【製造業DX】なぜAIは「不正確なデータ」で失敗するのか？利益を生む自動見積に向けたデータ整備の第一歩

「データドリブン」という言葉は主にマーケティング分野で使われている言葉ですが、最近では経営分野でも使われるようになってきました。2018年頃より盛んになった企業のDX（デジタルトランスフォーメーション）が近年いっそう進んだことや、クラウドやデータ分析技術の進化によって、以前は扱いが困難だった膨大で複雑なビッグデータも分析・活用できるようになってきました。そして、経営の領域においても、これまで蓄積してきたデータを企業活動に生かそうという動きが広がって来ています。 では現状、私たちは経営判断や現場判断などの意思決定をする場合、どのようなことを根拠に判断しているでしょうか。 必要な情報を収集、纏めた上で判断する方、もしくは自らの勘・経験を頼り（いわゆるKKD（勘・経験・度胸））に判断する方もいらっしゃるでしょう。判断するには誰もが、前者であるべきと考えていますが、実際は、判断に活用出来るデータが出来るまでに「データを集計→表やグラフにする」といった作業に多くの労力と時間がかかる為、後者の場合で判断してしまうことも多くあるかと思います。誰もがデータを活用しなければならないと考えている中で、大きなギャップが存在しているという課題があります。 データドリブンはただの「紙→デジタル」の置き換えではありません。 例えば、現場の検査表を紙からタブレット入力にしてデータを保管しておくのは「ただのデジタル化」です。 検査表からデータ分析して設備の点検優先を自動でシステムから提案して人が判断・行動していくのが「データドリブン」です。 このように現場でも積極的データを基に、分析して、判断・行動していくのがあるべき姿です。 そのデータドリブンに移行するにあたりポイントになるのが以下です ＜クラウドの活用＞ 蓄積データについてサーバーをどこに構築するかの選択があります。もちろん、社内サーバーもよいですが、初期費用・メンテナンス・セキュリティを考えた場合、クラウド運用は大きなメリットがあります。 「クラウド」とは、クラウドベンダーが用意したITリソースをネットワーク越しに利用し、利用量に応じて料金を支払う方式のことです。サーバー機器を購入せずインターネット上でサーバーを利用するため、物理的な投資はなく、資産管理も必要ありません。つまり、サーバーを管理することが不要であることから、自社での製品アップデート作業やメンテナンスも不要となります。また、クラウドは専門知識がなくてもすぐに始めることができます。 いつでも環境が整っている為、サービスの導入時も設定のみで容易に利用を開始することができます。 詳しくはこちらのページをご参照ください（https://smart-factory.funaisoken.co.jp/glossary/201005/） ＜ブラウザの活用＞ 蓄積されたデータを「どこでも」「誰でも」見ることが求められます。 データがあっても「会社に帰って確認します」では効率が悪い。ですよね。 その場でデータから出来ればすぐに回答可能ですが、データが見えないだけで数日間進捗が遅れてしまい、もしかしたら、営業機会を逃してしまうかもしれません。 その点を改善するために活用したいのが「ブラウザ」です。 ブラウザは、英語の「browse（拾い読み）」が語源とされており、webサイトを閲覧するためのソフトを指します。有名なブラウザとして知られているのは以下の通りです。 Internetexplorer（Microsoft社） Microsoft Edge（Microsoft社） Googlechrome（Google社） Mozilla Firefox（Mozilla Foundation社） Safari（Apple社） 前述の「クラウド」を活用するためには、ブラウザ環境が必須となります。活用したいクラウドにより、最適なブラウザが異なるため、導入を検討する際にはしっかりと確認することが必要です。 ＜BIの活用＞ BI（ビジネスインテリジェンス）ツールとは、企業が持つさまざまなデータを分析・見える化して、経営や業務に役立てるソフトウェアのことです。表やグラフなど「見えるデータ」にするには、担当者が生データを加工（Excel入力→グラフ化）しなければなりません。この作業は単純なようですが、見えないところで担当者の多くの時間を使っています。報告資料の為に、時間をかけてデータを加工して、グラフや表を作るのは担当者の本来の業務ではありません。 BIツールを活用することで、「報告の為の資料作り」の必要がなくなり、担当者を含めた、様々な立場の方々が「見える化したデータ」を共有・活用することができるようになります。「顧客別の売上情報」「製品別の売上情報」「設備別の生産情報」など「必要なデータ」を「必要なとき」に見て、データから判断する、といったことが可能になります。データドリブンにおいてはBIツールの活用はマストになるでしょう。 ＜AIの活用＞ AIの得意とすることは蓄積されたデータから予測したり、判断することです。船井総研では「熟練作業の標準化」という切り口でAIの活用を御提案しています。 熟練作業はベテラン高齢者だけではなく、パートの方でも誰でもあり得ます。要するに、「長いこと経験しているその人しかできない」作業のことです。 AIを活用することで「いつでも、誰がやっても同じ結果に」ということが可能になります。 蓄積されているデータから最適な判断をAIがします。