光コムが描くインダストリー4.0

 

 

「勝つのは、最高のアルゴリズムを持っている者ではない。最も多くのデータを持っている者だ」

「It's not who has the best algorithm that wins. It's who has the most data.」

 

 

この言葉は、機械学習において4つの代表的なアルゴリズムを競わせたところ、どのアルゴリズムを使っても、データが多ければ多いほどよい分類精度がでたことでこの言葉が広く広まりました。

光コムのインダストリー4.0はこの言葉に向かっており、この言葉の先まで描こうとしています。

 

 

PHASE01 検査自動化と全数検査化

1-1.生産現場、今そこにある危機 

生産現場において検査工程はあらゆる理由にて自動化が熱望される工程であると同時に、自動化がもっとも難しい工程であることが多くあります。

 

検査工程を自動化したい背景は主に以下です

1.人による検査の不安定性を自動化にて安定化

2.人材を生産工程に回したい

3.検査員のトレーニングなど維持が大変

4.生産量がピークとそれ以外で差が大きく固定費が重荷

 

人材不足の波は刻一刻ときており、最初にヒットするのは検査工程です。生産工程は自動化がいち早く進んでおり、多くの工場において、人による工程が残っているのは検査工程であることが多いためです。

この傾向は部品サイズが大きくなるほどに顕著になります。部品が大きくなると、検査を自動化できるセンサーがほとんどないことに加え、大きな部品を持って検査すること自体が重労働であることなどが背景にあります。

生産現場では、付加価値の高い生産工程に人を回していきたい中で、こうした人材不足の波により検査工程はは加速的に生産性のボトルネックになってきており、生産現場における経営危機が日々高まってきています。

それゆえ、検査工程の自動化は各工場における経営課題ともいえます。

 

1-2. なぜ光コムなのか

光コムではこのような中大型部品の検査自動化、さらに高速検査の実現により全数自動検査化に挑戦し続けており、自動化を実現していきます。

 

生産現場において、検査を自動化するのに必要な要素を光コムセンサーはいくつも持っています。

 

+外観と寸法の同時測定が可能

+ワークの容積、キズの容積も測定可能

+シミ、キズ、バリを見極められる

+外乱光の影響を受けないので現場に最適

 

 

 

PHASE02 検査データのビッグデータ化

2-1. 生産現場が新たなる進化を遂げる

生産現場において、本来検査とはなるべく避けたいもので、理想的な工場とは検査のない歩留100%の工場といわれてきました。そのため、ものづくりはフロントローディング化され、より設計で保障できる設計保障体制が確立されてきました。

このようにして生産効率を高めていくことで生産現場は進化をしてきました。

一方で、検査が自動化され、全数検査化されていくと新たな切り口で生産現場が革新的に進化します。それは「検査データのビッグデータ化」です。

ものづくりは、設計保障ができるところまで追い込みますが、やはり検査はなくならないのが現実です。検査を極力減らすところまで設計で追い込んだ先に、検査は全数自動検査化させることで次の進化が始まることとなります。

検査データをビッグデータ化するのに必要なのは3つの要素。

1.自動化による検査データのデジタル化

2.全数検査の実現

3.検査データ共有のITインフラ

 

 

2-2. 光コムとビッグデータ

光コムセンサーにより、全数自動検査の扉が開けられました。ビッグデータにするために光コムでは光コムDriveを準備しました。

光コムによる検査データは3次元形状の点群データとなります。高い質のデータの代わりにデータ容量が非常に大きくなります。データ容量は1工程1年で10TBに迫る容量を必要とします。

光コムDriveはこうした大容量データを安全に保存かつ、どこからで見れるITインフラごと準備しています。

 

 

PHASE03 人の目を超える領域へ、機械学習その先

3-1. 光コムだけができる人の目を越える領域

豊富なデータによる機械学習は、外観検査の精度を向上させるのみならず、金型の寿命予測なども可能にし、製造条件と紐づけることで、良い製品を作る指針を見出すこともできるようになります。

しかし、機械学習は万能ではありません。機械学習のアルゴリズムは日進月歩で進化を続けておりますが、機械学習によりよい結果を得るにはデータの質とデータの量で決まります。

光コムセンサーにより、全数自動検査化が可能になってきたことをこれまで述べてきましたが、ここでは、さらにデータの質も良質であることを説明します

1番の決め手は光コムセンサーのデータが3次元であることです。

人の目や光学カメラではできないキズ、バリ、シミを見極められるだけでなく、キズ、バリはその大きさ、高さ、深さ、さらには体積まで定量的に見極められることが可能となります。これにより機械学習はより高度な学習が可能となります。そして、それは人の目ではできない情報となり、人の目を超えた領域での機械学習ができます。

こうして得られる機械学習からのフィードバックは生産効率をあげる上質なるデータとなっていくことが予想されます。