不良の境目を写真で決める——判定が割れる欠点の見本写真と検査員のそろえ方

この記事は、目視の外観検査で検査員の判定が割れている欠点について、良品と不良の境目を写真で決め、検査員の判定と AI の学習用の正解をそろえる手順を扱う。欠点の名前と定義、面の区分、見る条件、限度見本の作り方と仕入先との取り決めは外観の合否基準を仕入先と決めるで扱ったので、ここでは社内で境目を写真に落とし、判定の割れを数えて減らすところに絞る。

なぜ境目を写真で決めるのか

外観の基準は、言葉と現物の限度見本で決めるのが基本である。それでも判定は割れる。精密工学会誌の解説は、目視検査の課題として検査能力の個人差が大きいことなどを挙げ、検査員が判断に迷ったときは限度見本で判断するといった対策をしているが、判断にも個人差があり品質を統一することは難しい、と書いている^[1]。同じ解説は、AI に学習させる教師データについて、良品と欠陥のバリエーションを増やし、統一された基準で作成することを注意点に挙げている^[1]。

1996 年の電気学会の論文は、検査の基準の書き方を、明確に規定されて数値で表されたもの、ある程度規定されて文章や数値で表されたもの、ほとんど規定されず限度見本で表されたもの、の 3 種類に分け、限度見本だけで表された検査は、限度見本の物理的な特性と検査員の印象の関係で中身が形づくられているため、自動化が難しいとしている^[6]。限度見本だけに頼る基準は、人の頭の中に境目があり、AI には渡しにくい。

写真で境目を決める理由は、ここにある。現物の限度見本は 1 点か数点しか作れず、検査員が同時に見られる人数も限られる。写真なら、境目の近くの物を何十枚も並べ、複数の人に同じ物を同じ条件で見せられる。判定の割れを数えるのにも、AI に正解を付けるのにも、同じ写真を使える。

ただし、写真は現物の代わりにはならない。外観の合否基準を仕入先と決めるで書いたとおり、写真は照明で見え方が変わる。境目の見本写真は、現物の限度見本とセットで使い、写真だけで最終判定しない。

境目の見本写真を作る手順

1. 迷った物を集める

材料になるのは、検査員が判定に迷った物と、検査員の間で判定が割れた物である。不良品の写真をためるときに「迷い」として残しておいた写真が、そのまま使える。集め方は不良品の写真の集め方で扱っている。欠点の種類ごとに、明らかな良品から明らかな不良まで、境目の両側の物がそろうように集める。

建築塗装の外観基準を研究した竹延らは、色調・光沢・ライン出しのように特性が連続的に変わる欠点について、水準を段階的に変えた試料を作る方法を開発して合否の閾値を求めている^[5]。一方で、ブツ・キズ・タレ・スケのような欠点は、連続的に水準を設定できる方法がまだ確立していない、と書いている^[5]。写真の見本も同じで、大きさや濃さが連続的に変わる欠点は段階の写真を並べやすく、形がばらばらな欠点は実物の写真を多めに集めることになる。

2. 同じ条件で撮る

写真は、検査で見る条件と同じ照明・距離・角度で撮る。めっきの外観評価をまとめた野中は、色差計は現場で広く使われる一方、光源によって数値が変わるという短所があると指摘している^[4]。測定器でさえ光源で値が変わるのだから、写真の見え方はなおさら照明に左右される。撮影台・照明・カメラを決め、写真の隅に条件の番号を入れておく。

3. ぎりぎり合格とぎりぎり不合格を対にする

中小企業基盤整備機構の J-Net21 は、官能検査の精度を上げるために限度見本を整備し、合否に迷ったときは検査品と限度見本を比べること、そして合格限度見本と不合格限度見本の両方をそろえると検査精度が上がることを挙げている^[2]。写真でも、欠点の種類ごとに「ここまでなら合格」と「ここからは不合格」の写真を対にして並べる。片側だけでは、境目がどこにあるかが伝わらない。

