この記事の対象になる方
- 画像検査装置やAI外観検査の導入を検討している方
- キズ、ゴミ、異物、汚れなどの検査を自動化したい生産技術・品質保証担当者
- 現場の目視検査を標準化し、検査品質を安定させたい方
はじめに
みなさん、人が行っている検査を自動化したいと思っていますよね。
この記事にたどり着いた方は、きっとこう思っているはずです。
「何から始めるのが正解なの？？」
その検査自動化の手段として、まず候補に上がりやすいのが画像検査です。
画像検査を導入しようとすると、ついつい最初に装置やツールを見たくなりますよね。
カメラの画素数はどれくらいか。
AI検査ができるのか。
照明はどの方式がよいのか。
メーカーはどこがよいのか。
もちろん、これらも大切です。
しかし、画像検査の選定で本当に重要なのは、装置を選ぶ前の段階です。
画像検査を選定する前に、ユーザー側で検査基準を定量化できているかが非常に重要です。
ここが曖昧なまま装置選定を進めてしまうと、ツールだけが先行します。
その結果、本来見たいものが見えない。
現場ではNGにしたいのに、装置ではOKになる。
逆に、人なら問題にしないレベルまで装置がNG判定してしまう。
このようなズレが発生しやすくなります。
画像検査は入れるだけで何でも叶えてくれる、魔法の箱ではありません。
人間の目で何となく判断していたものを、カメラ・照明・画像処理・AIなどで判定する仕組みです。
そのため、ユーザー側の検査基準が曖昧なままだと、どれだけ高性能な装置を入れても安定した検査にはなりません。
今回は画像検査について、導入前に検討すべきことを、筆者の経験を交えて記事にしていきたいと思います。
それでは行ってみましょう！！
最も重要なのは「検査基準の定量化」
画像検査を導入する前に、最重要事項は次の一点です。
検査対象を定量的に説明できるか。
ここでいう定量的とは、数値や条件で説明できる状態のことです。
むしろここが完璧であるならば、自動化は達成見込みと言っても過言では無いと思っています。
例えば、定量的ではない＝定性的な表現として次がよく使われます。
- キズがないこと
- ゴミがないこと
- 汚れがないこと
- 取付エリア全体を確認すること
- 見た目に問題がないこと
人間同士であれば、ある程度は会話で補えますよね。
なんとなく物を見ながら
「あ～これはキズじゃないよ、前もOKだったからさ」
「これは微妙だからキズとして報告しよっか～」
みたいな会話ができますよね。
そしてベテラン検査員であれば、経験から何となく判断できるかもしれません。
しかし、自動検査ではこの「何となく」が使えません。
画像検査装置は、人間のように空気を読みません。
過去の経緯も知りません。
現場で暗黙的に共有されている判断基準も理解しません。
だからこそ、導入前に基準を数値として落とし込む必要があります。
ツール選定が先行すると本来見たいものが見えなくなる
画像検査の導入でよくある失敗が、先にツールを決めてしまうパターンです。
AI画像検査ができるらしい。
高画素カメラなら細かいキズも見えるらしい。
最新の照明なら何でも検出できるらしい。
このようにツールの機能から入ってしまうと、検査の目的が後回しになります。
画像検査で重要なのは、何ができる装置かではなく、自社が何を検査したいのかです。
本来は、次の項目を最初に考えるべきです。
- 何を検査したいのか
- どこを検査したいのか
- どのレベルからNGにしたいのか
- どの条件ならOKとするのか
- 判定した画像は残すのか
この順番を飛ばして装置選定に入ると、導入後にこうなります。
よって画像検査は、選定前の基準整理で勝負が半分決まると言っても良いでしょう。
自動化前に社内の検査基準を一度見直し整理する
画像検査を導入する前に、社内の検査基準を見直すことを強くおすすめします。
なぜなら、現場で運用されている検査基準は、意外と暗黙の了解になっていることが多いからです。
図面や検査基準書には内容が書いてあるが、実際には検査員ごとに見ているポイントが少し違う。
検査基準を作成した部署と製造現場でNGの感覚が違う。
ベテランは分かるが、新人には判断しにくい。
こうした状態は珍しくありません。
人が検査する場合は、教育や経験である程度カバーできます。
しかし、画像検査で自動化する場合は、その曖昧さがそのまま課題になります。
画像検査を導入する前に必要なのは、装置メーカーへの相談だけではなく、自社内の基準整理です。
