図面の数量拾いと目視検査が人手に依存し、工数と品質リスクが膨らんでいる
見積のたびに、図面上の記号や部品を一つずつ数える。検査では見逃しが許されないなか、目視での確認が続き、担当者の負担は大きく、精度を保ち続けることが難しい。図面も製品も、情報は目の前にあるのに機械が読める形になっていない。
「見て判断する」工程が人手に固定されていることが、リードタイムの長さと品質のばらつきを生んでいます。
APPROACH
図面や製品画像は、現場の判断を支えてきた重要なデータです。Spark+は、CV（コンピュータビジョン、画像から情報を読み取る技術）を用いて、この視覚情報を数量や判定結果といった扱えるデータに変換します。
対象は図面の記号検出と数量集計、類似図面の検索と照合、製品の外観検査まで幅広く、要件に応じて検出・分類・照合のアルゴリズムを設計します。精度は撮影条件に大きく左右されるため、必要であれば照明やカメラの配置を含む撮影環境の構築から関わり、学習データが足りない場合のデータ収集とアノテーション設計も同じ枠組みの中で進めます。
難所同じ記号でも図面ごとに縮尺・向き・線の重なりが異なる。テンプレート照合では取りこぼすため、検出と対応づけを分けて設計する
※ 実案件の構成を一般化した一例です。構成は要件に応じて変わります。
SERVICE
CASE
撮影環境の構築から一貫して支援し、欠陥検出を自動化
BEFORE
部品表面の微細な欠陥の検出を目視で行っており、工数がかかるうえ、検出できるようになるまでに訓練を要した。次々と製品が流れるため、一点にかけられる検査時間も限られていた。
AFTER
撮影環境のコンサルティングからアノテーション、データセット構築、モデル開発、評価までを一貫して実施し、欠陥検出を自動化。検査工数の削減に貢献した。
類似図面の検索により、見積作成時の参照作業を支援
BEFORE
見積の際に人手で過去図面を参照しており、膨大な時間がかかっていた。保有図面の情報は現場担当者に依存し、見積業務の属人性が高かった。
AFTER
新規図面に対し、形状やサイズの近い過去図面を自動で検索する仕組みを構築。過去の部品への知識の有無にかかわらず、全図面にアクセスできる状態を実現した。
欠陥の分類を、画像と付随データを組み合わせて高精度化
BEFORE
欠陥品の分類を目視で行っており、多くの作業者を要していた。データに多様な属性が紐づいており、そのまま学習データとして使うことが難しい状況だった。
AFTER
データセットの設計からマルチモーダルモデルの開発までを一貫して担い、画像に加えて検査時の数値データも活用。欠陥種類の分類精度の大幅な向上を実現した。
RELATED
CLIENT
貴社の図面や検査画像をお見せください。
AIで検出・検査が可能な範囲と、必要な撮影条件を実データから見極めます。
初回のご相談は無料です。構想段階や、課題がまだ言葉になっていない段階でも構いません。現状を伺いながら、AIで解ける課題かどうかのアセスメントからご一緒します。