東洋鋼鈑がフィルム検査の欠点仕分けをAI分類で試験運用、判定のばらつきに向き合う

数千点以上の欠陥画像をそろえ、まず「本当に分類できるのか」だけを確かめたところから入っている点が、この進め方の要です。AIによる分類そのものが初の試みだったため、現場に組み込む前に、対象の欠点がそもそも機械的に切り分けられる性質のものかを見極める段階を独立させています。枚数を確保したうえで可否を判断したことが、その後の検討材料を厚くしたと考えられます。

選定の物差しを分類性能だけに置かず、運用条件まで並べて比較した設計も見逃せません。他社製品では専用サーバやGPU環境の準備が前提となり、現場への導入コストが障壁として挙がっていました。採用されたソフトはGPU不要の汎用PCにソフトを入れるだけで動くため、検査ラインの後段に置く際の設備追加が小さくて済みます。「精度が出るか」ではなく「どこに置いて誰が動かすか」まで含めて評価したことが、試験運用まで届く現実味を生んだと見ています。

AIの性能調整を柔軟に行えることを評価軸に入れた点も、この取り組みの性格をよく表しています。目指されたのは検出をさらに増やすことではなく、品質担当者と同じ判定基準で有害・無害を切り分けること。基準そのものが調整の対象になる以上、後から効き方を変えられる仕組みでなければ現場の感覚には寄せていけません。装置側のルールベース検出はそのまま残し、その後段に分類を重ねる構成をとったため、既存の検査の枠組みを作り替えずに試せています。