【WhitePaper】ファクトリー・オートメーションのAI活用に特化　「エッジラーニング」が製造現場のDXを加速させる

コグネックス株式会社 ファクトリー・オートメーションのAI活用に特化 「エッジラーニング」が製造現場のDXを加速させる 「すべての人に AI のパワーを」をビジョンに掲げる新たなAI技術に注目 “モノづくり ”の現場における AI/ディープラーニング活用は難易度の高いタスクといえる。マシンビジョンシステム に組み込み、現場主導で運用できる実践的な最新 AI技術「エッジラーニング」を利用して、AI技術の効果的な活用を 推進したい。 の自動検査は行われてきたが、ベテラン担当者の目視でな 製造現場に特化したエッジコンピューティング技術が ければ検査が難しい領域も多く、業務の属人化や人的コス AI/ディープラーニングモデルの複雑さを解消する トの増大といった課題を抱える企業も少なくないのが現 　現代のビジネスにおいてデジタル技術の活用はもはや 状。そこでマシンビジョンのシステムにAI/ディープラー 不可欠といえる。あらゆる領域でデジタルトランスフォー ニングの技術を取り入れ、属人化の解消やコストの削減、 メーション（DX）が加速し、業務の自動化・効率化から、 製品品質の向上を図るといったアプローチが注目される 新たなビジネスモデルの創出まで幅広い取り組みが推進 ようになった。 されている状況だ。“モノづくり ”の分野も同様で、AIや 　とはいえ、AI/ディープラーニングの技術をファクト IoTといった先進技術を用いたファクトリー・オートメー リー・オートメーションに導入するのは非常に困難なミッ ション（FA）により、ビジネスの競争力を高めたいと考 ションだ。プログラミングスキルを持った人材の確保から えている企業は増加傾向にある。なかでも、AI/ディープ 高性能コンピューターや GPUといったハードウェアの ラーニングの活用は製造 DXにおけるトレンドとなって 調達まで解決すべき要素は多岐にわたり、分析精度を高め おり、特に自動検査・プロセス制御・ロボットの制御など るには膨大な画像を用意し、時間をかけて学習を行う必要 製造現場で活用されるマシンビジョンの領域における AI がある。TensorFlowや PyTorchといったオープンソー 活用には期待が高まっている。 スのディープラーニング /機械学習ライブラリが登場した 　製造の現場においても人材不足は深刻化しており、業務 とはいえ、製造現場においての導入のハードルはいまだに の自動化・効率化は喫緊の課題といえる。以前からルール 高い。実際、難易度の高さから導入を断念したという企業、 ベースのマシンビジョンシステムによる部品や最終製品 導入はしたものの期待していた成果を出せていないとい ■ ディープラーニングではなく、エッジラーニングを使う3つのメリット ■ テクスチャのある金属板 ディープラーニング エッジラーニング エッジラーニングのメリット 数枚の画像 数百～数千枚 �～ �� 枚 数時間～数日 数秒～数分 ディープラーニングシステムと それに必要なプログラミングの 経験不要 経験が必要 エッジラーニングは、画像処理においてディープラーニングを活用する際の課題を解決する。少ない画像で時間をかけずに学習でき、プログラミングスキルを持った人 材も不要。現場主導のAI活用を実現することが可能だ（左）。なお、右は欠陥の検査/分類や、欠陥と許容可能な以上の区別が可能なった一例。 1　ファクトリー・オートメーションの AI活用に特化　「エッジラーニング」が製造現場の DXを加速させる

■ 文字読み取り ■ LEDの品質チェック 自動車工場などで有効なのが「文字の読み取り」機能。製造番号やシリアル番号と LEDにおけるOFF/ON/PWRの各ステータスを区別し、PCBのLEDの正常動作を いった文字情報を読み取り、トレーサビリティの確保などに利用できる。 自動的に検査することも可能。 う企業もめずらしくない。 ル）を実装している。前者では、例えば製造番号やシリア 　こうした課題を解決するソリューションとして期待さ ル番号などを読み取り、昨今重要性が高まっているトレー れているのが、ファクトリー・オートメーションでの利用 サビリティの確保を実現。また、パッケージ（箱）内に必 に特化し、ある程度の学習が行われた状態で提供される新 要な内容が揃っているを検査したりといった使い方にも しい AI技術である「エッジラーニング」だ。 対応する。後者の「分類」では、良品・不良品の分類だけ ではなく品種までを分類して判別可能。部品の LEDがオ ディープラーニングの知識やプログラミングスキルは不要 ンなのかオフなのかを分類して発光状態をチェックした 生産工程の多様なシーンで、AI技術を効果的に活用できる りと、さまざまなシーンで効果的な自動検査を実現。さら 　エッジラーニングは、「すべての人に AI のパワーを」を に良品・不良品の分類では、単に「不良」という分類では コンセプトに開発され、検査を行う工場内のデバイス、す なく、「焦げている」「ペンキが塗られている」といった不 なわち “エッジ ” 側で処理を行う産業用途に特化した AI 良の要因までを分類可能。不良の要因となる工程を判別し 技術となる。ディープラーニングでは学習用に数千、数万 てフィードバックすれば、生産プロセス全体の最適化を図 の画像を用意しなくてはならないケースも多いが、エッジ ることもできる。 ラーニングでは数枚の画像を使い短時間での学習が可能。 　コグネックスでは画像センサ「In-Sight 2800」や、マ ディープラーニングの知識やプログラミングスキルを持 シンビジョンのソフトウェアライブラリ「VisionPro つ人材なしでも容易に導入・運用できる。 Deep Learning」など、エッジラーニングの技術を実装 　このエッジラーニングの技術を取り入れたソリュー した製品ラインナップを取り揃えている。AIの万能的な ションを展開しているのが、マシンビジョンの分野で豊富 イメージに囚われず、“現状をより良くしたい ”というシ な実績を持つコグネックスだ。同社のエッジラーニング製 ンプルなビジョンで製造現場の AI活用を促進したい企業 品では「文字の読み取り」と「分類」の 2つの機能（ツー にとって、導入を検討する価値は大いにあるはずだ。 コグネックス株式会社 〒113-0021 東京都文京区本駒込2-28-8 文京グリーンコート23階 お問い合わせ TEL. 0120-301-448 E-mail. JapanMarketing@cognex.com https://www.cognex.com/ja-jp すべての製品名、サービス名、会社名、ロゴは、各社の商標、または登録商標です。製品の仕様・性能は予告なく変更する場合がありますので、ご了承ください。　 2　ファクトリー・オートメーションの AI活用に特化　「エッジラーニング」が製造現場の DXを加速させる