近年、新興国市場の成長に押され日本製品の国際競争力は低下しつつあると言われています。国際競争力を高めるには、安全・信頼・高品質といった強みを維持していくことが必要不可欠です。そのためには、製造における精度の高い外観検査が求められます。
しかし、近年では労働人口の減少で検査員の後継者が不足していることから、今の検査精度を維持し続けることも難しくなってきています。これらを解消するために誕生したのが外観検査装置による自動化ですが、これですべてが解決したわけではなく、問題も多くあります。
そこで今回の記事では、外観検査で設定すべき基準や必要な項目、自動化が困難な不良や解決策をご紹介します。
外観検査とは？
外観検査とは、製品や部品の品質に問題がないかを、外観からチェックする検査のことです。
品質の維持や保証において重要な工程であり、製品や部品の表面にあるキズ、欠け、バリ、変形、付着した異物や汚れといった外観上の欠陥を確認したあと、良否判定を行います。
主な目的は、大きく2つあります。
- 市場への不良品流出防止
- 前工程へのフィードバック
不良品流出による回収コストの発生や信頼低下の予防だけでなく、不良や不具合が発生している原因を突き止めて改善へとつなげる重要な役割もあるのです。
自動化が難しい検査項目
近年の人材不足の影響により外観検査の自動化が進みつつありますが、まだまだ自動化が難しく、目視検査の実施が必要なケースも多いでしょう。
ここでは、自動化が難しい検査項目の例をご紹介します。
キズ
正常な製品や部品には付いていない、キズの検出です。
目視検査の場合は、製品を手に取って確認することができるため、製品に照明の光が反射していたり、キズが見えにくい位置にあったりという場合でもキズの有無を判別しやすくなります。しかし、従来の画像検査は画像で確認できる位置に付いたキズの検出はできても、製品の裏や内面にあるキズの検出は難しいのが現状です。
また、製品の状況次第では定量化が難しいことも問題といえます。
たとえば、切削痕といって部品の切削する際の痕は良品として判定する一方で、切削痕とは違ったキズを不良にするような場合は、画像処理システムで判別するのは困難です。
この場合、外観処理システムではなく人の目による外観検査で不良の判別を行わなければなりません。
色味
色味とは、製品の色の濃淡や色合いのことです。
製品表面にある色味の違いは定量化が難しいことから、自動化は難しい傾向にあります。焼成のしすぎによるガラスの色ムラや銅基板の酸化などが主な例です。このような定量化が難しいものは、検査員による外観検査の実施が一般的です。
異物
異物とは、正常品にはない固形物のことです。
ひと括りに異物といっても種類や付着箇所が異なるので、キズや色味と同じく定量化が困難な検査項目です。、また、製品の表面にさまざまなパターンが存在する場合は、異物や付着箇所によっては正常と判断されてしまう恐れがあります。
以上の理由から、キズや色味の判定などは自動化が難しく、人による検査に頼るケースが多いのが現状です。
目視検査で必要になる「基準」
前章でご紹介したような不良品検出の自動化は難しく、まだ目視検査が必要とされるケースは多いです。目視検査を実施するにあたり必要になるのが、「どこからが良品で、どこからが不良品である」と定められた”基準”です。そして、その基準をまとめたものが「基準書」となります。
次章からは、その基準書について必要性や内容などを解説していきます。
外観検査における基準書の必要性
基準書は「良否判断の基準を定めたガイドライン」のことであり、検査員が客観的に製品の検査を行うためのものです。
人が目視で外観検査を行う場合は、検査員による検査品質にばらつきが生じてしまいます。検査品質を均一にするために、検査時はすぐに確認できる位置に基準書を掲示して、日常的に利用します。
外観検査基準書の内容
外観検査基準書に記載される主な内容です。
- 検査項目
- 検査方法
- 検査担当者
- 不良品発生時の処理
- 判定基準
それでは順番に解説していきます。
検査項目
検査項目は、「製品の何をどのように判定するのか」を文字と写真で記載したものです。
製品によって異なりますが、製品のどの部位がどういった状態になっていると不良と判定するのか定めます。製品表面の見た目だけでなく感触に違和感はないかなど、触覚を使った検査についても項目を定めます。
一部の製品では、「安全基準の範囲に入っているか」「法規制にかからないか」といった重要な項目でもあるでしょう。
定量的でない項目の検査では、良品写真や不良項目ごとの良品限度や不良品のサンプル写真が必要です。
検査方法
各検査項目を、どのように検査するのか記載します。
- 機械の使い方（測定器などを使う場合）
- 抜き取り・全数検査といった検査の頻度
- サンプリング数
- 測定器の指定
測定器の指定では、たとえば色味の測定で色度計、打音検査で騒音計を使用するなどの取り決めを行います。
検査担当者
技能が要求される検査においては、適正評価や認定制度を導入する現場もあります。
新規採用者には適正評価、新規検査員には認定制度が効果的です。
適正評価では、周辺視野や動体視力を測定するスクリーニングテストや座り仕事や測定器の適正などを評価します。認定制度は検査精度の向上や維持に効果があり、座学や認定サンプルを使った試験や再教育を行います。
