ディープラーニング外観検査システム AISIA-AD

System Integrator 外観検査の作業効率化・生産性向上を実現する 最先端のディープラーニング外観検査ソリューション Copyright© System Integrator Corp. All rights reserved. 0

System Integrator 1. AISIA-ADのご案内 2. 株式会社システムインテグレータのご紹介 Copyright© System Integrator Corp. All rights reserved. 1

1. AISIA-ADのご案内 System Integrator AISIA-ADとは • AISIA-ADは、ディープラーニングの画像認識を使った最先端の外観検査システムです。 • お客様の課題や業務に合わせ、個別最適化したAIソリューションとしてご提供することができることが 特徴のソリューションです。 1.最適なAIモデルを選択可能 AISIA-ADはお客様の製品特徴や運用に応じて導入いただけ る、さまざまなAIモデルを用意しています。お客様の課題 に対し、最適な組み合わせをご提案します。 2.判断基準が柔軟化可能なAI 従来の画像検査機では対応が難しいとされる「ルール化困 難」な異常でも、ディープラーニングを応用した検査技術 で検知可能です。 3.検査工程のトータルコーディネーション お客様の検査製品の特徴や運用をお聞きした上で、検査工 程のシステム化に必要な一連の機材を、それぞれの専門企 業と連携し、トータルコーディネートでご提供します。 4. 運用を見据えた機能 システム導入後の運用を想定した、検査工程を可視化でき る機能の実装に加え、お客様の要件に合わせたシステム要 望に柔軟にお応えします。 Copyright© System Integrator Corp. All rights reserved. 2

1. AISIA-ADのご案内 System Integrator AISIA-ADで解決可能な検査作業例 • AISIA-ADはディープラーニングの画像認識技術を使って物体の検知をするシステムです。 • 外観検査において「目視」と「判断」を要する様々な工程に広く適用することができます。 精密機器 輸送用機械 医療、化学薬品 最終検品異常品検知 生産加工工程抜け検知 シリコン傷・バリ検知 複数工程で発生する異常を最終検品工 人による部品加工の抜け漏れを検知し シリコン素材の充填工程後の加工ミス 程で検知 通知 異常検知 農産物加工品 加工食品 製紙加工 異物検知 加工品抜け漏れ検査 異常分類 農産物の加工工程のゴミを検知し除去 加工工程での搬送ミスによる不良品発 異常品の分類判定後、異常原因判定 生原因を事前に通知 Copyright© System Integrator Corp. All rights reserved. 3

1. AISIA-ADのご案内 System Integrator システムインテグレータのディープラーニング技術を活用した課題解決 • 弊社では精鋭の専門AIエンジニアが在籍しており、AISIA-ADは自社内で独自開発したソリューションで す。 • 進化が著しいAIのテクノロジーに追随し、最新の技術でお客様の課題解決をご支援致します。 物体検出 • 映像内に想定しない物体侵入 • 予定されている部品数のカウント クラス分類 • 画像より対象物の種類判断 • 大量画像から正常品と異常品の検出 画像と最新のDeep-Learning技術でお客様の様々 なご要件にお応えします。 仕分け 侵入検知 目視チェック 個数カウント 工程作業チェック 文字認識 Copyright© System Integrator Corp. All rights reserved. 4

1. AISIA-ADのご案内 System Integrator 全件目視作業を取り巻く課題 • 一般的に目視作業は属人性が高く、人による精度のバラツキや人材確保と育成コストが高いといったよ うな課題があります。 • 検査精度の向上と均一化は、目視作業を行う多くの企業にとって重要な課題となっています。 検査精度の不確実性 人材確保と育成・定着難 ◼ 人による検査はばらつきがある ◼ 少子高齢化により人材確保が難しい ◼ 一般的に集中力持続時間の限界は「90分」 ◼ 精度を求める目視検査は習得難易度が高い ◼ 拠点ごとの検査精度が異なる ◼ 長時間重労働を求める職種への定着が難しい 基準に則した安定した検査体制の構築が必要 次世代の匠の育成が急務 検査精度の向上・均一化は最重要課題 Copyright© System Integrator Corp. All rights reserved. 5

