基板の目視検査に画像AI、20名・月200機種の現場で誰でも良否判定

AIに任せる範囲を良否の最終決定ではなく仕分けに絞った設計が、この現場では効いています。はんだ槽を通した後の基板を、要修正か修正不要かの二択に分けるところまでを担わせ、修正検査から最終検査に至る流れの中に組み込む。二択に落とし込めば、経験のない人がボタンを押すだけで工程が進み、熟練者の判断力は本当に必要な場面に回せます。検査専任者を置かず全員が製造と検査を兼ねる体制と、この割り切りは無理なくかみ合っています。

導入の可否を分けたのは、検出性能の高さよりも、必要な画像枚数や設定工数が生産形態とかみ合うかどうかだったと考えられます。1機種あたり数枚という生産では、学習用に百枚規模の画像を用意するという前提はそもそも満たしようがなく、費用を投じても運用に乗りません。月に200機種が流れる工程へ実際に置けたという事実そのものが、この選定で何が優先されたのかを物語っています。

検査画像を残すことを、判定の副産物ではなく運用の柱に据えた点も見逃せません。NGの理由をその場の言葉ではなく画像で示せるようになれば、教える側の説明は再現可能になり、判断の基準が個人の記憶から切り離されていきます。社員もパートも全員が触れる状態にしているのも、選別の担い手を増やす目的だけでなく、同じ画像を見て同じ基準を共有する場をつくる意味があるのではないでしょうか。