澤田悠佑氏

・ルールベース検査とAI検査のちがい ・AI精度目標の考え方 ・AI学習用データの質と量 ・よくある精度が出ない原因 ・内製化を推進するべき理由 ・検査結果データを活用し歩留まり改善活動へ ものづくりには欠かすことのできない外観検査工程において、検査員の育成には10年必要だと言われている中、人手不足による影響を受け技術継承への対策が求められています。弊社ではものづくり企業が直面している課題に対し、人の感覚器官をシステム化するAI技術をもちいて、いち早く企業が持つノウハウを形に残していくべきだと考えています。その為に、外観検査においては、何をどうやってデータ化するべきなのか、企業とベンダーが何をするべきなのかを考えたいと思います。本セッションでは、弊社が行ってきた外観検査AIの導入経験を元に、AIの育て方と失敗しがちなポイントをお伝えし、製造DX時代を生き抜くために必要な、内製化の進め方についてお伝えします。