実運用までの道のりが長いAI外観検査──たった1枚のサンプル画像で学習完了できるgLupeが製造DXを後押し!

左：株式会社システム計画研究所／ISP 事業本部 第2セグメント IVA事業ユニット 事業マネージャー 井上忠治氏
右：菱洋エレクトロ株式会社 ソリューション事業本部 ソリューション第4ビジネスユニット 営業第1グループ 森秀平氏

人の目を介して行われてきた製造現場における外観検査は、品質を保つうえで非常に重要な役割だ。一方で人手不足や後継者育成が難しいといった課題を抱え、検査の自動化が急がれている。そうした課題を解消すべく、1枚のサンプル画像から不良検出が可能な外観検査装置「gLupe Inspector」がシステム計画研究所／ISP（以下、ISP）によって開発された。今回は、gLupe開発のISPとハードウェアを提供している菱洋エレクトロ株式会社の両社の担当者にAI外観検査ソフトウェア「gLupe」と、それを支える日本HPのワークステーション『Z4 G4 Workstation』が製造現場にもたらす価値について話を聞いてみた。

製造現場でのAI活用に立ちはだかる壁

製品の異常を目視により評価する外観検査は、電気・電子機器や半導体、自動車部品、食品、衣料品など、あらゆるジャンルの製造業において非常に重要な工程だ。しかし昨今、検査技術を有するスタッフは慢性的な人手不足にあり、すべての製造業において共通の課題となっている。また、人間が行っている以上はどうしても結果にブレが生じることもある。

そうしたなかで昨今におけるDX機運の高まりもあり、多くの製造業がこの検査業務にAIを用いて、自動化および検査精度の向上を実現しようとしている。そのためのソフトウェアも数多く存在するが、実運用に至っていない企業が多いのが現状だ。

その要因は、現地導入までのPoC（実証実験）で多くのリソースを要してしまうことにある。AI外観検査の導入におけるPoCでは、数百枚から数千枚以上もの不良品のサンプル画像を学習させる必要がある。製造現場との温度差が原因でなかなかサンプルが集まらなかったり、サンプルが集まっても数が膨大なため、学習には少なくとも数時間はかかり、場合によっては一晩以上を要してしまうこともあるという。このため、外観検査でのAI活用自体を諦めてしまうケースも多い。