AIの精度がなかなか向上しない
学習データが足りないか、データの品質によるものなか、試行錯誤が続いている
判定基準やアノテーションルールの整理が難しい
現場の意見や実際の課題を要件定義に落とし込めていない
製造業特化知識が必要で対応できる人が限られている
専門知識を持つ作業者のリソース確保・育成が困難
アノテーション量が多く社内リソースが不足している
他の業務と平行して対応するのが困難で、納期を遅らせる事象が発生している
作業者の判断のバラつきやデータ品質に課題がある
品質の均等化が難しく、AI判定に影響を及ぼしている
対応領域
（一例）
（一例）
外観検査
傷・欠陥等の検出
配線･接続状態
配線や接続状態の認識
設備･製造ライン
設備状態やラインの監視
ロボット･自動化
ロボットの認識・ピッキング
作業･安全
作業者の動作や安全状態の認識
支援内容
課題･要件整理
目的に応じた必要データの検討
データ設計･基準策定
ラベル定義・判定基準の整理
アノテーション
画像・動画・3Dデータ等に対応
レビュー･品質管理
品質チェック・整合性確認
品質上の課題や判定基準を最速整理
品質保証、工程品質管理、不具合解析、再発防止など、製造現場における品質管理の実務経験を活かします。
AIの認識結果に課題がある場合も、製造現場での品質判断や不具合の発生要因を踏まえ、何を問題と判断するのか、どのような状態を識別する必要があるのかを検討。
アノテーションに必要な要件や判定基準の整理から、作成データのレビューまで支援します。
製品・部品の特性を踏まえて識別
自動車用ワイヤーハーネスの品質管理経験をはじめ、製品や部品の構造、製造工程、品質上の確認ポイントに関する知見を活かします。
対象物への専門的な理解が求められる案件でも、製品の特性や用途を踏まえ、AIに認識させたい対象や識別すべき状態を検討。
こうした知見を、アノテーションのルール設計やデータ作成、レビューに活かします。
製造工程や設備の特徴への理解力の高さ
溶接、3Dプリンター、IO機器、自働化設備など、幅広い製造技術や設備に関する知見を活かします。
設備の仕組みや製造工程への理解をもとに、AIに認識させる対象や状態、その識別に必要なデータを検討します。
技術的な背景を踏まえ、アノテーション対象の整理や作業ルールの設計から、データ作成・レビューまで支援します。
AIの活用目的に応じてコアとなる高品質データ作成
AI・ロボティクスをはじめ、製造現場に関わる幅広い技術領域への理解を活かします。外観検査、設備監視、ロボットによる部品認識など、AIの活用目的によって必要なデータや認識させたい対象は異なります。 開発の目的や技術的な背景を踏まえ、どのようなデータを用意し、何をどのようにラベル付けするべきかを検討し、目的に応じたアノテーションを支援します。
専門知識を活かして判断・レビュー
QC、品質管理、設備、電気、機械、安全、保全、溶接など、幅広い分野の資格保有者や専門知識を持つ人材が在籍しています。 製造業のアノテーションでは、対象物や工程への専門的な理解が必要となり、一般的なルールだけでは判断が難しいケースもあります。 案件の内容や必要な専門性に応じて人材の知見を活かし、判定基準の整理やアノテーション結果のレビューを支援します。
製造現場の知見を活かしたデータ作成プロセス
01
課題・要件の整理
AIに何を認識・判定させたいかを整理する
02
判定基準・ルールの検討
識別する状態やラベルの定義を整理する
03
アノテーション・レビュー
ルールに沿ってデータを作成し、
品質を確認する
品質を確認する
外観検査
-
✓
複数アングルからの画像比較により、影と不良を正確に区別し、検査の信頼性を高めます。
-
✓
微細な表面異常も品質基準を安定化させ、生産の効率化に貢献します。
配線
-
✓
手間のかかる前準備を矢崎が代行し、効率的な学習データ作成を支援します。
-
✓
基準が曖昧な検査項目も定量化を行い、判定を安定化させて品質評価の信頼性を高めます。
.jpeg?width=2688&height=1536&name=AdobeStock_1601320543%20(1).jpeg)
ロボットピッキング
-
✓
複雑形状の部品も把持可能な箇所を正確に認識し、ロボットの安定した動作を支援します。
-
✓
自動ピッキングの精度を高め、生産ライン全体の効率化や作業品質の向上に貢献します。
製造業・工場向け
画像アノテーション事例集
判断基準があいまいな外観検査や、希少な不良ケースにも対応した画像アノテーション事例集。
01
品質の事前確認
難易度の高い画像データに対し、弊社の品質管理体制が貴社の要求水準にどう応えるか、実際の成果物を通じて事前にお試しいただくことが可能です。
02
納得感のあるお見積もり
実際の作業データを用いて工数を算出するため、余分なコストを削ぎ落とした、より実情に即した適正なお見積もりが可能になります。
03
要件定義のサポート
具体的なルールが未確定な場合でも、試作を通じた細かな仕様の擦り合わせにより、プロジェクト開始後の手戻りを防ぎます。