外観検査の自動化事例と導入効果まとめ

工場の外観検査の自動化導入で悩んでいる方向けに、自動化のメリットや導入時のポイント、注意点など、気になる情報を徹底解説。実際の導入事例からみる導入効果などについても詳しくまとめています。

外観検査とは

外観検査の目的と
工程での位置づけ

外観検査は、製品が出荷される前に行われる最終的な品質チェックの工程です。そのため、検査精度が製品の品質保証において重要な役割を担っています。ちなみに、外観検査の目的は、製品の外観に関する不良や欠陥を発見し、顧客に届ける前に不良品を除外することです。

外観検査は出荷前検査とも呼ばれており、品質管理システムの中でも重要な工程の1つです。そのため、厳格な外観検査を実施することにより、製品の信頼性とブランドの信用を維持することが可能となります。

人手による外観検査の現場実態

現場の課題の1つは、製品の外観や仕上がりをチェックする能力が、個人の感覚に依存し過ぎて属人化しやすいということです。また、ベテラン検査員の確保や技術継承が困難となることもあります。

長時間の目視による確認が主な作業となるため、肉体的・精神的な疲労が蓄積しやすくなり、集中力や判断力が低下し、不良品の見逃しが発生するリスクも。さらに、経験豊富な検査員を雇用するには、一定以上の人件費も必要となります。

外観検査の一般的な対象

基板（プリント基板）

電子機器において重要な役割を果たす部品であり、主に表面の傷や汚れや部品の実装ミスの有無の検出に外観検査が実施されています。

金属部品

機械製品や電子機器において重要な構成要素であり、強度や耐久性を担保するために、表面の傷やへこみ、腐食やサビ、表面処理の不良などの検出に外観検査が採用されています。

ラベル

製品の情報やブランド名、警告、取扱説明などを表示するために貼付されるものであり、位置ずれや印刷不良、汚れやしわなどの有無を検出するために外観検査が実施されています。

塗装面

製品の外観を大きく左右し、視覚的な印象を決定づける重要な部分であり、塗装ムラや傷やヘコミ、異物混入などの有無を検出するために、外観検査を実施しています。

外観検査の自動化が
注目される理由

人の目の限界を超えるAI活用

人の目に依存する外観検査では、検査員の熟練度や体調、集中力などによって判断にばらつきが生じやすく、特に微細な傷や色調のわずかな違いなどは見逃されやすい傾向があります。

AIを活用した外観検査では、高精度のカメラと画像解析アルゴリズムを組み合わせることにより、肉眼では識別が困難な微細な欠陥や違いを高精度で検出することが可能。また、常に一貫した基準で正確に検査することができるため、品質管理や歩溜まり改善に寄与することができます。

作業者の確保・教育負荷の軽減

人の目による外観検査では、製品の微細な欠陥を見つけるために、検査員に長年の経験や勘、高いスキルが求められます。しかし、自動化を導入すれば、設定された基準に従って正確な検査ができるため、作業者の熟練度に依存することはありません。

また、目視検査の経験を積むためのトレーニングや教育の時間も必要としないため、業務の立ち上げや新規作業者の教育にかかるコストや時間を軽減することができます。

トレーサビリティ・
データ化対応

従来の目視検査では、NG履歴情報は手動で記録され、漏れや誤記、転記ミスなどが発生するリスクがありました。これに対し、自動化を導入すれば、NG品の発生時にその情報を自動で記録し、データベースに保存・出力することができます。

自動化システムが生成するデータは、リアルタイムで分析・フィードバックすることができるため、問題を早期に発見することにより、品質保証活動がより迅速かつ効率的に行えるようになります。

外観検査の自動化で
使われる技術

画像処理カメラの仕組み

外観検査の自動化に用いられる画像処理カメラは、基本的に、撮影＋照明＋判定ロジックの３つの要素から構成されています。高解像度のカメラで撮影し、製品の詳細な画像を取得しますが、画像品質を大きく左右するのが照明です。そのため、照明の角度や強度、コントラストの調整などを適切に行う必要があります。

画像を解析し、異常を検出するために必要となるのが判定ロジックです。画像解析アルゴリズムやAIなどを使用しますが、製品によって材質や表面処理など、外観に求められる特性が異なるため、適切な条件設定が必要です。

