今週増えた不良の種類は？
概要
目視に頼っていた検査を、安定させる
検査装置やカメラの画像から、傷・欠け・異物などを判定します。判定の基準をそろえ、検査員ごとのばらつきを抑えます。
今週、ライン3で傷の判定が増えている理由を調べて
Line3_inspection検査画像
傷の判定は水曜以降に集中しています。同じ時期に搬送ローラーの交換が記録されています。
該当ロットと画像を一覧にして
ご相談
外観検査AI、まずは相談してみませんか
事例・デモご紹介
見て確かめる
近い業界・業務での取り組みと、外観検査AI のデモをご紹介します。
ご紹介する内容:
- 近い業務での取り組み事例
- 外観検査AI のデモ
- 御社の課題に近い使い方の例
- 導入までの進め方
無料デモ爆速開発
お話を聞いて、すぐ形に
御社の課題や業務の進め方をうかがい、それに合わせたデモを短期間でつくってお見せします。
デモ開発の流れ:
- 課題と業務のヒアリング
- ヒアリングをもとにしたデモの開発
- 実際の画面でのご確認
- 本格導入に向けた進め方のご提案
AI CoE+
AI 推進を任せる
AI 専門人材を採用せずに、御社の AI 推進部署の一員としてテーマ選びから導入まで伴走します。
AI CoE+ で支援すること:
- AI 活用テーマの洗い出しと優先順位づけ
- 技術・ベンダーの選定
- PoC・導入の伴走
- 社内の AI 推進体制づくり
どれから始めればよいか迷う場合も、お気軽にご相談ください。課題とデータの状況をうかがい、進め方をご提案します。
連携するシステム
いまのシステムのまま、つながります
外観検査AI は既存のシステムを置き換えず、必要なデータだけを接続して動きます。
ファイルサーバー
図面・仕様書・報告書など、ファイルサーバーやクラウドストレージにある文書
PLM / CAD
設計データと、品番・BOM の情報
MES
製造の実績・設備の稼働・工程のデータ
品質システム
検査結果・品質記録・不具合報告
ERP / SCM
受注・在庫・購買・原価のデータ
導入までの流れ
- 1
現状の整理
困っている業務と、データの在りかを棚卸し
- 2
テーマ選定
効果と実現性から、最初の一つを決める
- 3
接続・意味付け
必要なデータを接続し、オントロジーを定義
- 4
PoC・導入
実データで検証し、業務フローに組み込む
- 5
基盤へ集約・展開
成果の出た仕組みを基盤に残し、他拠点へ
よく寄せられる質問
- 検査装置・カメラの画像に加え、ロット・工程・設備の情報や品質記録を使います。まずは画像だけで判定を始め、原因分析の段階で他のデータをつなげることもできます。
- いいえ。MES・ERP・PLM などの既存システムはそのままに、必要なデータだけを接続して使います。
- はい。クラウドのほか、オンプレミス・閉域網にも導入できます。図面や品質記録のように外に出せないデータを扱う前提で設計しています。
- 困っている業務を一つ選び、そのテーマに必要なデータだけで PoC を行うところから始められます。現状の棚卸しとテーマ選びからご一緒します。
- はい。すべてのソリューションは Agentic Data Factory の同じデータ基盤の上で動くため、一つの部門で整えたデータと意味づけを他の部門でもそのまま使えます。
※ ページ内の画面・会話は利用のイメージです。実際の顧客・データを示すものではありません。
※ 機能と導入の範囲は、対象の業務とデータの状況によって異なります。