判定結果は「どの製品の、どの条件の、どのモデルの判定か」まで残す
外観検査AIの出力をMESに戻す目的は3つあります。1つ目は不良品を確実に止めること（ホールド・再検査の指示）、2つ目は品質記録として後から追えること（トレーサビリティ）、3つ目は再学習の材料を集めることです。検査装置のPCにOK/NGのログだけを残す構成では、このどれも満たせません。
MESを含むISA-95のレベル3（製造オペレーション管理）は、秒から日の単位で品質・保全・在庫移動を扱う層です。外観検査の判定は1個ごとの秒単位のイベントですが、それを「どの作業指示の、どのロットの、どのシリアルの判定か」に結びつけられるのはMESだけです。センサやカメラのデータは、この文脈が付いて初めて品質データになります。全体像はMESとAIの関係で解説しています。
4層で見る連携の構成
連携は次の4層で考えると、責任分界がはっきりします。カメラとAIの推論機はライン側（L1〜L2）、判定の記録と業務判断はMES（L3）、画像の長期保存と再学習は情報系の基盤が持ちます。
ポイントは、画像本体をMESに入れないことです。MESには判定イベント（シリアル、判定、異常度、画像ID、モデル版数、時刻）だけを送り、画像は別の保存先に置いてIDで結びます。MESのデータベースに画像を入れると容量と性能の問題が必ず出ます。
MESに書き戻す項目と紐付けキー
最低限そろえる項目は次のとおりです。
| 項目 | 目的 | 設計上の注意 |
|---|---|---|
| シリアルまたはワークID | 1個単位の追跡 | 刻印やトレーで個体を識別できない工程では、搬送順と時刻で引き当てる仕組みが要る |
| 作業指示・ロット番号 | 材料ロット・条件との突合 | 段取り替え直後の境界ワークで取り違えが起きやすい |
| 判定（OK/NG/保留）と不良区分 | 出荷判定・集計 | 不良コードは人の検査と同じ体系にそろえる |
| 異常度スコア | 閾値の見直し・傾向監視 | OK判定でもスコアを残す。閾値付近の分布が改善の材料になる |
| 画像ID | 後からの確認 | 保存先と保存期間を品質記録の規定に合わせる |
| モデル版数・閾値版数 | 監査・再現性 | どのモデルで合否を判定したかを説明できるようにする |
| 人の再判定結果と判定者 | 正解ラベル | AIのNGを人がOKに戻した記録が最も価値の高い学習材料になる |
モデル版数をロットの記録に残す考え方は、工場向けMLOpsの論点として工場向けMLOpsで詳しく扱っています。品質監査で「この出荷ロットはどのモデルで検査したか」と聞かれたときに答えられるかどうかが、本番運用に耐えるかの分かれ目です。
ホールドと再検査の業務フローをMESで回す
NG判定のワークをPLCで排出するだけでは、後工程やロット単位の処置が抜けます。MES側では、NGが一定数を超えたらロットをホールドする、保留判定は再検査ステーションの作業指示に回す、人の再判定を入力させて記録する、という流れを作ります。
ここで決めておくべきなのは「AIの判定を人が覆せる範囲」です。AIのNGを人がOKに戻すことを許すなら、誰が・何を根拠に戻したかを必ず残します。逆に、人がOKにしたワークを後でAIが見逃していたと判明した場合の遡及範囲（同じモデル版数で判定したロット全体か）も、品質保証部門と事前に合意しておきます。
再学習の材料はMESの記録から集める
再学習で最も役に立つのは、AIと人の判定が食い違ったワークの画像です。AIがNGにして人がOKに戻した画像は過検出の例、出荷後のクレームや後工程で見つかった不良のうちAIがOKにしていたものは見逃しの例になります。MESに再判定とクレームの紐付けがあれば、この2種類を条件検索で抜き出せます。
工場特有の注意点として、材料ロットや季節、設備改造で画像の傾向が変わるドリフトがあります。MESの設備変更履歴や材料ロットの切り替えと、異常度スコアの分布の変化を突き合わせると、再学習が必要な時期を判断しやすくなります。機械学習システムでは学習コードは全体のごく一部で、周辺のデータ連携や運用の仕組みの方がはるかに大きいという指摘（Google、2015年）は、検査AIにもそのまま当てはまります。
よくある質問
既存のMESに画像やスコアを入れる項目がない場合はどうしますか？
多くのMESは検査結果の数値項目や任意属性を持てます。画像本体は外部保存とし、画像IDとスコアを任意属性に入れる形が現実的です。項目追加が難しい場合は、判定イベントを別テーブルに保存し、シリアルとロットで結合できるようにしておきます。
推論機からMESへの通信が切れたらどうなりますか？
推論機側に判定イベントを一時保存し、復旧後に再送する設計にします。排出・停止の判断はPLCとの直接連携で行い、MESの応答を待たないことが前提です。
画像はどのくらいの期間保存すべきですか？
品質記録の保存期間（顧客契約や業界規制）に合わせます。全画像の長期保存が重い場合は、NG・保留・閾値付近の画像は長期、明確なOK画像は短期と分ける方法があります。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