もちろん、蓄積データは当然その企業のノウハウとなります。未知のモノからAIが結論を出す訳ではありません。あくまでAIが持つデータは「企業の知」そのものです。熟練技術やベテラン担当者の作業は１～２年で他の人がマスターできるようなものではありません。かといっていつまでの熟練技術やベテランがいるわけではありません。AIを活用して、誰もがその技術を共有できる環境が今後必要になってきます。 データドリブンで考える上で重要なことは、データが会社の中心にあり、「いつでも・どこでもデータを取り出せる」ことです。コロナ禍により、さらに、このような環境の必要性はより重要なものとなりました。 個人のローカルPCだけに保管していたり、会社に戻らないとシステムが見られないのでは、判断やアクションが遅れてしまいます。「会社の知」を全員で共有し、データドリブンを実現していきましょう。 DX活用事例は以下のレポートをチェック！！ この一冊で「AIを活用した業務効率化」の最新事例がわかる！ 船井総研セミナー参加企業様からのご要望が多い「AIを活用した業務効率化」に関する最新事例を徹底解説！ ①類似案件をAIを使って簡単検索営業・生産計画立案の業務効率 ②生産計画立案を自動最適化・脱属人化     https://smart-factory.funaisoken.co.jp/download/210305/ ■オンラインセミナー開催のお知らせ https://smart-factory.funaisoken.co.jp/event/ このような方におすすめ！ AIに関心はあるが、自社の経営にAIを具体的にどう活用できるかを知りたい”製造業経営者”の方 営業部門がまだまだ属人的で、営業マンが個々の経験や勘に依存していると感じている”製造業経営者”の方 製造部門では熟練技術・職人的な業務があり、属人化・ブラックBOX化していると感じている”製造業経営者”の方 生産技術・生産管理部門も熟練者に知見とノウハウが集中して、標準化されていないと感じている”製造業経営者”の方 生産技術・生産管理部門も熟練者に知見とノウハウが集中して、標準化されていないと感じている”製造業経営者”の方 本セミナーで学べるポイント！ ①”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用事例が学べる！ ～AIに関心はあるが、具体的な行動が取れない製造業経営者の為のセミナーです～ ②営業部門にAIを導入して営業マン個々の経験や勘に依存した体制から脱却した製造業事例が学べる！ ～営業部門で具体的にAIをどう活用していくのかがハッキリ分かるセミナーです～ ③製造・生産技術・生産管理部門にAIを導入して熟練技術・職人技術を標準化・継承できる事例が学べる！ ～製造現場と生産技術・生産管理部門でどんなAIが活用できるのかが明確になるセミナーです～ ④販売・仕入・在庫・原価管理・生産管理等の基幹システム系にAIを活用している事例が学べる！ ～各業務の管理や基幹システムでAI活用して改革できる手法を学べるセミナーです～ ⑤自社の経営のどこにAIが活用できるかが分かり、具体的な行動計画が作れる！ ～理論・理屈ではなく、現場で実践できる具体的な手法が分かります！～ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております 専門コンサルタントが無料でロボット活用について診断致します！ DX活用したいが初めてでやり方が分からない・・・ データドリブン経営を実践したい・・・ 営業、見積もり業務が属人化している・・・ 生産管理に工数がかかっている・・・ 生産管理に工数がかかっている・・・ 他社の導入事例の詳細について聞きたい DX活用について相談できる所が見つからない・・・ ↓↓お申し込みはこちらから↓↓ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html 「データドリブン」という言葉は主にマーケティング分野で使われている言葉ですが、最近では経営分野でも使われるようになってきました。2018年頃より盛んになった企業のDX（デジタルトランスフォーメーション）が近年いっそう進んだことや、クラウドやデータ分析技術の進化によって、以前は扱いが困難だった膨大で複雑なビッグデータも分析・活用できるようになってきました。そして、経営の領域においても、これまで蓄積してきたデータを企業活動に生かそうという動きが広がって来ています。 では現状、私たちは経営判断や現場判断などの意思決定をする場合、どのようなことを根拠に判断しているでしょうか。 必要な情報を収集、纏めた上で判断する方、もしくは自らの勘・経験を頼り（いわゆるKKD（勘・経験・度胸））に判断する方もいらっしゃるでしょう。判断するには誰もが、前者であるべきと考えていますが、実際は、判断に活用出来るデータが出来るまでに「データを集計→表やグラフにする」といった作業に多くの労力と時間がかかる為、後者の場合で判断してしまうことも多くあるかと思います。誰もがデータを活用しなければならないと考えている中で、大きなギャップが存在しているという課題があります。 データドリブンはただの「紙→デジタル」の置き換えではありません。 例えば、現場の検査表を紙からタブレット入力にしてデータを保管しておくのは「ただのデジタル化」です。 検査表からデータ分析して設備の点検優先を自動でシステムから提案して人が判断・行動していくのが「データドリブン」です。 