多品種少量PCB実装向けAOIの選び方

多品種PCB実装向けのAOIを選定する際は、単発のスペックよりも継続的な運用コストを重視すべきです。カメラ解像度や基板ハンドリング性能は重要ですが、実績あるベンダーならどの装置もその基準をクリアしています。多品種の現場で装置の優劣を分けるのは、各段取り替えにどれだけのコストがかかるかです。プログラミングに必要な入力データ、操作担当者のスキルレベル、所要時間、そして誤検出が自律的に減るのか、それとも新規ロットごとに再調整が必要になるのかという点です。

大半のAOI選定ガイドは、解像度、照明、対応基板サイズを説明して終わります。それも有用ですが、不十分です。週に3回再プログラミングを行う装置と、年に2回しかプログラミングしない装置とでは、スペックシートが同じであっても購入の意味合いが根本から異なります。本ガイドでは、要件の洗い出し、オフラインとインラインの判断、2Dと3Dの選定、そして導入後の実態を浮き彫りにする7つの質問を解説します。

多品種生産向けのAOI選定で本当に重要な要素とは？

多品種生産において最も重要な選定基準は、継続的に発生する要素です。プログラミングの入力要件（CADデータ、部品ライブラリ、あるいは実物のゴールデンボード）、新規ジョブごとの段取り替え時間、オペレーターと専任エンジニアのどちらが運用可能か、そして長期的に誤検出をどのように抑え込めるかです。ハードウェアスペックは最低限の基準を示しますが、その支払いは1度きりです。一方、段取り替えのコストは毎週発生します。

スペックシートは入場チケットのようなものと考えてください。最小パッケージを捉える解像度、対応基板寸法、コンベア適合性など、候補に挙がる信頼できる装置であればどれも合格点に達しており、ベンダー側もそれを知っているからこそデモで数値を強調します。

重視すべき基準の逆転は、スペックシート上ではなく自社の現場で起きます。新規ジョブが月1件であれば、プログラミング工数は誤差の範囲です。しかし1ラインあたり週3件のNPIがある場合、プログラミング工数は本体購入価格を上回り、装置の5年間の保有コストの中で最大の項目になります。プログラミングのワークフローと誤検出への対応負荷こそがそのコストの正体であり、通常光学系に注ぐのと同等の綿密な精査が求められます。

自社の真の要件をどう見極めるか？

装置を比較する前に、自社ラインを監査してください。1ラインあたりの週間NPI件数、典型的なロットサイズ、ジョブ開始時にCADデータが実際に揃っている頻度を算出します。段取り替えを担当するのは誰か（専任のAOIエンジニアかラインオペレーターか）、現状の誤検出および再検査の負担、そしてタクトタイム上インラインでの流動停止が必要か、それともライン横のオフライン機で十分かを把握します。これらの回答が、後続のあらゆる基準の重み付けを決定します。

以下の6つの質問に率直に答えることで、要件が明確になります。

1. 1ラインあたりの新規ジョブは週に何件あるか？ この数値ひとつで、プログラミング時間が些細な問題か、それとも最大の課題かが決まります。
2. 典型的な生産ロット数はどのくらいか？ 短ロット生産では段取り替えコストが増幅されます。6時間の生産のために4時間のプログラミングを行うのは割に合いません。
3. 顧客からCADおよびBOMデータが確実に支給されるか？ EMSなどの受託製造ではデータが来ない、あるいは遅れて不完全な状態で届くことが珍しくありません。CAD依存のワークフローはその混乱をそのまま引き継ぎます。多品種の現場が最も苦しむ点であり、ソフトウェア側の障壁がそれをさらに悪化させます。
4. プログラミングを担当できる人材は誰か？ 専任のAOIエンジニアを配置するのは確実な人件費増です。実態が「そのシフトに入っている担当者」であるなら、オペレーターが運用できるシステムが必要です。
5. 現状の再検査にはどれだけのコストがかかっているか？ 1シフトあたりにフラグが立つ基板数と、それを見極める人員を数えてください。誤検出のメカニズムそのものを変えない限り、その負担は新しい装置にもそのまま引き継がれます。
6. タクトタイム上、インラインでの合否判定が必要か？ タクト内で基板をインライン停止させて検査する必要があるならインライン機が対象です。ライン横でオフライン検査できるなら、より低いコストで柔軟性を確保できます。

