なぜストレージ部品の検査需要が急増しているのか
EV向け電池需要は一時的に減速していますが、AI用データセンター向けのストレージ需要は急拡大しています。特にHDDは大容量データの保存用途で依然として需要が強く、サスペンション、ベースプレート、ディスククランプなどの部品メーカーには大口の増産発注が続いています。
増産に伴い、検査工程がボトルネックになるケースが増えています。従来の目視検査や簡易的な画像処理では、増産スピードに追いつかない、あるいは検査精度が維持できないという問題が顕在化しています。
検査が必要な主要部品
HDDサスペンション
ジンバル、ロードビームの微小欠陥。バリ、打痕、変形の検出。μm単位の精度が要求される。
ディスククランプ・カバー
プレス成形品の打痕、キズ、バリ。金属光沢面の照明テクニックが鍵。
ベースプレート
ダイカスト品の巣、ひけ、加工面の微小欠陥。複数面の同時検査が課題。
磁気ヘッド（スライダー）
ABS面のパターン欠陥。ミクロン単位の加工面検査。TDKなどが製造。
スピンドルモーター部品
軸受の真円度、ハウジングのバリ・打痕。ミネベアミツミなどが製造。
ディスク基板
ガラス/アルミ基板の表面スクラッチ、パーティクル。HOYA、古河電工などが製造。
ストレージ部品検査の共通課題
微小欠陥の検出
数十μm〜数百μmの欠陥を全数検査する必要がある。高分解能カメラと最適な照明設計が不可欠。
金属光沢面の照明
正反射によるハレーションが検査を不安定にする。同軸落射照明やLumiTrax等の特殊撮像が有効。
高速タクトタイム
増産に伴い検査速度も高速化が求められる。処理速度と検査精度のバランス設計が重要。
多品種対応
品種ごとに検査パラメータの変更が必要。品種切替の工数がボトルネックに。
画像処理 × AIによる検査体制
ストレージ部品の検査では、ルールベースの画像処理が安定性と速度の面で強みを発揮します。照明・カメラ・前処理フィルターを最適に設計すれば、多くの欠陥はルールベースで安定検出できます。
一方で、品種切替のたびにパラメータ調整が必要な点、微妙な外観差の良否判定が人の感覚に依存する点は、ルールベースの限界です。ここにAI/VLMを上乗せすることで、多品種対応の工数削減と判定の安定化を実現できます。
Nsightのアプローチ
Nsightは元キーエンス画像処理部門のメンバーが在籍しており、ストレージ部品の検査において、微小欠陥の検出に必要なカメラ分解能・照明方式の選定から、増産対応のライン設計まで一貫して対応します。HDD部品メーカーの増産フェーズでの検査体制構築を支援します。
画像処理システム × VLMのハイブリッド構成
既存の画像処理システム（カメラ・照明・コントローラー）はそのまま活かし、VLMをソフトウェアレイヤーとして追加。ルールベースで安定検出できる欠陥はそのまま、従来手法では対応が難しかった多品種対応・微妙な外観差の判定・未知欠陥の検出をVLMが補完します。
ラベル文字認識・照合
賞味期限・ロット番号・産地情報等の読み取り・照合については、VLMが検査自体を行います。学習なしで文字の位置と意味を理解し、マスターデータと照合する用途です。
無料サンプル検証を依頼する →