会社のモデルチェンジの裏側には

人に知られていない秘密が隠されています。

では、我々と一緒に、その秘密を探ってみましょう。

チント新エネルギーはチントグループの傘下にある子会社で、新エネルギーを開発、建設、運営、管理を担ったマルチエネルギー・ソリューションシステムを提供する企業です。主に太陽光パネルの生産・販売、太陽光発電所の建設、電力の貯蔵、配電と売電、マイクログリッド、多能かつ相補性のある総合エネルギーの投資・開発に取り込んでいます。これまで世界で総発電量3,600 メガワットを提供し、その中でも、太陽電池モジュールの発電量は2500メガワットにも及んでいます。

チント新エネルギーは多結晶太陽光パネルの品質検査にAIによる画像認識技術を導入することで、目視検査を自動検査に置き換えることにより、出荷製品の合格率向上を追求しています。

モデルチェンジの効果

簡単に言えば、AIによる画像認識検査とはコンピューターと接続されたカメラで撮影し、パソコンで画像を分類、識別し、太陽光パネル製品の欠陥の有無を検査することです。

AIによる画像認識検査ロジックは検査員と同じようにET Brainの中に欠陥製品の特徴を記録・蓄積し、検査する製品を蓄積したデータと比較し、欠陥製品を検出するようになっています。AIには人間を遥かに超えた記憶力と計算力を保有しており、外界に影響されずに、１秒に満たないミリ秒単位の極めて短い時間の中で、瞬時に判断できるようになっています。しかも、人間のように疲れを全く感じないという利点もあります。「ET Brain」の活用方法は以下の4つのステップによって示されています。

データの埋め込み

自動検出は記録されたデータに基づくものです。そのため、最も重要なことはET Brainにデータを記録することになります。つまり、先ずここ2、3年間に収集された欠陥製品の5万枚以上の画像をアルゴリズムサーバーにアップロードします。画像データには「ひび」、「角欠け」、「黒色の斑点」、「黒いシミ」、「黒い線」、「船紋」、「指紋」、「部分的に暗い」、「焼結不良」など20種類余りの欠陥のタイプを含んでいます。

ディープラーニング

「ET Brain」は記憶力があっても知力がまだ幼いレベルなので、良品、不良品がまだ判断できる状況にありません。そのため、全ての画像を欠陥の特徴についてはっきり認識させ、クラウドコンピューティングプラットフォームに転送させなければなりません。このように、ディープラーニング及び画像認識技術を通じて、アルゴリズムトレーニングを行います。アルゴリズムでは、数学の公式のように、同じ正解には複数の手続きまたは思考方法があると考えられています。

正しく効率的なアルゴリズムは有機ELを利用し、毎日、何万枚の画像から、効率の最も高い手順で製品の欠陥を検出し、欠陥のタイプ、長さ、面積、形などの情報を分類・計算し、リアルタイムでアラームを出すすることができるようになります。

オフラインテスト

シミュレーションでトレーニングされたアルゴリズムは必ずオフラインテストと最適化を行わなければなりません。何千枚から数万枚以上へと、アルゴリズムに新しい画像を次々と認識させ、記録した製品欠陥の特徴に関する更なる高精度の記録を行います。そうすることで、更に幅広い欠陥を検出できるようになります。

4オンラインテスト

実際の生産の中で行われる品質検査の環境はオフラインの状況より、更に複雑なため、AIアルゴリズムは実際のライン上でテストを行わなければなりません。オンラインテストにより、新たに見つかった欠陥の特徴をアルゴリズムモデルにフィードバックします。アルゴリズムをより効率的に改良することによって、より精度の高い欠陥品の検知が可能となります。

このようにオンラインテストを何回も行うことにより、AIアルゴリズムの識別の精度を95％以上にまで向上させることができます。それだけでなく、画像の撮影から、データの記録、処理、そして、データをMESシステムに欠陥の判定をアップロードし、最後、MESシステムの指示に基づき欠陥製品を検出するまで、所要時間はわずか1秒以下で、以前より時間を半分に短縮することが可能です。更に、検査中は検査員が手を煩わせずに済むのです。そうすることで、品質検査の効率が倍増すると同時に、多くの人をより価値ある仕事に従事させることができるようになります。