導入事例
マシンビジョン導入事例は、AIビジョンが欠陥を検出し、対象を識別してロボットを誘導する実運用を紹介します。品質検査、分類、OCR、AR支援作業、ビジョンガイドロボティクス、組立検証、物流ピッキングを扱い、半導体、電子機器、自動車、製薬、医療機器、物流の各生産現場における課題、システム構成、導入条件、運用結果を示します。製造チームが用途別の技術要件と統合範囲を比較するための情報を提供します。
製品導入事例
導入事例
AccuPick
SolVision
META-aivi
SolMotion
電子部品のはんだ付け検査にAIを使用
META-aiviが電子部品検査を最適化し、AIを使用してはんだ付け検査における精度を向上し、人為的な誤りを減らす方法を探ります。
AIを使用した金属ボルトの欠陥検出
SolVision は、反射面の課題に対処し、ボルト1本あたりわずか 49 ミリ秒で完璧な100％の欠陥検出率を実現し、偽陰性を排除します。
IVバッグ内の異物検出
SolVisionは、効率的な欠陥検出のための革新的なAIビジョンシステムを使用して、IVバッグ内の異物の100％の検出率を達成します。
AIを使用した自動車部品の品質管理
META-aiviは、AIを活用して自動車部品の品質管理を最適化し、エラーを減らし、プロセスをデジタル化して、比類のない製品検査効率を実現します。
金属ケーシングの欠陥検査にAIを使用
SolVisionは、反射面を持つ金属ケーシングの欠陥検出と分類が可能なAIにより、電子機器の品質管理を向上させます。
AR + AIを使用した消火器点検
META-aiviの導入により、消火器の検査が改善され、リアルタイムで問題を検出し、プロセスを効率化し、検査時間を60%削減する方法をご紹介します。
自動野菜AI視覚検査
SolVisionを使用した野菜AI視覚検査は、わずか50ミリ秒でアーティチョークの向きの100%の正確さを達成し、食品生産の効率を向上させました。
自動車の鋼板塗装のAI欠陥検査
AIビジョン技術を活用して自動車の鋼板塗装の欠陥を検出し、全体的な効率を向上させ、生産ラインの生産性を高めます。
AIを使用してプラスチック部品のリサイクル検証を行う
META-aiviがAIを活用して廃棄物管理を最適化し、エラーを減らし、汚染を防ぎながらプラスチック部品のリサイクルの効率を向上させる方法を探ります。
AR（拡張現実）+ AI（人工知能）を使用した在庫管理
META-aiviは、スマートな在庫管理によって物流効率を向上させます。AR + AIは、数え上げの精度を高め、人為的なエラーを減らし、ワークフローを合理化します。
溶接ビード欠陥検出
AIモデルは、適格な溶接ポイントに対して訓練され、システムにアップロードすることができます。これにより、ARメガネやタブレットデバイスを使用して溶接されたセクションをAI検査し、欠陥のある溶接を迅速に認識できます。
インテリジェントなリモート施設管理
機械ビジョンは、光学文字認識（OCR）を実行するために利用されます。この情報はクラウドに送信され、検査レポートを作成し、工場のオペレーターがモバイルデバイスを介して施設の検査を簡単に監視できるようにします。
土木インフラの監視と検査
META-aiviは、ポンプステーションで計量レベルやパネルのインジケーターライトを常に監視し、すべてが正常に動作し、安全範囲内であることを確認するために、AIモデルとOCR（光学文字認識）技術を使用しています。
AIを利用した自動ギアの積み込み
AccuPickは、自動化されたギアの積み込みによって自動車部品製造を向上させます。AIによるビジョンシステムは、正確なピッキングと衝突回避を確実にします。
ロボットでの自動化で危険な作業プロセスの無人化を実現
ICS SAKABE様によるSolmotionを含むロボットやIoTシステムの構築により、九州鉄道機器製造様の製造プロセスの自動化・無人化を達成できました。Solmotionが九州鉄道機器製造様の製品の安定供給と従業員の方々への負担やリスク軽減の一助となれたことを嬉しく思います。
射出成形機の運用状況監視
META-aiviは、機械の自動故障検出と監視によってプラスチック射出成形を最適化し、効率性を向上させ、停止時間を削減し、コストを削減します。
電動車の部品組み立てSOPの検証
META-aiviのAR + AI機能が世界をリードする電気自動車メーカーの一つの電気自動車の組み立て検証と品質管理を向上させた方法を発見してください。
AR + AIを使用したタンクローリーの安全な積み下ろし
META-aiviは、化学物質タンカーの積み込み/荷卸しプロセスをステップバイステップで検査し、オペレーターが正しい手順に従っていることを確認するためにAI検出を使用します。
ガラスファイバーボビンのデラック
Solomonの3D AIソリューションーSolomonの3Dスキャナがロボットアームの先端にマウントされており、そこからのスキャンとAI画像認識システムでのボビン位置の認識を可能としています。精密な座標（誤差±3mm）情報により、このシステムはロボットが正確に積み下ろしのタスクをこなしてボビンを次のステーションへ運ぶことに貢献しています。
自動車製造工程でのビジョンガイドロボット(VGR)
ソロモンのVGRソリューション「SolMotion」は、最先端のAIと3D技術を使用して、車両のシーリングなどの複雑な製造作業を支援します。
タイヤ裏側コードを素早く特定
タイヤは製造工程で高圧・高荷重・高温の工程を多く受けます。現場の機械や材料から発生する粉塵に加え、印刷工程の長期運転により、内管の表面がぼやけたり、色ムラがあり、裏側認識に関する影響があります。大量生産後の手動認識は認識度が悪く、従来のAOI検出を使用すると、デジタル印刷がクリアでなくても効果的に認識できない。
繊維の欠点検査の最適解
現在繊維産業の生産現場では目視検査が主となっていますが、不良品流出率の高さ、工程時間の長さが問題となっています。繊維の欠点としては紙管の汚れ、変形、繊維の汚れ、繊維の破損、繊維の捩れ、ヘアラインなど多岐にわたります。目視検査では実際の要求品質に見合った検査はできず、従来式の光学検査（AOI）では欠点の認識に柔軟性がないため誤判断が多く、目視検査で再検査しなければなりません。労働コストを最適化するためには、繊維の検査は高効率なものでなければならないのです。
靴下の外観不良検出
靴下の生産工程は、デザイン、編立、縫製、旋盤、成形、そして最後に品質検査と包装に分けられます。 繊維産業は労働集約型の産業であり、品質管理のチェックポイントである目視検査はもともと手作業で行われていましたが、検出率が低いだけでなく、視覚疲労で靴下の外観検査も遅れることがあります。
ゴム製射出成型品の高精度欠点検知
ゴムの射出成型工程では原料品質、機械設備企画、金型設計などが射出成型品の品質に影響を与えるファクターとなります。射出成型品の欠点として一般的に多くみられるのは、外観とサイズの異常です。例えば汚点、空孔、金型の傷の影響、取り出し時に生じる傷などです。
従来のメータのデジタル化ソリューション
デジタル化の困難点：従来のメーターのインターフェースの限界: 従来のガス監視機器は、ダッシュボードに表示されるものの、デジタルインターフェースがないため、数値情報を即座に中央監視システムにアップロードすることができず、プロセス全体のデジタル化に支障をきたしていました。