産業用視覚検査は、製造プロセス中に製品の表面欠陥を検出することを目指しています。既存の異常検知モデルは多くの公開ベンチマークで優れた性能を示していますが、調整可能性の制限と論理的な異常を検出する能力の不足により、実世界での広範な利用が妨げられています。本稿では、産業シナリオにおいて調整可能かつ論理的な異常検知を同時に達成できる新しい部品認識型異常検知フレームワーク（ComAD）を提案します。具体的には、軽量でほぼ学習不要の非監督的意味分割モデルを使用して画像を複数の部品に分割することを提案します。その後、各部品の計測特性とそれらの関係性をモデル化することで、解釈可能な論理的異常検知モデルを設計します。その単純さにもかかわらず、当フレームワークは画像レベルでの論理的異常検知において最先端の性能を達成しています。また、製品画像を複数の部品に分割することで、産業用視覚検査における新たな視点が提供され、モデルカスタマイズ、ノイズ耐性、および異常分類において大きな潜在力を示しています。コードは https://github.com/liutongkun/ComAD で公開予定です。