AIによる良品学習方式を既存の外観検査装置に適用
未知の不良検出を短期間で実現可能にする
「Meister Apps™ AI画像自動検査パッケージ」

　そうした環境を整備してきたが、検査対象となっていなかった部分で未知の不良が発生した当時を宮島氏は振り返る。「もともと導入していた自動外観検査装置では、未知の不良を流出防止させる仕組みではなかった。そうした中で、実際に不良を客先へ流出させてしまったことで、新たな対策が求められることとなりました。」

　不良が客先へ流出してしまうと、社員が客先まで出向いて急遽再検査を実施するなど、人件費を含めたコストが発生する上に、顧客からの信用失墜につながる大きなリスクもある。こうしたことから、既知不良の検出が可能な既存の外観検査装置に加えて、未知の不良が検出できる環境づくりが急務となったのだ。

　現在は、ソケットLEDの製造ラインに設置された外観検査装置の1つで良品学習を適用した「Meister Apps AI画像自動検査パッケージ」を運用中だ。「1ロットあたり数千個のソケットLEDが検査工程に流れてきますが、自動外観検査装置での良品学習による良否判別の精度は目標値の95％を達成しています」と宮島氏は説明する。

　「良品学習を適用する際には、1,000枚ほどの良品画像を使って学習を実施しました。ルールベースの検査は一から作り上げる負担が大きいが、機器への改造も不要で、Meister Appsであれば2時間ほどで数百枚の良品画像が学習できる点は大きなメリットでした」と桑村氏は評価する。追加学習の際も、短期間で精度を高めることができる点が大きな魅力の1つだという。
　良品閾値を最適化する東芝の良品学習方式は、ルールベースの開発と比べておよそ半分程度の開発工数で実現することができたという。

　新たな環境を整備したことで、未知の不良を外部に流出させてしまうリスクを軽減し、顧客に対する信頼感の醸成につながる環境づくりが低コストで実現した。「別の検査装置を導入する場合と比べ、検出精度向上が可能となっています」と宮島氏。

　また、良品を不良と判断してしまう過検出を減らせたメリットも大きい。「良品であっても多少のバラつきがあるため、現場に出向いてその都度閾値を調整する必要がありました。良品学習を取り入れたことで過検出が軽減され、作業フロー、工程の短縮につながっています」と桑村氏。過検出の抑制により目視作業の工数を3分の1程度に圧縮できている点も見逃せない効果だ。その分の人員を他の工程作業に充てる有効活用も可能になったという。

　「Meister Apps AI画像自動検査パッケージ」の良品学習機能のもう1つのメリットは、学習データが用意しやすい点にある。「一般的には学習データとして良品画像と不良画像の両方が必要ですが、不良はもともと発生数が非常に限られており、データを用意するだけでも大変です。Meister Appsは良品のバラつきを学習する手法だからこそ、短期間のうちに高い検出精度を達成できるのです」と近藤氏は評価する。

　今後については、まずソケットLEDの他の製造ラインに「Meister Apps AI画像自動検査パッケージ」の展開を進めつつ、他製品の製造ラインにも広げていきたいと意欲的だ。もちろん今治事業所のみならず、同社の他事業所への展開も含めて検討していきたいという。

　また、良品学習で得たデータを活用し、上流工程の設備における品質改善につなげていくことも視野に入れている。「社内だけでなく、部品を購入しているパートナー企業の製造品質向上にもデータ活用できる場面があれば活用していきたいですね」と近藤氏は語る。

　いずれは現場担当者も追加学習が実施できるような環境整備にも取り組んでいきたいという。「例えば、タッチパネルを操作するだけで簡単に追加学習できるような環境を整備することで、製造現場でも定期的にメンテナンスできるような環境づくりも期待したいですね」と宮島氏。

　既存設備を活用しながら製品の製造における最終工程で未知不良を高精度で除去できる東芝の「Meister Apps AI画像自動検査パッケージ」は、同社の高品質なモノづくりを支える一助として今後も大いに活用されていくことだろう。

この記事の内容は2025年3月に取材した内容を元に構成しています。
記事内における数値データ、社名、組織名、役職などは取材時のものです。