草津営業所／企画商品室1階の実験スペース殊用途をターゲットとしており、一例として、AI搭載による欠陥種の分類、CONTACT FILMのカラー・高速化対応、オフライン装置のバージョンアップ、ガラスクロス向け金属検査装置「MFD」の低速化対応などが挙げられる。 MFDは照射した電波の反射量で金属の有無を判別しているが、検査の精度を上げるには70m/分程度の搬送速度が必要だった。だが、顧客から、人が検査をする工程に設置したいとの要望があり、そこは目視可能な低速搬送となる。そのため、同社では低速でも反射量の変化が出るように改良を行っている。検査対象は、基板用のガラスクロスが多いとのことだ。類は、従来用いていた欠陥の濃淡、面積、幅、長さなどの情報に加えて、欠陥の形状を数値化した特徴量を追加して、数値を根拠とした欠陥分類を行う。松下氏は、「AIでは、分類の判断をすべてAIに委ねてしまい、ブラックボックス化する懸念がありましたので、分類に数値的根拠のあるパラメーター分類の併用を想定しています」と説明する。 AIの活用によって解決できることとして、松下氏は、①欠陥として検出したくないものの検出を防ぐこと（有害欠陥と無害欠陥の取り分け）。②欠陥の種類を分けて、指定した欠陥の個数や出方などを把握すること。③製品の地合いが強いため、検出できない欠陥を検出すること―の3つを挙げた。 「あるフィルムメーカーでは、異物とフィッシュアイを取り分けしたいというご要望がありました。フィッシュアイが大きくなると、生産ラインの清掃や温度の調整が必要になるため、個数管理をしたいというご要望で、こちらにAIの活用を考えています。ほかには、不織布などの製品内の打痕やキズといった欠陥が、製品の地合いの影響で検出しにくいため、そこにAIを使おうという提案もあります」 現在、AI搭載検査装置は「共同企画型製品」の一環として、顧客とともに開発を進めており、検査対象はLIBのセパレータフィルムや高機能フィルム、不織布や布製品などだ。すでに顧客の方でAIの導入を検討し、そのテスト結果をアヤハエンジニアリングの装置に組み込むこともあれば、AIのセレクトから同社が行い、イチから装置を作っていくパターンもあるという。 野瀬代表は、「当社の検査装置をお使いのお客様であれば、検査対象の画像データはたくさんありますので、それらを用いてベストな提案をしていくことを目指しています。膨大な量の画68コンバーテック 2021. 12Spotlight特徴量での欠陥の分類機能の拡張 深層学習によるAI搭載検査装置の開発は、去年から本格的にスタートした。深層学習では、顧客から得た欠陥画像を用いた教師データをAIに学習させて、欠陥の検出や分類に役立てる。1つの欠陥に対し、100〜200の画像データが必要だという。 さらに同社では、AI機能に加えて、8種類の特徴量を判別するパラメーター分類の併用も進めている。この分特集特集
元のページ ../index.html#49