導入事例：WiseImaging

クオリティの高い自動車をユーザーに提供していくため、トヨタ自動車ではさまざまなラインの自動化を図っている。しかし、著名なトヨタ生産方式を生み出したトヨタ自動車をもってしても自動化が難しい部分があった。それが人の目視に頼る検査工程だった。「自動化を図って原価を下げていく流れが、クオリティの高い自動車を提供する近道です。そうすると人件費が発生する目視検査は大きなネックです。単純な作業については、できる限り自動化もしくは検査レスで、省人化を実現していくのが我々の使命ですから、常にもどかしい想いがありました。」（渡辺氏）

そうしたなか、WiseImagingを先行導入していた本社工場の鍛造部が、フロントハブ部品の検査自動化に取り組み、インライン化を成功させ省人化につながったとの話が舞い込んだ。「自動化の成功事例ができたことは、他のラインでも実現できるのではないかという期待を高め、自動化に取り組むモチベーションを促すという意味で大きな意義がありました。もちろん、我々も同様です。早速、自動検査装置を導入するプロジェクトに取り掛かりました。」（渡辺氏）

シーイーシーからWiseImagingのライセンスを購入し、2019年2月から本格的に検査工程の自動化に向けた取り組みが始まった。しかし、取り組む以前から、本社工場鍛造部以上に困難を極めることは予想していた。その理由は検査画角数の違いだ。本社工場鍛造部のフロントハブは2画角で対応可能だったのに対し、ATキャリアは形状が複雑なため、上下左右斜めから合計10画角が必要だった。
「焼結は粉を固めてつくっている特性上、どこにクラックが発生してもおかしくありません。不良品の発生頻度にかかわらず、常時シビアな検査する必要があります。」（渡辺氏）

「10画角という数は、実際に人が検査をしている作業場面を分析して割り出しました。そもそも人は角度を少しずつ変えながらさまざまな角度から見ることができますが、機械はそうはいきません。ですから、検査工程でひとつ当たりにかけられる約5秒間という限られた検査時間を考慮しつつ、その最大数として10画角を算出しました。
さらに困難を極めたのが不良品づくりだった。精度を高めるには、より多くの不良品をつくって学習させる必要がある。「前提として、不良品の検出率100％の精度が出なければインライン化することができません。その精度を高めるため、普段では設定しない条件で無理やりクラックがある不良品づくりの作業を行いました。目視で1mm程度の小さいクラックから数十mmの大きなクラックまで、それぞれ画角ごとに必要だったため、つくった不良品の数は1,000にも上ったと思います。しかも、生産ラインが稼働しているときは行えないので、休日を返上して不良品づくりに勤しみました。」（渡辺氏）

今回の取り組みのポイントは内製化だ。導入プロジェクトは、渡辺氏、宮内氏を中心とした素形材技術部門主導とし、シーイーシーには技術的なサポートを依頼しながらも、機械学習のノウハウ伝授をお願いした。その理由は、インライン化した後を考慮してのこと。「インライン化できたとしても、すぐに新たなチャレンジや課題が出てきます。その際、我々にノウハウがなければ、ちょっとしたことでもシーイーシーに依頼しなければなりません。それはスピードアップやコスト削減の妨げになりますから、やはり我々側にノウハウを蓄積していく必要があります。もちろん、シーイーシーにも協力を仰ぎ、我々にノウハウが貯まるやり方で進めていきました。」（渡辺氏）

取り組みの流れは2段階。まずは自動化を行う自動検査装置のベースづくりと、OK・NGをより明確化させるため、画像の前処理設定を行った。「自動検査装置の構成を検討するところから始めました。約45秒のサイクルに合わせる機器構成と、それに対応したプログラムをどうカスタマイズするのかがポイントでした。そこはGPUの処理能力を考慮しつつ、可能な限り並列で10画角を処理する方法をシーイーシーと一緒に模索しました。また、クラックを見極めるのに適した画像のトリミングを決め、各画角100～200枚程度の画像をWiseImagingに学習させました。最初の3画角をシーイーシーに行ってもらい、それを参考にしながら私の方で残りの7画角を学習させました。」（宮内氏）

その後、検査精度を向上させるフェーズに移行。ここでは、AIの学習に必要なパラメーターのベースを決めるため、10画角のうち半分の5画角をシーイーシーに依頼した。「我々が行った残り5画角についても、シーイーシーにアドバイスを受けながら、これで問題ないか確認しながら進めていきました。また、我々だけでなく、クラック検査の担当者を招き、クラックを判別する際のコツなど、製造側からの意見ももらいました。最終的に学習させた画像の枚数は、10画角合わせ、OK画像、NG画像ともに1万4,000枚前後。合計約3万枚もの画像を学習させました。」（渡辺氏）
こうした努力が実り、無事2020年8月にインラインに移行した。インラインといっても、すぐに本格稼働したわけではない。まずは検査スタッフがいるなかにWiseImaging搭載の自動検査装置を投入。WiseImagingによるOK・NGの判定にかかわらず、これまでと同様に検査スタッフが判定する期間を設け、本当にインラインで検査の自動化が可能かどうかの検証を行った。検証は約5カ月行い、その間は追加の学習もさせた。そしてついに2020年12月、WiseImagingを搭載した自動検査装置の本格稼働が始まった。

素形材技術部にとって検査工程の自動化第一号となった今回のATキャリアの件は、「検査は自動化できる」「省人化ができる」という点で他のラインもモチベーションがアップしているという。今回の成功例をベンチマークに、さらに展開していこうという流れが見え始めた。
「焼結部品だけでもたくさんのラインがありますから、今後は自動化の流れが一気に加速していくと思います。我々もこれで終わりではなく、新たな自動化に向けて進んでいくつもりです。まず、今回のATキャリアとまったく同じものが別の工場で生産されていますから、その工場の2ラインを自動化したいと考えています。ただ、今回のようにNGとなる不良品をたくさんつくってその都度学習させる方法は、横展開させるには少し手間がかかり過ぎます。現在、シーイーシーと相談しているところですが、AIによる不良品画像の自動生成にも取り組んでいるとのことでしたので、その機能を含めて今後も積極的にご協力いただきたいと思っています。」（渡辺氏）
また、宮内氏は「検査以外のところでも人が介在する業務がいくつかあります。鍛造を例にすると、金型でプレスしているとき、一瞬見える金型状態の良し悪しを確認する作業です。こういった業務のように、人の目や技能に頼っている状態監視の部分も自動化できれば、より多くの省人化が図れるのではないかと考えています。」と語ってくれた。