富士通の工場で「AI品質検査員」が勤務、検査効率は人手より25%高い

日本一のITメーカーである富士通はこのほど、製品の外観異常を検知するAI技術の開発を発表し、これにより人件費や材料費などを削減するとともに、風評被害や返品・リコールに関わるコストも削減できる「無人工場」をすでに導入している。来る。

昨年11月、AppleはAirPods Proの世界的なリコールを開始しました。その理由は、2020年10月より前に製造されたAirPods Proは、騒がしい環境や運動中、通話中などにノイズが発生する可能性があるためです。 。

意外なことに、この事件からまだ1か月しか経っていないが、2020年12月にAppleは以前のiPhone 11の画面タッチ不良問題を対象とした新たなリコール計画を開始した。

度重なる欠陥製品のリコールは、アップルの評判を傷つけるだけでなく、消費者の信頼をある程度失う原因となった。

したがって、製品の性能指標に加えて、品質管理も企業にとって重要です。

人々の消費レベルが高まるにつれて、電子製品の需要が高まり、工場への出荷圧力も高まります。品質管理リンクは基本的に手作業による検査に依存しており、集中力の高い作業では、品質検査員が視覚疲労や集中力の欠如などにより誤った検査を行ったり、検査を見逃したりする可能性があります。

検出効率を確保しながら製品の収率を向上させるにはどうすればよいでしょうか?富士通はAI技術を活用して問題を解決することにした。

富士通は変化を求め、手動の品質検査員に代わって AI を活用

アジア最大、世界第5位のICTサプライヤーである富士通の製品はコンピュータ、半導体、ミドルウェアなどをカバーしており、日本、中国、米国などに多くの工場を持っています。

世界の製造業がスマートマニュファクチャリングを推進する中、この創業86年の同社も人工知能などの最先端技術を活用して生産ラインの生産効率を向上させている。

富士通研究所はこのほど、完成品の傷や製造ミスなどのさまざまな外観異常を高精度に検出する画像検査AI技術の開発に成功したと発表した。同時に、この技術により、製品の品質検査にかかる労力と時間のコストも大幅に削減されます。

マシンビジョンは製品を迅速かつ正確に「選択」できます

長い間、製品の品質検査は手作業による目視検査に依存してきました。この方法は非効率であるだけでなく、人的要因による検出漏れ、誤った検出、基準の不一致などの問題が発生しやすくなります。

この目的を達成するために、富士通は人間の目ではなくマシンビジョンを使用して、完成品の外観異常を検出することにしました。 「AI品質検査員」は、製品のおおよその形状や詳細な構造、質感などから不良品かどうかを判定します。

各種検査においても「AI品質検査員」が検査のポイントを把握し、製品の異常箇所を正確に分析します。例えば、形状変形テストでは大まかな形状の判断が最も重要であると理解しますが、状態やパターンのテストでは質感の検出が最も重要であると「AI品質検査員」は考えます。

また、見た目は正常な製品であっても、塗装や色、配線形状などの要素に個体差がある場合、AIが項目ごとにそれらの特性をチェックし、個体差や異常が許容範囲内であるかどうかをチェックしながら判定します。 。

レポートによると、品質管理タスクを実行するために AI をトレーニングする際の課題は、通常、モデルのトレーニングに以前は重み付けされた累積インデックスが使用されていたため、すべての検査機能を習得できるモデルを作成することが困難になる可能性があることです。

そこで富士通は、5,000点以上の人工物体の画像ライブラリをもとに、AIがさまざまな形状、サイズ、色の素材を生成し、ランダムに異常を加えて学習させる新たなAIモデル学習手法を開発しました。異常のある画像のモデル。

学習プロセスでは、通常の画像とAI復元画像を比較し、大まかな形状、詳細な構造、質感などの特徴ごとに学習の程度を評価し、追加する異常のサイズ、色、数を制御しました。 , AIがキャプチャされていない特徴を最初に学習できるようにします。その後、AI で復元した画像を評価し、弱点のトレーニングを強化します。

つまり、このプロセスはAIが自ら異常を発生させ、それを検知させて画像を正常な状態に戻すことで、継続的な自己ゲームのスキルを向上させることに相当します。

富士通は、長野工場の検査でこの技術の有効性を検証しました。同社のAIを正常な外観の製品に適用したところ、AUCスコアは98％を超え、プリント基板の検査工数は25％削減された。

富士通は、今後、企業のデジタルトランスフォーメーションを実現するために、関連技術をさらに開発し、COLMINAデジタルソリューションに適用すると述べた。

伝統からインテリジェンスまで、マシンビジョンは多大な貢献をしてきました

インダストリー4.0の時代、人工知能技術は産業分野のさまざまなシーンに急速に浸透し、私たちの生産方法を変えています。で、マシン ビジョンは、産業オートメーションの「目」であると言えます。製品の位置特定、検出、機器動作の位置決めなどは、ほぼすべてマシン ビジョン テクノロジーと切り離すことができません。

工場の品質管理システム、特に自動車部品、3C製品、チップなどの業界では、製品の品質監視と欠陥管理は非常に重要なリンクであり、製品の品質と生産速度に大きな影響を与えます。また、この分野の人件費も生産コスト全体に占める割合が大きい。

マシン ビジョン テクノロジーの進歩により、このリンクの自動化が大幅に促進され、検出ミスや誤検出が大幅に減少しました。

機械学習アルゴリズムを使用し、少数の画像サンプルでトレーニングされた AI は、人間の視覚をはるかに超える解像度で精密製品の小さな欠陥を検出できるため、製品の歩留まりが向上します。

人間の視覚と比較して、マシンビジョンは、定量化の度合い、グレースケール解像度、空間解像度、観察速度の点で大きな利点があります。

近年、国内外の多くの企業がマシンビジョン技術を生産プロセスに次々と導入しています。今年の初めに、Amazon は機械学習サービス Lookout for Vision の開始を発表しました。これは、マシンビジョン技術を使用して、産業および製造業の顧客に製品の欠陥と異常の検出サービスを提供します。

公開データによると、産業オートメーション向けの世界のマシンビジョン技術市場は、2018年に44億4000万米ドル（約290億人民元）に達し、2023年には122億9000万米ドル（約804億人民元）に達すると予想されています。年平均成長率は次のとおりです。 21% まで高く、市場の需要は膨大です。

関連テクノロジーが成熟し続け、スマート製造政策が推進され続けるにつれて、マシンビジョンテクノロジーの応用シナリオは必然的にますます広範囲になり、この分野での競争も非常に熾烈になるでしょう。

ニュースソース:

https://www.fujitsu.com/global/about/resources/news/press-releases/2021/0329-01.html