外観検査のヒューマンエラーを減らしたいー!

1.お客様からのご相談内容 ~自動外観検査を導入したい~ 

電話「プルルルルッ」
電話「ガチャ」

松電舎技術スタッフN君「はい、松電舎のNです。」

お客様A「〇〇〇〇会社 製造部のAです。」
    「現在、製造ライン内である製品を品質チェックで
     全数(約30000個/日)を目視で外観検査しているのですが・・・。」
    「ヒューマンエラーが多く発生しており、減らしたい。」
    「人が検査する限りヒューマンエラーは必ず発生することは分かっているつもりです。」
    「そして様々な取組みを行ったがなかなか効果が出ない。もうヒトでは限界かも・・・。」
    「そこで自動外観検査の導入を検討してます。」
とのご相談のお電話でした。

 

2.現状の外観目視検査のヒューマンエラーとは

続いてお話を伺いました。

松電舎技術スタッフN君「今までに自動外観検査を導入されたことはございますか?」

お客様A「ありません。実は製品サイクルが短いモノが多く、構築が間に合わないので・・・。」

松電舎技術スタッフN君「分かりました。では現状の目視検査についてお聞きします。
           検査員の方の裸眼で検査ですか?
           それとも拡大鏡や顕微鏡をお使いですか?」

お客様A「裸眼も拡大鏡も顕微鏡もあります。
    製品によって、客先要求、品質レベルやサイズによって使い分けています。」
    「特に拡大鏡や顕微鏡を使った検査員にヒューマンエラーが目立つ傾向です。」

松電舎技術スタッフN君「分かりました。では次にお聞きします。
           現状どのようなヒューマンエラーが多いですか?」

お客様A「まず1番に検査員による判断基準の差、バラつきが多いです。」
    「もちろん検査仕様書もあり、均一化を図っているが
     どうしても検査判断に個人差が出る。」
    「2番目に多いのが判断はできているが置場間違いなどのポカミスです。」
    「このポカミスはおそらく疲れが原因だと分かっているのですが・・・・。」

とのお話でした。
また弊社には外観目視検査における下記のような問題を解決したいとご相談が多いです。

 

3.外観目視検査の課題点

“①検査員による判断基準の差、バラつき

  検査仕様書・手順書、作業標準書などで定義し、
  均一化を図るが人によって理解度に個人差が出る。
  それが検査判断基準に差やバラつきが生じている。

 

②検査員による熟練度の差

  検査仕様書・手順書、作業標準書などで定義し、
  均一化を図るが熟練度に個人差が出る。
  新人or熟練により、検査判断基準に差やバラつきが生じている。

 

③検査員の体調、環境、気分のムラ
  同じ検査員のその日の体調、または周辺環境、気分のムラによって
  検査判断基準に差やバラつきが生じている。

 

④人による判断は経験や記憶に頼る部分が大きく、
 この記憶は「あいまい」、「いい加減さ」が付きまとう。

 

⑤検査員による省略、手抜き、勝手な思い込み、サボりをはらんでいる。

 

⑥検査員による置き場間違いなどのポカミス
  検査判断がせっかく適正であったとしても、
  その置き場を間違いしてしまうようなポカミスをしてしまう。

 

⑦検査員の疲れ
  人間であれば必ず疲れが発生し、判断ミス、確認不足、ポカミスを起こしやすい環境となる。

 

⑧検査品種変更→検査員慣れが必要

 

⑨検査項目が多すぎる
  1品目でコレもチェック、アレもチェックと検査項目が多すぎると
  ⑦検査員の疲れの要因となりうる。

 

⑩繁忙期 → 検査人員不足 → 歩留まりにつながる。

 

⑪閑散期 → 検査人員過剰 → 人員削減となる。

 

⑫検査人員の人件費高騰 → 工場原価高騰につながる。

 

⑬熟練者の退社 → ノウハウやスキルの不足・消失

 

⑭後継者不足 → ノウハウやスキルの不足・消失

 

⑮人員募集するも集まらない → 人員不足 
  人員不足に伴う現検査者への仕事集中で⑦検査員の疲れの要因となりうる。

 

 

 

4.解決方法 ~弊社 AI外観検査ソフトを紹介しました~

上記のようなたくさんの課題をクリアするために当社が開発しました、
AI自動外観検査ソフト「AI-Detector」をこのお客様Aにご紹介しました。

松電舎技術スタッフN君「それなら弊社のAI自動外観検査ソフト
「AI-Detector」がピッタリですよ。」
お客様A「自動外観検査でAIって何、それ?」
から始まり、
サンプルテスト、
お見積、
デモ機貸出評価、
その結果、導入していただけ、見事ヒューマンエラーを減らすことに成功されています。

 

 

 

 

5.弊社 AI外観検査ソフト「AI-Detector」の特徴 

①簡単な検査に特化したAI自動外観検査の初級、初心者モデル

②簡単な検査に特化したことで画像データは最低15枚~で始められ、
 社内サーバーやクラウドなどの構築が不要。
 パソコン完結で始められます。

③通常半日~一日かかるトレーニング時間が なんと最短1時間!!
 トレーニング開始は クリックするだけ!!

