方法
- 分類モデルで包装製品の種類を判別し、AI文字認識で賞味期限の文字を読み取ります。新しい品種は条件を変えずに画像を追加して再学習します。
- 変わった点
- 混入と印字不良を同じカメラでまとめて検出します。品種切り替え時にラインを止めません。
研磨材製造
手の届かない炎の温度をカメラで測ります
- 課題
- 研磨工程の炎の表面は接触式センサーでは測れず、温度管理は目視頼みでした。
- 方法
- 工程映像から炎の領域をAIが検出・追跡し、表面温度を推定して記録します。
- 変わった点
- 温度が数値で残るため、工程条件と品質をあわせて比較できます。
PCB製造
半導体装置を海外製ライブラリなしで接続します
- 課題
- ラインごとに装置メーカーが異なるためSECS/GEM通信の調整に時間がかかり、非標準コマンドは連携をあきらめるしかありませんでした。
- 方法
- 自社開発のSECS/GEMで装置のイベント、アラーム、生産データを受信し、非標準コマンドは装置ごとに合わせて双方向制御を実装しました。シナリオエディターでメッセージを事前にテストしました。
- 変わった点
- 装置を増やすときは、通信開発ではなく設定で接続します。ビジョン検査まで一つの自動化ラインにまとめました。
適用シナリオ
MES、LINKERとつなげば、ラインが自ら動きます
必要なときに製品を一つずつ加え、このように広げていきます。
- AI VISION 不良を判定します。
- MES 検査結果を作業LOTに記録します。
- LINKER 設備に停止信号を送ります。
- AI VISION 良否の数を集計します。
- LinkerFlow ダッシュボードに不良率を表示します。
- 基準を超えると警告します。
- AI VISION 不良画像を集めます。
- オーケストレーター 工程記録とあわせて原因を整理します。
- 日次の品質報告を作成します。
既存システムとともに
カメラの設置工事から連携までともに行います
設置環境
ライン横の産業用PCと社内サーバーに設置します。カメラと照明の工事もあわせて行います。
既存システムとの連携
カメラと装置の信号を連動させ、検査結果をMESとAPIでやり取りします。
オープンスタンダード
学習したモデルはONNXでエクスポートし、ほかの検査装置でも使えます。
FAQ
よくあるご質問
不良サンプルが少なくても学習できますか?
仮想欠陥画像を生成し、不足する不良データを補います。
品種が変わったら設定し直す必要がありますか?
条件を設定し直さず、新しい品種の画像でモデルを再学習します。
検査速度はどのくらいですか?
提案ベースで毎秒約100枚をリアルタイムに分析します。ラインの速度と解像度に合わせて構成します。
導入にはどれくらいかかりますか?
要件分析1か月、画像収集・ラベリング1~2か月、試験適用1か月、ライン連携1.5~2か月が標準スケジュールです。
オープンソースを活用していますか?
いいえ。Wavegramは2020年からAIビジョンとAI製品群を専門に開発してきた会社です。純粋に自社技術で開発しているため、どのようなお客様固有のプロセスにも合わせて最適化できます。