不具合を具体化する

マシンビジョンソリューションは、産業分野で脚光を浴び始めたばかりですが、その実、製造現場での活用はディスコ全盛期から始まっていました。初期のシステムでは、局所的なコントラストの変化からエッジを検出し、色の違いを見つけたり、コンベア上の部品の存在や製品に穴が開いていることを示す「塊」を画像内で識別したりすることができました。マシンビジョンは、目視検査員に取って代わる革新的なツールであり、それまでは不可能だった生産ラインの高速化を可能にしました。

しかし、クラウドコンピューティングが広く普及したのは、2000年代Amazon Services（AWS）Amazon Compute Cloud（EC2）サービスを展開して登場してからのことである。それ以来、企業向けアプリケーションも一般消費者向けアプリケーションもクラウドコンピューティングを取り入れてきたが、工場自動化の分野では、現場の自動化設備の管理に向けたクラウド技術の可能性を探り始めたばかりである。

ロボットからカメラに至るまで、工場内のほとんどの機械は本質的に「自動化の孤島」であり、せいぜい製造実行システム（MES）が起動、停止、およびトリガー信号を調整する程度です。品質管理担当者が特定の期間における不良件数を知りたくなった場合、ノートパソコンをUSB接続してCSVファイルを探したり、FTP経由でデータを取得したり、あるいは不良品箱の中の製品を数えたりしなければなりません。

今日、クラウドや機械学習技術を活用した先進的なビジョンソリューションが数多く登場しています。この分野に取り組むスタートアップ企業の多くは、研究プロジェクトからスピンオフした企業か、あるいは学術界にルーツを持つ企業です。しかし、ソリューションが新技術にばかり焦点を当て、真の自動化ソリューションが持つべきその他の側面をすべて軽視している場合、メーカーのニーズが満たされることはほとんどありません。

クラウドコンピューティングのあらゆる機能を最大限に活用したElementaryのような最新のマシンビジョンシステムは、すべての画像をリモートで保存し、リモートアクセスや設定を可能にし、イベントの監視やアラート機能などを提供します。 Elementaryの成功の鍵は、フルスタックソリューションを提供している点にあります。つまり、高解像度カメラ、照明、ローカルコンピューティングデバイス、そしてAIワークフローを可能にするクラウドアーキテクチャをすべて備えているのです。Elementaryの「Quality as a Service」モデルにより、フルスタックシステムの導入とオンボーディングはさらに簡素化されます。このモデルでは、使いやすいインターフェースに加え、顧客サポートを専門とする機械学習アプリケーションエンジニアのチームがサポートを提供します。

環境や製品のばらつきに対して頑健性を確保するためには、従来の機械学習モデルには大量のラベル付きデータが必要となります。「良品」と「不良品」のあらゆるバリエーションのサンプル（カメラの視野内における照明や製品の配置のばらつきも含む）を網羅し、適切にラベル付けする必要があります。 モデルを学習させる前に、これらの画像を保存し、迅速にアクセスし、慎重にラベル付けしなければならないため、これは良くて煩雑な作業となり、多くの場合では不可能なことになりかねません。さらに、モデルの精度を最大化するためには、新しい画像を用いてラベル付けと学習のプロセスを繰り返し行う必要があり、これは非常に困難な作業となります。

技術的には可能ですが、エッジ専用システムの場合、エンジニアが工場現場のビジョンシステムの前に座って画像にラベルを付け、モデルを学習させる必要があるでしょう。あるいは、データセットを手動でダウンロードし、オフラインで画像を処理・ラベル付けした後、モデルをマシンビジョンシステムにアップロードする必要があります。

単一のプロジェクトや概念実証（PoC）としてなら対応可能ですが、メーカーが複数の製品や生産ライン向けにAIビジョンソリューションを必要とする場合、このワークフローはすぐに管理不能な状態になってしまいます。エッジ専用AIビジョンソリューションは、設計上、処理能力が不足しているか、あるいは実際のアプリケーションには適していない必要があります。そうでなければ、トレーニングのワークフローはすぐに拡張不能な状態になってしまうからです。

クラウド技術を適切に活用することで、機械学習（ML）ベースのビジョンソリューションは、ハードウェア面でも運用面でも拡張性を持つようになります。Elementaryはクラウドコンピューティングを活用し、拡張性のある機械学習ベースのビジョンソリューションを提供しています。

Elementaryは、次世代のAI駆動型ビジョンソリューションをTulip に統合しTulip オペレーターが既存のTulip 内で検査ソリューションTulip 。これにより、オペレーターは単一の画面から高度なビジョン検査を容易に実行できるだけでなく、Elementaryのクラウド分析機能やスケーラブルな管理機能のメリットも享受できます。

Elementaryはフルスタックソリューションプロバイダーです。つまり、ElementaryはAIを駆動するクラウドソフトウェアだけでなく、検査を行うために工場現場で必要となるすべてのハードウェア――照明、カメラ、エッジコンピューティング、取り付け用ハードウェア、さらには設置作業に至るまで――を提供しています。

これにより、生産ラインに品質検査を導入するという最終目標を達成するために、顧客が部品やサプライヤーを寄せ集める必要がなくなるため、新しい検査システムの導入が容易になります。さらに、Elementaryは工場内のデバイスとネイティブに連携できるため、顧客は検査結果に基づいて工場内の他のシステムの動作を調整し、さらなる欠陥の発生を防ぐことができます。Elementaryはこれを「クローズドループ品質」と呼んでいます。

上記の概要アーキテクチャ図に示すように、Tulip 持つフルスタック型の特性を活かしTulip 製造プロセスの一環として目視検査Tulip 。工場現場では、Tulip を使用してEthernetIP経由で直接接続します。この接続により検査プロセスが駆動され、オペレーターはTulip 検査を開始しTulip 検査結果に関する情報を受け取ることができます。 画像データはElementaryのクラウドAPIから取得され、ユーザーに表示されるほか、品質管理担当者による分析のためにElementaryのクラウドに保存されます。

オペレーターにとって、その結果としてのワークフローは次のようになります：

1. 作業者は、他の組み立て作業と同様に、Tulip 組み立て手順に従います。

2. 目視検査が必要な手順に到達すると、Tulip 「検査」というボタンが表示されます。このボタンをクリックすると、検査システムが作動し、その手順で必要な検査が実行されます。

3. 検査の結果は、不具合が検出された場合、合格または不合格としてオペレーターに通知されます。

4. 欠陥が検出された場合、Elementaryが撮影した画像がオペレーターに表示され、手直しが必要な箇所が強調表示されます（上の画像を参照）。

5. 必要な手直しが完了したら、Tulip を通じて再度検査を実行し、合格するまで繰り返すことができます。合格すれば、オペレーターは次の工程に進むことができます。

Tulip 、品質検査を含む堅牢な製造プロセスを求めるメーカーに対し、オペレーターに追加のトレーニングやシステム間の切り替えに要する時間を強いることなく、包括的なソリューションを提供します。また、ElementaryTulip はいずれもフルスタック型Tulip ソフトウェアからハードウェアまですべてが提供され、工場チームの導入負担を軽減します。品質を維持し、スループットを向上させるために生産規模を拡大しようとする際、検査プロセスへのマシンビジョンの導入は不可欠です。Tulip ElementaryTulip 連携し、オペレーターの能力を最大限に引き出す、信頼性の高い品質検査ソリューションを提供します。