製品の外観検査など、これまで熟練の作業者の目視に頼ってきた検品工程で、AIによる画像解析を活用する動きが広がっている。カメラで撮影した製品画像をもとに、傷や汚れといった異常を検出する仕組みを取り入れる工場が増えている。
検品工程での活用状況
夜間や休日を含めた連続稼働ラインでは、検品作業者の確保が課題となっており、AIによる一次チェックを組み合わせることで、負担の軽減を図る事例が見られる。最終判断は引き続き人が行う運用が主流となっている。
導入における論点
検出精度を安定させるためには、十分な学習データの蓄積と、現場の照明条件などへの調整が欠かせない。専門家は、導入初期は既存の検品体制と並行運用しながら精度を高めていく進め方が現実的だと指摘している。
製品の種類や検査基準が頻繁に変わる現場では、AIの学習データを継続的に更新していく体制も必要になる。導入企業の担当者からは、検査項目の追加や仕様変更が起きた際に、どの程度の期間で対応できるかが運用のしやすさを左右するという声も出ている。今後は、こうした運用面のサポート体制も含めたツール選定が重要になりそうだ。
