AIで受動部品製造の欠陥検出を最適化

　受動部品は電子製品にとって極めて重要であり、その生産は台湾の電子産業においても欠かせないものです。過去数年間、台湾の受動部品産業は、電動車や航空宇宙、5G機器などの高度なアプリケーション向けに活発に発展してきました。この発展における重要な要素の一つが、Spingence社のAINavi製造欠陥検出ソフトウェアのアップグレードであり、アドバンテック社との提携により、生産収益の向上とコスト削減が実現されました。

　受動部品が出荷される前の品質保証において、外部欠陥の検査は重要なステップです。Spingenceの中華圏地域ビジネス開発ディレクターであるJem Wu氏は、受動部品が主に電気を貯蔵または放出するために使用されることを指摘し、外部損傷やその他の欠陥がこれらの部品の異常な動作や故障を引き起こし、短絡、火災、爆発などの危険な状況につながる可能性があると述べています。

　過去には、主に自動光学検査（AOI）技術に基づく六面検査機を使用して外観欠陥の検出を行っていました。AOI技術とは、アイテムの光学画像を所定のルールと比較し、欠陥を識別する方法です。しかし、Wu氏は「このようなルールベースの検査方法は欠陥を見逃しやすく、システムのメンテナンスが難しく、誤って良品を不良品と判定することが多い傾向があります。」と述べています。

　検査における欠陥の見逃しを減らし、欠陥ゼロを目指すために、エンジニアは一般的に厳格なパラメータを使用して欠陥を識別するルールを定義します。しかし、良品が誤って不良品と判定される高いオーバーキル率が発生し、コストが増加したり、人による視覚検査が必要になったりします。Wu氏は「誤警報と追加の人員が必要となることで、クライアントの生産コストがさらに増加しています。」と述べています。

　欠陥検出の問題を解決するために、Spingence社はAINavi欠陥検出ソフトウェアを開発しました。このソフトウェアは、AOI技術の制限をAIで克服します。AIは、大量の過去データから欠陥の特徴を学習し、欠陥を識別できるため、AOIよりも優れた検出能力を持っています。これにより、企業は欠陥を見逃すリスクを減らすとともに、オーバーキル率や手作業でのメンテナンスコストも削減できます。

　「AOIとAIは、欠陥を識別するために異なる原理を適用しており、どちらが絶対的に優れているかということはありません。しかし、両者を活用することでお互いを補完し、欠陥検出の性能を最大限に引き出すことができます」とWu氏は指摘しています。AOI検査は、パラメータの調整が不要で、製品の特定基準に関連する測定における欠陥を見つけるために最適化されています。一方、AIの強みは、多くの欠陥の中で共通の特徴を識別することにあり、これにより複雑で曖昧な欠陥を処理するのに適しています。

　Spingence社は、AINaviを導入する際に受動部品メーカーの支援を受けました。標準APIを提供し、既存の六面検査機をTCP/HTTPで統合することで、生産ラインのプロセスは変更せずに維持されました。製造されたアイテムは、従来通り六面検査機を通過しますが、機械はAINaviに追加の画像セットを送信し、AIシステムが認識します。その後、結果は六面検査機に戻され、後続の処理が行われます。作業者は新しいプロセスを学ぶ必要がなく、生産ラインの安定性が保たれます。

　受動部品メーカーが既存の設備との統合を支援するだけでなく、Spingence社は製造業界の高い効率性のニーズにも対応しています。AINaviは、アドバンテックのファンレスMIC-770システムにグラフィックスカードを搭載して実行するか、MIC-730 AI推論システムで実行するかを選択できます。そのため、AINaviはわずか1分で数千の部品を検査でき、生産ラインの高速検査ニーズを大幅に満たすことができます。

　Wu氏によると、Spingence社がアドバンテックとの協業を決定した主な要因は2つあります。1つ目は、アドバンテックのハードウェアが高度に多様化しており、軽量であることです。これにより、幅広いクライアントの好みやニーズに対応できます。2つ目の利点は、産業用コンピュータがAIモデルを実行するためにグラフィックスカードを搭載すると、ハードウェアシステムの完全性を維持することが非常に困難になります。しかし、信頼できる世界的なハードウェアプロバイダーとして、アドバンテックは市場で最も安定性が高く、頑丈なハードウェアを提供しており、Spingence社にとって最良のハードウェアパートナーとなっています。

　AINaviをパッシブ部品生産ラインに導入した成功事例から、3つの主なメリットが明らかになりました。まず１つ目に、エンジニアの貴重な時間が節約できることです。過去には、エンジニアがシステムの細部を理解し、特定の種類の欠陥を定義するためにパラメータやルールを設定する必要がありました。例えば、製造品の欠陥の一部を定義する際に、欠陥の一つを見逃した場合、AOI（自動光学検査）のパラメータを調整しなければなりませんでした。しかし、AINavi導入後、エンジニアは製品画像を収集し、欠陥の周囲に円を描くだけで、残りの作業をシステムに任せることができます。Wu氏は、「AINaviのトレーニングインターフェースはシンプルで直感的であり、生産ラインのオペレーターは簡単に操作方法を学べます。」と述べています。

　２つ目のメリットは、視覚検査に必要な人員の削減です。場合によっては、完全手動のダブルチェックを排除することも可能です。例えば、自動車部品のパッシブ部品を製造する企業では、以前は各六面検査機に対してローディング、アンローディング、ダブルチェックを担当するオペレーターが3人必要でしたが、AINavi導入後、3台の六面検査機に対してローディングとアンローディングを1人のオペレーターが担当するだけで済むようになりました。このような改善は、労働コストを削減するだけでなく、労働力不足に伴うリスクを排除することにもつながります。

　３つ目のメリットは、生産過程から不必要な廃棄物を削減することによる生産コストの削減です。パッシブ部品を製造する工場では、元々4〜5％の無駄率がありましたが、AINavi導入後、多くの不良品として分類されていた製品が回収され、無駄率は1％に減少しました。その結果、生産コストは3〜4％削減されました。

　Wu氏は、顧客の期待が高まっているため、受動部品業界は既存のAOI設備だけに頼って欠陥を防ぐことはもはや不十分だと強調しました。AI技術を活用して品質管理を向上させ、すべての出荷製品が顧客のニーズに合うようにすることで、企業は市場からの認知と支持を得ることができると述べています。これは受動部品業界だけでなく、再検査のために追加の人員を割り当てる必要があり、オーバーキル率が高い製造業にも当てはまります。ICや金属部品、ファスナーなどを製造する企業にとって、AINaviを導入することは、製品の品質を保証し、より高品質な製品を提供することで市場を広げるチャンスとなります。