④写真(画像)を追加し、再度トレーニングすることで 熟練度はアップ!!

⑤AI専用のプログラミング言語(Python)は不要です。

⑥今までの外観検査の知識は不要です。

 

 設定は簡単。PCが学習し、検査を簡単に開始できます。  

 → 今からAIによる外観検査を始めたい方に最適!

 

 

 

AI-Detectorの詳細はこちらから 

外観検査とAI

1.外観検査の現状 

高品質な製品を製造する上で「外観検査」は非常に重要な工程です。
外観検査は人間の裸眼による目視検査が汎用的で信用の置ける手法ではある。
近年では製品サイズが小型化され、人間の裸眼での目視検査には限界がある。
そこで拡大鏡(ルーペ)、実体顕微鏡、デジタルマイクロスコープなど拡大して検査している。
また人間による検査判断に頼らず、より客観的な評価基準による検査のシステム化の1つとして、
画像処理による検査の自動化が一般的となってきている。
しかしそのような画像処理による自動外観検査に、
人間のような柔軟な判断基準を設定するのは困難である。

 

2.人による目視検査と自動外観検査との差異

従来から人間による目視検査は一定水準で汎用的で信用できる手法として確立されてはいるが
後述するような課題点も多い。
~人間による目視検査の課題点~
①検査員による判断基準の差、バラつき
  検査仕様書・手順書、作業標準書などで定義し、
  均一化を図るが人によって理解度に個人差が出る。
  それが検査判断基準に差やバラつきが生じている。

 

②検査員による熟練度の差
  検査仕様書・手順書、作業標準書などで定義し、均一化を図るが熟練度に個人差が出る。
  新人or熟練により、検査判断基準に差やバラつきが生じている。

 

③検査員の体調、環境、気分のムラ
  同じ検査員のその日の体調、または周辺環境、気分のムラによって
  検査判断基準に差やバラつきが生じている。

 

④人による判断は経験や記憶に頼る部分が大きく、この記憶は「あいまい」、「いい加減さ」が付きまとう。

 

⑤検査員による省略、手抜き、勝手な思い込み、サボりをはらんでいる。

 

⑥検査員による置き場間違いなどのポカミス
  検査判断がせっかく適正であったとしても、
  その置き場を間違いしてしまうようなポカミスをしてしまう。

 

⑦検査員の疲れ
  人間であれば必ず疲れが発生し、判断ミス、確認不足、ポカミスを起こしやすい環境となる。

 

⑧検査品種変更→検査員慣れが必要

 

⑨検査項目が多すぎる
  1品目でコレもチェック、アレもチェックと検査項目が多すぎると
  ⓻検査員の疲れの要因となりうる。

 

⑩繁忙期 → 検査人員不足 → 歩留まりにつながる。

 

⑪閑散期 → 検査人員過剰 → 人員削減となる。

 

⑫検査人員の人件費高騰 → 工場原価高騰につながる。

 

⑬熟練者の退社 → ノウハウやスキルの不足・消失

 

⑭後継者不足 → ノウハウやスキルの不足・消失

 

⑮人員募集するも集まらない → 人員不足 
  人員不足に伴う現検査者への仕事集中で⓻検査員の疲れの要因となりうる。

 

このような人間の目視検査にはたくさんの課題が潜在リスクとして存在し、すでに顕在化して対応を迫られる局面も多い。
伴い、上記問題に対応解決するために、近年、自動外観検査のニーズは増加している。
しかしながら人間による目視検査が未だに実施されているのは、
既存の画像検査に後述するような課題が多いためである。

 

