GDLC9 Macnica Baba-san

1. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
外観検査設計の自動化とディープラーニングの有効性を本気で検証
2018/10 macnica

2. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
Topics
マクニカのIoT x AIサービスへの取り組みについて
DeepLearning x 外観検査装置の検証
2

3. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
製造工場からの需要の多い、予知保全、異常検知、不良原因分析、物体検知、外観検査自動化
の実現を人工知能（AI）の導入で目指す。（製造現場へのAI実装）
マクニカIoT×AIサービスについて
3
異常検知
予知保全
不良原因分析
外観検査自動化
物体検知
その他
国内パートナー
海外パートナー
• センシングからデータ利活用/見える化まで
• 最先端半導体テクノロジーを活用した提案
• 分析アルゴリズム組み込み（エッジコンピューティング）
• 製造業に精通したエンジニア/データサイエンティストに
よる分析
• 機密性の高いデータを守るセキュリティ対策
コンサルティン
グ
インテグレー
ション
保守
導入サポート
実運用サポート課題のあぶりだし
検証方法の提案
検証環境の提供
本番機開発
量産システム納入
保守メンテナンス課題・要望の
確認と深掘り
お客様 マクニカIoT×AIサービス
マクニカIoT×AI
サービスパートナー

4. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
センシング技術
4
各種センサの選定センサ取り付け位置の検討
各種IoT x AIソリューションシステムのご提案
軸受異常検知システム 工具異常検知システム
コンサル
ティング
データ
収集
分析
実装
運用
データ
前処理

5. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
データ分析 前処理の検討
5
推論モジュールの
組み込み
データ分析、レポートサポート 推論モジュールの開発、組み込みサポート
コンサル
ティング
データ
収集
分析
実装
運用
データ
前処理
おかげさまで取り扱うデータ数純増中！！（分析時間も純増中！！）
高速化に向けた素晴らしいお話が聞けるらしい…

6. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
実装・運用
6
無線式振動センサモジュール エッジコンピューティング端末
パートナー連携ソリューションの構築
コンサル
ティング
データ
収集
分析
実装
運用
データ
前処理
JIMTOF2018＠東京ビッグサイトにてデモ展示
11月1日～11月6日まで

7. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
SENSPIDER
高速サンプリング入力に対応したデータロギングとエッジコンピューティングを組み込み可能なコンパクト端末
7
 機械のコンディションモニタリングに必要な機能を集約
 センサー用電源
 センサー用アンプ
 データロガー
 コンピューティング
 外部通信インターフェイス
 データのロギング時に必要なポイントのデータのみを抽出
 3種類のインターフェースカードを組み合わせることにより、最大
8chまで任意のセンサインターフェースにカスタマイズ
 回転体の異常検知に最適な高速サンプリングセンサ入力
 データに対するエッジ処理機能の拡張が可能
 W150×D85×H100と装置に組み込み可能な小型製品

8. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
マクニカのIoT x AIサービスへの取り組みについて
DeepLearning x 外観検査装置の検証
8

9. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
外観検査装置の設計問題
9
＞＜
複雑な設計 検査対象の変更 担当者の変更
長時間の設計
外観検査の設計に
１週間以上かかることも・・・
工数過多
検査対象に変更があると
都度設計が必要・・・
人員確保
外観検査の設計に高い技術ス
キルを必要とする為、担当者の
確保が難しい・・・

10. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
そこで弊社が本気で検証を行いました
10
人の目で見ても分かりにくいワークでも
本当に学習できるのか
深層学習を使った外観検査の設計が
どこまで自動化されているのか
実際に外観検査装置へ
推論モデルを実装して動かしてみよう！

11. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
難しいワーク ～弊社のチャレンジ～
11
人の目で見ても
分かりにくいワーク
木材モールディング
難しいワークにチャレンジする事で複数の検査対象へも対応できると考えます
1つとして同じものは無い為、
想定外のワークが流れてくる自然物
木目が邪魔して
NG品の傷が見分けづらい木目
凹凸が邪魔して
NG品の傷が見分けづらい彫り物

12. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
これに傷をつけてNG品を作りました
12
人の目で見ても
分かりにくいワーク

13. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
DLで学習
処理ロジック
を実装
深層学習を使った外観検査は？
13
基準を作る 準備をする 設計する 判定する
サンプル画像
の収集
特徴抽出
処理ロジック
を実装
実装した処理
で判定
サンプル画像
の収集
サンプル画像の
ラべリング
実装した処理
で判定
従来の外観検査
深層学習を使った外観検査
検査基準の
策定
検査基準の
策定
大変だったココを自動化！
とにかくココが大変！
DLを使った外観検査の設計が
どこまで自動化されているのか

14. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
準備したもの
14
＋ ＋
外観検査装置
GPU組み込み済
ワークステーション
学習ソフトウェア
DLを使った外観検査の設計が
どこまで自動化されているのか

15. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
いざ、開発！
学習
 Images：70
 Epoch:1000
15
実装
 学習モデルを使用するためのクライアントアプリケーションはツールが内包
自力で行ったのは検査装置とのデータやり取りの設計のみ
Test accuracy: 99.97%, （10モデル生成、ハイパーパラメータはツールの初期値）
DLを使った外観検査の設計が
どこまで自動化されているのか
少ない
7000枚にオーグメンテーション
ここまでツールでフロー化

16. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
本日はデモ動画をご覧いただきます
16
① 外観検査装置にワークを流すと
② 外観検査装置の上のモニターで検査結果を表示します。
（判定結果と注目箇所）

17. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
OK品
17
検査対象 注目箇所
No Image
ＯＫ NGＯＫ
ＯＫ

18. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
NG品 木目に対して90度に傷
18
検査対象 注目箇所
ＯＫ NGNG
ＮＧ

19. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
NG品 木目に沿って傷
19
検査対象 注目箇所
ＯＫ NGNG
ＮＧ

20. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
外観検査装置の設計問題
20
＞＜
複雑な設計 検査対象の変更 担当者の変更
長時間の設計
外観検査の設計に
１週間以上かかることも・・・
工数過多
検査対象に変更があると
都度設計が必要・・・
人員確保
外観検査の設計に高い技術ス
キルを必要とする為、担当者の
確保が難しい・・・
ツールが整備！ 木目もイケた！ AIで代替！

21. Copyright © 2018 MACNICA, Inc. All Rights Reserved.
既存の外観検査装置でお悩みの方、これから検証をご予定されている方へ
21
やっぱり外観検査とDeepLearningは親和性が高い
開発期間が短く簡単になっているのは間違いない
（開発フローがツールとして十分整備されている）