フィンランドの木材加工会社コスキセン（Koskisen）は、樺合板の単板接合ラインに、ラオテ（Raute）のAI単板解析を入れました。ラオテの顧客事例と、専門媒体のウッド・アンド・パネル（Wood & Panel）が、この更新を紹介しています。
樺単板の樹皮欠陥と健全節を、ニューラルネットワーク（神経網型の学習モデル）の解析でリアルタイムに見分け、約30年使ったコンポーズ（単板をつなぐ）ラインの精度と働きやすさを上げます。
コスキセンは1909年創業です。本拠はフィンランドのヤルヴェラ（Järvelä）です。合板の年産は約6万5千立方メートルで、輸出先は世界向けです。
更新前の単板接合ラインは、約30年動いていました。工場では、最も望まれない作業場のひとつでした。従来の機械ビジョン（ルールや閾値で見た目を見る方式）は、樺単板で樹皮の欠陥と健全な節を取り違えやすかったのです。誤検知や見逃しは、品質のばらつき、材料の無駄、余分な検査につながりました。
開発技術者のマルコ・ホッカネン（Marko Hokkanen）氏は、「樺は木材加工のAIで最も難しい課題のひとつだ。構造が複雑で欠陥検出が極めて難しい。これまでの機械ビジョンは、信頼できるリアルタイム精度を出せなかった」と話します。
そこでコスキセンはラオテと組み、更新したコンポーズラインにニューラルネットワーク型のAI解析を載せました。従来のルール型ビジョンと違い、単板の特徴をリアルタイムに解析し、樹皮と健全節をより正確に識別します。誤検知を減らしつつ、適した単板だけを先へ進めることで、品質保証を強め、材料の無駄を抑える助けになります。慣れ親しんだ操作の流れは保ち、大きな作業の切り替えを抑えました。現場の作業者（オペレーター）は、従来の生産の流れの中で作業を続けられます。
ラオテのブログでは、同一の単板を旧方式とAIで並べた可視化例があります。その単板には樹皮欠陥が3箇所あります。旧方式は、樹皮を正しく1箇所、誤った欠陥種別で1箇所、見逃しを1箇所、と分けます。AIでは樹皮3箇所すべてが緑で囲まれ、正しく検出されます。さらに、通常は難しい健全節もAIでは非常に正確に検出されます。これはAI機能の説明用の可視化です。コスキセン工場の廃棄率や歩留まりの公式KPIとしては、ソースは断定していません。
作業場の印象も変わりました。ベンダー側の叙述では、更新後のラインは最高性能級で求められる作業場のひとつになり、自動化と検査の一貫性が上がり、現場の作業者の自信と満足も改善しました。
コスキセンのコンポーズ更新に使う実体は、産業用マシンビジョンと深層学習を組み合わせた欠陥検出です。単板ごとに詳細な欠陥マップを出し、切り取り（クリップ）や接合、仕分けの判断をそろえます。ラオテの2026年6月15日の製品ニュースでは、解析器開発は50年以上、単板処理の経験は50種超の樹種に及びます。マルクス・シルヴィオ（Markus Sirviö）氏は、原料のばらつきが増えるほど、工程の早い段階での誤りが後工程で高くつく、と話します。検出が一貫すると、歩留まりを上げ、工程全体に残る非効率を避けやすくなる、というのが同社の説明です。
| 公表されている説明 | こちらで確認できていないこと |
|---|---|
| 1909年創業、ヤルヴェラ。合板年産約6万5千立方メートル、輸出は世界向け（ラオテ） | 導入前後の歩留まり％・廃棄％の独立監査 |
| コンポーズラインは更新前に約30年稼働（ラオテ／ウッド・アンド・パネル） | 更新工事の期間・投資額 |
| 従来ビジョンは樹皮と健全節を取り違えやすい。品質問題・無駄・余分な検査（両ソース） | 誤検知率・見逃し率の公開数値 |
| ホッカネン氏: 樺はAIで最難級。従来はリアルタイム精度が足りない | 発言以外の第三者検証 |
| ニューラルネットAIで樹皮・健全節をリアルタイム検出。操作の流れは維持（ラオテ） | 他のラインへ広げる時期 |
| ブログ可視化: 旧は樹皮3のうち正1・誤種別1・見逃し1。AIは3すべて＋健全節も正確（ラオテ） | コスキセン生産KPIとしての同一数値 |
| 作業場が最高性能級・人気へ。現場の作業者の満足向上（ベンダー叙述） | 満足度調査の方法と人数 |
| 産業用ビジョン＋深層学習、欠陥マップ、50種超・解析器50年以上（2026-06-15） | コスキセン固有の処理速度公表値 |
見た目が似て取り違えやすいものを、ライン上で切り取りや仕分けに振る現場への接点があります。産業用ビジョンに深層学習を足し、1枚ごとの欠陥マップで判断をそろえます。操作の流れは従来に近づけます。たとえば、再生プラ片の異物と正規材、布のシミと柄、果実の傷と自然な斑、コルク表面の欠陥選別などです。
コンポーズの見た目判定に、産業用ビジョンと深層学習の欠陥マップを足し、樹皮と健全節の判定をそろえます。操作の流れは従来に近づけます。ブログの樹皮3箇所の並びは機能説明の可視化で、工場の歩留まり数値ではありません。