この6つの回答を書き出してください。ベンダーとの商談を、抽象的な形容詞のやり取りから検証可能な事実確認へと変えることができます。

オフラインかインラインか：ラインに適しているのはどちらか？

オフラインAOIは、多品種少量生産に適しています。ラインを停止させることなくプログラミングと検査が行え、不規則なジョブの流れにも柔軟に対応し、導入コストも抑えられます。インラインAOIは、全基板をタクト内で検査し、コンベア連携と自動排出が求められる安定した高スループットラインでその真価を発揮します。決定要因はタクト要件と段取り替えの頻度であり、設備の見た目の優劣ではありません。

実務的な判断基準：

2つの実態を補足します。第1に、多くの多品種工場はオフライン機のみで運用しており、インライン機がなくても一切支障がありません。第2に、規模が大きくなると両方式の併用が一般的になります。量産を稼働させたままオフラインでプログラム作成と検証を行い、検証済みプログラムをインライン機へ投入します。DaoAIのP Seriesはこの切り分けに対応しており、オフラインのP1、微細ピッチ向けの精密機P2（12MP、10μm光学系）、スループット重視のインライン機P3およびデュアルレーン機P3Dをラインナップしています。オフラインでの事前プログラミングをサポートしているため、生産を止めることなく新製品の準備が可能です（DaoAI公表値）。

2Dと3Dのどちらが必要か？

2Dか3Dかの判断は、デモではなく自社の不良パレート図に基づいて行ってください。3Dは高さや体積の計測機能を追加できるため、はんだ量不足、リード浮き、コプラナリティといったはんだ体積起因の流出が主な課題である場合に有効です。課題が部品の有無、誤部品、極性、ズレ、マーキングによる誤検出に集中しているなら、AI分類を備えた最新の2Dシステムの方が低コストで運用範囲を網羅できます。どちらが普遍的に正しいということはなく、パレート図が答えを握っています。

高さ計測の有用性は事実です。2D画像ではんだ体積を直接測定することはできず、接合部が部品本体の下に隠れるパッケージでは、グレースケールでは捉えられない欠陥を高さデータが検出します。そうした欠陥が現在流出し、後工程でコストを発生させているなら、3Dは価格に見合う価値を発揮します。

一方、多品種生産における誤検出の悩みの多くは2D領域に存在します。ロットごとの外観ばらつき、同色部品、インダクターや水晶振動子の複雑なマーキングなどです。これらは分類の問題であり、高さマップではなく判定精度の向上によって解決されるものです。特徴量ベースのAIがこれらに直接対処します（その仕組みは誤検出の要因分析で解説しています）。

透明性を期して述べると、DaoAIのP Seriesは現在2Dとして出荷されており、3Dバージョンも近日登場予定と告知されています。どこのメーカーの装置を評価する場合でも選定の原則は同じです。直近四半期の実際の流出不良と誤検出をリストアップし、その内容に合わせて購入してください。

段取り替えの採算性を暴くベンダーへの7つの質問

多品種のフロアでAOIが実際にどのように機能するかを見抜くための7つの質問があります。プログラミングに必要な入力データ、段取り替えの担当者と所要時間、未登録部品への対応、誤検出の経時的な低減プロセス、部品ライブラリの保守担当、IPC-A-610基準との整合性、そしてMESへのデータ連携方法です。すべてのベンダーに同じ7つの質問を投げかけ、回答を横並びで比較してください。

