鉄板製造ラインにおける設備保護のための画像解析アルゴリズムの活用

鉄板の圧延・巻き取り工程の設備監視

鉄板製造のラインでは、加熱した鉄の塊をローラーで圧延して薄い鉄板に成形し、最終工程で帯状に巻き取ってロールに仕上げます。

この一連の工程では、設備を正常に保つための監視が欠かせません。たとえば巻き取り時の鉄板の切れ端の位置は、後工程での固定動作に影響するため常時の確認が求められます。また圧延工程では、鉄板の端部がローラーを通過する際に鉄片が飛散することがあり、これを見逃すと設備の損傷につながります。

こうした監視は、鉄板を冷却するために常時水をかけることで生じる大量の蒸気や、瞬間的にしか現れない事象といった、目視での確認が難しい条件のもとで行われます。

設備監視における課題

製造設備の状態監視は、これまで人の目による確認に頼る場面が多く残されてきました。しかし目視に依存する方法では見逃しなどのヒューマンエラーが生じやすく、判断の基準も担当者ごとにばらつきます。これを補うためにAIの活用も検討されますが、従来のAIでは誤検知や未知の異常への対応が難しい場面がありました。

視界が遮られる環境

蒸気や水しぶきが立ち込める現場では、人の目でも対象を視認できないことがあります。視界が安定しない環境では、常時人員を配置しても確実な監視は容易ではありません。

瞬間的に起こる事象

設備の損傷につながる事象のなかには、ごく短時間しか現れないものがあります。発生頻度が低い一方で、いざ起きると影響が大きいため、人が張り付いて監視し続けても見逃しのリスクが残ります。

画像解析アルゴリズム Human Sense AIによる解決

「Human Sense AI 状態監視ソリューション」は、人が目で見て脳で判断するプロセスをベースとした独自開発の画像解析アルゴリズムを活用し、多様な現場の監視業務を自動化します。

明暗の境目を捉える独自手法

物体そのものを認識するのではなく「明暗の境目（影）」を検知する独自の手法により、蒸気が立ち込める環境でも安定した検出を行います。視界が遮られる条件でも対象の位置や状態を画像から捉えられるため、目視や従来のAIでは対応が難しかった監視を可能にします。

事前学習を必要としない異常検出

事前に大量の正常時画像を学習させる必要はありません。時間軸上で一定間隔に撮影した複数の画像の変化パターンを比較して異常を検出するため、発生頻度が低く事例の少ない事象や、未知の異常にも柔軟に対応できます。

即時のアラート出力

異常を検知した際は設備側へ即座に信号を出力します。事象の発生からライン停止に至る前の迅速な対応につなげる運用が可能です。

一般的なPCでの高速処理

高価なGPUや専用のハードウェアを追加する必要はなく、標準的なパソコンで高速な処理を行えます。設備に手を加えにくい現場でも、既存の環境を活かして監視の仕組みを構築できます。

Human Sense AI活用による期待効果

Human Sense AIを活用することで、以下の効果が期待できます。

見逃しリスクの低減

蒸気環境下や瞬間的な事象でも安定して検出できるため、人の目では防ぎきれなかった見逃しを抑えることが期待できます。設備の損傷やそれに伴うライン停止のリスク低減につながります。

監視業務の負担軽減

常時の目視確認に頼らずに状態を監視できるため、監視業務にかかる負担の軽減が見込まれます。視界の悪い環境や長時間の張り付きが必要な工程ほど、その効果が期待できます。