AI学習による
OK/NG判定の流れ

AI学習を活用したOK/NG判定では、主にディープラーニングを用いた画像分類モデルが使用されるのが一般的です。そのためには、検査対象となる製品の様々な状態を反映している多数のサンプル画像を収集する必要があります。

判定には、収集したデータを使用してAIモデルの教師学習を行う必要があり、AIに「OK」と「NG」のラベル付きデータを提供し、それらの画像からパターンを学習させなければなりません。このAIの教師学習内容が精度向上の重要なカギとなります。

照明と背景調整の重要性

画像撮影時の照明および背景調整は重要な要素です。特に、製品の表面に現れる反射や陰影を適切に管理しなければ、検出精度の著しい低下につながることも。そのため、照明と背景の環境設計は、欠陥や異常を正確にとらえるための必須条件となり、誤判定や見逃しを防ぐために慎重に調整する必要があります。

具体的には、反射を減らすためのライトの角度調整、偏光フィルターの使用、マットな照明の使用のほか、均等な照明の配置やバックライトを使用した陰影の強調などが考えられます。

連携される周辺装置の例

外観検査においては、連携される周辺装置と統合・連動することで全体効率を最大化することができます。周辺装置の例として、コンベアシステムとの連動では、連動によるタイミングの最適化や自動調整機能の追加が必要です。

また、ピッキング装置との連動により、検査結果に基づくアクションが迅速に行われ、効率的な生産ラインの運営が可能に。さらに、不良品を自動的にラインから排出する排出機構と連動することで、良品のみを次の工程に進めることができます。

自動化のメリットと実現できること

メリット①：
見逃しの低減

外観検査の自動化は、目視による疲労や注意力の低下による欠陥や異常の見逃しを防ぐことができます。カメラやセンサーが一定の性能で稼働し続けるため、長時間の作業でも判定精度が安定し、見逃しリスクを大幅に低減することが可能です。

目視検査では、時に主観的な判断が入ることがあり、人の目では許容範囲とみなした微細な傷が実際には、品質基準を超えていることも。一方、自動化された検査システムでは、常に客観的な基準で製品を評価することができるため、ばらつきのない製品検査ができます。

メリット②：
作業の標準化と定量化

自動化された検査システムでは、感覚的なOK/NGの判定ではなく、数値やロジックに基づく明確な基準で製品を判定するため、品質管理が一貫して行われ、安定した結果を得ることができます。

また、定量的なアプローチにより、検査基準の変更や改善が容易になり、データの追跡や解析も行いやすくなります。その結果、品質の向上、コスト削減、製造ラインの効率化を実現し、全体的な生産性と製品の信頼性を向上させることが可能です。

メリット③：
夜間稼働・無人化対応

自動化装置は、1名体制や完全自動ラインなど、人手不足で悩んでいる企業にも効果的に導入することができます。例えば、夜間や休日の稼働も問題なくできるため、人がいなくてもラインの稼働率を最大化することが可能です。

また、人の介入がほとんど不要な完全自動ラインであれば、省人化だけでなく大幅なコスト削減を実現することもできます。さらに、労働力に依存することなく、長期的に安定した稼働を実現できるため、製造業が持続可能な成長を続けるためにも効果的です。

成果が出やすい導入ケース

外観検査の自動化においては、単品少量生産よりも多品種中量生産～連続大量生産の方がROIが出やすい傾向があります。その理由として、中量生産～大量連続生産は、スケールメリットや生産ラインが安定していることが挙げられます。

自動化された外観検査システムは、一定以上の生産量がある方が、コスト効率や品質管理の一貫性を向上することができ、投資回収を早めることが可能です。一方、頻繁なライン変更や少量生産が影響する単品少量生産では、ROIが低くなる傾向があります。

外観検査の自動化導入といっても、製品の特性や自社の課題やニーズによって適した技術や企業は異なります。

このサイトでは工程別に相談しやすい企業を紹介していますので、「うちの場合、外観検査は自動化できるのか？」という方は、工程別の自動化企業比較をご覧ください。

自動化の課題・よくある失敗

製品個体差・ばらつきへの対応

製品ごとの微細な仕様の違いや部品の配置のズレ、ばらつきなどが原因となり、誤判定で不良品としてはねられる場合もあります。ただ、微細な違いが検査基準を超えると製品不良率が実際よりも高くなり、誤った不良品選別が行われることも。

