異常検知のイノベーション：欠陥検知の革命
JIDOKAの最新の特許技術（特許第536956号、2024年5月）は、畳み込みニューラルネットワーク（CNN）と特徴ベースのメモリを組み合わせた、異常検知における画期的な手法です。このシステムはデータの特徴を効率的に抽出・保存・比較することで、異常をリアルタイムかつ正確に特定し、誤検知を低減して検知精度を向上させます。この二段構えのアプローチは、製造や予知保全の現場を一変させ、拡張性と将来性を備えたソリューションを企業に提供します。
従来手法の課題
従来の欠陥検知は目視検査に大きく依存しており、人為的ミスの発生や、生産量の増加に伴うスケーラビリティの欠如が課題となっています。また、既存のAI手法では誤検知率が高く、新製品や多品種生産環境では入手困難な大量のラベル付きデータを必要とする点も障壁となっています。
JIDOKAのAIソリューション（仕組み）
1 プロセッサが検査対象の画像を読み込むことからプロセスが始まります
2 画像は事前学習済みのCNNに入力されます。CNNは画像内の形状、テクスチャ、パターンといった重要な特徴を識別できるAIの一種です
3 CNNは分析プロセスの各段階で、これらの重要な特徴を抽出します
4 次に、抽出された特徴マップが、事前学習済みのニューラルネットワークベースのメモリシステムに統合されます。このメモリシステムは、識別された重要な特徴を記憶・保持します
5 システムは、現在分析中の画像とメモリシステムに保存された特徴を比較します。これにより、過去のデータと比較して異常や差異があるかどうかを検知します
6 異常を特定するため、システムはCNNが抽出した特徴とメモリシステムに保存された特徴の差分を計算します。これにより、分析の各レイヤーに対してヒートマップと呼ばれる特殊な画像が生成されます
7 これらのヒートマップは元の画像サイズに合わせてリサイズされ、平均化されることで最終的な異常ヒートマップが作成されます
8 この高度な異常ヒートマップにより、保存された特徴と大きく異なる領域のみに焦点を当てることで、異常を正確に特定できます。従来の手法では発見が困難だった微細な異常も正確に検知可能です。
塵、線状の傷、損傷、測定マークなどの微細な異常を正確に特定：
主なメリット
• 新製品導入（NPI）への適応：過去の欠陥データがない初めて製造される製品でも、異常を検知可能です。
• 多品種生産への対応：変化の激しい多品種生産環境においても高い効果を発揮します。
• 迅速な導入：本システムは6週間以内に稼働可能です。これは、同様のAIシステムで通常必要とされる6ヶ月の導入期間と比較して、大幅な短縮を実現しています。
• 不良流出の削減：IM Gears社やWago India社などのクライアントにおいて、不良品の流出を5〜10%削減しました。
業界へのインパクト
JIDOKAのイノベーションは、精度向上、誤検知の削減、リアルタイム検知の実現により、自動車からエレクトロニクスまで、あらゆる業界の品質管理を強化します。この技術は、画像やセンサーデータなど多様なデータ型を効率的に処理し、大規模なアプリケーション向けに計算リソースを最適化します。
知的財産への取り組みとイノベーション文化
JIDOKAはイノベーションに深くコミットしており、2018年以降、今回の最新特許を含め3件の特許を出願しています。開発プロセスには8〜9ヶ月の共同ホワイトボーディングを経て、7〜12ヶ月の特許文書作成が行われました。その結果、2年足らずで特許を取得しました。
クライアントの成功事例
IM Gears社やWago社などのクライアントは、新製品や不良データが限られた環境下で、JIDOKAの異常検知システムの恩恵を受けています。この特許取得済みのソリューションは、多様な製品タイプや生産スケジュールにシームレスに適応し、これまで未知であった広範な欠陥を効果的に特定することで、複雑な製造シナリオにおいても欠陥のない出荷を保証しています。
インダストリー4.0の大きな課題を解決する
産業界がインダストリー4.0へと移行する中で、JIDOKAのような高度な異常検知技術の採用は不可欠です。自動化、データ駆動型の意思決定、スマート製造システムへの急速なシフトには、従来のモデルを超えたイノベーションが求められています。JIDOKAの最先端の異常検知システムにより、企業は今日の品質管理ニーズを満たすだけでなく、将来の課題にも備えることができます。
JIDOKAのソリューションは異常検知の基準を再定義し、業界全体で堅牢かつ信頼性の高い品質管理と卓越したオペレーションを実現します。