基準書には、評価結果や認定ランクを記載するのが一般的です。
不良品発生時の処理
検査員が不良品を検出した際の処理方法を記載します。
- 不具合の手直しの可否
- 不良分析の要否
- 保管の要否
上記を記載することで検査員が判定後の判断に迷わず、検査時に発生するタイムロスを少なくします。
判定基準
設定した判定項目や検査方法で検査を行ったあとに、どのような状態なら良品で、どのような欠陥があれば不良品とするのかを決めます。
満たすべき仕様や形状だけでなく、不適合時の数値や条件といった基準も明確にします。判定基準を曖昧にすると、基準書の意味がなくなるので注意が必要です。
判定基準の数値化が難しい場合は、「見本」を設けるのが効果的です。次章では、その見本についてご説明していきます。
数値化が難しい検査は「見本」を作成
目視検査は寸法検査のように数値化できないことが多く、判定基準が曖昧になりやすい点が課題です。検査員が多い場合は全員に正しく伝える必要があるので、基準書のような文字と写真だけでなく、現物で確認できる見本を作成します。
外観検査に用いられる見本は、主に3つあります。
- 限度見本
- 不良見本
- 標準見本
- ドットゲージ
それぞれ、順番にみていきましょう。
限度見本
限度見本とは、製品を自社の基準に適合した「良品」、基準に適合しない「不良品」かの限度を示した製品の見本のことです。主に、品質上問題のないキズ、汚れ、色味を判定する際に用いられます。
外観検査では、「視覚・聴覚・味覚・嗅覚・触覚」といった人間の五感で品質を判定する官能検査が用いられます。（目視検査は官能検査の一部）
官能試験では明確に数値化できないことから、合否判定の基準が曖昧になりがちです。
この曖昧さを解消するために限度見本が用いられ、たとえばキズの深さ、色ムラの範囲、汚れの程度といった良品の限度がわかるので、検査員による品質のばらつきやオーバーキルを抑えられるのです。
ただし、限度見本は定期的な更新や適切な管理が求められます。
不良見本
限度見本の一種である不良見本は、不適合品の条件を示すものです。
外観検査では、大きな変化は検出しやすいものの、小さな変化は気づきにくい問題があります。
たとえば、濃い色のムラや深いキズはとらえやすくても、少しずつ濃くなっていく色ムラや少しずつ深くなっていくキズは見逃しやすい傾向にあります。また、検査の範囲が広い製品の中に小さな異物がある場合も検出は困難です。
そこで、事前に見逃しやすい不良を不良見本として見える化しておくことで、検査の精度を高めることができます。
標準見本
品質の基準を示すのが標準見本です。
簡単に説明すると「良品の見本」であり、標準見本に近い状態のものは良品と判定することができます。あくまでも製品の標準的な品質を示す見本なので、「良品判定できる範囲」の基準にはなりません。
限度見本や不良見本は、標準見本からどれだけ逸脱しているかわかることから、不具合の度合いを知ることができます。
ドットゲージ
キズや異物などの形状を、さまざまな面積で示した標準ゲージのことです。
ドットゲージは透明なシートに印刷されていることから、良否判定の判断に迷うときに直接製品を乗せて確認することができます。キズや異物の比較を直接行えることから、ノギスなどの測定器で計測するよりも個人差が生まれにくいメリットがあります。
柔軟な判断基準の設定が可能「AISIA-AD」
記事でご説明したとおり、キズや色味といった不良は自動化が難しく、人の目に頼る製造現場は多く存在します。
しかし、検査員に頼り切ってしまうと、以下のようなリスクがあります。
- 後継者不足
- ランニングコストの増加
- ラインを増やしたくても検査人員の確保が難しい
ベテランの検査員の能力を模倣することは簡単ではありません。2倍の量を製造するのに検査員を2倍に増やさなくてはならないとなると、採用も困難ですし、人件費も高額になります。
しかし、AIを活用した外観検査システム「AISIA-AD」であれば、こういった自動化が難しいとされてきた検査も、人による目視検査と同様のレベルで判断が可能です。
AISIA-ADはディープラーニング（深層学習）を活用したAI外観検査システムです。正常品と異常品の分類や以上パターンを記憶して学習することで、ベテラン検査員と同じような精度で外観検査を行うことが可能です。
従来のAI外観検査では1からモデル作成を行う必要があり、多くの学習サンプルを揃える手間やコストがかかっていました。
しかし、AISIA-ADはカメラで撮影した動画データをラベル付けするだけの学習が可能で、「正常データのみ」「正常と異常の両方を学習」の2つのモデルがあるので、状況に応じた導入ができます。
まとめ
今回の記事では、外観検査・目視検査の判定基準についてご紹介しました。
不良品流出を防ぐための外観検査は必須ですが、基準を作った場合でも最終的な判断は人の感覚に任せているところがあります。
AISIA-ADだと従来自動化できなかった検査もカバーが可能です。外観検査に課題をお持ちであれば、ぜひお気軽にご相談ください。また、弊社では外観検査の自動化に関するお役立ち資料も無料で公開中です。ぜひ、チェックしてみてください。
