NTTロジスコ、画像AIと搬送ロボットで回収機器の仕分けを自動化し生産性30%向上

読み取りの対象を、機器そのものに最初から印字されている情報に置いた点が、この自動化の起点になっています。背面の物品名の文字とMACアドレスのバーコードという、人が目視で確認していた情報をそのまま画像認識AIの入力へ移したことで、識別のためのラベルを新たに貼るような前工程を足さずに済みます。同時に、索引から該当する行を探し当てるという、経験差が最も出やすい照合作業が工程から丸ごと消えました。人の判断を機械に真似させるのではなく、判断が必要になる原因のほうを取り除いた設計と読めます。

機器本体の画像を複数回高速で撮影し、識別精度と識別時間の双方を最適化する方式も、現場の事情を踏まえた選択です。1回の撮影で確実に読み切ろうとすれば撮り方や照明の作り込みに負担が寄り、逆に速度を優先すれば読み違いが増えます。撮影回数という調整しやすい変数を挟むことで、精度と時間のどちらかを諦める形にせず折り合いをつけている点が効いています。

従来は別々の作業工程に分断されていたWMSへの回収実績登録と、t-Sortによる物理的な搬送・仕分けを、単一のシステムに束ねた構成も大きい。識別結果がそのまま搬送指示に変わるため、工程の継ぎ目で人が情報を受け渡す場面がなくなります。AI画像認識システム4台とAGV24台という編成は、この一連の流れを並列に走らせて処理量を積み上げる考え方に沿ったものです。リファビッシュ業務では2018年のクリーニング工程、2020年の電源アダプターケーブルの洗浄・結束、2021年のセット化検品と自動化を重ねてきた延長線上に今回の登録・仕分けが置かれており、切り出しやすい工程から順に片づけてきた進め方がうかがえます。