4. 複数の検査員に、別々に判定させる

集めた写真を、検査員それぞれに、他の人の判定を見せずに判定させる。結果を並べると、判定が一致した写真と割れた写真に分かれる。3 人で判定した場合の扱いの目安は次のとおりである。

割れた写真が多い欠点は、定義か見る条件が足りていないことが多い。話し合う前に、その欠点の定義と見る条件が書かれているかを確かめる。

検査員の判定がどこで割れているか、写真で数えるところから相談できる→ 境目の決め方を相談する

5. 割れた写真について話し合い、境目と理由を決める

割れた写真を並べ、どこに線を引くかを決める。決めたら、なぜそこに線を引いたのかを書く。「客先の組み立てで見える面だから厳しく」「この大きさ以下は後工程の塗装で隠れるから合格」のように、理由が書いてあれば、次に似た物が出たときに同じ判断ができる。

基準を厳しくしすぎれば良品を捨て、緩めれば不良を流す。竹延らは、合格の許容限度を厳しくすれば本来良品とすべきものを不良と判別する誤りが生産性を下げ、緩めれば不良を良品と判別する誤りが見逃しの原因になる、と述べている^[5]。境目を決める話し合いでは、どちらの誤りを重く見るかを先に確かめておく。

6. 決まらない物は「保留」として扱いを決めておく

話し合っても決まらない写真は残る。それを無理にどちらかに入れると、正解がぶれる。産業技術総合研究所の機械学習品質マネジメントガイドラインは、正解を付ける作業（ラベリング）について、作業者の間で統一した基準を定めて判断するか、ダブルチェックを行うこと、さらに段階を上げて、許される揺らぎの範囲を事前に検討して文書にし、作業中に生じた揺らぎについての判断を記録することを求めている^[3]。まれなデータを学習に使うか除くかの扱いも、判断の決まりが無ければ人によって揺れる、という趣旨の注意を添えている^[3]。

外観検査でいえば、決まらない写真は「保留」として別に置き、保留の物が実際に出たら人が判定する、という扱いを決めておく。AI の学習には使わないか、使うならどちらの正解で使うかを決めて記録する。

境目の見本写真の一枚に付ける項目

見本写真は、写真だけが独り歩きしないように、次の項目と一緒に管理する。

見本は「作る」より「保つ」——版と見直し

野中は、限度見本そのものに人の感覚が入り込んでおり、真に客観的な評価とは言い難い面があり、社外を含めて基準を明確にし共通化することが難しい、と述べている^[4]。そのうえで、めっきの外観評価の国際標準化について、限度見本（良品・不良品）を基準に用いる方法は取引関係にある個々のグループの中に運用が限られる「ローカル」の方法であり、理想的なめっきに近い試料をただ一つの基準に用いる方法は社外とも共通の評価ができる「グローバル」の方法として、規格開発が進められていると紹介している^[4]。

社内の境目の見本写真は、まさにローカルの方法である。だから、版で管理し、見直しの日を決めておく。見直すのは、新しい欠点が出たとき、材料や仕入先が替わったとき、AI の判定と人の判定が食い違う写真が増えたとき、検査員が入れ替わったときである。見直したら版を上げ、AI の学習に使っている正解も同じ版にそろえる。古い版の正解のまま学習させると、AI だけが古い境目で判定することになる。

竹延らは、評価者に評価の条件を任せるのではなく、評価の条件の設定を標準化することで、合否判定の精度を上げられる可能性に触れ、そのためには評価の時点だけでなく日常の作業環境も同じ照度などにそろえる必要がある、と述べている^[5]。境目の見本写真を見る場所と、ふだん検査する場所の照明がそろっているかも、あわせて確かめる。

