設計例製造業
ラインを止めずに、外観検査をリアルタイムで
ラインの上を流れる部品をカメラで撮り、機器の中で動く画像認識でキズや欠けをその場で判定します。不良品は排出の信号を出し、日々の結果は LLM で傾向をまとめた報告にします。
※ 業務要件を想定し、自社の技術で組む場合の構成です。実際のご相談では、御社の条件に合わせて組み直します。
Requirements業務の条件
- 01ラインの速さに追いつく処理時間で判定する
- 02工場のネットワークに画像を外へ出さない
- 03見逃しを減らし、良品を不良と判定しすぎない
- 04判定の結果を、既存の設備（PLC）と生産管理に渡す
Problem今のやり方の困りごと
目視の検査は人による差が出やすく、長時間続けると見逃しが増えます。クラウドに画像を送る方式では、ラインの速さに間に合わないことや、画像を外に出せないことが壁になります。
Pipeline仕組み
読み取る、作る、確かめる、渡す。
- 認知
撮る・見つける
照明とカメラの位置を決めて撮り、自社の画像認識モデルで部品と傷を見つけます。
- 検証
判定する
検査の基準（大きさ・位置・種類）に照らして、良品・不良・要確認に分けます。
- 制御
設備に伝える
不良の信号を、ラインの横に置いた小型 PC から設備（PLC）へ送ります。
- 生成
日々のまとめ
判定の記録から、LLM が不良の傾向や気になる変化をまとめた報告の下書きを作ります。
守る条件 ラインの速さに間に合う画像を外に出さない見逃しと過検出の釣り合い既存の設備につなぐ
Build作るもの
検査のソフトとモデル
カメラの制御、画像認識、判定、記録までを、ラインの横の小型 PC で動かします。
設備・生産管理との連携
PLC への信号と、生産管理のシステムへの結果の受け渡し。
再学習の仕組み
要確認に回った画像を人が判定し、その結果でモデルを育てていきます。
Prepareご相談の前に
次のことが分かると、検討が早く進みます。分からなくても構いません。
良品と不良の見本はありますか？
不良の種類ごとの写真や実物があると、検証が早く進みます。不良が少ない場合は、良品だけで学ぶ方法もあります。
ラインの速さと設置の場所は？
1 個あたりの時間と、カメラ・照明・PC を置ける場所を伺います。
CONTACTご相談
このケースに近い業務の
ご相談をお待ちしています。
何をAIにするか決まっていない段階でも、試作で止まっている段階でも構いません。業務の流れと条件を伺い、どこから作るとよいかを一緒に整理します。ご相談とお見積もりは無料です。
