Current Status and Prospects of AI Applications for Quality Control
Current Status and Prospects of AI Applications for Quality Control
复制标题
质量控制人工智能应用现状及前景
DOI：
10.11509/isciesci.66.5_161
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
原田 俊太
中科院分区：
文献类型：
--
作者：
炭谷 翔悟;西田 陽良;原田 俊太
さまざまな製品の製造工程において, 外観検査, 品質保証・管理は極めて重要なプロセスである. 多くの製造業において, 外観検査は人の目で行われることが多く, 莫大な人手と時間が費やされている. わが国では少子・高齢化の進行により生産年齢人口が減少し, とくに, 製造工場は地方や郊外に立地する場合も多く, 人手不足は, 外観検査だけでなく日本の製造業の課題である. このような中で, 外観検査や棚卸しだけでなく製造業全体のデジタルトランスフォーメーション, スマート化が期待され, 機械学習をはじめとする情報学的な手法の製造業への応用研究が盛んに行われている [1–10]. ニューラルネットワークを用いた深層学習の外観検査への応用については, 半導体デバイス [11, 12], 金属製品 [13, 14], 繊維製品 [15–17], 食品 [18] などさまざまな製品において報告されている. 機械学習を用いた外観検査の産業への実装の障害の一つは, 検査ごとに機械学習モデルを構築する必要があるという点である. 検査画像や検査の基準は, 製造者の機密情報である場合が多く, 外部への持ち出しが困難である場合が多いため, 機械学習モデルの構築を外注する場合, 秘密保持の観点で障壁があり, 外観検査の自動化, スマート化が進んでいない. 近年, TensorFlow や PyTorch といった深層学習を行うためのライブラリが公開されており [19, 20], 誰でも深層学習などのアルゴリズムを用いたプログラミングを行う環境が整いつつあるが, 学習用のデータを取得し, 自社の基準を満たすモデルを内製するのは容易ではなく, 機械学習技術の製造業への応用は限定的である. 外観検査に機械学習を応用する場合, 検査画像を再現性高く, 大量に撮影することが, 高精度の機械学習モデルを構築することに直結するが, これは, 製品やその不良の特徴を知り尽くした製造者の知見が大いに反映されるべきであり, また, 製造者が独自の技術・ノウハウとして保有するのが望ましい. 一方で, それらのデータを用いてモデルを作成するのは,「餅は餅屋」 で, AI 開発企業の助けを得ることが, すべて内製あるいは外注する場合と比較して, 多くの場合開発の