コンピュータービジョン
現場向けに構築された、誰もが活用できるビジョン
視覚検証を導入するのに、専用のハードウェアやデータサイエンスチームは必要ありません。手頃な価格の市販IPカメラを使用し、人間中心のコンピュータビジョンとノーコードアプリを組み合わせます。プロセスエンジニアは、App Editor 内で直接、物体の追跡、向きの確認、およびオペレーターのワークフローの効率化を行うためのモデルをトレーニングします。
外観検査ソフトウェア
欠陥の検出を自動化し、部品が次の工程に進む前に品質を確保します
AIを活用した目視検査を、生産ワークフローに直接組み込みましょう。市販のカメラを使用して対象物を追跡し、異常をリアルタイムで検知し、手直しが必要になる前にオペレーターに問題を通知します。
外観検査が重要な理由
手作業による検査は、もっぱら人の集中力に依存していますが、その集中力は次第に薄れていきます
手作業による品質検査は時間がかかり、ミスも起こりやすいものです
品質がもっぱら人が部品を目視することだけに依存している場合、ばらつきが生じることは避けられません。作業員は疲れてしまい、わずかな欠陥も見逃されてしまうことがあります。欠陥が発見されるまでに生産ラインを長く流れていくほど、その修正にかかるコストは高くなります。
精神的疲労は、誤検知や誤拒否の原因となります
1シフト中ずっと似たような部品ばかりを見つめ続けると疲労がたまり、その結果、作業員は不良品を受け入れてしまったり、良品を不良品として排除してしまったりする恐れがあります。その結果、不要なスクラップの発生、コストのかかる手直しの繰り返し、そして顧客からの返品といった形で、その代償を支払うことになってしまいます。
新入のオペレーターに欠陥の見分け方を指導するには、多額の費用がかかります
新入社員に、品質上の問題の境界線を正確に見極めるよう指導するには、長い時間がかかります。経験豊富なオペレーターが退職したり、交代したりすると、その現場のノウハウも一緒に失われてしまい、次のチームが業務に慣れるまでの間、不良率が急上昇してしまいます。
Tulip が、生産の遅れを招くことなく目視検査を自動化する仕組み
Tulip コンピュータビジョン技術を製造ラインに直接導入し、部品をリアルタイムで分析し、異常があればオペレーターに警告します。プロセスエンジニアは、コードを記述したりベンダーに依存したりすることなく、安価な市販のカメラを使用して目視検査を設定することができます。
欠陥検出
異常を、下流に波及する前に発見しましょう
目視検査を組み立て工程や検査工程に直接組み込みます。カメラが潜在的な欠陥、部品の欠落、または異常を検知すると、オペレーターにその問題を確認し、不適合を記録するよう促します。品質上の問題は作業現場で早期に封じ込められ、製品への混入を防ぐことができます。
ネイティブ統合
カメラ、ツール、およびエンタープライズシステムを連携させる
目視検査は孤立して行われるものではありません。標準的なIPカメラを接続して画像を撮影し、その結果を企業のシステムに直接連携させます。オペレーターが目視映像に基づいて欠陥を確認すると、Tulip が自動的にERP の作業指示書を更新し、在庫を調整し、あるいはQMSによる保留措置を自動的に発動します。
エッジ実行
遅延のない機械学習
高解像度の画像を分析のためにクラウドに送信すると、遅延が生じ、生産の効率が低下してしまいます。専用のエッジハードウェアを使用して、作業現場でAIモデルをローカルに実行しましょう。画像処理はリアルタイムで行われるため、生産ラインの稼働を維持でき、オペレーターが判断を下す際にロード画面を待たされることもありません。
自動化されたトレーサビリティ
客観的な証拠を自動的に収集する
目視検査を行うたびに、変更不可能なデジタル記録が作成されます。組立状況、ラベル、またはクリアランスに関する写真証拠を撮影し、その画像をシリアル番号やロット番号に直接紐付けます。これにより、完全なデバイス履歴記録（eDHR ）または電子ロット記録（eBR ）が自動的に作成され、コンプライアンス対応や根本原因分析が簡素化されます。
お客様の声
主要メーカーが以下を用いて達成したことは、Tulip
業界をリードするメーカー各社が、Tulip を活用して、欠陥を早期に発見し、検査ツールを記録と連携させ、すべての検査に関する改ざん不可能な履歴を構築している様子をご覧ください。
欠陥が70％減少し、品質保証（QA）のレビュー時間が93％短縮されました
