自動車

難検出不良という課題

自動車部品の量産で最も厄介なのは「明らかな不良」ではなく、曖昧な不良です。規格の境界にかかる欠陥や、照明と角度によって見えたり見えなかったりするキズなどがそれにあたります。

ルールベースのビジョンカメラはこうしたケースに弱く、基準を厳しくすれば良品を不良として廃棄し、緩くすれば不良が流出します。結局は人が再検査することになり、検査要員がボトルネックになります。

二つの方向から取り組みます

検出 — 見逃す不良を減らす

ディープラーニングによるビジョン検査(V²)で、ルールベースが見逃す微細欠陥を検出します。良品画像のみで学習する異常検知方式を用いれば、不良サンプルを十分に集めにくい初期段階でも適用できます。エッジデバイス上で動作する軽量モデルのため、ラインの速度を落としません。

予防 — 不良が出る条件を減らす

検出だけでは不良率そのものは下がりません。射出条件、金型温度、材料ロットといった工程変数と実際の品質結果を結び付けて分析すれば、どの条件で不良が増えるかを確認できます。その条件を避けるよう工程を調整するほうが根本的です。

横展開

一つのラインで検証したうえで、同じ工程の他ラインへ広げる順序で進めます。ラインごとに設備と条件が異なりモデルをそのまま移せないことが多いため、再学習の手順も併せて設計します。