電子部品・基板の外観検査を、
Nsight EdgeとVision AIで引き受ける

対象となる現場

少量多品種で、外観検査が人手に依存している電子部品・基板の製造現場を想定しています。

• 実装基板を扱う現場　部品の実装ズレ・欠品・浮きを、人が目視で確認している現場。
• はんだ・接合を目視している現場　はんだ付けや接合部の良否を、熟練者の目に頼って判断している現場。
• 少量多品種・切り替えの多い現場　品種が多く、品種ごとの数が少ない・段取り替えが頻繁な現場。
• 不良サンプルが集まりにくい現場　NG画像が少なく、従来のルールベースや学習型検査の立ち上げが難しい現場。

従来方式の限界

ルールベースのAOIや従来の学習型検査は、条件が整った検査には有効ですが、少量多品種・データが少ない現場には対応しきれない場面があります。

• ルールベースAOIの限界　しきい値やルールを部品・品種ごとに作り込む必要があり、多品種・短サイクルだと調整が追いつかない。
• 学習型検査の限界　十分なNG画像を前提とするため、不良サンプルが集まらない現場では精度を出しにくい。
• 人手検査の限界　微小欠陥の見落としや判定のばらつきが避けにくく、熟練者の確保・教育も難しい。

検査の実装イメージ

NG事例の確認とアノテーションを通じて、学習データづくりから現場で運用できる検査づくりまでを支援します。

導入パターン

• NG画像が少ない状態から始める　VLMによるNG画像生成・オートアノテーションで、不良サンプルが少なくても検査づくりを始められます。
• 少量多品種ラインへの対応　品種ごとの学習コストを抑える構成で、切り替えの多いラインに対応します。
• 既存ラインへの後付け　既存の検査工程・設備に外観検査を追加します。
• 上位システム・設備連携　判定結果を上位システムやラインの設備へ連携します。
• PoCから本実装　現場の部品・基板で見え方と判定を検証し、段階的に本実装へ進めます。

関連する技術記事