これを防ぐには、判定幅の設計の最適化がカギとなります。具体的には、製造プロセスを理解させるとともに、過去の品質データや製品のばらつきに関する統計的な分析を活用し、判定幅を設定することが必要です。

「人の感覚」の置き換えが
難しい場面

目視検査では、長年の経験や勘に基づいて、直感的な違和感や不自然さによって判定を行うことがあります。一方、なんとなくの違和感やグレーゾーンの判定は、機械や自動化システムにとっては難易度の高いもので、直感的な感覚をプログラムで表現することは容易ではありません。

そのため、微妙な違和感の再現やグレーゾーン判定をするためには、ディープラーニングの活用や画像認識の強化のほか、機械の判定と人間の目視を組み合わせるなどの工夫が必要です。

初期導入コスト・
開発期間の不安

初期導入コストや開発に要する期間は、自動化導入を躊躇する要因になりがちです。特に、高額な初期投資が必要となれば、経営に及ぼす影響も小さくありません。また、製品の種類や用途に応じたライン全体のカスタマイズにより、開発期間が長くなることもネックになることがあります。

一方、最も重要な部分や最も高い不良率を示す工程からスモールスタートする方法も。また、既存の機器や設備に新しいセンサーやカメラ、AIシステムなどを追加するだけの既存機器の流用でも、コストを抑えた段階的な導入が可能となります。

外観検査装置の選び方

照明・背景条件の調整性

外観検査自動化装置の選定において、検査精度に直接的な影響を与える照明や背景条件の調整性は、重要なポイントとなります。照明は、検査の精度を左右するものであり、不適切であると影や反射、色の見え方などが原因で誤判定となることも。

一方、白背景は色の違いや細かい傷、凹凸を検出するのに有効であり、黒背景は特に光沢のある金属や暗色部品の検査に向いています。このように、照明や背景条件は製品の種類や環境条件によって変化するため、実機で評価することが大切です。

ソフトウェアの調整難易度

ソフトウェアの調整は外観検査自動化装置の要となります。そのため、現場で設定変更が可能かどうか、そしてベンダー依存度が高いか低いかを比較することは重要なポイントです。

現場で設定変更できるシステムは、柔軟性が高く、コスト削減やダウンタイムの短縮に寄与します。一方、ベンダー依存度が高いシステムでは、運用に遅れが生じやすく、コストが膨らむことも。そのため、現場のニーズに合わせたソフトウェアを選び、適切なトレーニングを実施することが効率的な運用に繋がります。

保守・トラブル時の対応体制

外観検査自動化装置を選定する際には、保守・トラブル時の対応体制も重要なポイントとなります。そのため、トラブル発生時に迅速かつ的確な対応ができるかどうか、また、予防保守やサポートがどれだけ充実しているかを事前に確認することが大切。

これにより、長期的な運用が安定し、製造ラインの停止を最小限に抑えることができます。特に、レスポンス体制の質やベンダーの信頼性を見極め、現場での運用やメンテナンスをスムーズに行えるような体制が整った装置を選定することが大切です。

導入の流れと
準備しておきたいこと

構想段階で準備すべき情報

外観検査自動化装置のスムーズな導入のためには、適切な情報を収集し、整理するなど、構想段階での準備をしておくことが重要です。中でも、製品寸法、検査項目、想定不良などの情報は、システム設計の要となり、適切な選定と調整に欠かせないものとなります。

また、過去の事例や実勢の製品現物を利用することも有効であり、これにより、特有の問題点や必要な改善点を明確化することが可能。特に、複雑な形状や微細な欠陥があるケースでは、現物を使用した初期テストやデモが効果的です。

よくある検証内容の例

OK品／NG品の学習については、PoC段階で、正確に識別できるような学習プロセスを徹底的にテストすることが必要です。これにより、不良品のパターンを理解するとともに、将来の製品でも高精度な識別が可能となります。

外観検査の精度を大きく左右する照明については、様々な角度、強度、色温度の照明を用意して、自社製品に最適な条件を明確化します。さらに、カメラやセンサーの性能や不良品検出アルゴリズム、ラインとの統合などについての検証も必要です。