1. AISIA-ADのご案内 System Integrator AIを使った外観検査ソリューション導入のよくある失敗例 1/2 • そういった背景からAIによる課題解決の検討は増加していますが、同時に失敗も増えています。 • 手軽にAIのPoCが実施できるパッケージを提供している企業に依頼したものの、十分な検証が実施でき ず、AIの活用が後退してしまったという失敗例は少なくありません。 失敗例1 思うような精度が出なかった。。 フイルムの製造をしているA社は、既存検査装置では不十分な検知精 度の向上を目的として、AIの導入検討を進めることになりました。 まずは手軽に試してみようという方針で、素早く実施が可能なパッ ケージングされたサービスを提供するX社に依頼することにしました。 抱負なノウハウがあるという言葉の通り、X社主導でのPoCはスピー ディに進んだものの、PoCは思ったような精度が出ないまま終わって しまいました。 確かに検証はスピーディに進んだ一方、担当者としては自社個別の 環境や条件を加味した上での十分な検証とは感じられないものでし た。 この一件で、「当社の業務はAIに向いていない」という社内の空気 が出来上がってしまい、A社のAIを活用した業務効率化は止まってし まいました。 【原因】 • AIの適正やモデルについて判断ができていない • 良/不良の判断がつく撮像ができていない • 多種多様な欠点項目への適切対応がわからない 【解決策】 • 自社のワーク特性や現場環境を整理、理解する • 課題解決にAIの適正があるのか判断する • 検査箇所を画像化するために必要な環境を知る Copyright© System Integrator Corp. All rights reserved. 6

1. AISIA-ADのご案内 System Integrator AIを使った外観検査ソリューション導入のよくある失敗例 2/2 • また、AI自体はうまく精度が出せたのに、業務効率化につながらないという失敗例もあります。 • AI導入は手段であり、目的ではないという考えが社内で浸透していないがために、高額なコストがすべ て無駄になってしまったという、悲惨な事例も世の中にはあります。 失敗例2 AIを導入したものの、効率が逆に落ちてしまった。。 プレス加工をしているB社は、製造番号の自動識別を目的にAIの導 入を検討していました。PoCの結果、文字の認識に十分な精度が出 ることがわかったので、検証したAIを活用したソリューションの採 用を決定し、運用開始に向けて導入を進めていきました。 しかし、本番稼働直前のテスト段階で、このソリューションによる 検査工程を入れることで、後続業務に大きな支障が起きることと、 既存のシステムを改修しなければならず大きな追加費用が発生する ことが判明し、結局導入自体をストップすることになってしまいま した。 AIを導入することで逆に作業効率が悪化し、費用対効果が悪化して しまうのであれば、導入の意味がありません。 B社はPoCおよび開発のコストを支払ったのに、結果として何の効 率化も実現できずにプロジェクトが終了してしまいました。 【原因】 • 計画初期に運用を見据えた課題の洗出をしていない • 作業工程や作業員業務の運用整理ができていない 【解決策】 • 目先の課題だけではく会社としての事業課題を知る • 自社の必要工程や運用を整理する • ゴールを明確に定義して計画初期にKPIを策定する Copyright© System Integrator Corp. All rights reserved. 7

1. AISIA-ADのご案内 System Integrator AISIA-ADの特徴 • AISIA-ADはお客様ごとに個別に最適化してご提供可能なソリューションです。 • AI導入により改善したい課題を明らかにした上で、最適な解決策と運用方法をご提案致します。 ◼ お客様毎に最適化した環境の構築 ◼ 運用ゴールの策定 • 最適なカメラ・照明選定による撮像環境の構築 • 変化する製造業の取り巻き環境を理解した提案 • 要求タクトタイムに応える判定サーバを選定 • 数多くのRFPに対応してきた対応力 • 判定結果が連携活用できる自動化の仕組みを実現 • 豊富な導入実績をもとにKPIを算出 各専門分野のパイプとなり包括的なご提案 AI技術だけではなく業務改善を見据えたご提案 単なるAIベンダーでない、包括的な課題解決のご提案が可能 Copyright© System Integrator Corp. All rights reserved. 8

