ニュース
ディープラーニング技術を用いて部品の検品を自動化する実証実験：製造IT導入事例
ABEJAが武蔵精密工業と協業し、ディープラーニング技術を用いて四輪車用部品の検品を自動化する実証実験を実施した。その結果、自動化は難しいとされてきた検品工程において、目視による検品と同等の精度を持つ学習済みモデルを構築できた。
ABEJAは2018年2月19日、武蔵精密工業との協業により、ディープラーニング技術を用いて四輪車用部品の検品を自動化する実証実験を実施したと発表した。
武蔵精密工業では工場の自動化に取り組んでいるが、検品工程においては熟練作業員の能力によるところが大きく、自動化に関して課題があった。
実証実験では、四輪車用の部品であるベベルギヤの画像データをディープラーニング技術によって解析し、良品と不良品を検出する学習済みモデルを構築した。
この学習済みモデルには、両社の工夫が生かされている。例えば武蔵精密工業では対象物をカメラで的確に捉えてデータを取得する環境を構築し、ABEJAは「AutoEncoder」（自己符号化器）などの複数の手法を組み合わせて、良品のデータのみから不良品を判別する方法を確立した。
ベベルギヤは完成品の精度が高いために不良品の発生が非常に低く、目視による検品工程を自動化するのは難しいとされていたが、2017年6月から10月までの約4カ月間の実証実験で、人の目視による検品と同等の精度を持つ学習済みモデルを構築できた。
両社は今後、実証実験で構築した学習済みモデルを調整し、さらなる精度向上を図る。2018年度から武蔵精密工業の工場内で試験的な運用を開始する。
Copyright © ITmedia, Inc. All Rights Reserved.
関連記事
品質保証の体制をIoTでカイゼンする
日本型モノづくりの象徴ともいうべき「トヨタ生産方式」。本連載では多くの製造業が取り入れるトヨタ生産方式の利点を生かしつつ、IoTを活用してモノづくりを強化するポイントについて解説していきます。第3回となる今回は、品質保証体制へのIoT活用のポイントについて紹介します。
品質不正問題にどう立ち向かうのか、抜本的解決のカギはIoTと検査自動化
2017年の製造業を取り巻く動きの中で、最もネガティブな影響を与えたのが「品質不正」の問題だろう。「日本のモノづくり」のブランド力を著しく傷つけたとされるが、2018年はこの問題にどう対応するのかという点は、全ての製造業の命題である。人手不足が加速する中、解決につながる「仕組み」や「ツール」に注目が集まる1年となる。
IoT時代にどう立ち向かうか、自動検査の位置付けを変えたマインドセット
「検査装置は不具合を見つける装置ではなく、不具合を出さないためのものだ」――。基板実装ラインなどで使われる外観検査装置で好調を続けるサキコーポーレーションだが、成功の土台には「マインドセット」の取り方にあったという。サキコーポレーション社長の秋山咲恵氏の講演の内容をお届けする。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。
日本ディープラーニング協会「モノづくりとの組み合わせで新たな産業競争力に」
ディープラーニングを手掛ける企業や研究者が設立した団体「日本ディープラーニング協会」が設立発表会を開催。理事長を務める東京大学大学院 特任准教授の松尾豊氏は「日本は米国や中国と比べてディープラーニングの研究開発や活用で遅れているが、製造業のモノづくりとの組み合わせで対抗すれば新たな産業競争力になる」と訴えた。