　1つ目は「従来技術では対応できない」という点である。AIを使わずに画像認識技術のみで外観検査システムを構築する場合、撮影した画像とルールベースによる画像処理の組み合わせが基本となる。この場合、検査する個体ごとの色差や位置決めの要件が厳密であったり、光の反射などの影響を受けやすかったりすることから正常に処理できないことが多い。結果的に検査できる内容が限られてしまい、ラベルのズレや印字ミスなど、明らかな異常にしか対応できない。そのため、幅広い製品に対応した外観検査の自動化には、検査に最適化された撮像技術とロボット技術、そしてAIやディープラーニングが必須要件となる。

必要な技術をそろえている企業が見つからない

　2つ目は「必要な技術をそろえている企業が見つからない」という点である。先述したように外観検査自動化には撮像技術とロボット技術、AI技術を兼ね備えている必要がある。しかし「そうした企業は非常に少ない」と新井氏は指摘する。従来型の検査装置メーカーにはAIの知見が、AI開発ベンダーは撮像技術やロボティクスの知見が不足しがちである。検査装置メーカーとAI開発ベンダーによる合同プロジェクトにすると、すり合わせ技術が蓄積／発揮できず、性能や費用面で問題を抱えるケースがあるという。

製造業に合わせた開発が難しい

　3つ目は「製造業に合わせた開発が難しい」という点である。検査対象の製造工程の特性や異常の基準、納入する工場の要件など、複合的な要件を考慮しながらソリューションを構築するノウハウを持つ企業も少ない。結果的にPoC（概念実証）で実現した検査精度を現場で再現できないケースや、高額な費用が掛かり、投資対効果が見合わないケースが多い。また、AIに学習させるサンプルに関しても、製造現場での収集が限られる中で、どのようなサンプルを集めるべきかという知見がないと、AIの精度が上がらないケースもある。

ロビットの代表取締役CEO兼CTOの新井雅海氏。2014年に東京で創業。スマートフォンと連動してカーテンを自動開閉するmornin`を2016年に発表。その際に町工場の後継者不足や人材不足を知り、産業向けのソリューション開発に事業の軸足を変えた（クリックで拡大）

　ロビットでは創業メンバーがそれぞれAI、ハードウェア、ソフトウェアのバックグラウンドを持っていたので、社内でお互いの知見をすり合わせながら開発を進めてきた。また、社員を採用する際もどれか1つの技術にしか志向がないエンジニアではなく、専門領域以外の技術への学習意欲や趣味レベルでも複数の技術を扱った経験のあるエンジニアを積極的に採用しているという。

　「一般的なエンジニア採用では設計は設計の経験、AIベンダーはAIの開発経験だけを評価するが、当社の場合は横断的な知見や経験を求めている。現職ではハードウェアの経験しかなくても、趣味でAIを使った電子工作をしているなど自己研さんに励むエンジニアは当社が欲しい人材だ」（新井氏）

　ロビットでは販売台数の目標は設定せず、国内製造業の旺盛な需要を取り込むことを目指す。「製造業のDX（デジタルトランスフォーメーション）が本格化してきた中で、顧客側も一度失敗を経験して学習し、AIに対する理解度が高まっていると感じている。一昔前のように、AIなら何でもできるという考え方ではなく、こういうやり方であればAIで解決できるのではないかといった考え方で当社に問い合わせするケースも増えている。国内労働人口の減少や、ベテラン技術者の技能承継、コロナ禍による外国人労働力の不足など、製造業の自動化需要は高まる一方なので、今後は検査の前後工程の自動化も含めて対応する領域を拡張していきたい」と新井氏は語っている。

≫「FAニュース」のバックナンバー

雪国まいたけが、まいたけのカットから包装までを自動化するライン開発に着手
雪国まいたけは2021年1月27日、ロビットと協業し、まいたけカット工程の自動化技術の開発に成功し、次世代型パッケージングラインを開発すると発表した。
ロボットとAIを組み合わせて自動外観検査を実現へ、スタートアップの挑戦
ロビットは、「Embedded Technology 2018／IoT Technology 2018（ET2018）」において、ロボットやAI、照明技術を組み合わせた外観検査ソリューション「TESRAY」を出展した。
第4次産業革命で変わる検査と品質向上の取り組み
製造業の産業構造を大きく変えるといわれている「第4次産業革命」。本連載では、第4次産業革命で起きていることや、必要となることについて、話題になったトピックなどに応じて解説していきます。第21回となる今回は、IoTやAIを活用することで品質向上への取り組みがどのように変化するのかという点を紹介します。
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。
製造現場における画像処理【前編】
製造現場における画像処理技術とは何か？その特徴や導入時のポイントなどをきちんと理解し、生産性向上に役立てていきましょう。連載第5回のテーマは「製造現場における画像処理」についてです。具体的に画像処理が製造現場で効果的に利用されている実例を紹介します。