各項目において評価すべき回答例は以下のとおりです。

1. プログラミングに必要な入力データは何か？ 優れた回答とは、何が省略可能かを明示できるものです。CADデータや整備された部品ライブラリが必須である場合、顧客のデータ支給状況に段取り替えスケジュールが左右されることになります。DaoAIの回答：実物のゴールデンボード1枚のみ、CAD不要、事前ライブラリ作成不要（DaoAI公表値；詳細な仕組み）。
2. 誰が段取り替えを行い、所要時間はどれくらいか？ 回答に含まれる担当者の職種に注目してください。「プロセスエンジニアが数時間で」と「ラインオペレーターが数分で」では、全く異なる装置を指しています。従来のプログラミングに3〜5時間かかるのに対し、DaoAIではオペレーター操作により約5分で完了すると報告されています（DaoAI公表値）。
3. システムが未学習の部品に遭遇した場合はどうなるか？ 従来はライブラリへの手動登録が回答であり、これが継続的なコストとなっていました。ゴールデンボード自体から自動認識できれば、その工程は不要になります。
4. 誤検出は経時的にどのように減少していくか？ 重要な分岐点は、エンジニアが手動で閾値を再調整するのか、それともオペレーターのフィードバックによって判定ロジックが自動再学習されるのかです。前者は永続的な人件費を生み、後者は効果を積み上げます。DaoAIでは、検出精度98%以上を維持しながら、オペレーターのフィードバックによって誤検出が低減します（実基板での検証を推奨）。
5. 部品ライブラリの保守は誰が担当し、月に何時間かかるか？ ベンダーが「ごくわずか」と答えた場合は、既存顧客の実績値を求めてください。ライブラリの形骸化こそ、従来のAOI運用が破綻していく典型的な原因です。
6. 合否判定基準はIPC-A-610とどのように対応しているか？ 現在の版はIPC-A-610J（2024）です。目視確認ステーションと顧客監査で共通の言語を用いるためにも、判定基準が標準規格に追跡可能である必要があります。
7. 検査データはMESやSPCへどのように送信されるか？ 独自規格による囲い込みよりもオープンAPIが有利です。欠陥情報のリアルタイム送信によりトレーサビリティと品質のクローズドループ化が実現します。DaoAIは、内蔵SPCレポート機能とともにMES連携用のRESTful APIを提供しています（DaoAI公表値）。

当社に対してもこの7つの質問を投げかけてください。この質問リストを歓迎するベンダーには確固たる根拠があり、カメラのスペック表に話をすり替えるベンダーにもそれ相応の理由があります。

よくある質問（FAQ）

多品種生産にオフラインAOIだけで対応できますか？

多くの場合、十分に対応可能です。タクトタイム内でライン横での検査が成立するなら、オフライン機のほうが低コストかつ高い柔軟性で多品種生産をカバーできます。インライン機が不可欠となるのは、全数基板を規定タクト内でライン上停止・検査しなければならない場合です。多くの工場では、量産用にインライン機を増設した後も、NPIや事前検証用としてオフライン機を併用しています。

AOI装置の導入費用はどれくらいですか？

ベンダーが定価を公表することは稀ですが、そもそも本体価格は総コストのわずかな一部に過ぎません。5年間の総コストは、購入価格に加えてプログラミング人件費、再検査人件費、不良流出に伴う損失で構成されます。多品種ラインでは通常、人件費関連の項目が本体価格を上回ります。従来のシステムにおける再検査や停止に伴う人件費だけでも、オペレーター1人あたり年間15,000〜40,000米ドルに達すると試算されています（DaoAI公表値）。見積書の単体価格ではなく、5年間の総費用で比較してください。

1台の装置でNPIと量産の両方を処理できますか？

オフラインでの事前プログラミングを活用すれば、実務上十分に可能です。量産稼働中にライン外で新製品のプログラミングと検証を済ませ、実際の生産ジョブを割り当てる装置へデータを移して検査を行います。NPI基板は正規のCADデータよりも先に入荷することが多いため、ゴールデンボードを用いたワークフローがここで威力を発揮します。

実機デモ評価を有意義にするにはどうすればよいですか？

最もきれいな基板ではなく、最も検出が難しい基板を持ち込んでください。同色部品が載った基板、印字のあるインダクターや水晶振動子を含む基板、そしてCADデータのない基板を用意します。ベンダーのエンジニアではなく、貴社のオペレーターに段取り替えを操作させてください。持ち込んだ実基板で段取り時間と誤検出数を測定します。その1時間の検証は、スライド説明を1日聞くよりもはるかに価値があります。

デモには必ず7つの質問をお持ちください

自社要件の6つの質問を精査した結果、頻繁な段取り替えと限られたエンジニアリソースが浮き彫りになった場合は、継続コストの項目を最重要視し、当社を含むすべてのデモで7つの質問をぶつけてください。DaoAIのP Seriesは、オフライン機（P1/P2）からインライン機（P3/P3D）まで、ゴールデンボードを用いたワークフローに対応しています。