このように現場でも積極的データを基に、分析して、判断・行動していくのがあるべき姿です。 そのデータドリブンに移行するにあたりポイントになるのが以下です ＜クラウドの活用＞ 蓄積データについてサーバーをどこに構築するかの選択があります。もちろん、社内サーバーもよいですが、初期費用・メンテナンス・セキュリティを考えた場合、クラウド運用は大きなメリットがあります。 「クラウド」とは、クラウドベンダーが用意したITリソースをネットワーク越しに利用し、利用量に応じて料金を支払う方式のことです。サーバー機器を購入せずインターネット上でサーバーを利用するため、物理的な投資はなく、資産管理も必要ありません。つまり、サーバーを管理することが不要であることから、自社での製品アップデート作業やメンテナンスも不要となります。また、クラウドは専門知識がなくてもすぐに始めることができます。 いつでも環境が整っている為、サービスの導入時も設定のみで容易に利用を開始することができます。 詳しくはこちらのページをご参照ください（https://smart-factory.funaisoken.co.jp/glossary/201005/） ＜ブラウザの活用＞ 蓄積されたデータを「どこでも」「誰でも」見ることが求められます。 データがあっても「会社に帰って確認します」では効率が悪い。ですよね。 その場でデータから出来ればすぐに回答可能ですが、データが見えないだけで数日間進捗が遅れてしまい、もしかしたら、営業機会を逃してしまうかもしれません。 その点を改善するために活用したいのが「ブラウザ」です。 ブラウザは、英語の「browse（拾い読み）」が語源とされており、webサイトを閲覧するためのソフトを指します。有名なブラウザとして知られているのは以下の通りです。 Internetexplorer（Microsoft社） Microsoft Edge（Microsoft社） Googlechrome（Google社） Mozilla Firefox（Mozilla Foundation社） Safari（Apple社） 前述の「クラウド」を活用するためには、ブラウザ環境が必須となります。活用したいクラウドにより、最適なブラウザが異なるため、導入を検討する際にはしっかりと確認することが必要です。 ＜BIの活用＞ BI（ビジネスインテリジェンス）ツールとは、企業が持つさまざまなデータを分析・見える化して、経営や業務に役立てるソフトウェアのことです。表やグラフなど「見えるデータ」にするには、担当者が生データを加工（Excel入力→グラフ化）しなければなりません。この作業は単純なようですが、見えないところで担当者の多くの時間を使っています。報告資料の為に、時間をかけてデータを加工して、グラフや表を作るのは担当者の本来の業務ではありません。 BIツールを活用することで、「報告の為の資料作り」の必要がなくなり、担当者を含めた、様々な立場の方々が「見える化したデータ」を共有・活用することができるようになります。「顧客別の売上情報」「製品別の売上情報」「設備別の生産情報」など「必要なデータ」を「必要なとき」に見て、データから判断する、といったことが可能になります。データドリブンにおいてはBIツールの活用はマストになるでしょう。 ＜AIの活用＞ AIの得意とすることは蓄積されたデータから予測したり、判断することです。船井総研では「熟練作業の標準化」という切り口でAIの活用を御提案しています。 熟練作業はベテラン高齢者だけではなく、パートの方でも誰でもあり得ます。要するに、「長いこと経験しているその人しかできない」作業のことです。 AIを活用することで「いつでも、誰がやっても同じ結果に」ということが可能になります。 蓄積されているデータから最適な判断をAIがします。もちろん、蓄積データは当然その企業のノウハウとなります。未知のモノからAIが結論を出す訳ではありません。あくまでAIが持つデータは「企業の知」そのものです。熟練技術やベテラン担当者の作業は１～２年で他の人がマスターできるようなものではありません。かといっていつまでの熟練技術やベテランがいるわけではありません。AIを活用して、誰もがその技術を共有できる環境が今後必要になってきます。 データドリブンで考える上で重要なことは、データが会社の中心にあり、「いつでも・どこでもデータを取り出せる」ことです。コロナ禍により、さらに、このような環境の必要性はより重要なものとなりました。 個人のローカルPCだけに保管していたり、会社に戻らないとシステムが見られないのでは、判断やアクションが遅れてしまいます。「会社の知」を全員で共有し、データドリブンを実現していきましょう。 DX活用事例は以下のレポートをチェック！！ この一冊で「AIを活用した業務効率化」の最新事例がわかる！ 船井総研セミナー参加企業様からのご要望が多い「AIを活用した業務効率化」に関する最新事例を徹底解説！ ①類似案件をAIを使って簡単検索営業・生産計画立案の業務効率 ②生産計画立案を自動最適化・脱属人化     https://smart-factory.funaisoken.co.jp/download/210305/ ■オンラインセミナー開催のお知らせ https://smart-factory.funaisoken.co.jp/event/ このような方におすすめ！ AIに関心はあるが、自社の経営にAIを具体的にどう活用できるかを知りたい”製造業経営者”の方 営業部門がまだまだ属人的で、営業マンが個々の経験や勘に依存していると感じている”製造業経営者”の方 製造部門では熟練技術・職人的な業務があり、属人化・ブラックBOX化していると感じている”製造業経営者”の方 生産技術・生産管理部門も熟練者に知見とノウハウが集中して、標準化されていないと感じている”製造業経営者”の方 生産技術・生産管理部門も熟練者に知見とノウハウが集中して、標準化されていないと感じている”製造業経営者”の方 本セミナーで学べるポイント！ ①”経営者目線”で知っておくべき製造業で実践できる具体的なAI活用事例が学べる！ ～AIに関心はあるが、具体的な行動が取れない製造業経営者の為のセミナーです～ ②営業部門にAIを導入して営業マン個々の経験や勘に依存した体制から脱却した製造業事例が学べる！ ～営業部門で具体的にAIをどう活用していくのかがハッキリ分かるセミナーです～ ③製造・生産技術・生産管理部門にAIを導入して熟練技術・職人技術を標準化・継承できる事例が学べる！ ～製造現場と生産技術・生産管理部門でどんなAIが活用できるのかが明確になるセミナーです～ ④販売・仕入・在庫・原価管理・生産管理等の基幹システム系にAIを活用している事例が学べる！ ～各業務の管理や基幹システムでAI活用して改革できる手法を学べるセミナーです～ ⑤自社の経営のどこにAIが活用できるかが分かり、具体的な行動計画が作れる！ ～理論・理屈ではなく、現場で実践できる具体的な手法が分かります！～ ■工場AI・ロボット.comでは「無料オンライン診断サービス」を行っております 専門コンサルタントが無料でロボット活用について診断致します！ DX活用したいが初めてでやり方が分からない・・・ データドリブン経営を実践したい・・・ 営業、見積もり業務が属人化している・・・ 生産管理に工数がかかっている・・・ 生産管理に工数がかかっている・・・ 他社の導入事例の詳細について聞きたい DX活用について相談できる所が見つからない・・・ ↓↓お申し込みはこちらから↓↓ https://lp.funaisoken.co.jp/mt/smart-factory/counsel.html

ファクトリービジネス研究会 スマートファクトリー経営部会4月例会開催のお知らせ！ ご興味のある経営者様には、個別説明会を開催しております。 １．第一講座 稼働状況の可視化を通じて生産性向上を実現！ 従業員24名の製造業のAI活用最新事例講座 ◆これまで稼働監視が難しかった工程にAIカメラを導入！ ◆「稼働の見える化」で社員の意識が変化！ ◆データの分析でボトルネック工程を特定し、生産性向上を実現！ ２．第二講座 初めてのロボット導入でも多品種少量生産の溶接ロボット活用に成功した事例講座 ◆属人化していた熟練技術の溶接作業をロボットで実現！ ◆多品種対応を実現した、初めてでも使いこなせるロボット制御システム ◆対象製品の生産性が大幅向上！ロボットを軸にした売上UPの方法とは？ ◆板金溶接×DX目指すべき板金溶接加工業の姿とは？ ３．第三講座 【2022年最新版】補助金獲得分析データのご紹介＆本日のまとめ講座 ◆初公開！2021年度補助金申請“9万件越”を分析！ ◆最新！2022年度狙いどころ補助金はこれ！ 第一講座・第二講座終了後に「シェアタイム」と銘打って、ご参加いただく皆様間での意見共有の機会を設定させていただきます。 講座ごとに設定されるシェアタイムのテーマに応じて、各会員企業様の現状や課題、取り組み事例等に関する共通点・相違点を知り、学んでいただける機会となっております。 【2022年 年間スケジュールのご案内】 4月19日（火）13:00～15:30　　 WEB開催 6月16日（木）時間未定　　　　WEB開催　経営戦略セミナー研究会全国大会 8月25日（木）13:00～15:30　　 WEB開催 9月開催予定　時間未定　　　　工場視察クリニック 10月20日（木）13:00～15:30 　 WEB開催 11月18日（金）時間未定　　　 工場視察クリニック   ■ファクトリービジネス研究会 スマートファクトリー経営部会にご興味のある経営者様向けに個別説明会を開催しております ▼研究会のお申し込みはこちら▼ https://www.funaisoken.co.jp/study/047708   ファクトリービジネス研究会 スマートファクトリー経営部会は多品種少量生産型の製造業を営む企業様を対象とした、ものづくりの生産性向上に関する経営研究会です。 国内製造業における人手不足、特に熟練者不足が今後もより進んでいく中、多品種少量生産型の製造業が工場の人手不足を解消し、生産性向上を実現するためのAI化・ロボット化等について、実際の導入・活用事例をもとに研究していきます。 AIを活用した自動化装置や産業用ロボットシステム、その他省力化装置等の研究に加えて、それらを活用した工程改善や人員配置改善、効率化等の人的仕組みの研究までを網羅する研究会です。 最新事例の研究や最先端の工場視察等を通じて、ご参加いただく企業様にとって最適な「スマートファクトリー化」の形を追求していきます。 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/study/047708   ファクトリービジネス研究会 スマートファクトリー経営部会4月例会開催のお知らせ！ ご興味のある経営者様には、個別説明会を開催しております。 １．第一講座 稼働状況の可視化を通じて生産性向上を実現！ 