ファーウェイが推進する「マシンビジョン」はインダストリー4.0成功の鍵となるのか？

最近、「新インフラ」や「デジタルインフラ」がホットワードとなっている。新インフラの一つである「産業インターネット」は、市​​場から広く注目を集めているだけでなく、中央委員会政治局会議でも具体的に言及されている。

2018 年 3 月に Foxconn Industrial Internet が電撃的に承認されたことで、Industrial Internet は極めて大きなインパクトをもって世間の注目を集めることになりました。当時、中国ではすでに多くのプラットフォーム製品が登場し、外部エンパワーメントの事例が次々と暴露されていたが、資本レベルでの大きな動きにより、業界の活力が感じられやすくなり、プライマリーマーケットにも一定の自信が生まれた。

写真はYiou.comより

上記のように、2019年に市場で資金調達を受けた産業インターネット関連企業は31社あり、そのうち数社は同年に2回の資金調達を受けました。これは2018年の40社以上（企業名刺データ）と比較すると若干の減少であり、資金調達ラウンドは主にAラウンドに集中していましたが、全体的な傾向は依然として上昇傾向を示しました。

政策と資本が同じ方向に働いているとき、生み出される勢いは強力かつ急速です。しかし、インダストリアル インターネットが新たな高みに到達するためには、一体何が必要なのでしょうか? ここで私が示す答えは、マシン ビジョンです。

マシンビジョンとは何ですか?

マシン ビジョンは、非接触認識用の光学デバイスを使用して、実際のシーンの画像を自動的に取得および解釈し、情報を取得したり、マシンまたはプロセスを制御したりすることです。

マシンビジョンは日常生活で広く使用されており、輸送、水文観測、地質災害の早期警報および識別の分野で重要な役割を果たしています。マクロ的な観点から見ると、最も急速に成長しているサブ産業は顔認識と画像認識です。これら 2 つのサブ産業は、金融、セキュリティ、輸送の分野に集中しています。

しばらく前に、Huawei Security が突然公式発表を行いました。Huawei Security は Machine Vision に名前が変更されました。従来のセキュリティ企業はいずれも「AIoT」へと移行しているが、Huawei SecurityがMachine Visionに社名を変更したことは、いささか意外なことだ。 AIoT と比較すると、マシンビジョンはより具体的でシナリオベースです。 Huawei Securityの社名変更は、「マシンビジョン」が何千もの業界のデジタル変革の実現に役立つという期待を反映しています。

では、マシンビジョンはなぜそれほど強力なのでしょうか。それが業界全体のデジタル変革という大きな成果をもたらすことができるのでしょうか。

▲マシンビジョンシステム構成

ittbankからの画像

現在、マシンビジョンの基本機能は、主にパターン認識/カウント、視覚位置決め、寸法測定、外観検査の 4 つのカテゴリに分かれており、現在のアプリケーションは基本的にこの 4 つの機能カテゴリに基づいています。

• パターン認識/カウント: 主に、既知のパターンを持つ物体を区別することを指します。簡単なものには、形状、色、パターン、数字、バーコードなどの認識が含まれます。顔、指紋、虹彩認識など、より大量の情報やより抽象的な認識もあります。
• 視覚的位置決め: 主に、物体の識別に基づいて物体の座標と角度情報を正確に与えることを指します。位置決めは、マシン ビジョン アプリケーションにおける非常に基本的かつ中核的な機能です。ソフトウェアの品質は、その位置決めアルゴリズムの品質と密接に関係していると考えられます。
• 寸法測定: 主に、取得した画像のピクセル情報を一般的に使用される測定単位に調整し、画像内の必要な幾何学的寸法を正確に計算することを指します。利点は、高精度、高スループット、複雑な形状の測定にあります。たとえば、高精度の製品は、以前は人間の目では測定が困難だったため、サンプルでしか検査できませんでした。マシンビジョンを使用すると、完全な検査が可能になります。
• 外観検査：主に製品の外観欠陥を検査します。最も一般的なものには、表面組み立て欠陥（組み立て不足、混在、不一致など）、表面印刷欠陥（重ね印刷、印刷不足、再印刷など）、表面形状欠陥（エッジの潰れ、突起、穴など）が含まれます。製品の外観欠陥は一般にさまざまな種類があるため、マシンビジョンアプリケーションでは検出が比較的困難です。

技術的な実装難易度の面では、識別、位置決め、測定、検出の難易度が高まり、4つの基本機能から派生したさまざまなサブ機能も実装難易度が異なります。

マシン ビジョン アプリケーションで使用される一般的な光源には、ダイオード、石英ハロゲン、メタルハライド、キセノン、従来の蛍光灯などがあります。バーコードまたはワークピースの一部が隠れていると、読み取りエラーが発生する可能性があります。

マシンビジョンの可能性を最大限に引き出すために、産業用デバイスは高忠実度カメラを使用して、環境またはワークピースのデジタル画像をキャプチャします。これらの画像は、自動誘導車両 (AGV) またはロボット検査ステーションでキャプチャできます。その時点で、マシンビジョンは高度な認識アルゴリズムを使用して、その位置、ID、または状態を判断します。

マシンビジョンは産業用 IoT をどのようにサポートするのでしょうか?

