T10検査の自動化・AI外観検査導入の進め方
考え方
全数を一気に自動化しない。ばらつきの大きい工程から小さく試し、効果を見て広げる。
- 対象不良と検査目的（分類/検出/寸法）を先に定義する重点
- 現行の目視基準・限度見本をデータ化（良品/不良品の教師データ）重点
- 小規模なトライアルで検出率・過検出・見逃しを評価
- 人の判定とのすり合わせ（判定基準の合意）と運用ルール整備
- 導入後の判定基準・しきい値の見直しタイミングを決める（原材料変更・季節変動・設備メンテナンス後等を引き金にする）
- 自動判定と人の判定が割れたときの最終判断者と、その判断を誰がどこに記録するかを運用ルールに明記する
PoC（概念実証）評価項目表
| 評価項目 | 確認内容 |
|---|---|
| 見逃し率 | 不良品を良品と誤判定した割合。教師データにない不良パターンでの再評価も行う★ |
| 過検出率 | 良品を不良と誤判定した割合。過検出が多いと現場が警報を無視し始めるため許容水準を先に決める★ |
| 照明条件 | 光源の種類・角度・明るさの変動が判定に与える影響（季節・時間帯・設備劣化での変動を含む）★ |
| 判定根拠の残し方 | 判定に使った画像・スコアを一定期間保存し、後から人が見返して妥当性を確認できる形にする★ |
| 判定境界（しきい値）の妥当性 | しきい値付近のサンプルで人の判定と機械判定が割れないかを確認する |
| 再現性 | 同一サンプルを繰り返し判定させ、結果がぶれないことを確認する |
判断フロー
- 対象不良と評価項目（上表）を先に定義する
- 小規模トライアルで見逃し率・過検出率を実測する
- 人の判定基準とすり合わせ、しきい値・照明条件を調整する重点
- 判定根拠の記録方法を運用ルールに落とし込んでから本格導入へ進める
同じ読者向けの他トピック
T1新製品・量産立ち上げ（APQP／PPAP 的）T24M変更管理（人・機械・材料・方法）T3工程・検査基準の制定／改訂T4設備の導入・改善T5工程能力・初期流動・データ活用T6化学物質・環境法規の設計織り込みT7不具合の再発防止と設計・標準へのフィードバックT8治具・型・設備の維持管理T9設備保全とデータ活用（予知保全の入口）T11工程FMEA（PFMEA）の作成と活用T12統計的工程管理（SPC）・管理図の導入と工程能力の見える化T13トレーサビリティ設計（ロット管理・識別の作り込み）T14測定システム解析（MSA／Gage R&R）の実施と判断T15品質業務のノーコード自動化の進め方T16生成AIを品質業務で安全に使うT17試作品の品質評価依頼の出し方T18工程データの品証への共有ルールT19顧客規格から社内管理値への落とし込み方T20工程条件変更の社内実験計画の立て方T21検査基準書の作り方T22検査データの統計処理でやりがちな誤り5類型T23図面・仕様書に書ききれない「暗黙の要求」の拾い方T24過去トラブルの再発防止策が現場で守られているかの確認T25試験・測定を外注するときの相手の見方T26生成AIが出した不良原因の答えの扱い方T27試験・検査の結果が規格ぎりぎりのときの扱いT28根拠の記録が残っていない社内基準に出会ったときの扱いT29測定方法を変えるときの同等性の示し方T30顧客へ検査の生データ（測定の生値）を求められたときの扱いT31自作治具・簡易測定器を検査に使うときの確認T32抜取検査の水準を顧客と決め直すときの進め方T33測定値の丸め方・有効数字で社内と顧客の解釈が割れたときの揃え方T34社内の検査データを外部に出す前の匿名化・加工の線引き