従業員24名の製造業のAI活用最新事例講座 ◆これまで稼働監視が難しかった工程にAIカメラを導入！ ◆「稼働の見える化」で社員の意識が変化！ ◆データの分析でボトルネック工程を特定し、生産性向上を実現！ ２．第二講座 初めてのロボット導入でも多品種少量生産の溶接ロボット活用に成功した事例講座 ◆属人化していた熟練技術の溶接作業をロボットで実現！ ◆多品種対応を実現した、初めてでも使いこなせるロボット制御システム ◆対象製品の生産性が大幅向上！ロボットを軸にした売上UPの方法とは？ ◆板金溶接×DX目指すべき板金溶接加工業の姿とは？ ３．第三講座 【2022年最新版】補助金獲得分析データのご紹介＆本日のまとめ講座 ◆初公開！2021年度補助金申請“9万件越”を分析！ ◆最新！2022年度狙いどころ補助金はこれ！ 第一講座・第二講座終了後に「シェアタイム」と銘打って、ご参加いただく皆様間での意見共有の機会を設定させていただきます。 講座ごとに設定されるシェアタイムのテーマに応じて、各会員企業様の現状や課題、取り組み事例等に関する共通点・相違点を知り、学んでいただける機会となっております。 【2022年 年間スケジュールのご案内】 4月19日（火）13:00～15:30　　 WEB開催 6月16日（木）時間未定　　　　WEB開催　経営戦略セミナー研究会全国大会 8月25日（木）13:00～15:30　　 WEB開催 9月開催予定　時間未定　　　　工場視察クリニック 10月20日（木）13:00～15:30 　 WEB開催 11月18日（金）時間未定　　　 工場視察クリニック   ■ファクトリービジネス研究会 スマートファクトリー経営部会にご興味のある経営者様向けに個別説明会を開催しております ▼研究会のお申し込みはこちら▼ https://www.funaisoken.co.jp/study/047708   ファクトリービジネス研究会 スマートファクトリー経営部会は多品種少量生産型の製造業を営む企業様を対象とした、ものづくりの生産性向上に関する経営研究会です。 国内製造業における人手不足、特に熟練者不足が今後もより進んでいく中、多品種少量生産型の製造業が工場の人手不足を解消し、生産性向上を実現するためのAI化・ロボット化等について、実際の導入・活用事例をもとに研究していきます。 AIを活用した自動化装置や産業用ロボットシステム、その他省力化装置等の研究に加えて、それらを活用した工程改善や人員配置改善、効率化等の人的仕組みの研究までを網羅する研究会です。 最新事例の研究や最先端の工場視察等を通じて、ご参加いただく企業様にとって最適な「スマートファクトリー化」の形を追求していきます。 お申し込みはこちらから⇒ https://www.funaisoken.co.jp/study/047708  

本コラムでは、中堅・中小製造業の企業における画像検査の最新情報について、何がどの様に画像検査が進化しているかを分かりやすく説明をさせていただきます。 １．画像検査の最新情報 AIを活用した高速・高精度の画像解析技術が発展しています。画像処理検査装置は、AIによる画像解析技術を取り入れることで、より高速かつ高精度な検査を実現できるようになっています。 3D画像処理技術の進化により、より精密な形状・寸法検査が可能になっています。これにより、従来の2D画像処理技術では検査が困難だった微細な形状や、曲面部分の検査も可能になりました。 検査対象物に対する非接触・非破壊検査技術の進化により、より広範な検査対象物に対応できるようになっています。これにより、例えば、製造ライン上での自動車部品の検査や、医療現場での非接触検査が可能になっています。 IoT技術との連携により、リアルタイムのデータ収集・分析が可能になっています。これにより、製造現場や物流現場などでの、品質管理やトラブル予知・予防が容易になりました。 クラウド技術の活用により、画像処理検査装置の遠隔監視・遠隔操作が可能になっています。これにより、専門知識を持つ技術者が少ない現場でも、遠隔でサポートを受けながら検査作業を行うことができます。 上記の５つの列挙項目から分かる様に様々な新技術と融合して画像検査が新しく進んでいる事が分かります。本コラムでは製造業から見た視点でこれらの新しい画像検査の活用方法を説明させて頂きます。 ２．製造業目線で見る、画像検査 2.1 AI画像解析技術で高速かつ高精度な検査を実現： 最新のAI画像処理技術では複数カメラの画像をAIで総合的に判断出来ます。以前の個々のカメラ画像ではAIでも判断しにくかった様な判定でも、複数の撮影方向から撮影したカメラ画像を総合的に判断出来たり、カメラ以外のセンサー情報と組み合わせて早期に不良品が生産されることを予見したりといった事です。 2.2 3D画像処理技術進化による精密な形状・寸法検査が可能： 高度な３Dセンサー、時間軸を考慮した３D画像処理、点群データの高速処理化により、より精密な３次元形状の計測が出来ます。また、製品の時間変化や動的な物体の形状や寸法の検査が行える様になっています。それにより製品に外部から力を加えた場合の変形や破損などもシミュレーション出来ます。 2.3 広範な検査対象物に対応： 大きな製品（船舶や航空機、車両など）の外観検査や計測がAIを使って総合的に処理する事が出来る様になりました。 自動で位置補正やデータ補正する事が出来る様になり、他のセンサー（レーザー距離計や３Dセンサー）などの情報も組み合わせて、検査、計測する事が出来るようになりました。 