AI-Based Inline PCB Defect Detection and Robotic Sorting Using Smart Vision, PLC Logic, Fanuc Vision and SCADA Integration

世界の電子機器を製造する工場では、ほんの小さなミスが莫大な損失を招くことがあります。回路基板上のチップが一つ欠けているだけで、あるいは、あるべきではない場所に半田が垂れているだけで、あるいは、部品がわずかに斜めに配置されているだけで、そのデバイスは使い物にならなくなってしまいます。数十年にわたり、その解決策は人間の目で全ての基板をスキャンすることでしたが、それは疲労によって避けられずミスが生じる、遅くて消耗の激しい作業でした。その後、カメラとソフトウェアを使用して、見たものを完璧なテンプレートと比較できる「目」を持つ機械が登場しました。しかし、これら初期の機械は硬直的でした。基板がわずかにずれたり、照明が変わったりすると、機械は混乱し、良品を不合格としたり、不良品を見逃したりしたのです。この進化の次のステップは、人間と同じように、完璧で不変のテンプレートを必要とせずにパターンや欠陥を認識できるよう、機械に「学習できる脳」を与えることでした。この、硬直したルールから柔軟な学習への転換こそが、現代の産業オートメーションの核心であり、工場がより速く、より清潔に、そしてより少ないミスで稼働する未来を約束するものです。

ミシガン工科大学の研究チームは、この未来の動作モデルを構築し、人間の手を借りずに回路基板を検査し、自動的に仕分けを行う完全なシステムを作り上げました。彼らは単にエラーを見つけるためのコンピュータプログラムを書いたのではなく、カメラ、コントローラー、ロボット、そしてモニター画面がすべて一つのユニットとして機能する物理的なワークステーションを構築したのです。このシステムは、人工知能を搭載したスマートカメラを使用し、コンベアベルト上を移動する回路基材を観察します。カメラが基板を検知すると、ベルトを停止させ、写真を撮り、その基板が良品か不良品かを瞬時に判断します。もし基板に欠陥があれば、ロボットアームが手を伸ばしてそれを取り除きます。良品であれば、ベルトが再び動き出し、基板は次へと進みます。研究者たちは、カメラが基板を見ることからロボットがそれを動かすまでの一連のイベント全体が、たとえベルト上に複数の基板が同時に存在する場合でも、確実に実行できることを証明しました。

彼らの成果の核となるのは、情報の流れをどのように管理したかという点にあります。忙しい工場では、基板は一つずつ止まるわけではなく、しばしば流れとして移動します。これはトリッキーな問題を引き起こします。もしカメラが基板を検査した後にベルトが動いた場合、ロボットはどうやって後でどの基板を拾い上げるべきかを知るのでしょうか？もしシステムが混乱すれば、良品を捨ててしまったり、不良品を残してしまったりする可能性があります。研究者たちは、検査結果を到着した正確な順序で保持する手法である「デジタルキュー（待ち行列）」を使用することで、この問題を解決しました。これは、チケットを待つ人々の列のようなものです。基板がカメラに到着すると、その結果は列の最後尾に置かれます。そして、同じ基板がロボットのステーションに到着したとき、システムは列の先頭から結果を取り出し、それに基づいてロボットに指示を出します。これにより、他の多くの基板が周囲を移動していても、すべての基板が自分自身の検査記録によって判断されることが保証されます。

このシステムをテストするために、チームはコンベアベルト、基板の到着を検知する2つのセンサー、スマートカメラ、そして6軸ロボットアームを備えた現実世界の環境をセットアップしました。彼らは、回路基板の「脳」である小さな黒いチップ、すなわち集積回路（IC）の欠落を認識するようにカメラの人工知能を訓練しました。カメラは、これらのチップの特定の形状を認識し、その数を数えるように教えられました。もしカメラが正しい数のチップを確認できれば、その基板を「合格」とマークします。もしチップの数が予想より少なかったり、配置が間違っていたりした場合は、「不合格」とマークします。システムは、基板が常に全く同じ場所に止まるとは限らなかったり、照明がわずかに変化したりするという、工場の現場における「乱雑な現実」に対処できるように設計されました。

結果は、システムが意図通りに機能したことを示しました。14枚の回路基板を用いた一連のテストにおいて、システムはどれが良品でどれが不良品かを正しく識別しました。すべての部品が揃っている基板と、部品が欠けている基板をうまく区別することに成功しました。カメラは判断を下すまでに1秒もかからず、ロボットアームは精密に動いて基板を仕分けました。研究者たちは、システムが基板の物理的な動きを扱うことに特に優れていることを見出しました。コンベアベルト上に複数のアイテムが移動している場合でも、デジタルキューがどの結果がどの基板に属するかを見失うことはありませんでした。独自のビジョンシステムに導かれたロボットアームは、良品をラインに流すのか、あるいは不良品をリジェクト箱に捨てるのかに関わらず、基板を拾い上げて正しいビンに配置することができました。

しかし、研究者たちは、これがプロトタイプ、つまり完成された製品ではなく、コンセプトを証明するために構築された動作モデルであることを慎重に注記しています。システムは特定のテストにおいて約8割の精度を達成しましたが、まだ完璧ではないことも認めています。基板が毎回全く同じ位置に配置されていない場合にシステムは少し苦戦し、カメラが写真を撮るためにベルトを停止させる必要があるため、コンベアベルトの速度には制限がありました。これらは、このようなシステムが主要な電子機器メーカーの高速なラインで稼働する前に解決すべき実用的なハードルです。また、チームは、人工知能モデルが比較的少ない画像セットで訓練されたため、あらゆるタイプの欠陥や照明条件に対処する能力には限界があることも指摘しました。

こうした限界はあるものの、このプロジェクトは、高度な人工知能と標準的な工場設備を組み合わせることで、完全に自動化された検査ラインを作ることが可能であることを実証しました。このシステムは、遠く離れたサーバー室にある単一の強力なコンピュータに依存するのではなく、インテリジェンス（知能）自体がカメラの中に存在し、ローカルで即座に判断を下す仕組みになっています。このアプローチにより、カメラは工場コントローラーと直接通信し、そこからロボットへ指示を出すことが可能になりました。プロセス全体は、システムのステータスをリアルタイムで表示するモニターによって監視されており、オペレーターは一目で何が起きているかを把握できます。スマートなビジョン、論理的制御、そして物理的な仕分けの統合は、品質を確保するための方法における重要な前進を意味しています。これは、ハイテク研究と実際の工場の機械との間の溝が狭まっており、機械が単に欠陥を見るだけでなく、それを理解し、人間の介入なしに問題を解決できる世界へと近づいていることを示しています。