ドイツの中堅繊維メーカー、ビアバウム・グループ（Bierbaum Group）は、完成した製品の写真をAIで見て不良を除く仕組みを、工場の機械へ広げました。ソフトウェア企業コーデセントリック（codecentric AG）が、参照ページで紹介しています。ビアバウムは小売と産業向けの繊維消費財をつくり、寝具などのホームテキスタイルも含みます。検出率や処理時間は、パートナー側の説明です。
完成した寝具などの写真をAIが判定し、不良を出荷前に除き、判定の履歴と異常警報を工場の監視につなぎます。
出荷前に不良を早く除き、良いものだけを顧客へ届ける必要がありました。コーデセントリックとの協力が始まる時点で、完成品を撮影してAIが評価する試作はすでにありました。おおむね動いていましたが、認識の出来は製品の種類や照明などで大きくばらつきました。また、判定アルゴリズムがおかしくなったときに知らせる指標や警報がなく、早めの手当てが難しい状態でした。
協働では、まず高度なAIの手法で、製品種や照明などの影響に強い判定にしました。手作業の確認の手間が減りました。次に工場向けへ広げ、5台の機械で使えるようにしました。認識ソフトの版は中央で管理し、遠隔から入れ替えできます。検出の履歴を残して分析でき、社内の既存の監視ソフトとつなぎ、異常があれば担当へすぐ知らせます。
参照ページが挙げる結果では、AIの検出率は97%超、画像の処理は600ミリ秒未満（そのうちAIの判定は200ミリ秒未満）です。検出履歴は保存して分析し、評価結果は社内の監視ソフトへつないでいます。
ソフトウェア開発者のクラウディア・シュヴェーアース（Claudia Schweers）氏は、監視システムへつないだことで、監視そのものよりほかの仕事に時間を使える、と話しています。CEOのヤン＝フレデリク・ビアバウム（Jan-Frederic Bierbaum）氏は、AIと自動化で、繊維の生産が売れる場所の近くで再び行える、との見方です。これは意見であり、検出率などの数字とは別です。
| 公表されている説明 | こちらで確認できていないこと |
|---|---|
| 完成品写真をAIで評価する試作があった。製品種・照明で認識がばらついた | 試作時点の検出率・対象機種のリスト |
| アルゴリズム異常の指標・警報がなかった | 当時の誤出荷件数の公開値 |
| 高度なAI手法で頑健化。手作業確認の負荷が減った | 手作業時間の前後比較の監査値 |
| 5台へ運用化。中央の版管理と遠隔からの入れ替え | 台あたりの処理量、対象の品目（SKU）数 |
| 検出履歴の保存・分析。既存監視へ異常警報 | 警報の閾値定義、誤報率 |
| 検出率97%超。画像処理600 ms未満。AI判定200 ms未満 | 測定条件、サンプル数、第三者監査 |
| 監視連携で他業務に集中できる（開発者コメント） | 工数削減の定量 |
| 国内・販売地近傍での生産回帰の可能性（CEO意見） | 意見であり指標ではない |
印刷の仕上がり検査、食品・医薬の包装外観、ラベル貼付後の外観チェックなど、完成品の写真を見てから出荷する中堅工場で使えます。判定のばらつきを抑え、判定ソフトの不調は既存の設備監視へ警報でつなぎ、人が常時張り付かなくてよい形にできます。
完成品の写真をAIで判定し、不良を出荷前に除きます。履歴を残し、判定ソフトの異常は既存の監視へ警報でつなぎます。5台への展開と検出率97%超・600ミリ秒未満はパートナー参照の数字です。CEOの生産立地の話は意見であり、検査指標ではありません。
