デンマーク・ビボーのヨハネス・ペデルセン・マスクインファブリク（Johannes Pedersen Maskinfabrik）は、ディープビス（Deepvis）のAIビジョンで、列車用自転車ホルダーの溶接を見ています。製造業アカデミーのメイド（MADE）とデンマーク産業連盟のDI Produktionが紹介しています。
溶接の見た目検査が人手のままでは、受注が増えるほど追いつきません。ディープビスのカメラが溶接面の写真を撮り、溶接コーディネーター（溶接の品質をまとめる担当）と同じ判定に近づけます。検査の詰まり（ボトルネック）を減らし、より大きな受注を取れる、と購買担当のファルコ・チューセン（Falko Thuesen）氏は話します。
ヨハネス・ペデルセンは1975年創業で、本社はビボーにあります。自動車向けのボディ部品、排気、タンク（クラシックカー向けを含む）と、列車産業向け部品を作ります。Sトウ（S-tog。デンマークの通勤列車）などの自転車ホルダーもそのひとつです。会社はジェイピー・グループ・ホールディング（JP Group Holding）傘下で、加工と組立の拠点を持ちます。
溶接の確認は人手です。自転車ホルダー1本だけでも、溶接は最大で約12か所あります。現場の作業者（オペレーター）が約5,000個を見るととても疲れます。受注が増えると圧力が上がり、納期に間に合わなくなります。
解決のきっかけは、北ユランのデジタル化ハブ、アドスマート（AddSmart）のネットワーク会合でした。そこでチューセン氏はディープビスと出会いました。ディープビスの仕組みは、当時まだ金属産業では試験されていませんでした。両社はメイドのキックスタート（短期間の実証支援）に応募し、溶接検査で試すことになりました。
ディープビスは2024年、マッズ・ファーゲルンド（Mads Fagerlund）とカール・ファーゲルンド（Carl Fagerlund）の兄弟がオールボーで創業しました。家系のプラスチック工場キファ・プラスト（Kifa Plast）で、再生プラのコップなどの不良を手で選別していた経験から、カメラと人工知能で欠陥を見つける仕組みを作り始めました。いまは再生プラスチックと金属向けのAIカメラ検査を手がけます。
現場では、ビジョン装置が黒い箱に入り、レール上の滑り台で管の上を前後に動きます。箱の穴から管の上へ滑らせ、写真を撮って欠陥を探します。カール氏のデモでは、管の継ぎ手付近（ブッシュ）の写真を撮った段階で欠陥を見つけました。
学習は、良い溶接と悪い溶接の画像を集め、会社の溶接コーディネーターの判定と比べる形です。システムは溶接コーディネーターと同じ判定を90.2%のケースで出しました。無い欠陥を誤って付けることはなく、判定が分かれたケースの一部では、人手が見逃した欠陥をAIが拾いました。この90.2%一致は、DIが伝える試験の説明です。
いま25本の金属管で学習しています。多くの判定では信頼度（確信度）が約95%です。低いときは約75%まで下がり、承認が難しい重要な溶接として示します。
月産は400〜500本で、最初の約14日で画像が増え、モデルがさらに正確になる見込みです。
学習の仕方も特徴です。欠陥カタログを逐一足すのではなく、良い部品の見え方を学び、それからのずれに反応します。溶接はひとつひとつ見た目が違い、小さな差は許容されることが多いです。良い部品を定義しておけば、新しい欠陥種をその都度設定しなくてよい、とカール氏は説明します。
いま装置は、ノルジュスク・スヴァイセ・コントロール（Nordjysk Svejse Kontrol）で認定向けの評価を受けています。認証された溶接検査員と同じレベルの検査として承認する、前向きな回答がすでに出ています。認定の線引きは次の表にまとめます。
溶接コーディネーターという検査の詰まりがなくなり、より大きな受注を取れる、というのがチューセン氏の見方です。品質がそろい、小さな穴を目で追う重い作業から検査員を休められます。次の試験は曲げ管の溶接と、目が届かない溶接内部の欠陥です。そのあと実装へ進み、「列車が走る」と語っています。
なおDIは、ディープビスの最初の支払顧客としてAVKプラスト（AVK Plast）に触れます。本記事の中心は、ヨハネス・ペデルセンでの溶接試験です。
| 公表されている説明 | こちらで確認できていないこと |
|---|---|
| 1975年創業・ビボー。列車自転車ホルダー、自動車ボディ等。JP Group Holding（MADE） | 従業員数・売上の公開表 |
| 1ホルダー最大約12溶接。約5,000個で現場の作業者が疲れる（チューセン氏） | 5,000個の期間・ライン条件の定義 |
| AddSmartで出会い。MADE Kickstartで試験 | キックスタートの助成額の詳細 |
| ディープビス2024創業・オールボー。再生プラと金属のAIカメラ（MADE／DI） | 創業時資金・人員の別紙 |
| レール上の黒箱＋カメラで管の溶接を撮影（MADE） | 装置寸法・サイクルタイムの公開仕様 |
| 溶接コーディネーターと90.2%一致。無い欠陥は付けず。不一致の一部は人手見逃しをAIが拾った（DI） | 90.2%のサンプル数・試験プロトコルの独立論文 |
| 25本で学習。信頼度多く約95%、低いとき約75%で要確認（MADE） | 25本以降の精度推移の第三者測定 |
| 月産400–500本。最初の約14日で精度向上見込み（MADE） | 14日後の実測一致率 |
| 良品の見え方を学ぶ方式（カール氏） | 欠陥カタログ方式との定量比較表 |
| Nordjysk Svejse Kontrolで評価中。認証検査員レベル承認の前向き回答（MADE） | 認定完了の公示・有効日 |
| 大きな受注を取れる／品質均一化・負荷軽減（チューセン氏） | 受注額・工数の前後比較の独立数値 |
| 次は曲げ管と溶接内部、その後実装（MADE） | 内部欠陥検査の方式詳細 |
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、コルクやシール表面の欠陥選別など、見た目がばらつき許容されつつ人手検査が詰まる現場でも使えます。良品の見え方を基準に学習し、信頼度の低い件だけを人が再確認する、という使い方です。
レール上のカメラ箱で溶接面を撮り、良品の見え方を基準に学習します。溶接コーディネーターとの一致率を測り、信頼度の低い件だけを人が再確認します。90.2%一致はDIが伝える試験の説明で、認定は前向き回答の段階です。