1. AISIA-ADのご案内 System Integrator AISIA-ADの特徴：お客様毎に最適化した環境の構築 • AISIA-ADは部分的ではなく、必要な環境をトータルでご提供することができます。 • そのため、AI部分だけでなく機器の部分においてもお客様毎に最適化したものをご提供することができ ます。 お客様毎で検査する対象物、工場環境、課題は異なります。特に 一般的なAIベンダーとAISIA-ADの提供範囲の違い 検査工程は属人的な対応なため、特性を理解した最適な対応が必 要ですが、各専門会社に声を掛け自社で旗を振るのも大変なもの ○：AI です。 ○：サーバ 1社に任せられないので、 そこで弊社では、各専門分野の旗振り役となり、トータルご提案 一般的なAIベンダー 自社でコントロールしな ✕：カメラ をさせていただいております。 いとならない ✕：照明 例えば、撮像環境においては、検査対象物の異常が判断できる画 像を撮るために適したカメラや照明の選定から、安定した撮像が ○：AI できる環境を特定するためのサンプル撮像検証などを実施いたし ○：サーバ まとめてお任せいただけ るので、少ない社内リ ます。 ○：カメラ ソースで進められる ○：照明 サーバにおいては、検査時間や製造ラインに見合ったタクトタイ ムに応えられるスペックを算出してサーバ選定・設置を行います。 AISIA-ADはトータルでのご提案が可能です また要件によってはAIだけではなくセンサーなどの組み合わせで 精度向上や投資コスト削減が可能な事案もありますので、判断を して対応します。 お客様毎に最適化 判定結果の活用も検査工程には必要な工程です。異常を検知した らアラートを出したい、既存の除去システムと連携させたい、新 しく取り除く仕組みを作りたいなどお客様のご要望は様々です。 また設備に手を入れる場合、導入時にお付き合いした設備屋さん が状況をよく知っているから話して欲しいといったご要望もござ います。 AIのモデル 撮像機器 サーバ 様々な要望、状況にあわせてトータルでお客様に最適なご提案を AISIA-ADはお客様毎に最適化してご提供致します させていただいております。 Copyright© System Integrator Corp. All rights reserved. 9

1. AISIA-ADのご案内 System Integrator AISIA-ADの特徴：運用ゴールの策定 • AIの導入は目的ではなく手段の1つです。 • 弊社では業務運用を理解した上で課題を整理し、本来の運用と乖離のない業務改善を提案します。 課題整理の実施 外観検査システム導入のゴールは検査工程を自動化して省力化省 人化させることがほとんどです。 専用ヒアリングシート AI Design Canvas しかし、目的がシステムの導入になってしまい肝心な省力化省人 化が実現できていないことがあります。 原因として一番多いのは、PoC前の課題整理にあります。AIプロ ジェクトでは必ず、AIの適正や精度を確認するためのPoC（概念 実証実験）を実施します。多くの失敗例は課題整理が検査対象物 の異常を判定させるための対応策のためだけのものになっている ケースです。 課題の見える化ができるアウトプットフォーマット あくまでも外観検査は数ある業務の中の1つですので、新しい仕 組みやシステムを取り入れるには、従来の業務の見直しが必要に 15年以上の業務改善の実績 なります。 弊社では必ず、PoC前に導入後の運用を見据えた課題整理を実施 してご提案させていただいております。運用の実現性がない案件 についてはご提案を辞退させていただくケースもございます。 このようなご提案ができるのは、もともと製造業様の基幹システ ムを企画開発している実績にあります。多くの導入実績で培った、 環境理解や対応力を活かした業務改善のご提案が可能です。 Web-ERP GRANDITの提供を通じ、多くの業務改善を実施 Copyright© System Integrator Corp. All rights reserved. 10

1. AISIA-ADのご案内 System Integrator AISIA-ADの運用画面のイメージ：一覧画面・詳細画面 • 導入後は確認→評価→調整のサイクルで運用を実施します。 • 異常と判定した検知結果より判定根拠を確認して、AIの判定が正しいか評価をします。 ◼ 検査結果の一覧画面のイメージ ◼ 検査結果の詳細画面のイメージ 検査結果一覧画面より異常検知の検査結果が確認できます。 詳細画面では、異常箇所の強調表示と異常度合のスコアが 判定結果だけでなく、スコアでも確認することができます。 確認できます。判定根拠をブラックボックス化せず評価す ることが可能です。 Copyright© System Integrator Corp. All rights reserved. 11

