生活消費財 / 生活用品
Procter & Gamble：高速生産ラインでの製品外観検査
- 企業
- Procter & Gamble
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
P&Gの生活用品生産ラインでは、素材が高速で動く間に伸びたり、しわが寄ったり、部品が重なったりする。低コントラストの欠陥や複雑な包装模様も検査しにくい。従来のルールベースの画像検査では、素材や包装デザイン、生産環境が変わるたびに大幅な再設定が必要だった。
使った技術とデータ
P&Gは自社の深層学習モデルをSiemens Industrial EdgeとNVIDIA GPU搭載の産業用PCに組み合わせたVisual Inspection Cockpitを使う。リアルタイムのカメラ映像でラインを通る製品を検査し、設備の近くで結果を処理する。結果は生産制御につながり、警報や不良品の排出を実行する。工場の技術者はVisual Inspection Engineering Toolで検査モデルを直接設定し、学習と更新を行う。蓄積した品質データは工程の変化を探すために分析する。
成果
Siemensは、P&Gが世界の生産施設へシステムを拡大しており、製品によって廃棄率が10~20%下がったと発表した。再利用できるIndustrial Edgeアプリケーションと既存の統合手順により、新規導入を稼働させる速度は従来の個別設計の画像検査システムより5~10倍速いと説明した。生産チームはライン速度を保ちながら品質を連続的に確認できるようになった。
限界と残る課題
導入工場数、導入開始月、効果の測定期間は公開されていない。製品別の廃棄率低下の比較条件や誤検出率も原文にない。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。