ここを飛ばすと、装置導入後に関係者間で揉めやすくなります。
生産技術は装置を動かしたい。
品質保証は検査精度を上げたい。
製造現場は誤判定を減らしたい。
保全はメンテしやすい設備にしたい。
それぞれの立場で見ているポイントが違うため、導入前に基準を合わせておくことが最も重要です。
検査基準の定量化すべき項目
ここまで記事を読んでいただいた方、なんとなく定量化する理由が伝わったかと思います。
実際にどのような内容を定量的にしたほうが良いか、キズとゴミの検査を例に紹介していきます。
検査する範囲は定量的に決める
キズの画像検査でまず重要になるのが、検査範囲です。
検査範囲が曖昧なままだと、カメラの視野、照明の当て方、画像処理の対象エリア、判定条件が決まりません。
悪い例と良い例をみていきましょう。
悪い例
一見すると分かりやすそうですが、自動化するには曖昧です。
例えば、取付エリア全てといっても、どこからどこまでが取付エリアなのか。
端部は含むのか。
曲面や影になる部分はどう扱うのか。
部品の基準位置がズレた場合はどうするのか。
このあたりを決めないと、画像検査の設計が進みません。
良い例
このように、基準位置と範囲を数値で表現できると、画像検査に落とし込みやすくなります。
検査範囲は、現場の感覚ではなく、基準位置と寸法で決めることが重要です。
特に検査範囲は、社内で暗黙の了解になっていることが多いです。
現場をヒアリングしてみると、検査員ごとに見ている範囲が違うこともあります。
Aさんは端部まで見ている。
Bさんは中央部だけを重点的に見ている。
Cさんは過去に不良が出た場所を重点的に見ている。
この状態で画像検査を導入すると、誰の基準を正とするのかで止まります。
画像検査を自動化するうえで、検査範囲の定量化は必ず引っかかるポイントです。
導入前に関係者で合意しておくことをおすすめします。
検査するキズは定量的に決める
次に重要なのが、キズの基準です。
悪い例
人の目視検査では、このような表現でも運用できてしまう場合があります。
しかし、画像検査ではかなり危険です。
なぜなら、キズがないことという基準は、どこまでをキズとするのかが不明確だからです。
髪の毛のような細い線もキズなのか。
光の反射で見える程度の擦れもキズなのか。
深さがない表面の色ムラもキズなのか。
小さな点キズもすべてNGなのか。
これを決めないまま画像検査を導入すると、判定条件が作れません。
良い例
このように、深さ、幅、長さ、個数、密度などで基準を決めることが重要です。
検査するゴミは定量的に決める
キズと同様にゴミや異物の基準も重要です。
ターゲットとなる検出体はすべて定量化しましょう。
悪い例
これも人の目視検査では何となく運用できます。
しかし、画像検査では曖昧です。
良い例
ゴミの場合は、サイズだけでなく、種類や色味も重要です。
画像検査は人の目より融通が利かない
画像検査を導入するときに、意外と忘れがちなのがこの点です。
人間の目視検査は、実はかなり高性能です。
人は、多少照明条件が変わっても見方を変えられます。
ワークの向きが少しズレても補正して見られます。
過去の経験から、これは問題ない、これは怪しいと判断できます。
検査対象以外の違和感にも気づくことがあります。
一方で、画像検査装置は決められた条件で愚直に判定します。
これは悪いことではありません。
むしろ、安定した条件で同じ判定を繰り返せることが画像検査の強みです。
ただし、そのためには、判定条件を明確＝定量的にしておく必要があります。
画像検査は、人の曖昧な判断をそのまま置き換えるものではなく、判断基準を整理してから置き換えるものです。
ここを理解しておくと、導入後のトラブルを減らせます。
まとめ
最後に、選定のうえで重要な点をおさらいしましょう。
- 検査する範囲を定量的に決める
- 検査するキズのOK/NG基準を定量的に決める
- 検査するゴミの種類、色味、サイズを定量的に決める
画像検査で失敗しないためには、最新ツールを探す前に、自社の検査基準をデジタル化できる状態にすることが大切
この機会に社内の品質基準を見直し、目視検査の考え方を標準化しましょう。
本記事は学習目的の情報提供です。実際の電気工事・設計・配線・機器選定・部材選定・改造は、法令・社内基準に従い、有資格者および責任者の管理下で実施してください。現場条件により最適解は変わるため、必ずメーカー仕様書・設計基準・安全規程・JISを確認のうえ判断してください。
この記事へのコメント