~従来の自動外観検査における課題~

検査対象や撮影条件が微妙に異なる場合に正しい判定ができない。
すなわち検査対象の形状や向き、撮影時の光の反射や色味などの条件が一定でない場合に
誤判定をしてしまう場合がある。
そのため外観が一定の検査対象であれば従来の自動外観検査で対応できるが、
微妙な色むらや形状の違いのある材料・素材を対象にする自動外観検査には向かないことが多かった。
また位置条件を整えるための治具作成、撮影条件を整えるための照明条件など、
コツやノウハウが必要であったり、システム構築及び撮影条件を整えるため多大な時間を費やす必要があった。
そして導入後、運用途中でもし撮影条件が変わってしまった場合には誤判定をしてしまい、再調整が必要となっていた。

 

 

 

3.自動外観検査へのAI(Deep Learning)活用

AI(ディープランニング)を活用した自動外観検査と従来の自動外観検査(画像処理検査)と比較した場合、
大きく違う点はAI(ディープランニング)を活用した場合には検査対象画像から「自動的に特徴を認識・抽出する」という点が大きい。
従来の自動外観検査では検査対象画像に対して人が個別に特徴の認識・抽出方法を設定・設計する必要があった。
しかしAI(ディープランニング)を使った自動外観検査では、数点の例示をすることで
おおよその特徴を認識・抽出ができるようになった。
そしてAI(Deep Learning)活用したことで非常に柔軟に特徴を抽出することが可能となった。
言いかえると、人間が定義するのが難しいこと、気付かないようなな特徴や全体的な雰囲気環境といった
特徴を踏まえて処理することが可能となった。
そのため従来の自動外観検査で撮影条件を整えること、また自動外観検査システムを構築する際の
コツ、ノウハウや難しさ、構築時間など従来手法に比べ飛躍的に向上している。
このようにAIを活用した自動外観検査は非常に魅力的な検査手法であるが、いくつかの課題も存在する。

 

~AI(ディープランニング)活用した自動外観検査の課題~

①ディープランニング(深層学習)には一定量の画像を用意する必要がある。
②判断の難しさによっては画像データは膨大な容量となり、
クラウドなどのデータストレージサービスを併用を余儀なくされたりする場合も多い。
また画像数が多ければディープランニングする、言わば学習、トレーニング、アノテーションする時間がかかってしまう。
③実際には万能ではないため、使い方にノウハウが必要な部分も多い。

 

 

 

 

 

 

 

4.弊社 AI外観検査ソフト「AI-Detector」の特徴 

①簡単な検査に特化したAI自動外観検査の初級、初心者モデル

②簡単な検査に特化したことで画像データは最低15枚~で始められ、
 社内サーバーやクラウドなどの構築が不要。
 パソコン完結で始められます。

③通常半日~一日かかるトレーニング時間が なんと最短1時間!!
 トレーニング開始は クリックするだけ!!

④写真(画像)を追加し、再度トレーニングすることで 熟練度はアップ!!

⑤AI専用のプログラミング言語(Python)は不要です。

⑥今までの外観検査の知識は不要です。

 

 設定は簡単。PCが学習し、検査を簡単に開始できます。  

 → 今からAIによる外観検査を始めたい方に最適!

 

 

 

AI-Detectorの詳細はこちらから 

外観検査の効率化を図りたいー!

1.AI自動外観検査の現状 

外観検査は高品質な製品を提供する上で非常に重要な工程であります。
重要な工程であるが故、ヒューマンエラーなど様々な問題も起こりえます。
もちろん検査効率を図るため、搬送の自動化をしたり、近年では検査の自動化も進めていらっしゃる方も多いですね。
そんな中、最近、あるお客様から下記のようなご相談を受けました。

 

「検査工程で歩留まりがあり、出荷が間に合わない。」
「歩留まりの真の原因を追究すると検査員の検査判断に個人差があり、 
  グレー品が相当数出ており、それをリーダーが再検査している。」
「検査手順書や検査仕様書の見直し、またその教育をするが成果が出ない。」
「そのため、あるメーカーのAI自動外観検査ソフトの導入検討をした。」とのことでした。

 

しかし、弊社にご相談いただいたこのお客様、
続いてお話を伺いましたところ
あるメーカーのAI自動外観検査が下記のような理由のために導入は諦めたとの内容でした。

 

 

 

2.あるメーカーのAI自動外観検査を諦めた、その理由とは・・・・・・・。

①システム全体の価格が高すぎて、費用対効果がでない。
 テストするのも尻込みする程の価格であった。
 そのお客様は1セットでナント 1000万円程度だったらしく
 1台の導入でも費用対効果が出るのに5年~10年かかる見込みで予算的に厳しい、
 複数ラインへの導入は到底無理だ。

 

     →その点、AI-Detectorは簡単な検査しかできませんが
      178,000円(税抜)と超お買い得価格です。
      この価格なので複数ラインへの導入もしやすいです。