産業用 IoT (IIoT) デバイスの普及は、技術の進歩における重要な時期を示しています。 IIoT は、企業にトップからボトムまでこれまでにないビジネスの可視性を提供します。ネットワーク センサーとクラウドベースのエンタープライズおよびリソース プランニング センターは、ローカルおよびリモートの資産とビジネス パートナー間の双方向のデータ モビリティを実現します。

双方向データ移動の媒体は、機械ピストンやベアリングのような小さなものからトラックのような巨大なものまでさまざまであり、適切な IoT ハードウェアとソフトウェアを使用して貴重な運用データを生成します。リソースや労働力が不足している場合でも、企業の業務はあらゆる場所で実行できます。

（１）モノのインターネット＝ユビキタスコンピューティング

マシン ビジョンは、あらゆるもののインターネットの世界にどのように適合するのでしょうか? マシン ビジョンにより、既存の IoT 資産がより強力になり、価値と効率性が向上します。新たな機会が生まれることが期待できます。

（２）センサーはより大きな可能性を実現できる

マシンビジョンにより、IoT システム全体のセンサーがさらに強力になります。センサーは生データを提供するのではなく、意思決定やさらなる自動化に使用できるレベルの解釈と抽象化を提供します。

（３）帯域幅要件の削減

マシンビジョンは、大規模な IoT 展開における帯域幅要件を削減できます。マシンビジョンは、データソースから画像やデータをキャプチャして分析のためにサーバーに送信するのではなく、通常はデータソースで研究されます。現代の業界では数百万のデータ ソースが生成されますが、マシン ビジョンとエッジ コンピューティングの助けにより、多くのデータ ポイントから、データ センターに送信することなく実用的な分析結果を生成できます。

（4）IoT自動化ソリューションのサポート

マシンビジョンは IoT 自動化テクノロジーを完璧に補完します。ロボット検査ステーションは人間の従業員よりも効率的かつ正確に作業でき、欠陥や異常が見つかった場合、関連データがすぐに意思決定者に提供されます。

（５）ロボット間の協働の安全性と実用性

マシンビジョンで構築されたナビゲーション システムにより、ロボットや協働ロボットの自律性と経路探索能力が向上し、人間の作業員と一緒により迅速かつ安全に作業できるようになります。倉庫やエラーのリスクが高いその他の環境では、マシンビジョンによりロボットが注文ピッキングの応答時間を改善し、結果として生じるビジネス損失を削減できます。

（６）インフラ間の連携の円滑化

現在そして将来、市場経済は企業や産業に、より少ない時間、材料、労働で運営することを要求しています。マシンビジョンは、ドローン、資材搬送装置、無人車両やパレットトラック、生産ライン、検査ステーションがネットワークの他の部分と詳細かつ貴重なデータをより適切に交換できるようにする上で、引き続き勢いを増していくでしょう。

工場環境では、これは機械と人がより効率的に連携して作業できるようになり、ボトルネック、オーバーラン、その他の中断が削減されることを意味します。

工場ではマシンビジョンをどのように活用しているのでしょうか?

一般的な産業プロセスに含まれるすべてのステップを考慮すると、マシンビジョンがプロセスのあらゆる側面をどのように改善できるかが簡単にわかります。

高品質の自動車部品を製造するには、人と機械が協力して原材料を調達し、その品質を評価し、加工のために工場に輸送し、品質検査に合格した適格な製品が工場から出荷され、最終的に小売業者やエンドユーザーに届けられる必要があります。

製品が輸送中であっても、まだ組み立てられていない場合でも、マシンビジョンはそれを自動的に処理する方法を提供します。組み立てなどのさまざまな部門の効率が向上し、より高く一貫した品質レベルが維持されます。

現実には、多くの企業がすでにマシンビジョンをワークフローに統合しています。

倉庫の床に線を引き、無人車両をその線内に安全に維持するといった単純なアプリケーションもあります。その他のマシンビジョンアプリケーションはさらに複雑であり、最も単純な例でさえもゲームチェンジャーとなる可能性があります。

産業界には、かつてはロボットへのアウトソーシングが困難または不可能であると考えられていたマシンビジョンの典型的な例がいくつかあります。前述のように、倉庫での商品のピッキングは、実装コスト、評判、顧客の観点からエラーが発生するリスクが高いプロセスです。商品の破損、商品の場所、SKU のわずかな変更によってエラーが発生する可能性があるため、商品ピッキングに機械学習を使用することは良いアイデアです。

現在、自動ピッキング ロボットは作業要件を 100% 完了しています。ロボットは安全に移動し、ロッカー内の部品や製品を検査し、ロボット アームを使用して正しいピッキングを行い、ピッキングしたアイテムをステージング エリアまたは梱包エリアに輸送できます。

つまり、企業が破損した商品や間違った SKU を出荷するリスクが大幅に減少します。

自動化された品質保証と検査は、マシンビジョンとモノのインターネットの組み合わせによって生み出され、急速に普及しつつあります。

現代の製造環境によっては、管理者が手作業を犠牲にすることなく検査プロセスを自動化し、結果を改善するのに役立ちます。代わりに、自動化された検査ステーションがこの非常に繊細な作業を処理し、人間はより認知的に要求の厳しいスキルを習得する必要があります。

2025年までに、協働ロボットはロボット販売全体の34%を占めるようになると予想されます。これは主に、マシンビジョンの改善と、現代の産業から非効率性、不正確さ、無駄を可能な限り排除する取り組みによるものです。

マシンビジョンとインダストリー4.0

サポートインフラの継続的な改善、製造業全体の規模の継続的な拡大、知能レベルの継続的な向上、有利な政策などの要因により、中国のマシンビジョン市場の需要は成長を続けています。中国ビジネス産業研究院のデータによると、2018年に中国のマシンビジョン市場の規模は初めて100億元を超え、2019年には125億元に近づきました。

優れた鋼製ドリルをお持ちでない場合は、その仕事を引き受けないでください。産業技術の向上と製品の応用範囲の拡大に伴い、将来の工業生産は「スマートアイ」を中心とし、数千のさまざまなデバイスに搭載され、さまざまな「手、足、体」の動作を指揮し、インダストリー4.0の青写真の「深い知覚、インテリジェントな意思決定、自動実行」を実現します。