製造工程における多結晶シリコンの瑕疵検査を効率化するため、AIによる画像検査システムを開発しました。現場環境に合わせて撮影条件から最適化を行い、作業台に設置したカメラの映像をAIがリアルタイムで解析し、瑕疵の有無をモニター上で即座に判定できる仕組みを構築しました。
対象業界、解決した課題、現在のフェーズ、採用したソリューションと得られた結果を、まずはサマリとしてまとめています。
半導体の原料である多結晶シリコンの破砕現場です
多結晶シリコンの瑕疵（かし）部分を見つけ、破砕作業を行う現場です。
作業台にカメラとモニターを設置し、手元の多結晶シリコンをリアルタイムで撮影・解析するAI画像検査システムを構築しました。現場環境に合わせて撮影条件を最適化するとともに、AIが瑕疵の有無を即座に判定し、その結果を作業台モニターへ表示することで、効率的な検査を実現します。
AIによるリアルタイム画像検査の基盤を構築し、作業台上で瑕疵判定を行える環境を実現しました。また、現場環境に合わせた撮影条件の最適化により、AI学習に適した画像を継続的に取得できる仕組みを整備しました。
なぜこのプロジェクトが立ち上がったのか、その背景を整理します。
多結晶シリコンの瑕疵検査には高度な経験が求められ、新人が一人で検査を担当できるようになるまで約1年の教育期間を要していました。そのため、検査員の育成や配置に制約があり、人材不足や業務の属人化が課題となっていたことから、AIによる検査支援システムの導入を検討されました。
過去の課題や、これまでの方法で解決しきれなかった理由を明確にします。
AIによる高精度な瑕疵検出を実現するには、AIモデルの開発だけでなく、現場で安定して画像を取得できる撮影環境の構築が不可欠でした。実際の検証では、ビニールや多結晶シリコンの反射による白飛びや、カメラと対象物の距離による視認性の低下など、現場特有の課題が確認され、撮影条件を最適化する必要がありました。
クライアントが抱えていた状況と、それに対して弊社が提供できる強みの両面から整理します。
基本方針から提案ポイント、発注者にとっての価値、そしてなぜこの方法を選んだのかという判断根拠までを順に示します。
製造現場では異物混入防止が最優先であるため、カメラや配線の設置方法には細心の配慮を行い、既存設備への影響を最小限に抑える構成としました。また、照明は作業性を維持するため変更できないという制約があったため、現場の照明環境を前提にカメラの設置位置や撮影条件を最適化する方針で開発を進めました。
本プロジェクトで我々がスクラッチから設計・実装したコンポーネントを、主要なものから順に列挙します。
モデルが判断を行うために必要なデータと、その形式・取得元を整理します。
推論結果としてどのような形でデータを外部へ渡すか、その形式と活用法を示します。
社内系統及び外部サービスとの接続点と、その接続方式をまとめます。
見えずらい部分で効いた設計・実装上のポイントを大きなものから順に記します。
キックオフから本番稼働までに要した期間と、本プロジェクト全体の費用感をまとめます。