 

 

 

②マスター写真が200~500枚程度とビッグデータが必要。
 簡単な検査なのに写真点数が多すぎて、大変だった。

 

     →その点、AI-Detectorは簡単な検査しかできませんが
      最低たった15枚のマスター写真から始められます。
      マスター写真撮影にかかる時間が短縮できます。

 

 

 

③マスター写真の枚数が多い=ビッグデータなので社内サーバーやクラウドが必要となり
 初期登録、月次使用料、管理費がかかる。特にクラウドは使った分だけ使用料は異なり、
 工場原価計算しにくい。

 

     →その点、AI-Detectorは簡単な検査しかできませんが
      最低たった15枚のマスター写真から始められます。
      パソコンだけの完結で始められます。

 

 

 

④ディープランニング(深層学習、トレーニング、アノテーション)に
 通常半日~1日かかってしまう。

 

      →その点、AI-Detectorは簡単な検査しかできませんが
      最低たった15枚のマスター写真から始められます。
      トレーニング時間は なんと最短1時間~!!

 

 

 

何度も繰り返しますがAI-Detectorは簡単な検査しかできません。
言いかえると簡単な検査に特化したAI自動外観検査の初級、初心者モデルです。

 

このお客様、「人がやっている簡単な外観検査やカウント」だけに絞って
このAI-Detectorに置き換えて頂くことで、検査のバラつきが無くなり、均一化が図れました。
また余った検査人員を、人しかできない難しい外観検査に配置転換することで
人は疲れにくく、ヒューマンエラーも減り、歩留まりも解消され、
無事に検査の効率化を図ることができました。

 

 

 

3.弊社 AI自動外観検査ソフト「AI-Detector」の特徴 

①簡単な検査に特化したAI自動外観検査の初級、初心者モデル

②簡単な検査に特化したことで画像データは最低15枚~で始められ、
 社内サーバーやクラウドなどの構築が不要。
 パソコン完結で始められます。

③トレーニング開始は クリックするだけ!!

④写真(画像)を追加し、再度トレーニングすることで 熟練度はアップ!!

⑤今までの外観検査の知識は不要です。

 

 設定は簡単。PCが学習し、検査を簡単に開始できます。  

 → 今からAIによる外観検査を始めたい方に最適!

 

 

 

AI-Detectorの詳細はこちらから 

AI外観検査ソフトと人間が行う目視検査の違い

人がやっている外観検査やカウントでは以下の問題のどれかが必ず発生しています。

問題1.
・検査担当者の個人レベル差が生じる
・または検査仕様書はあるが検査基準が微妙である
例)
熟練者の場合はNG品の見逃しが少なく、グレー品をNGとするのも少ない。
経験浅い者:NG品の見逃しが多く、グレー品をNGとするのも多い。
このグレー品を熟練者が再検査しなければならないということは再検査の必要があり、効率悪い。
または廃棄金額が多くなる

問題2.
熟練者であったとしても
人は疲れや気分により検査が変わる。
または置場間違いのようなポカミスをしてしまう。
例えばお腹が空いたなぁと思いながら、検査しているかもしれません。

問題3.
人件費がかかる。
熟練者であればあるほど賃金高騰する。

逆にこのAI-Detectorは疲れません。
気分のムラもありません。
賃金UPも要求されません。
ですが複雑なことは出来ません。
しかし従来の自動外観検査ソフトと違って、マスター写真を追加することで熟練度がアップできます。

上記のヒューマンエラーを減少させることや、人件費を抑えるため
今、「人がやっている簡単な外観検査やカウント」をこのAI-Detectorに置き換えて頂くことで上記問題がクリアになります。

AIを使った自動外観検査が他メーカーさんでも色々とありますが上記のような効果のためには活用しにくいものでした。

理由は
・システム全体の価格が高すぎて、費用対効果がでない。
テストするのも尻込みする価格であった。
→その点、AI-Detectorは178,000円(税抜)と超お買い得価格です。

・マスター写真が200~500枚程度とビッグデータが必要。
→その点、AI-Detectorは簡単な検査ならたった15枚のマスター写真で始められます。

・ビッグデータなのでサーバーやクラウドが必要となり初期登録、月次使用料、管理費がかかる。
→その点、AI-Detectorは基本パソコン1台で完結します。

・専門プログラム用語が必要であった。
→その点、AI-Detectorは専門プログラム用語が一切必要ありません。

などです。
それをクリアしたのがAI-Detectorです。

では空いた人はどうすれば良いのか。
人にしかできない難しい判断基準の検査に集中できます。
簡単な検査やカウントはAI-Detectorに任せるので人の疲れも軽減します。
ポカミスも少なくなります。
人件費も抑えることができます。
皆様もこの際に是非導入をご検討ください。

