仕事の話①

今私がやっている仕事は、ＣＲＭの支援（簡単に言うと来店顧客を中心にしたマーケティング支援）ですが、時々ＳＩ（システムインテグレーター）の仕事が来る。
①倉庫の在庫・出荷・ロスなどの管理と販売管理、ＷＥＢショッピングなどのシステム連携について。
②ＡＩ外観検査システムを入れて、入出庫管理システムとの連携と監視。
毎週打ち合わせをしながら、システム概要設計を行い、システム設計に入る。
その中で、ＡＩ外観検査システムを調査していると、今は中小企業でも導入が簡単であることがわかりました。正常な状態をカメラで１００枚くらいとり、製造したものがＡＩで完成品かどうかをｈン段する。私たちが作るのは、そのデータをＦＴＰ（ファイル転送）でデータをもらい、リアルタイムで状態をＷＥＢで表示させる。割と簡単なシステムなんですが、今回はまじめにＡＩ外観システムの特徴をご紹介します。

AI外観検査システムの特徴
■メリット

設定された条件に加え、曖昧さや柔軟性など人間的感覚を数値化して表現することが可能です。
厳格な設定をすることなく、自ら学習して新しいルール定義に適応していくことが可能
■デメリット

画像（ワークの各面の画像）から寸法や面積、位置など定量的ルールの学習と検出は苦手なため高い精度が出せない
目的や検査対象によって異なるが豊富な学習データ（画像）を準備する必要がある
AI外観検査が有効な検査対象の例
AI外観検査は画像認識の技術を応用して行われるため、検査装置と同様、検査に用いられる画像の質によって大きく精度が異なる傾向があります。そのため実際に対応可能かどうかはPoC（概念実証）にて検証する必要があるのですが、おおよそどのような外観検査で活用されているかをまとめると以下の通りです。

金属業界：割れ、欠け、バリ、寸法ズレ、変形、サビ、巣、気泡、打痕など
食品業界：破れ、汚れ、焼け、凹み、キズ、異物、印刷ミス、異品種混入など
樹種業界：シルバーストリーク、キズ、汚れ、スジ、変色、気泡など
電子デバイス業界：汚れや異物の付着、ショート、断線、はんだ不足など
日用品業界：印字の有無・かすれ・ミス、ラベル破れ、ラベルずれ
医療業界：液面高さ、封緘シール、内容量、ラベルずれ・破れ、印字ミスなど
成形・シート業界：ピンホール、フィッシュ愛、ゲル、気泡、割れ、クラックなど
上記は一例ではありますが、「属人的でない」「疲れによる精度悪化が起きない」「ルール化できないものにも対応ができる」といったAIの特徴が活かせる相性のよいワークで活用すると大きな効果を発揮することができるでしょう。

こんな感じの仕事もします。
知らない人も多いのですが、私は技術者です。だから営業が全く下手です。
でも、そんな私でもなんとか仕事がきます。泣
さあ、今日も精いっぱい生きよう。