Neural Network Consoleでの本格的なAI開発を検討される方はサービス資料をご覧ください
目視の画像確認は熟練の従業員にとっても見逃し、誤検出は避けられず、教育コストの高さからも人手不足に陥りやすい業務となります。 今回はこちらの工程において省人化および品質向上を実現し、その中でNeural Network Console（以下NNC）がどのように利用されたのか、旭化成の松下様、高橋様にお話を伺いました。
松下様：社内の組立プロセスにおける工程省人化、自動化に携わっています。
今回のNNCを用いた開発では私がメインで開発を進めていきました。
高橋様：IoT、AIといったデジタル技術を工場などの生産現場で活用することでスマート化やデジタル化を推進させる組織に所属しています。
今回の開発ではサーバー構築やインフラ周辺の業務を担い、並行してNNC以外のオープンソースでの開発を行っていました。
松下様：詳細はお話できない部分が多いのですが、これまで人の目視によって行われていた製品の外観検査をAIで自動化するものとなります。 具体的には、外観検査用のカメラで撮像された画像を良品と不良品に分け、AIに学習させました。
松下様：対象とした工場での外観検査工程において省人化および品質向上のニーズがあったためです。 もともと、外観検査を自動化させようとプロジェクトとして動いてはいましたが、従来手法の画像処理では見逃しや過検出が発生しており精度に課題がありました。 そんなとき、AIの手法を知り工程に適応させようとなりました。
高橋様：NNCは、インターネット上で検索して知りました。 もともと、AI導入後も工場の現場サイドで再学習による判定モデルのブラッシュアップが必要だと考えていたため、AIの知識がなくても開発しやすいGUIベースのツールを探していました。 他の開発ツールを比較検討していたのですが、ツールが高額でモデルを細かく設計できず、精度も中々上がらないという悩みがありました。 その点で、NNCはGUIで直感的に開発でき、モデルを細かく設計できるところや、他の開発ツールと比べても精度を向上させやすかったことが利用の決め手になりました。 また、難しい環境のセットアップがいらないことや導入支援いただけたことも開発の負担軽減につながったと思います。
松下様：結果的に人の認識性能よりも高い精度の判定モデルを作ることができました。 製品が複雑であるため複数領域に分けて検査していますが、一部の領域以外の検査を完全に自動化できる段階になりました。 将来的には全領域の自動化を目指していますが、これによって、人件費のコスト削減だけでなく、人よりも精度が高いため製品品質のアップが期待できます。 さらに、別作業に人員を充てられたり、人手不足の解消や、検査できるまでにかかる教育のコストを抑えたりできることも期待できます。
高橋様：前処理については、モデルにインプットするための土壌が既に整っていたため、従来の画像処理で対応することができました。 学習済みモデルのデプロイについても、モデル結果の確認を行うアプリケーションを自作して確認を行いました。 精度が上がったことで、AIの判断を確認する作業員が誤認してしまうほど、人の認識性能を超えたモデルの開発を行うことができました。
松下様：苦労したことは、AI開発の共通項にはなりますが、データが不足していると精度向上が難しいことやアノテーションなどで間違いがあった場合の再学習のコストが大きいことです。 特に製造現場では不良品はほとんど発生しないので、そのデータは不足気味でした。
高橋様：今後も従来の画像処理とAIを活用しながら残りの領域の自動化を目指していきます。 また今回得られた知見を社内で横展開していく予定です。 現在中期経営計画(Cs+ for Tomorrow 2021)でもDX(デジタルトランスフォーメーション)は主要テーマになっており、新しい取り組みを行うための人財育成や基盤強化に取り組んでおり、ぜひお力添えをいただきたいです。
Neural Network Consoleでの本格的なAI開発を検討される方はサービス資料をご覧ください
Cloud版ではInternet Explorerには対応していません。
Google Chromeをお使いいただくか、
こちらよりWindows版をダウンロードください
処理中に問題が発生しました。しばらく経ってからもう一度実行してください。
サインインアカウントの選択