 
 

 

 

 

 

AI外観検査 AI-Detectorでできる検査

AI-Detectorでの主な検査方法をご紹介いたします。

①個数カウント
覚えさせた対象物が
今現在いくつ映っているかのカウントが可能です。
この機能を使用することで
検査対象に100個あるはずの穴が
きちんと空いているか等の
加工ミス等を瞬時に判断することが可能です。

②良品比較
良品画像、不良品画像を
多数覚えこませることで不良品の検出が可能となります。
良品と不良品の形状が近い場合は
多くの画像を登録させることで
精度がドンドン上がっていきます。

現在目視検査、外観検査で問題を抱えているという方は
是非一度ご相談ください。

 
 

 

 

 

 

AI外観検査のシステム例

松電舎のAI外観検査ソフトウェア AI-Detectorは簡単設定が特徴的な外観検査です。

システム例をご紹介します。

 

 

<システム例>

 
パソコン(対応OS:Windows10(64bit) Version 1809、NVIDIA社CUDA対応GPU必須)
 
I/Oユニット
 
 

AI運用の実例には以下のようなものがあります。

●カウント・個数検査

●形状一致度検出
●ラベルなどの内容の確認
●傷ブツ検出
●クラック検査
●打痕検査

●汚れ検査

●欠陥検査
など人間が目視で行っていた外観検査からの置き換えに数多く採用いただいております。

松電舎の AI-Detectorは10万円台でできるAIを使った外観検査ソフトウェアです。
社内サーバーやクラウドが不要、PC一台で始めることができ、専門知識やプログラミング言語も不要な簡単なAI外観検査です。
デモ機のご用意もございます。是非一度お試しください。

 
 

 

 

 

 

AI外観検査 AI-Detectorでの樹脂パーツの検査

樹脂成型工程を想定しました。
NGは先端形状異常、中央の穴がバリでふさがっています。
 
検査風景のデモ動画をYoutubeにアップロードしました。
是非ご覧ください。
 
 

 

 

 

 

AI外観検査 AI-Detectorでのスクリューネジ+ナットの検査

OKはネジに対してのナットのポジションはどこでもOKとする不安定な形状です。
NGは異なるネジ長さ 小、異なるネジ長さ 大、ワッシャーが混入、ナットなし、です。
 
検査風景のデモ動画をYoutubeにアップロードしました。
是非ご覧ください。
 
 

 

 

 

 

AI外観検査 AI-Detectorでのゴムパッキン(Oリング)の検査

ゴムをトムソン刃で打ち抜き、この形状を作る工程を想定しました。
ゴムですので刃物が入った際に多少の巻き込みがあるので肉厚は4~6㎜まではOKとする不安定な難しい形状です。
NGは一部カケ、リング切れ(Cリング状態)、明瞭な形状異常です。
 
検査風景のデモ動画をYoutubeにアップロードしました。
是非ご覧ください。
 
 

 

 

 

 

AI外観検査 AI-Detectorでの樹脂成型行程の検査

樹脂成型工程を想定しました。
NG品は先端形状異常、中央の穴がバリでふさがっております。
 
検査風景のデモ動画をYoutubeにアップロードしました。
是非ご覧ください。
 
 

 

 

 

 

AI外観検査

AI(人工知能)を搭載したソフトウェア AI-Detectorを
日本・タイ・ベトナムの3か国で、同時発売いたします。

こちらのソフトはAIとチェスの人間のチャンピオンの対戦で
一般的にも広く知られた技術、
Deep Learning(深層学習)という学習方法を用いています。

人間や動物の脳神経回路を模した
ディープニューラルネットワークを用いて、
十分なデータ量があれば
人間の力なしに機械が自動的にデータから特徴を抽出してくれます。
 
例えば、製品上の傷を人の目でチェックしている場合、
その傷の写真を十分な量ソフトに与えてトレーニングさせると
その傷の自動検出が行えます。
 
今までの自動外観検査ソフトは、
人間が検査用に複雑な設定をソフト上で行い、
微調整に微調整を重ねて検査できる状態になりますが
こちらのAIソフトは画像を撮影すれば
あとはソフトが勝手に勉強してくれます。
 
必要なのはPC、グラフィックボード、ソフトウェアです。
無料デモ機のご用意もございます。お気軽にお問い合わせください。