2.4 IoT技術との連携により、リアルタイムのデータ収集・分析が可能： 画像処理検査で判定された結果はリアルタイムで生産管理システムと連携する事が出来るようになりました。これにより製造状況がリアルタイムで出荷情報と連携する事になり、製造製品の過不足を自動で見極め、自動的に次の生産・製造数を調整する事が出来る様になりました。 2.5 クラウド技術の活用により、画像処理検査装置の遠隔監視・遠隔操作が可能： 以前は工場外から工場内の機器にアクセスする事は、セキュリティ面などを考慮しアクセス出来ませんでした。クラウド技術を使用することで、複数の装置を遠隔で管理することができます。たとえば、画像処理検査装置から撮影されたデータをクラウドにアップロードし、オペレーターが遠隔でそのデータを確認することができます。また、クラウド上に遠隔操作用のインターフェースを設置し、オペレーターが遠隔で画像処理検査装置を操作することもできます。このようなクラウド技術を使用することで、装置の稼働状況や検査結果のデータなどをリアルタイムで把握することができ、運用効率の向上や問題の早期発見・解決などが可能となります。 これらのお話からお客様のご自身の工場が最新に近いと感じされたお客様もあれば、 既に画像検査装置を複数台導入済であっても、最新情報とまでに至っていないと感じられたお客様もあると思います。次は既存の画像処理装置を変えずに、AI（ディープラーニング）を導入するご提案をお話したいと思います。 ３．画像処理装置のAI活用 3.1 既存の画像処理検査装置？ AIを使用していない昔ながらのルールベース（画像処理命令を組み合わせる）画像処理検査装置の事を言います。 3.2 既存の画像処理検査装置を置き換えない？ 既にカメラや照明が製造ラインや製造装置に組み込まれている、固定されている状態でそれらを外す事に現場の作業者もご不安に思われると思います。そこで既存のカメラ、照明、画像処理検査装置をそのままでAIを付加出来れば、性能UPとして考えられると思います。先ずは現場担当者の不安を取り去る事が大切です。 3.3 既存の画像検査装置とどうやって連携するか？ 大きく２パターンあります。 一つは既存の画像処理検査装置から撮影画像データをAIへ転送し既存の画像処理検査装置とAIで２重判定させる方法です。導入初期段階ではまだ既存の画像処理検査装置の判定率が高いと思いますが、徐々にAIの方が判定率が高くなります。そうなった時点で既存の画像処理検査装置を撤去しAIのみ入れ替える事が出来ます。 もう一つは既存の画像処理検査装置から出力されるNG信号情報を学習させる事です。ただ単純なOK/NG信号ではなく、各検査命令種別で出た結果信号や処理条件をAIに学習させます。例えば、ブロブ判定処理で２値化閾値と判定結果の面積をAI学習させます。この学習データから不良品が出そうなタイミングをAIが予見する事が出来たりします。それらの学習結果を製造ラインにフィードバックし、不良率を下げる事に繋げる事が可能となります。 最後に、そもそも有効な判定画像が撮れている事が大前提です。カメラやレンズ、画像処理コントローラ、PCベースの画像処理ソフトなどの選定など、撮影角度、撮影に適した搬送など非常に多くの画像検査装置に関連する要素は様々ありますが、高級なカメラ、高級なレンズ、高級な画像処理、高額なAIソフトを使っても、基本となる有効な撮影が出来ていなければ、画像検査としては成り立ちません。 ４．まとめ 今回のコラムでは、画像検査装置の導入のコツ＝画像検査はここまで来ている。最新情報　について簡単ではありますが説明させていただきました。今回の紹介した内容をご検討頂き、自社での画像検査装置の導入検討や、過去に断念された画像検査装置の導入を再度進めていただければ幸いです。また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。 最後までお読みいただきありがとうございました。   ■AI画像検査導入事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現！ AI活用を通じて“ベテラン社員の働き方改革”を推進！ 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは？ ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/dltext06-01-dl.html 収録内容 「人手に頼った目視検査で工数がかかっているので検査を自動化して工数を削減したい！」 「画像検査装置を導入したことが無いがやってみたい！」 「小さな不良なので画像検査が可能なのか分からないからテストしてみたい！」 「人による目視検査で不良品が流出しているので検査精度を上げて不良流出を防ぎたい！」 「検査業務が属人化しているので標準化して誰でも検査が行えるようにしたい！」 本レポートでは、「AI画像検査」にテーマを絞り、具体的な導入方法と成功事例をご紹介いたします。 【①】AI画像検査導入の進め方 ～業務分析、データ収集、作業分析、コスト効果分析、、、～ 【②】AI画像検査導入の具体的手法 ～透明な樹脂成型品の傷、異物を画像検査装置で検出～ 導入の具体的手法を徹底解説！！ 