導入までのスケジュール感

外観検査自動化の導入の際には、しっかりとしたステップとスケジュール感を持って進めることが重要です。また、現場特有のニーズに合わせたシステムの設計と調整が必要であるため、ある程度の時間がかかることを想定しておく必要があります。

一般的なシーケンス（ヒアリング → 提案 → 評価 → 製作 → 立上げ）は、 おおむね2〜6か月が目安です。 ただし、検査精度の要求レベルやカスタマイズの有無、現場への据付条件などにより 工期が延びるケースもあるため、余裕を持ったスケジュール設定が不可欠です。

※ 上記期間は、SIer・装置メーカー各社の公開事例をもとに編集チームが算定した目安値です。

導入事例

事例：電気制御表示モニター
外観検査自動化

• 業界：電気機器製造
• 規模：中小企業
• 工程：外観検査の単体機間の搬送

電気制御の表示モニターを作業者2名で単体機を組み合わせることで検査を実施していました。手搬送で手間や時間がかかるとともに、2人の作業者が必要となるため省人化が求められていました。

単体機としては検査手法が確立された装置であったため、単体機の組み合わせをロボット化することで自動化を実現しました。通電チェックと目視検査を行った後に、ロボットが奥の画像検査機へ搬送し、点灯試験と画像検査を実施。そのため、検査時間、搬送時間を相殺することが可能となり、サイクルタイムの短縮を実現することが可能に。

作業者2名による単体機での検査、手搬送を行っていた工程を自動化することにより、目視検査員1名を完全に削減することができました。

参照元：サカエ（https://engineer-knowledge.sakae-jp.com/display-monitor-visual-inspection）

この事例は、サカエによる自動化対応の一例です。会社の自動化の特徴や詳細はこちらからご確認ください。

事例：樹脂チューブ
キャッピングシステムの自動化

• 業界：化粧品容器・食品容器製造
• 規模：中小企業
• 工程：キャッピング後のキャップの締付状態の外観検査

樹脂製チューブ（空容器）にキャップを装着するキャッピングシステムにおいて、キャッピング後の外観検査を自動化した事例です。ABLオーバルチューブは把持時変形しやすいという特性があるほか、カメラ検査の設定画面を操作画面用タッチパネルで兼用したいという要望がありました。また、設定時の機器操作が広範囲に及ぶため、操作パネルの複数設置もリクエスト。

導入後は、シリコン素材によるソフトチャックを採用し、エアチェックをレギュレータ調圧することにより、変形しやすいチューブの把持力を微調整することができるようになりました。また、操作画面は正面および裏面にそれぞれタッチパネル操作ペンダントを配置。さらに、カメラコントローラと制御系のイーサネット接続を統合することにより、操作画面上でカメラ設定も行えるようになりました。

参照元：名古屋精工（https://meisei-web.co.jp/case/27-2/）

この事例は、名古屋精工による自動化対応の一例です。会社の自動化の特徴や詳細はこちらからご確認ください。

事例：金属部品の
表面傷検査・形状測定

• 業界：自動車部品製造
• 規模：中小企業
• 工程：外形・内径・全長・深さ・傷の検査

ヨーク製品の外形・内径・全長・深さ・傷の有無を自動検査した後に、トレイへ払い出しを行う設備です。部品の外観の異常の有無をカメラやレーザーや変位センサーを使用して自動で検査することができます。

部品供給に関連するトレイチェンジャーには、動的機構を一切使用しておらず、管理、配膳のすべてをロボットが行うことにより、トレイチェンジャーのメンテナンスを低減することが可能に。また、検査に使用するソフトウェアは自社開発しており、表面の傷判定は独自技術によるアルゴリズムで行われます。

参照元：技研システック（https://www.gikensystec.co.jp/case/2013001）

この事例は、技研システックによる自動化対応の一例です。会社の自動化の特徴や詳細はこちらからご確認ください。

まとめ

まずは“一部工程”からの
自動化も可能

外観検査の自動化導入においては、いきなりすべての工程を自動化するのではなく、一部の工程からスモールステップでスタートできる柔軟性があります。初期投資もそれほど高額にならないため、初期相談のハードルは低いといえるでしょう。

工程・製品特性に合った
企業選びが成功のカギ

何をどのように検査するのかによって、自動化導入の相談をするべき会社は変わります。選定力が自動化導入成功の決め手となるため、工程や製品の特性に合った企業を選ぶようにしましょう。