半導体・電子部品の国内回帰が進み、各地で新しいラインが立ち上がっています。しかし立ち上げ期の現場には、検査基準も熟練者も過去データもまだ存在しません。本稿では「量産が始まる前に品質保証をどう作るか」という問いを、産業政策の潮流と現場の実態の両面から解きほぐします。
半導体・電子部品製造の国内回帰は、経済安全保障やサプライチェーンの強靭化という文脈で語られる産業政策の潮流です。海外依存の見直し、地政学リスク、そして各種の投資支援制度が背景にあります。ただし、こうした制度の適用対象・金額・期限といった細部は改定されることがあるため、判断の根拠とする際は所管省庁の最新の公表資料でご確認いただくことを推奨します。ここで押さえたいのは、政策の是非よりも「その結果として現場で何が起きるか」です。
新しい工場・新しいラインが立ち上がるということは、そこに検査体制もゼロから必要になるということです。既存工場であれば長年蓄積した限度見本、ベテランの判断、過去の不良データが土台にあります。ところが新設ラインには、その土台がまだありません。設備は最新でも、品質を「合否判定する仕組み」だけは過去資産を引き継げない——ここに立ち上げ期特有の負荷が集中すると考えられます。
立ち上げ期の現場では、①製造プロセスの安定化、②歩留まりの作り込み、③検査・品質保証の構築、がほぼ同時に走ります。どれも重要ですが、③はしばしば「ラインが動いてから考える」と後回しにされがちです。しかし検査基準が定まらないまま量産に入ると、良品と不良の線引きが人によってブレ、出荷判定の根拠が曖昧になるリスクがあります。国内回帰の議論を品質面から捉えた背景整理は半導体国内回帰と品質でも扱っています。
立ち上げ期の検査構築が難しいのは、単に「人が足りない」からではありません。判断の材料そのものが揃っていないからです。何が足りないのかを分けて捉えると、打ち手も見えやすくなると考えます。
電子部品の外観検査では、傷・欠け・異物・変色・はんだ形状など、判定要素が多岐にわたります。既存工場ではベテランが「これは通す/これは弾く」を感覚で判断できますが、その感覚は限度見本や口伝に依存しがちで、新ラインの担当者には移転しづらいものです。立ち上げ期はこの「言語化されていない基準」を、これから作らなければなりません。
検査を機械学習で組もうとすると「不良サンプルが足りない」問題に必ず突き当たります。立ち上げ期はそもそも生産数が少なく、狙って不良を集めることも困難です。良品ですら安定して出ていない段階では、「何を正常とみなすか」の合意形成から始める必要があります。少数データからどう検査を立てるかは、微細部品のLEDチップの輝度・色検査のような領域でも共通する論点です。
新ラインの立ち上げには熟練者の判断が不可欠ですが、その熟練者は既存ラインの主戦力でもあり、長期間張り付けられないのが実情です。しかも人手不足が構造的に続くなか、検査だけに人を厚く配置し続けるのは現実的でないと考えられます。立ち上げのスピードと、限られた熟練者の時間——この二つの制約をどう両立させるかが論点になります。
立ち上げ期に目指すべきは、いきなり全自動・全数無人検査ではないと考えます。むしろ「基準を客観化し、判断を記録に残せる状態」を早く作ることが、量産移行を滑らかにする鍵になりうると考えます。段階を踏む前提で設計するほうが、結果的に立ち上げは早まると考えられます。
検査の精度は、判定アルゴリズム以前に「撮像条件」で大きく決まります。照明の角度・波長・拡散、カメラの解像度と被写界深度、対象の置き方——ここが不安定だと、どんな判定ロジックも安定しません。元キーエンス画像処理事業部の現場知見が効くのはまさにこの領域で、産業用カメラと現場ライティングの設計を最初に詰めておくことが、立ち上げ後の手戻りを減らす一助になると考えられます。
従来型の画像処理は、ルールやしきい値を人が細かく作り込む必要があり、立ち上げ期の少数サンプル・基準未確定の状況では調整に時間がかかりがちでした。VLM（視覚言語モデル）を活用したアプローチは、「良品の見え方」や「NGの言語的な定義」を手がかりに、少ないサンプルからでも判定の当たりをつけやすい可能性があります。ただし万能ではなく、対象と不良モードによって向き不向きがあるため、現物での検証が前提になります。ソフトとハードを一体で設計するAI画像検査の考え方が、この段階では有効に働きうると考えます。
検査の高度化には過検出（本来良品を不良と判定する）との戦いも避けられません。過検出が多いと現場が検査を信用しなくなり、結局は目視に戻ってしまいます。基板検査でのAOIの過検出削減で扱う論点は、立ち上げ期の検査設計にも通じるものがあると考えられます。
立ち上げ期に最も価値があるのは、実は自動判定そのものよりも「基準がデジタルに残る」ことかもしれません。人が下した合否判断を、画像・撮像条件・判定理由とともに記録していけば、それがそのまま学習データであり、限度見本であり、監査証跡になります。属人的な感覚を、後から検証・共有できる形に変えていく——これが基準のデジタル化の核だと考えます。
紙の限度見本や口頭の申し送りは、量産移行時や人員交代時に必ず情報が欠落します。立ち上げの初日から、判定を画像と紐づけて記録する運用にしておくと、後工程で「なぜこれを不良としたのか」を遡れます。この積み重ねが、量産開始時点での基準の一貫性を支える土台になりうると考えられます。