【③】補助金を活用した画像検査装置導入成功事例 ●自動車用部品の最終検査工程に検査装置を導入 　カメラ・力覚・レーザー変位センサーをロボットハンドに取り付け、検査の自動化を実現 ●ボールペン部品射出成形の検査及び箱詰め工程に検査装置を導入 　目視での外観検査工程を、カメラで撮影した画像から検査を行うことで、判定を行う ●AI技術とロボットを用いた多品種油圧機器外観検査の自動化 　ロボットで画像センサと照明を操作し、取得した画像をAI技術で判別し、外観検査を自動化   ■機械加工業の為の協働ロボット活用！社長セミナー 協働ロボット活用してロボドリル・NC旋盤・マシニングセンタの夜間稼働！休日稼働！無人稼働！ 無料ダウンロードはこちらから https://www.funaisoken.co.jp/seminar/097973 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/05/11 (木)　13:00~15:00 2023/05/17 (水)　13:00~15:00 2023/05/18 (木)　13:00~15:00 ■講座内容 ゲスト講師講座「協働ロボット成功事例講座！ロボドリル工程の工数を年間1,200時間削減！」 社員数わずか8名の機械加工会社が協働ロボットの導入に成功し残業・休出を大幅に削減したゲスト事例講座！ お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/097973 いつも当コラムをご愛読いただきありがとうございます。 本コラムでは、中堅・中小製造業の企業における画像検査の最新情報について、何がどの様に画像検査が進化しているかを分かりやすく説明をさせていただきます。 １．画像検査の最新情報 AIを活用した高速・高精度の画像解析技術が発展しています。画像処理検査装置は、AIによる画像解析技術を取り入れることで、より高速かつ高精度な検査を実現できるようになっています。 3D画像処理技術の進化により、より精密な形状・寸法検査が可能になっています。これにより、従来の2D画像処理技術では検査が困難だった微細な形状や、曲面部分の検査も可能になりました。 検査対象物に対する非接触・非破壊検査技術の進化により、より広範な検査対象物に対応できるようになっています。これにより、例えば、製造ライン上での自動車部品の検査や、医療現場での非接触検査が可能になっています。 IoT技術との連携により、リアルタイムのデータ収集・分析が可能になっています。これにより、製造現場や物流現場などでの、品質管理やトラブル予知・予防が容易になりました。 クラウド技術の活用により、画像処理検査装置の遠隔監視・遠隔操作が可能になっています。これにより、専門知識を持つ技術者が少ない現場でも、遠隔でサポートを受けながら検査作業を行うことができます。 上記の５つの列挙項目から分かる様に様々な新技術と融合して画像検査が新しく進んでいる事が分かります。本コラムでは製造業から見た視点でこれらの新しい画像検査の活用方法を説明させて頂きます。 ２．製造業目線で見る、画像検査 2.1 AI画像解析技術で高速かつ高精度な検査を実現： 最新のAI画像処理技術では複数カメラの画像をAIで総合的に判断出来ます。以前の個々のカメラ画像ではAIでも判断しにくかった様な判定でも、複数の撮影方向から撮影したカメラ画像を総合的に判断出来たり、カメラ以外のセンサー情報と組み合わせて早期に不良品が生産されることを予見したりといった事です。 2.2 3D画像処理技術進化による精密な形状・寸法検査が可能： 高度な３Dセンサー、時間軸を考慮した３D画像処理、点群データの高速処理化により、より精密な３次元形状の計測が出来ます。また、製品の時間変化や動的な物体の形状や寸法の検査が行える様になっています。それにより製品に外部から力を加えた場合の変形や破損などもシミュレーション出来ます。 2.3 広範な検査対象物に対応： 大きな製品（船舶や航空機、車両など）の外観検査や計測がAIを使って総合的に処理する事が出来る様になりました。 自動で位置補正やデータ補正する事が出来る様になり、他のセンサー（レーザー距離計や３Dセンサー）などの情報も組み合わせて、検査、計測する事が出来るようになりました。 2.4 IoT技術との連携により、リアルタイムのデータ収集・分析が可能： 画像処理検査で判定された結果はリアルタイムで生産管理システムと連携する事が出来るようになりました。これにより製造状況がリアルタイムで出荷情報と連携する事になり、製造製品の過不足を自動で見極め、自動的に次の生産・製造数を調整する事が出来る様になりました。 2.5 クラウド技術の活用により、画像処理検査装置の遠隔監視・遠隔操作が可能： 以前は工場外から工場内の機器にアクセスする事は、セキュリティ面などを考慮しアクセス出来ませんでした。クラウド技術を使用することで、複数の装置を遠隔で管理することができます。たとえば、画像処理検査装置から撮影されたデータをクラウドにアップロードし、オペレーターが遠隔でそのデータを確認することができます。また、クラウド上に遠隔操作用のインターフェースを設置し、オペレーターが遠隔で画像処理検査装置を操作することもできます。このようなクラウド技術を使用することで、装置の稼働状況や検査結果のデータなどをリアルタイムで把握することができ、運用効率の向上や問題の早期発見・解決などが可能となります。 これらのお話からお客様のご自身の工場が最新に近いと感じされたお客様もあれば、 既に画像検査装置を複数台導入済であっても、最新情報とまでに至っていないと感じられたお客様もあると思います。