AI画像検査で見逃し率0％、トヨタ自動車が熟練頼みの部品検査を任せるまで

フロントハブの検査は、外観の目視に加えて磁気探傷検査という熟練技能を要する工程を抱えていました。労働人口の減少を見据えれば、この技能を持つ人に検査を張り付けたままにはできず、より価値の高い仕事へ人を動かす必要があります。ただし機械に置き換える試みは一度つまずいており、マシンビジョンでの自動化では見逃し率32％、過検出率35％にとどまりました。

編集部の見立てでは、ここでの本質的な困りごとは人手の数ではなく、良品と不良品を分ける境目が誰の中にもあるのに、それを設備に渡せる形で外に出せていなかったことにあります。ルールを書き下して判定させる方式が届かなかったという事実は、熟練者が見ている差が「明文化された条件」ではなく「画像上の微妙な特徴」だったことを示しています。数年にわたる自動化の停滞は、技術の不足というより、技能を機械に移す方法そのものが見つかっていなかった状態だったのではないでしょうか。

判定根拠を色の強弱で示すヒートマップ機能を、導入の必須条件として選定段階から据えた点が、この取り組みの土台になっています。数十社を比べる際に可視化機能を評価軸に置いたということは、精度の数字だけでAIを選ばなかったということです。AIがどこを見て良否を分けたのかが画面上で確認できれば、現場は「当たった／外れた」ではなく「見るべき場所を見ているか」で判断でき、学習のさせ方を直す手がかりが得られます。ブラックボックスを避けるという方針が、そのまま改善の速度を決めていたと考えられます。

現場の従業員とベンダーの技術者が組んで、画像を集めながらデータの分類と学習方法を試行錯誤した進め方も要因の一つです。この体制の意味は、人手を厚くしたことではなく、熟練者の頭の中にある良否の見分け方を、教師データの作り方という具体的な形に翻訳する場をつくったところにあります。ルールとして書き出せなかった判断基準を、事例を積み上げる形で機械に移した流れと読めます。

AI単体で終わらせず、既存の稼働設備との連携やつなぎ込みまで一気通貫で手当てし、あわせて部内でAIへの理解を広げる働きかけを事前に行った設計も見逃せません。検査の精度が出ても、ラインの流れに組み込めなければ工程は止まったままです。使われる状態までを射程に入れた組み立てが、本稼働への距離を縮めました。

検査工程で本稼働に至り、見逃し率0％、過検出率8％という判定精度に到達しています。二交代勤務で計4名が携わっていた検査体制は2名となり、省人化が実現しました。運用面では、面倒なプログラム設定を伴わず簡単な操作で扱えるため、現場が違和感なく日常業務に組み込める環境が整っています。今後は他の部品への磁気探傷検査の自動化展開や、教師なし学習・転移学習といった学習手法の活用も視野に入れられており、一度の導入で完結させない構えが見て取れます。