画像による外観検査
キズ、異物、欠けなど、対象に合わせた撮像条件と判定基準を設計。誤検知と見逃しのバランスを、現場の確認手順に沿って調整します。
照明・カメラ位置を含めて撮像を設計
境界事例を確認し、判定条件を調整
検出候補
製造現場の品質改善
品質と歩留まりを高めるAI活用
目視検査の負担や判定のばらつきは、検査画像と製造条件を見直すところから変えられます。外観検査の自動化、不良率予測、工程条件の改善を現場の運用に合わせて支援します。
検査画像と製造データを活用
外観検査から工程改善まで
現場で困っている判定や記録の流れを確かめ、導入後も品質担当者が扱える仕組みにします。
検出候補
不良率予測
設備、材料、温度などの記録を突き合わせ、不良が増える条件を見つけます。予測を確認作業や条件見直しにつなげます。
加工条件の最適化
加工条件と品質の関係を整理し、次に試す条件を提示。熟練者の経験を、比較できる記録として残します。
温度や稼働状況の変化を確認。
ロット差と品質結果を照合。
改善候補を担当者が追える形に。
条件を比べ、次の一手へ
品質と歩留まりを両立する工程設計
パラメータの感度を調べ、品質に影響する条件を整理します。候補値は現場で検証し、実際の設備制約と合わせて判断します。
小さく試します。
条件別の影響度（概念図）比較イメージ
加工速度
加熱温度
保持時間
課題に合わせた進め方
検討段階に応じた支援内容
対象ラインやデータの状態を伺い、必要な範囲を決めます。費用は要件を確認してお見積もりします。
現状整理
要件に応じてお見積もり
- 検査手順と判定基準を確認
- 画像・製造データを点検
- 対象工程と検証方針を整理
検証PoC
要件に応じてお見積もり
- 検査画像のラベルを整備
- 精度と誤検知を実データで評価
- 次段階へ進む条件を明確化
現場導入
要件に応じてお見積もり
- 既存ラインとの連携を設計
- 判定後の確認フローを整備
- 担当者向けの運用手順を作成
既存ラインとの連携も検討
対象業種と検査対象
製品の材質や検査環境によって、撮像と判定の設計は変わります。まず対象物と現場の流れを確認します。
自動車部品
部品表面や組付け状態の確認。
金属加工
キズ、バリ、寸法差の検出。
鋳造
巣や欠けと工程条件の照合。
電子部品
微細な欠損や実装状態の検査。
食品
形状や異物を検査ラインで確認。
化学
外観と製造記録の関係を整理。
導入判断に必要な視点
現場で使える判定を目指す
「AIの判定結果を、誰が、どの場面で確認するのか。そこまで決めて初めて、検査の仕組みは現場で役立ちます。」Warashina Vision G.K.の品質検査支援方針
検査画像撮像条件とラベルの根拠を整理
製造条件品質結果と工程記録を照合
現場運用担当者の確認手順まで設計
明石・神戸の製造現場とともに
導入後の運用まで見据えたAI支援
Warashina Vision G.K.は、明石・神戸周辺の製造業に向けて、AI戦略の整理から機械学習モデルの最適化、現場への導入までを支援します。品質検査では、既存のカメラや記録方法、担当者の判断を丁寧に確認し、無理のない検証範囲を定めます。現場が結果を確かめ、改善を続けられる形にすることを大切にしています。
実際の工程に合わせて進めます。
小さく検証し、現場へつなぐ
PoCから現場導入まで
最初に対象と評価方法を決めます。検証結果をもとに、導入範囲と運用手順を固めます。
対象を決める
検査箇所、対象品、現場の課題を確認。
データを整える
画像を集め、良品・不良品の基準をそろえる。
精度を確かめる
誤検知と見逃しを実データで評価。
運用を引き継ぐ
担当者向けの確認手順を整備。
よくいただくご質問
ご相談の前に
検査画像が少なくても相談できますか？
はい。画像の件数や撮影条件を確認し、追加収集が必要か、検証範囲をどうするかを整理します。
既存の検査ラインに組み込めますか？
カメラや設備の構成、判定後の作業を確認して連携方法を検討します。設備条件によって対応範囲は異なります。
誤検知が多い場合はどう調整しますか？
誤検知の画像を現場で見直し、照明、撮像角度、ラベル、判定条件を分けて検証します。
不良率予測に必要なデータは何ですか？
品質結果に加え、設備、材料、環境などの記録が候補です。利用できる項目と記録間隔を確認します。
品質担当者への引き継ぎも依頼できますか？
検査結果の確認方法や例外時の対応を手順にまとめ、担当者が運用できる形で引き継ぎます。