製造業におけるディープラーニングプロジェクトの始動 – パート1：計画

ディープラーニングはそのようなシナリオでも役立ちますが、導入の成功と最終的な結果は、前もって必要なステップを踏んでいるかどうかにかかっています。通常、ディープラーニングプロジェクトには、計画、データの収集とグランドトゥルースのラベル付け、最適化、そして工場受入れテストの4つのステップが含まれます。ここでは、ステップ1の計画段階で行われる内容について紹介します。

チームを編成し、目標を明確にする

企業がディープラーニングソリューションの導入を決定した場合、さまざまな利害関係者からなるチームを編成し、現在のプロセスを検討し、新たな目標を定め、ディープラーニングがその目標達成に役立つかどうかを判断しなければなりません。このチームは、工場管理、自動化、品質保証、システムインテグレータ／機器メーカーで構成する必要があります。目標は明確に定義され、一貫性があり、チーム全員の相互合意が得られたものでなければなりません。目標には、欠陥／不適合製品の見逃し（アンダーキル）の削減、スクラップ（オーバーキル）や欠陥／不適合製品・部品の削減によるコストの管理、あるいは良品か不良品かの判定にとどまらない追加的な欠陥分類機能の提供などが含まれる場合があります。

共同チームが次に進むことを決めた場合、ひとつのステップとして、経営陣に対してリソースの支出を正当化するために使用できる「灯台」プロジェクトを特定することがあります。このプロジェクトは、非現実的な目標を掲げるものであってはなりません。プロジェクトは、簡単すぎず難しすぎず、かつ経営陣に対して将来のディープラーニングの導入が実行可能なことを説明する上で、確かなリターンを生み出せるものでなければなりません。

プロジェクトを選択し、前進する

メーカーによっては、既存のマシンビジョンソリューションが偽陰性や偽陽性を過剰に生成していたり、あるいは過剰な製品バリエーションや環境の変化が原因となってシステムがうまく機能しなくなったりしている場合があります。たとえば、自動車電子機器検査では、端子スポット溶接の適用がルールベースのシステムにとって問題となる可能性があります。

端子スポット溶接では、ヘアピン、配線とパッド、配線と配線など、さまざまなタイプの溶接が行われ、これによって反射する表面を持つわずかに変化する三次元金属突起が形成されます。マシンビジョンシステムが端子スポット溶接画像を取り込む場合、最適な部品であっても、反射、影、着色領域、表面のざらつきが含まれることが多くあります。これらによる影響は、多くの場合、クラック、傷、火傷、溶接部の過不足など、実際の欠陥に類似しています。従来のマシンビジョンシステムでは溶接部を確実に検査できず、良品と不良品を区別できないことから、このような自然なばらつきは問題を引き起こします。

ディープラーニングベースの検査システムは、社内の専門家によって評価・ラベル付けされたデータセットでトレーニングされます。これにより、ソフトウェアは良部品と不良部品を区別し、欠陥製品の問題タイプを特定することができます。このような機能を備えたディープラーニングソフトウェアは、手作業による検査や電気テストに代わる実行可能な代替手段を提供し、ルールベースのアルゴリズムでは実行できない部分を補完します。

このブログシリーズのパート2では、データ収集とグランドトゥルースについて紹介します。パート3を読んでディープラーニング展開の最適化とパート4工場受入試験について学びましょう。