決めた境目で、検査員を定期的に確かめる

境目を決めたら、検査員がその境目で判定できているかを、定期的に確かめる。J-Net21 は、監督者が検査担当者とともに合否の結果を現物で検証し、誤った判定があればなぜ誤ったかを検討して、教育を続けることが重要だとしている^[2]。

やり方は、見本写真の中から境目に近い物を混ぜて、他の人の判定を見せずに判定させ、決めた正解と比べることである。外れた写真が特定の欠点に偏っていれば、その欠点の定義か見本が足りない。特定の人に偏っていれば、その人への説明が足りない。同じ写真のセットで AI の判定も確かめれば、人と AI が同じ境目で判定しているかが分かる。

仕入先から受け入れる品物に使うとき

社内で決めた境目を、受け入れる品物の検査に使うなら、仕入先と合わせておく必要がある。社内だけで境目を厳しい側に動かすと、仕入先から見れば基準を後から厳しくしたことになりうる。見本写真の版を上げたら、受入の基準として仕入先に渡すかどうかを決め、渡すなら次の発注分から適用する。基準と受領拒否の関係は受領拒否・返品・やり直しはどこまで許されるかにまとめてある。

よくある質問

境目の写真は何枚あればよいですか

欠点の種類ごとに、境目の両側が分かる対がいくつかそろえば、判定の割れを数え始められる。枚数より、割れた写真を話し合って理由を残すことのほうが大事である。

熟練の検査員一人の判定を正解にしてはだめですか

当面の正解にはなる。ただし、その人の中でも日によって判定が変わることがあり、その人が辞めれば境目も消える。少なくとももう一人が独立に判定し、割れたものを話し合う形にしておくと、境目が人から離れて記録に残る。

AI に学習させる正解と、人の検査の基準は同じにすべきですか

同じ版にそろえる。AI だけ別の境目で学習させると、人の見直しのたびに判定が食い違い、どちらを信じるかで現場が迷う。AI と人の分担はAI と人の分担で扱う。

まとめ

検査員によって判定が割れる欠点は、そのまま AI に学習させると割れた基準を覚える^[1]。限度見本だけで表された基準は人の中に境目があり、自動化しにくい^[6]。境目の近くの物を同じ条件で撮り、ぎりぎり合格とぎりぎり不合格を対にし^[2]、複数の検査員に別々に判定させて割れた写真を話し合い、理由を残す。決まらない物は保留として扱いを決め、揺らぎの判断を記録する^[3]。見本写真は撮る条件・現物の見本と結び付けて版で管理し^[4]、評価の条件と日常の検査の条件をそろえ^[5]、検査員と AI を同じ写真で定期的に確かめる。

費用の数え方は目視検査の自動化の費用対効果、品番が多い場合の進め方は品種が数百あるときの AI 検品で扱う。

出典・参考資料

1. Deep Learning の外観検査への適用と研究動向（久保田 進也／精密工学会誌 85 巻 1 号／2019 年）
2. 製造業での検査の基本となる官能検査について教えてください。（中小企業基盤整備機構 J-Net21 ビジネスQ&A）
3. 機械学習品質マネジメントガイドライン 第 4 版（Revision 4.1.0）（産業技術総合研究所 デジタルアーキテクチャ研究センターほか／2023 年 12 月 12 日）
4. めっき外観評価技術と標準化（野中一洋／表面技術 69 巻 4 号／2018 年 4 月）
5. 建築塗装分野における外観品質の判定基準に関する研究（竹延幸雄・森口文博・棟近雅彦／日本経営工学会論文誌 75 巻 1 号／2024 年 4 月）
6. 限度見本による官能検査の特徴量特定（千葉直樹ほか／電気学会論文誌 D 116 巻 7 号／1996 年 6 月）

WHITE PAPER

この記事の理解を深める
無料ホワイトペーパーをプレゼント

製造業の現場で使える実務資料（PDF）を無料でお届けします。"こんな資料が届きます" ↓ 下のボタンからどうぞ。

🔒 全文は無料ダウンロードで