欠陥を運用する

産業界で脚光を浴び始めたばかりですが、マシンビジョンソリューションはディスコの時代から製造現場で使用されてきました。初期のシステムは、局所的なコントラストの変化からエッジを検出したり、色の違いを見つけたり、コンベア上の部品や製品の穴の存在を示す画像内の「塊」を識別したりすることができました。マシンビジョンは、手作業の検査員に取って代わる革新的なツールであり、これまで不可能だったラインスピードの向上を可能にしました。

しかし、クラウド・コンピューティングが広く採用されるようになったのは、2000年代半ばのことでした。 Amazon Web Services(AWS)がElastic Compute Cloud (EC2)サービスを提供するまで、クラウドコンピューティングは広く採用されませんでした。その後、企業およびコンシューマー・アプリケーションの両方がクラウド・コンピューティングを採用するようになりましたが、ファクトリー・オートメーションでは、現場のオートメーション機器の管理にクラウド・テクノロジーの可能性を模索し始めたばかりです。

ロボットからカメラに至るまで、工場のほとんどの機械は基本的に「自動化の島」であり、せいぜい製造実行システム（MES）がスタート、ストップ、トリガー信号を調整する程度です。品質管理者が、ある期間における不良品の数を知りたければ、ノートパソコンでUSB接続されたCSVファイルを探したり、FTPでデータを取り出したり、あるいは不合格品の数を数えたりすることでしょう。

今日、様々な先進的ビジョンソリューションが登場しており、その多くはクラウドや機械学習技術を採用しています。この分野を探求する新興企業は、研究プロジェクトからスピンオフしたり、アカデミアにルーツを持つことがよくあります。しかし、ソリューションが新技術に焦点を当て、真の自動化ソリューションの他のすべての側面を無視している場合、製造業者のニーズが満たされることはほとんどありません。

クラウドコンピューティングのすべてを活用し、Elementary のような最新のマシンビジョンシステムは、すべての画像をリモートで保存し、リモートアクセスと設定を可能にし、イベント監視とアラートを提供します。Elementaryの成功の鍵は、フルスタックソリューション（高解像度カメラ、照明、ローカルコンピューティングデバイス、AIワークフローを可能にするクラウドアーキテクチャ）を提供していることです。フルスタックシステムの導入とオンボーディングは、ElementaryのQuality as a Serviceモデルによってさらに簡素化されます。このモデルでは、使いやすいインターフェイスが、顧客のサポートを任務とする機械学習アプリケーションエンジニアのチームによって強化されます。

環境や製品のバリエーションに対してロバストであるためには、従来の機械学習モデルには多数のラベル付けされたデータが必要です。良い」製品と「悪い」製品のすべてのバリエーションの例（照明のバリエーションやカメラの視野内の製品の位置と組み合わせる）を含め、適切にラベル付けする必要があります。モデルの学習に使用する前に、これらの画像を保存し、迅速にアクセスし、慎重にラベル付けを行う必要がある場合、この作業は面倒になりやすく、多くの場合不可能になります。さらに、ラベリングとトレーニングのプロセスは、モデルの精度を最大化するために新しい画像で繰り返し行う必要があるため、大変な作業となります。

可能ではありますが、エッジのみのシステムでは、エンジニアが工場のビジョンシステムの前に座り、画像にラベルを付け、モデルをトレーニングするか、または手動でデータセットをダウンロードし、オフラインで画像を処理し、ラベルを付け、モデルをマシンビジョンシステムにアップロードする必要があります。

単一のプロジェクトや概念実証としては管理可能ですが、メーカーが複数の製品やラインにAIビジョンソリューションを必要とする場合、このワークフローはすぐに管理不能になります。エッジのみのAIビジョンソリューションは、設計上パワー不足であるか、むしろ実際のアプリケーションに適していない必要があります。

クラウド技術を適切に活用することで、MLベースのビジョンソリューションはハードウェアと運用の両方の観点からスケーラブルになります。Elementaryはクラウドコンピューティングを活用し、スケーラブルな機械学習ベースのビジョンソリューションを提供します。

エレメンタリーは、次世代のAI駆動型ビジョンソリューションをTulip 統合し、既存のTulip ワークフローに検査ソリューションを提供します。これによりオペレーターは、エレメンタリーのクラウド分析とスケーラブルな管理のメリットを享受しながら、1枚のガラスを通して高度な画像検査を簡単に実行できるようになります。

エレメンタリーはフルスタック・ソリューション・プロバイダーです。つまり、エレメンタリーはAIを駆動するクラウド・ソフトウェアだけでなく、照明、カメラ、エッジ・コンピュート、取り付けハードウェア、さらには設置まで、検査を実行するために工場フロアで必要なすべてのハードウェアを提供します。

このため、新しい検査システムを簡単に追加することができ、お客様はラインに品質検査を追加するという最終目標を達成するために、部品やサプライヤーを寄せ集める必要がなくなります。さらに、Elementaryは工場現場の機器とネイティブに統合できるため、お客様は工場現場の他のシステムの動作を調整し、検査結果に基づいてさらなる不良を防ぐことができます。エレメンタリーはこれをクローズドループ品質と呼んでいます。

上のハイレベル・アーキテクチャ図に示されているように、Elementaryは、ElementaryとTulip 両方のフルスタックの性質を利用して、製造プロセスの一部として目視検査を運用します。工場のフロアでは、ElementaryはTulip コネクタを使用してEthernetIPで直接接続します。この接続によって検査プロセスが実行され、オペレータはTulip 検査をトリガーし、検査結果に関する情報を受け取ることができます。画像データはエレメンタリーのクラウドAPIから取得され、ユーザーに表示されるだけでなく、品質管理者による分析のためにエレメンタリーのクラウドに保存されます。

オペレーターのワークフローは次のようになります：

1. オペレーターは、Tulip アプリケーションに記載されている組み立て説明書に従って、通常の組み立てを行います。

2. 目視検査が必要なステップに到達すると、Tulip アプリの「検査」ボタンが表示されます。このボタンをクリックすると、検査システムがこのステップで必要な検査を実行します。

3. 欠陥が検出された場合、検査結果は合格または不合格としてオペレーターに提示されます。

4. 欠陥が検出された場合、オペレータには、再加工が必要な箇所を強調表示するエレメンタリーで撮影された画像が表示されます（上の画像）。

5. 必要な手直しが完了したら、Tulip アプリを通じて検査を再度トリガーすることができます。

Tulip Elementaryを組み合わせることで、品質検査を含む堅牢な製造プロセスを求める製造業者にとって、オペレータに追加のトレーニングやシステム間のピボット操作に必要な時間を負担させることなく、完全なソリューションを提供できます。また、エレメンタリーもTulip フルスタックであるため、ソフトウェアからハードウェアまですべてが提供され、工場チームの実装負担を軽減します。検査工程にマシンビジョンを統合することは、品質を維持し、全体を拡大するために規模を拡大する上で必須です。Tulip Elementaryは連携して、オペレータに力を与える品質検査のための信頼できるソリューションを提供します。