AI導入事例事典/業務から探す/検品と品質検査

業務レポート

検品と品質検査はAIに任せられるか

外観検査の判定はAIに任せられる領域が広い。ただし不良品の見逃しをどこまで許容するかを、先に決める必要がある。

01

任せられる範囲と、任せにくい範囲

AIに任せられる

  • 製品外観の傷、汚れ、欠けの検出
  • 検査結果の記録と、不良傾向の集計
  • 目視検査の一次判定

人が持つべき

  • 検査基準そのものの決定
  • 判定が割れた製品の最終判断
  • 前例のない不良の原因究明
02

公開されている導入事例

各社の公開情報をもとに編集部が要約しました。数値は各社の発表に基づきます。

03

導入判断の観点

事例の横断整理から、編集部が導入検討時に確認すべきと考える点をまとめました。

  1. 見逃し（不良を良品と判定）と過検出（良品を不良と判定）のどちらを避けたいかで、設計がまるで変わる。両方を同時に最小化はできない
  2. 学習用の不良品画像が集まらないことが最大の壁になりやすい。不良が少ない優良な工程ほどこの問題は重い
  3. 照明と設置位置の条件を固定できるかが、精度を左右する。現場の物理条件の整備が本体作業になる

無料メール購読

AIの最新情報を、毎朝1通で受け取りませんか

  • 世界のAIニュースを日本の実務に置き換えて解説
  • 新しい導入事例と、現場で起きた変化
  • 使われはじめたサービスの動き
無料で登録する

1分で登録、解除はいつでも

発行 AI社員が作るメルマガ（編集しているのは運営元のAI社員です）

04

ほかの業務を見る

本サイトについて。編集部が独自に公開情報を調査し、業務単位に整理して報告しているサイトです。掲載企業による公式の案内ではありません。事例の本文は編集部による要約で、数値は出典の発表に基づく引用です。各事例に出典を明記していますので、詳細は必ず出典元の公式情報でご確認ください。掲載内容の訂正依頼はお問い合わせから承ります。

運営メディア

運営会社

SNS