外観検査とは？必要性や3つの検査方法、発見できる不良の例を解説

外観検査は、製品の品質を一定に保つために欠かせない工程です。

目視や装置を用いた検査方法がありますが、「すべてのキズや欠陥を見つけるのが難しい」と悩んでいる方もいるのではないでしょうか。

そこで本記事では、あらためて外観検査の必要性や流れを解説しつつ、より検査業務を効率化する方法を紹介します。

外観検査とは？

外観検査とは、製品の表面を確認する検査業務のことです。多くの製造業でおこなわれており、製品の品質が「規定値を満たしているか」を評価します。

外観検査によって、下記のような外観上の欠陥を見つけることが可能です。

 

検査員が目視で不良を確認する「目視検査」のほか、センサーや画像処理技術を搭載した「外観検査装置」を利用する方法があります。

外観検査が必要な2つの理由

外観検査が必要な理由は、主に下記の2つです。

 

1. 品質を保証できるため
2. 製造工程を改善して品質を維持できるため

順番に見ていきましょう。

理由1.品質を保証できるため

1つ目の理由は、製品の品質を保証できるためです。外観検査を実施することで、「一定の基準や仕様を満たした製品」だけを生産できます。

そもそもメーカーは、安定した品質の製品を顧客に届けなければなりません。しかし、生産数が多い製品の場合、それだけ不良品の数も増加する可能性が高いです。

万が一不良品のまま提供してしまった場合、顧客からの信頼を失う恐れがあります。トラブルを未然に防ぐためにも、外観検査が欠かせません。

理由2.製造工程を改善して品質を維持できるため

製造工程を改善して品質を維持できるのも、外観検査が必要な理由のひとつです。外観検査で不良品が出た場合、「どの工程で不良品が発生したのか？」という原因を突き止める必要があります。

設計や製造プロセスの原因がわかれば、問題点をフィードバックして改善することが可能です。

例えば、時計の組み立てをおこなう工場で「仕様と異なる形の時計」が作られたときに、「作業員が手順を間違えてしまった」ケースを考えてみましょう。

この場合、下記の改善方法が挙げられます。

 

上記のようにその都度改善を繰り返すことで、顧客が満足できる製品のクオリティを維持できます。また、不良品を極力ゼロに近づけられれば、不良品が発生したときのロスを減らすことも可能です。

外観検査を実施するときの流れ

続いて、外観検査を実施するときの流れを見ていきましょう。ここでは「ペットボトル容器」を例に挙げて説明します。

No	ステップ	例：ペットボトル容器の場合
1	製品の良否を確認する	ラベルに穴の空いたペットボトル容器を発見する
2	不良品が出た場合、発生した要因を調査する	小さな穴のため、目視検査で見落としてしまった
3	製造工程や体制に問題点がないか調査する	目視確認に頼っており、検査員の負荷が大きい
4	製造工程や設計を改善する	小さな穴や凹凸まで正確に検出できる「外観検査装置」を導入する

以上のように、発生した要因を調べるだけではなく、「現状の製造工程や作業体制に問題がないか」まで調査する必要があります。

特に、外観検査で「不良品の見逃し」が起きる原因のひとつが、検査員の「人手不足」や「負荷の高さ」です。自動化できる工程は外観検査装置を活用し、不良を見逃さない環境を作っていくことが重要になります。

外観検査の3つの方法

外観検査には、主に下記3つの方法があります。

 

1. 目視で検査する
2. AI非搭載の外観検査装置を利用する
3. AI搭載の外観検査装置を利用する

それぞれのメリット・デメリットと併せて、順番に見ていきましょう。

方法1.目視で検査する

メリット	デメリット
・特別な設備が必要ない ・熟練した検査員なら、精度の高い検査ができる	・人力なので時間がかかり、効率が悪い ・人によって判定にばらつきが出る ・採用、育成コストがかかる ・検査員の心身に負担がかかる

1つ目は、検査員が目視で検査する方法です。検査員がいれば特別な設備が不要な上、熟練した人なら精度の高い検査をおこなえます。

一方で、何年も経験しているベテランと新人では、不良の判定にばらつきが出やすいことがデメリットです。

また、熟練するまで検査員を育成しても、退職してしまう恐れもあります。検査員は長時間集中して取り組まなければならない仕事のため、心身に負担がかかりやすいからです。

以上のようなデメリットにより、検査装置を導入する製造現場が増えてきています。

方法2.AI非搭載の外観検査装置を利用する

メリット	デメリット
・外観検査を効率化できる ・目視検査に近い検査をおこなえる ・人件費を削減できる ・目視検査のようなばらつきを防ぎやすい	・複雑な判定が苦手 ・多様な形状や材質には対応が難しい ・導入、利用には専門知識をもった人材が必要になる

今の製造業で主流なのが、外観検査装置を利用する方法です。

外観検査装置とは、カメラで撮影した画像データや赤外線などのセンサーによって、製品の状態を自動で検査する装置のことです。

目視での検査と違い、人件費を削減しつつ、人によるばらつきを防げるメリットがあります。

一方で、あらかじめ不良品の判定値を設定しておく必要があるため、さまざまな形状や材質のある製品には対応が困難です。

また、外観検査装置を導入・利用するには「専門知識のある人材」が必要なため、属人化しやすくなります。

方法3.AI搭載の外観検査装置を利用する

メリット	デメリット
・複雑な判定に対応できる ・種類の多い製品に対応できる ・検査員の熟練度に頼らないため、採用や育成のコストを削減できる	・初期費用がかかる ・大量の異常データが必要になる

