この記事には広告・アフィリエイトリンクを含む場合があります。特定の商品やサービスを断定的にすすめるのではなく、中小製造業の社長が選ぶときの見方を整理しています。
工場のAIカメラ・外観検査サービスは、人の検査をすぐ置き換える魔法の道具ではありません。傷、打痕、汚れ、欠け、印字、色むら、異物など、何を不良とするかが曖昧なままだと、AIも安定して判定できません。
外観検査で重要なのは、AIの性能だけでなく、照明、カメラ位置、搬送、ワークの向き、良品・不良品のサンプル、判定後の排出や隔離です。現場条件が変わると、デモでは良かった精度が量産では落ちることがあります。
比較すべきポイント
| 項目 | 確認すること | 失敗例 |
|---|---|---|
| 不良定義 | OK/NGの基準、限度見本 | 人によって判定が違う |
| 撮像条件 | 照明、角度、距離、背景 | 反射や影で誤判定 |
| サンプル数 | 良品、不良品、境界品 | 学習データが偏る |
| 処理速度 | タクト、搬送、停止時間 | ライン速度に追いつかない |
| 判定後処理 | 排出、隔離、再確認 | NG品が混入する |
導入に向かない状態
- 不良の限度見本がない
- 照明やワーク位置が毎回変わる
- 良品と不良品の画像サンプルが少ない
- 判定後にNG品を隔離する仕組みがない
- 検査基準を顧客と合意できていない
IPAのAIセキュリティ情報では、AIにはデータ漏えい、改ざん、性能、説明性、コンプライアンスなどの検討事項があると整理されています。AI外観検査でも、画像データ、学習データ、クラウド利用、モデル更新、判定根拠を確認します。
カメラが人や来訪者を撮る可能性がある場合は、個人情報保護の観点も必要です。個人情報保護委員会は、民間事業者向けのカメラと個人情報保護法に関する資料や、顔識別機能付きカメラの資料を公表しています。工場内でも、撮影範囲、掲示、保存期間、閲覧権限を決めます。
PoCで見るべきこと
AI外観検査は、いきなり本番導入せず、PoCで確認するのが現実的です。PoCでは、良品をNGにする過検出、不良品をOKにする見逃し、境界品の判断、照明変化、品種替え、清掃後の条件変化を確認します。
製造業では、見逃しのリスクと過検出の負担を分けて考えます。見逃しは顧客流出につながり、過検出は手直しや再検査の負担になります。どちらをどこまで許容するかは、製品リスク、顧客要求、工程能力で変わります。
導入前チェックリスト
- 不良定義と限度見本を整えたか
- 照明、位置決め、搬送、背景を固定できるか
- 良品、不良品、境界品の画像を集めたか
- 見逃しと過検出の許容基準を決めたか
- 画像データ、個人情報、クラウド利用、セキュリティを確認したか
最終判断では、AI外観検査を「人件費削減」だけで見ないことです。品質の安定、検査員の負担軽減、記録の残しやすさ、顧客説明のしやすさも効果です。導入後は不良流出、過検出率、再検査時間、ライン停止、モデル更新の頻度を見ます。
AI外観検査で起きる危険
AI外観検査の危険は、過信です。デモで高精度に見えても、量産では照明、汚れ、反射、ワーク位置、品種替え、治具の摩耗で判定が変わります。見逃しは顧客流出につながり、過検出は再検査や廃棄の負担になります。
導入に向かない状態は、不良基準が人によって違う、限度見本がない、良品と不良品の画像が少ない、判定後にNG品を隔離できない状態です。AI以前に、品質基準と工程条件を固定する必要があります。
選定では、メーカー仕様、公的資料、IPAのAIセキュリティやネットワークカメラの資料、個人情報保護委員会のカメラ関連資料を確認します。クラウドに画像を送る場合は、顧客情報、作業者の写り込み、保存期間、モデル学習への利用可否も重要です。
FAQ（よくある質問）
AIなら少ないサンプルでも判定できますか？
ケースによりますが、良品、不良品、境界品のサンプルが少ないと安定しにくくなります。PoCで確認します。
人の検査は不要になりますか？
すぐに不要になるとは限りません。最初はAI判定と人の確認を組み合わせ、見逃しと過検出を評価します。