次は既存の画像処理装置を変えずに、AI（ディープラーニング）を導入するご提案をお話したいと思います。 ３．画像処理装置のAI活用 3.1 既存の画像処理検査装置？ AIを使用していない昔ながらのルールベース（画像処理命令を組み合わせる）画像処理検査装置の事を言います。 3.2 既存の画像処理検査装置を置き換えない？ 既にカメラや照明が製造ラインや製造装置に組み込まれている、固定されている状態でそれらを外す事に現場の作業者もご不安に思われると思います。そこで既存のカメラ、照明、画像処理検査装置をそのままでAIを付加出来れば、性能UPとして考えられると思います。先ずは現場担当者の不安を取り去る事が大切です。 3.3 既存の画像検査装置とどうやって連携するか？ 大きく２パターンあります。 一つは既存の画像処理検査装置から撮影画像データをAIへ転送し既存の画像処理検査装置とAIで２重判定させる方法です。導入初期段階ではまだ既存の画像処理検査装置の判定率が高いと思いますが、徐々にAIの方が判定率が高くなります。そうなった時点で既存の画像処理検査装置を撤去しAIのみ入れ替える事が出来ます。 もう一つは既存の画像処理検査装置から出力されるNG信号情報を学習させる事です。ただ単純なOK/NG信号ではなく、各検査命令種別で出た結果信号や処理条件をAIに学習させます。例えば、ブロブ判定処理で２値化閾値と判定結果の面積をAI学習させます。この学習データから不良品が出そうなタイミングをAIが予見する事が出来たりします。それらの学習結果を製造ラインにフィードバックし、不良率を下げる事に繋げる事が可能となります。 最後に、そもそも有効な判定画像が撮れている事が大前提です。カメラやレンズ、画像処理コントローラ、PCベースの画像処理ソフトなどの選定など、撮影角度、撮影に適した搬送など非常に多くの画像検査装置に関連する要素は様々ありますが、高級なカメラ、高級なレンズ、高級な画像処理、高額なAIソフトを使っても、基本となる有効な撮影が出来ていなければ、画像検査としては成り立ちません。 ４．まとめ 今回のコラムでは、画像検査装置の導入のコツ＝画像検査はここまで来ている。最新情報　について簡単ではありますが説明させていただきました。今回の紹介した内容をご検討頂き、自社での画像検査装置の導入検討や、過去に断念された画像検査装置の導入を再度進めていただければ幸いです。また、上記内容について、より具体的に詳細をお知りになりたい場合や導入支援が必要といった場合は、お気軽に弊社にご相談いただければ幸いです。 最後までお読みいただきありがとうございました。   ■AI画像検査導入事例解説レポート AIを活用し「積算・見積もりのドンブリ勘定」からの脱却を実現！ AI活用を通じて“ベテラン社員の働き方改革”を推進！ 積算・見積もり業務の“標準化・脱属人化・技術継承”実践事例とは？ ▼事例レポート無料ダウンロードお申し込みはこちら▼ https://lp.funaisoken.co.jp/mt/smart-factory/dltext06-01-dl.html 収録内容 「人手に頼った目視検査で工数がかかっているので検査を自動化して工数を削減したい！」 「画像検査装置を導入したことが無いがやってみたい！」 「小さな不良なので画像検査が可能なのか分からないからテストしてみたい！」 「人による目視検査で不良品が流出しているので検査精度を上げて不良流出を防ぎたい！」 「検査業務が属人化しているので標準化して誰でも検査が行えるようにしたい！」 本レポートでは、「AI画像検査」にテーマを絞り、具体的な導入方法と成功事例をご紹介いたします。 【①】AI画像検査導入の進め方 ～業務分析、データ収集、作業分析、コスト効果分析、、、～ 【②】AI画像検査導入の具体的手法 ～透明な樹脂成型品の傷、異物を画像検査装置で検出～ 導入の具体的手法を徹底解説！！ 【③】補助金を活用した画像検査装置導入成功事例 ●自動車用部品の最終検査工程に検査装置を導入 　カメラ・力覚・レーザー変位センサーをロボットハンドに取り付け、検査の自動化を実現 ●ボールペン部品射出成形の検査及び箱詰め工程に検査装置を導入 　目視での外観検査工程を、カメラで撮影した画像から検査を行うことで、判定を行う ●AI技術とロボットを用いた多品種油圧機器外観検査の自動化 　ロボットで画像センサと照明を操作し、取得した画像をAI技術で判別し、外観検査を自動化   ■機械加工業の為の協働ロボット活用！社長セミナー 協働ロボット活用してロボドリル・NC旋盤・マシニングセンタの夜間稼働！休日稼働！無人稼働！ 無料ダウンロードはこちらから https://www.funaisoken.co.jp/seminar/097973 ■開催日程 全てオンライン開催となります 以下の日程よりご都合の良い日程をお選び下さい ※内容は全て一緒です 2023/05/11 (木)　13:00~15:00 2023/05/17 (水)　13:00~15:00 2023/05/18 (木)　13:00~15:00 ■講座内容 ゲスト講師講座「協働ロボット成功事例講座！ロボドリル工程の工数を年間1,200時間削減！」 社員数わずか8名の機械加工会社が協働ロボットの導入に成功し残業・休出を大幅に削減したゲスト事例講座！ お申し込みはこちらから⇒ https://www.funaisoken.co.jp/seminar/097973