3つ目は、近年普及しつつある「AIを搭載した外観検査装置」を利用する方法です。製品の画像データをAIに学習させ、学習モデルを構築することで、自動的に良否を判断できるようになります。

一般的な外観検査装置と違い、種類の多い製品でもキズや異物を検知してくれるため、検査の精度が上がりやすいです。

また、検査員の知識や技術に依存しないので、採用・育成コストを削減することが可能です。

種類	入力方法	精度
一般的な外観検査装置	△ 不良品の判定値を入力	△ 過去に入力していない 不良事例は検知できない
AI搭載の外観検査装置	〇 正常画像と異常画像 をアップロード	〇 過去の事例から学習するため 精度が高まる

一方で、AIに学習させるために、「正常な状態の画像」と「異常な状態の画像」を収集しなければならないデメリットもあります。

製造現場ではさまざまな異常パターンが発生するため、画像を集めるだけでも時間を要します。そこでおすすめなのが、「正常な画像のみ」を学習させるだけで異常を検知できる「外観検査AI」です。

画像収集の手間を約50%削減できますので、興味のある方はぜひ下記のページから詳細をご覧ください。

【無料トライアル実施中】外観検査AIの詳細を見る

外観検査の段階ごとの主な検査項目

続いて、外観検査の主な検査項目について説明します。

そもそも検査項目とは、「製品のどの部位がどのような状態になっていれば良品or不良品なのか」を文字と写真で記したものです。

製造プロセスのうち、どの段階で実施される検査なのかによって、検査項目が変わってきます。

 

1. 製品が作られたとき
2. 製品の表面を見るとき
3. 仕上がりを確認するとき

順番に見ていきましょう。

段階1.製品が作られたときの検査項目

製品が作られた段階で、仕様（製品が満たすべき規定）と異なる部分がないかをチェックします。

項目	確認内容の例
形状	・定められた形状と違いがないか ・変形や欠損がないか
寸法	定められたサイズと違いがないか
構造	・部品の組み合わせに誤りがないか ・組み立て方にズレがないか
色	塗装の色に変色や色ムラがないか

上記のような検査をした結果、製品が規格から外れていた場合は除外します。

段階2.製品の表面を見るときの検査項目

製品の表面に「キズや異物の付着がないか」を見ていく段階です。

項目	確認内容の例
見栄え	・表面に凹凸がないか ・スジやシワができていないか ・仕様と違う感触がしないか
キズ	小さなキズやスレができていないか
付着物	汚れやほこりがついていないか

特に見た目の検査は、検査員によって善し悪しの判断が異なることもあるため、基準を決めにくい部分です。あらかじめ基準書を作成しておき、スムーズに検査できる体制を作らなければなりません。

段階3.仕上がりを確認するときの検査項目

完成した製品に対し、「良品と異なる部分がないか」を最終チェックします。

項目	確認内容の例
組み立て	ズレやキズがないか
仕上がり	・バリや欠け、突起がないか ・加工したときの補助具の跡がないか

以上のような検査を経ることで、見た目だけではなく、顧客が安全に使えるような製品に仕上がります。

外観検査で発見できる不良の例を紹介

外観検査を実施することで、実際にどのような不良が見つかるのか紹介します。ここでは金属・食品・日用品業界の例を見ていきましょう。

業界	検査対象の例	不良の例
金属業界	ナット・ワッシャ・ベアリング	・水の侵入や湿気によるサビ、腐食 ・バリ、欠け
	ネジ・ボルトの輪郭	・ネジを切ったときに残るバリ ・加工時の割れ、欠け
食品業界	賞味期限の印字	・賞味期限の印字ズレ ・日付の印字間違い
	異品種の混入	パッケージが類似した製品の混入
日用品業界	製品のラベル	・ゴミやほこりの混入 ・ラベルの破れ、ズレ ・印字の間違い

このように、外観検査によってさまざまな不良を発見することが可能です。

しかし、検査員の経験に頼った「目視検査」や、不良の判定値を設定する「外観検査装置」では、すべてのパターンへの対応が難しいケースもあります。

そこで提案したいのが、AIを活用した外観検査装置の利用です。

一般的には「正常」と「異常」の両パターンをAIに学習させる必要がありますが、TDSEの外観検査AIは「異常パターンの画像のみ」で判定できます。

例えば下図のように、テクスチャ系からカプセルや電子部品まで、異常を検知することが可能です。

プログラミング不要でAIの学習モデルを構築できるため、専門知識がなくても使い始められます。

「現状の外観検査では、あらゆる不良に対応しきれない」とお悩みの方は、ぜひ下記のページからサービスの紹介をご覧ください。

【無料トライアル実施中】外観検査AIの詳細を見る

外観検査を効率化するには、AIの活用が重要

外観検査を実施することで、不良品を発見して流出を防げるようになります。また、根本的な原因を突き止めて、製造プロセスを見直すのにも役立ちます。

近年はAIを搭載した外観検査装置も増えているため、属人化を防ぎつつ、作業効率を上げることが可能です。

外観検査装置の導入を考えている方は、ぜひAIの活用を検討してみましょう。