Outset Medical社は、新規に建設された施設に、エラー防止機能を組み込んだガイド付きワークフローを導入しました。これにより、署名の漏れが完全に解消され、品質保証（QA）レビューにかかる時間が93％短縮されました。また、検査を作業現場に移行した結果、欠陥が70％減少しました。
品質検査と手直しにかかる時間が50～60％短縮されました
TICO Tractors社は、デジタル作業指示書の導入から始め、数ヶ月でその価値を実感しました。これにより、ミスが減り、監督者の負担が軽減されました。その後、追跡機能、アンドン、品質管理アプリケーションを追加した結果、4年間で生産量は2倍になりました。
「すべてが一元管理されています。誰でも欠陥記録を確認でき、傾向を把握することも可能です。これは、『Tulip 』の活用において、これまでで最も大きな成果の一つになると思います。」
品質上の不具合の発生を85％削減、誤表示のミスを88％削減
VEKA ERP と連携したチェック機能により、誤った注文をリアルタイムで検出しました。店舗で早期に問題を発見できたことで、ラベル貼付ミスが88％減少し、顧客からの返品率も60％削減されました。
ご質問はありますか？ お答えいたします！
外観検査ソフトウェアは、コンピュータビジョンとカメラを活用して、部品やアセンブリの欠陥、部品の欠落、向きが間違っているかどうかを自動的に分析します。作業者の注意力に完全に依存する手作業による検査とは異なり、外観検査ソフトウェアはすべての対象に一貫したプログラム化されたロジックを適用し、異常が検出された場合にのみ作業者に警告を発します。Tulip では、これらのビジョン機能が、作業者のガイド付きワークフローに直接組み込まれています。
Tulipのコンピュータビジョン機能は、安価な市販のカメラで動作します。基本的な欠陥検出、位置特定、分類を行うために、高度に専門化された専用ビジョンハードウェアを購入する必要はありません。カメラはTulip のエッジデバイスに接続され、同デバイスが視覚データを処理して、オペレーターが使用しているアプリにフィードバックします。
Tulip を使用して目視検査を設定するのに、博士号は必要ありません。プロセスエンジニアや品質エンジニアは、人間中心のコンピュータビジョンにおける最新の進歩と、Tulip の「App Editor 」を組み合わせて、エラー防止対策を施したワークフローを構築できます。これらのモデルは、カスタムコードを記述したり、複雑な機械学習アルゴリズムを一から構築したりすることなく、良品と不良品の例をシステムに提示することで学習させることができます。
機械学習による分析のために高解像度の画像をクラウドに送信し、応答を待つと、遅延が生じ、高速で稼働する生産ラインの速度が低下する可能性があります。Tulip は、作業ステーションに直接設置された専用エッジハードウェアを使用して、エッジ側で視覚データを処理します。これにより、AIモデルがローカルで実行され、クラウドとの往復による遅延なしに、オペレーターにリアルタイムのアラートを提供します。
欠陥が検出された場合、Tulip は、アプリの設定に応じてさまざまなアクションを実行することができます。オペレーターの画面上でその部品にフラグを立てたり、問題箇所の具体的なXYZ座標をハイライト表示したり、オペレーターに再確認を求めたり、不適合報告書を自動的に作成したりすることが可能です。このビジョンシステムはコンポーザブルプラットフォームの一部であるため、データは品質ダッシュボードやトレーサビリティ記録に即座に反映されます。
Tulipこのシステムの視覚機能は、作業員に取って代わるのではなく、作業員を支援するように設計されています。目視検査は、同じ部品をじっと見つめ続けるという反復的で疲労を伴う作業を引き受け、作業員が複雑な組み立て作業や例外処理、最終的な判断に集中できるようにします。システムが異常を検知し、再作業の対応方法については人間が最終的な判断を下します。
カメラが部品を検査するたびに、Tulip がその結果を記録します。これにより、どのような欠陥が発生しているか、その頻度はどれくらいか、どの生産ラインで発生しているかといった情報をリアルタイムで収集したデータセットが作成されます。品質管理の責任者は、このデータを活用することで、個々の欠陥に単に反応するだけでなく、体系的な問題の根本原因を特定することができます。Tulip が欠陥を分類・測定するため、どの欠陥が最も頻繁に発生しているか、また改善の取り組みをどこに集中させるべきかを正確に把握することができます。