基準のデジタル化は、現場が使い続けられて初めて意味を持ちます。判定の登録が一手間だと運用は形骸化します。誰が基準を変更できるか、変更履歴をどう残すか、といった権限・トレーサビリティの設計も、立ち上げ期のうちに決めておくと後が楽になると考えます。電子部品を対象にした具体的な検査像は電子部品検査で整理しています。
立ち上げ期に作った検査は、そのまま量産で完成品として使えるわけではありません。生産数が増え、不良モードのバリエーションが見えてくるにつれ、基準も判定も更新が必要になります。検査を一度作って終わりにせず、育てていく運用へつなげる設計が重要だと考えます。
現実的な進め方は、初期は「機械が仕分け・人が最終判断」から始め、判定の信頼性が確認できた不良モードから徐々に自動判定の比率を上げていく形だと考えられます。いきなり無人化を狙うより、人の判断と機械の判断の食い違いを記録し、そのギャップを潰していくほうが、結果として早く安定すると考えます。
半導体・電子部品の現場では、外部クラウドに画像を出せない・ネットワークが不安定・タクトが速い、といった制約が珍しくありません。Jetsonエッジのような現場内処理は、こうした制約下で検査を安定して回す選択肢の一つになりうると考えられます。データを外に出さずに処理できることは、機密性の観点でも立ち上げ期の合意形成を進めやすくする面があると考えます。
立ち上げ期の担当者は、そもそも極端に多忙です。検査システムの導入が「新しい作業を増やすもの」になってしまうと続きません。既存の記録やチェック工程に自然に溶け込む形にすること、初期設定を伴走してもらえること——こうした運用面の配慮が、立ち上げ期の検査定着を左右すると考えられます。
率直に言えば、立ち上げ期の検査構築には「やってみないと分からない」部分が残ります。事前に落とし穴を知っておくことが、遅延リスクを減らす最も現実的な備えだと考えます。
最後に、立ち上げ期に検査・品質保証を構築する現実的な進め方を段階で整理します。あくまで一つの型であり、対象や制約に応じて順序は前後すると考えてください。
まず、対象部品の現物と想定される不良モード、そして「何を良品・不良とみなすか」の暫定基準を洗い出します。少量のサンプルで撮像テストを行い、照明・カメラで欠陥がどう見えるかを確認する——ここが全ての出発点になりうると考えます。
撮像条件を固め、VLMや画像処理で判定の当たりをつけます。この段階では自動判定と人の判定を並走させ、食い違いを記録します。数値目標を掲げるより、「どの不良は安定して検出でき、どこが難しいか」を見極めることが重要だと考えられます。
判定を画像・条件・理由とともに記録する運用を回し、基準を更新しながら量産へ引き継ぎます。人と機械の役割分担を段階的に移し、検査を育て続ける体制へつなげます。立ち上げのどこにボトルネックがあるかは現場ごとに異なるため、まずは相談するところから始め、現物を見ながら設計するのが確実だと考えます。
新設ライン・新工場が増えるほど、検査体制をゼロから構築する必要が生じると考えられます。既存工場と違い、限度見本・熟練者の判断・過去の不良データといった土台を引き継げないため、立ち上げ期に検査構築の負荷が集中しやすくなります。なお、国内回帰を後押しする制度の適用範囲や金額の細部は改定されうるため、所管省庁の最新の公表資料でご確認ください。
少数サンプルでも着手できる可能性はあります。VLMを活用したアプローチは、良品の見え方やNGの言語的な定義を手がかりに判定の当たりをつけやすい場合があります。ただし対象や不良モードによって向き不向きがあり、万能ではありません。まず撮像条件を固め、現物で見え方を検証することが前提になると考えます。
いきなり全自動・無人化を初期ゴールに置くと、かえって立ち上げが遅れるリスクがあると考えられます。現実的には、初期は機械が仕分け・人が最終判断とし、信頼性を確認できた不良モードから段階的に自動判定へ移す進め方が有効になりうると考えます。人と機械の判定の食い違いを記録し、ギャップを潰していく運用が土台になります。
人が下した合否判断を、画像・撮像条件・判定理由とともに記録していくことを指します。これにより属人的な感覚が、後から検証・共有できる形に変わり、学習データ・限度見本・監査証跡を兼ねる資産になりうると考えます。立ち上げの初日から記録前提で運用すると、量産移行や人員交代時の基準の欠落を抑えやすくなると考えられます。
ネットワークが不安定、外部クラウドに画像を出せない、タクトが速い、といった制約下では、Jetsonエッジのような現場内処理が選択肢の一つになりうると考えられます。データを外に出さずに現場で処理できることは、機密性の観点でも立ち上げ期の合意形成を進めやすくする面があります。具体的な可否は、現物と現場の制約を確認したうえでの検証が前提になります。
新設ラインの検査は、基準も熟練者も過去データもない状態から始まります。まずは対象部品の現物と想定される不良モードを持ち寄り、撮像条件と暫定基準の当たりを付けるところから始めるのが確実です。元キーエンス画像処理事業部の現場知見とVLM・Jetsonエッジ・産業用カメラ・現場ライティングを一体で検討します。
立ち上げ期の検査構築について相談する