1. AISIA-ADのご案内 System Integrator AISIA-ADの運用画面のイメージ：確認画面・評価登録画面 • 導入後は確認→評価→調整のサイクルで運用を実施します。 • 異常と判定した検知結果より判定根拠を確認して、AIの判定が正しいか評価をします。 ◼ 評価登録画面のイメージ ◼ 検査サマリ画面のイメージ 微小なキズ 打痕 2 判定結果を評価して登録することができます。 検査サマリ画面で誤検知、過検知数が確認できます。 評価登録をすることで再学習のデータとして利用すること 見える化することで、規定値超過に対する閾値調整の実施 ができます。 目安にできます。 Copyright© System Integrator Corp. All rights reserved. 12

1. AISIA-ADのご案内 System Integrator AISIA-ADの運用画面のイメージ：調整画面 • 異常判定の閾値設定を変更して、過検出の発生を調整することができます。 ◼ 閾値調整画面のイメージ ◼ 検査結果画面のイメージ 閾値 正常品 不良品 過検知 縦列は発生個数、横列は異常スコア、青いラインは閾値を 検査履歴より過去の検査結果を比較できます。 表しています。青いラインを左右に動かすことで、閾値を 検査結果を振り返ることで、適切な閾値のパラメータ設定 調整することができます。 を検討できます。 異常スコアの閾値を高く変更することで過検知している画 像の異常スコアが正常判定されるように変更できます。 Copyright© System Integrator Corp. All rights reserved. 13

1. AISIA-ADのご案内 System Integrator AISIA-AD 導入構成イメージ • AISIA-ADはトータルのソリューションとしてご提供するため、稼働に必要なハードやインフラ環境も含 めてご提供します。 • Microsoft Azure環境だけでなく、オンプレミス環境でのご提供も可能です。 ◼ AISIA-AD構成イメージ 検知 モジュール 製造工場 [検知環境] 配信 [学習環境] 異常検知ライン 異常検知監視サーバ AI学習モデル配信環境 AI学習環境 検知カメラ 学習済 モデル 協働 Azure ロボット IoT Edge 異常検知監視 Azure Azure エッジ サーバ AzureIoT Hub Container デバイス Machine Learning Registry ベルトコンベア Service 学習データ 異常検知ライン クライアント端末 AI学習用データ環境 利用 検知カメラ 学習データ Azure Azure 連携 VM Storage協働 Azure ロボット IoT Edge Azure Azure エッジ 異常検知監視 Function Files デバイス 端末 ベルトコンベア Copyright© System Integrator Corp. All rights reserved. 14

1. AISIA-ADのご案内 System Integrator AISIA-AD ご導入までの流れ • フェーズ毎のご契約で実運用への導入可否を都度判断いただくことが可能です。 • AIプロジェクトには概念実証検証（PoC）と呼ばれる検証が必要となります。 構想フェーズ PoCフェーズ 開発フェーズ 運用フェーズ 達成したい目標とAIによる効 実証実験を通し、実現可能性 PoCでの検証結果を元に、精 安定運用の支援および追加学 目 率化を行いたい業務を明らか と投資対効果があることを明 度・速度を調整し、運用可能 習による精度向上を行い、業 的 にすること らかにすること なシステムを構築すること 務効率化をサポートすること 期 間 1ヶ月 ～3か月 3ヶ月～ 運用開始時から継続 • お客様の課題明確化 • 実証実験より精度検証 • システム化要件定義 • 導入後サポート • 適用範囲の明確化 • 標準機器による速度検証 • 本番環境での精度・速度調 • 運用教育支援 実 • データ収集の確実性の確認 • 想定ROI再算出 整 • 問い合わせ等年間サポート 施 内 • 概念ROI定義 • 新運用提示と方向性の合意 • 機能開発 • 機器サポート 容 • AIの性能・精度目標の確認 • 外部連携機能開発 • 導入支援(教育・技術支援) ※ お客様のご要望に合わせて ご提案します。 参 考 費 無償 100～400万円 1500万～2000万 50万/月 用 Copyright© System Integrator Corp. All rights reserved. 15

