2階の商談室れに合ったデータの取得、分類ノウハウの蓄積が必要だと感じています」と語る。 また、「AIに対する評価はお客様によって様々で、例えば、『類似率90％』という結果も、判断理由がブラックボックス化することを危惧されるケースもあります。しかし、検査にかかる人手が減るのは確実ですので、AIの導入によって類似率の低いものだけを、人の目で確認するといった運用をすることで、検査工数の大きな削減が期待できます」と言う。 これから来年春にかけて、同社は新技術・新装置を次々に投入する。来年1月にはパラメーター分類を搭載したFITSシリーズの新製品を発表し、3月には、AIRIS ACEシリーズの新モデルで、高速化に対応した「AIRIS-UC 640」（駆動速度640MHz）を市場投入。そして、AI搭載の検査装置の販売が来春スタート予定という流れだ。「ホームページもリニューアルして、新しい技術や装置の良さを打ち出していきたい」と野瀬代表は結んだ。像データから教師データを作成するのは非常に大変ですので、その点を当社が最新の深層学習技術で支援を行い、装置に入れさせていただくという狙いです。来年からインライン装置の『FITS』と『AIRIS ACE』シリーズのパンフレットをリニューアルし、AIによる欠陥種の自動分類をPRしていきます。装置としての本格販売は、来春になる予定です」と言う。が困難な欠陥は、AIによる判別も難しい傾向がある」と指摘した。品質管理と検査・計測コンバーテック 2021. 1269Spotlight1万5000枚の画像を約2分で分類 では、実際にAIはどのように欠陥を分類していくのか。分類自体は、AIのパッケージソフトが搭載されたパソコンで処理を行うが、インラインでロールから繰り出されるウェブを撮像しながら同時に欠陥を判別することもあれば、枚葉状のシートを撮像した後にオフラインで判別することもある。インラインの場合、1秒間に200個程度の欠陥検出速度であれば、AIも同等の速度で分類が可能だ。 取材時には、AIが画像データを分類する様子を見せてもらった。まずは、サンプル画像を欠陥別（黒スジ、汚れ、キズ、異物など）にフォルダに分け、AIに覚え込ませて教師データを作成する。欠陥は最大100種まで分類可能だ。そして、分類したい画像データをAIに取り込むと、その結果が一覧表になってモニター画面に表れる。「ここには約1万5000枚の画像データがありますが、2分ほどで分類処理は完了します」と松下氏は言う。 結果を示す一覧表には、AIが判定した欠陥種、類似率が表示される。類似率とは、候補に挙げた欠陥との類似性の度合いであり、数値が高いほどその欠陥である可能性が高い。100％に近い、高い類似率を出す場合もあれば、50〜10％といったように低く出るケースもある。松下氏は、「人間でも分類サンプルやデータなどの顧客情報も万全の体制で管理 顧客から預かるサンプルやデータなどは機密情報であり、これらの管理には細心の注意を払う必要がある。同社は、「2021年3月に技術情報管理認証制度を取得しました。お客様からご提供いただく技術等の情報や自社技術情報の管理に必要な体制・手法を整備し、運用に努めることにより、情報流出のリスクを総括的かつ個別的に管理することが目的です」と話す。 これは、技術等の情報の適切な管理を担保し流出を防ぐため、産業競争力強化法に基づき技術等の情報を適切に管理している事業者を、国が認定した認証機関が認証する制度であり、同社は「顧客に安心して情報を開示していただける体制を整えています」と続ける。駆動速度640MHz、 AIRIS ACEの新モデル AI搭載検査装置の来春の本リリースに向けて、松下氏は「各業界によって欠陥の種類も異なりますので、それぞ特集特集
元のページ ../index.html#50