1. AISIA-ADのご案内 System Integrator 構想フェーズの実施内容 • お客様の課題背景を伺い整理した上で、AIを導入する必要があるかどうかを判断します。 • 導入に向けて、目的・効果・情報・手段を明確に定義して計画を立てる一番大切なフェーズです。 実施内容 ヒアリング内容 お客様の現状課題についてヒアリングします。 ・目的（ゴール）を設定するために課題背景や 課題の原因を明らかにすることで、AIによる解 現状問題を確認 課題のヒアリング 決が可能かどうかについて判断をします。 ・導入効果を策定のために検査対象の優先度や 重要度を確認 異常検知の対象についてヒアリングします。 ・検査対象物の特性を理解するために製造工程 異常検知対象に 専用のヒアリングシートを用いて、最終運用も や検査環境を確認 関するヒアリング 踏まえた課題解決の可能性を検討します。 ・対応手段を検討するために要求精度や処理速 度を確認 上記結果を元にご提案書とした取りまとめ、 PoCについてご提案します。 実現可能性判断 導入の効果が見込めない場合、お断りさせてい ただく場合もございます。 Copyright© System Integrator Corp. All rights reserved. 16

1. AISIA-ADのご案内 System Integrator PoCフェーズの実施内容 • PoCフェーズでは実現可能性と投資対効果があることを明らかにすることを目的に実証実験を行ってい きます。 データアセスメ 検証要件整理 モデル実証実験 最終報告 ント • 検知対象の整理と要求レベ • 検証用素材の収集 • モデル評価方法の検討 • 実施内容の説明 ルの設定 • 検証データ環境の手配・構 • 学習モデル作成・検証 • 実施結果の報告 • 最終運用イメージの整理 築 • 検証項目の適合性判断 • 課題の洗い出し • ROI評価指標の認識調整 • 検査・学習データの作成 • 検証データの精度・性能評 • 今後の進め方 価 PoCフェーズの流れ（2ヵ月～） 検査素材 進捗 進捗 お客様 用意 報告会 報告会 検証要件整 最終報告 理 検証環境 検査データ 学習データ 弊社 AIモデル実証検証 構築 作成 作成 両社でPoCにお お客様にて素材 AIモデルの実証検証の中間で、進捗報告 検証結果を最終 ける各種の目標 の用意、弊社に 会を行います。課題や問題は随時共有し 報告書としてま を設定します。 て検証環境の構 ながら検証を進めていきます。 とめてご提出致 築を行います。 します。 Copyright© System Integrator Corp. All rights reserved. 17

System Integrator 1. AISIA-ADのご案内 2. 株式会社システムインテグレータのご紹介 Copyright© System Integrator Corp. All rights reserved. 18

2. 株式会社システムインテグレータのご紹介 System Integrator 株式会社システムインテグレータ企業概要 • 独創的なパッケージ＆サービス作りをコアコンピタンスとしている会社です ■会社概要 社名 株式会社システムインテグレータ（https://www.sint.co.jp/） 所在地 ◼ 本社 ： 埼玉県さいたま市中央区新都心11-2 ランド・アクシス・タワー32F ◼ 大阪支社 ： 大阪府大阪市中央区平野町3丁目6-1 あいおいニッセイ同和損保御堂筋ビル ◼ 東京営業所 ： 東京都渋谷区恵比寿南2-1-10 インテックス恵比寿4階 ◼ 名古屋事業所 ： 愛知県名古屋市中村区名駅1-1-1 JPタワー名古屋21階 ◼ 福岡支社準備室： 福岡市博多区博多駅前３丁目4番25号アクロスキューブ博多駅前 設立 1995年3月14日 資本金 3億6,372万円 （東京証券取引所第一部(3826)） 代表者 代表取締役 梅田 弘之 社員数 223名（役員8名含む）※2020年6月1日現在 認定資格 参加団体 Copyright© System Integrator Corp. All rights reserved. 19