品質規格が画像検査に求める3つの要件
ISO 9001、GMP、IATF16949——製造業の品質管理規格は業界ごとに異なりますが、画像検査システムに求める要件は共通しています。元キーエンスで画像処理システムを設計してきた経験から言えば、規格対応で押さえるべきは「トレーサビリティ」「バリデーション」「変更管理」の3つです。
トレーサビリティ
いつ・誰が・どの条件で・何を検査し・どう判定したかを完全に記録する。判定結果だけでなく、判定プロセス自体の追跡可能性が求められる。
バリデーション
検査システムが意図した通りに機能することを検証・文書化する。IQ（据付時適格性確認）、OQ（運転時適格性確認）、PQ（稼働性能適格性確認）の3段階が基本。
変更管理
検査パラメータ、ソフトウェア、ハードウェアの変更を管理する。変更前の承認プロセス、変更後の再バリデーション、変更履歴の保管が必須。
これら3要件は、従来のルールベース画像処理では比較的対応しやすい領域でした。閾値やパラメータが明示的で、設定値＝判定ロジックだからです。しかしAI検査を導入した途端、この「説明可能性」が大きな課題になります。
AI検査で規格準拠が難しいポイント
ブラックボックス問題
ディープラーニングベースのAI外観検査では、「なぜその判定になったのか」を人間が理解できる形で説明することが困難です。ISO 9001の8.5.1（生産及びサービス提供の管理）やGMPのコンピュータバリデーション要件は、検査プロセスの透明性を求めています。
⚠ 監査で指摘されやすいポイント
「このAIはなぜNGと判定したのか」「判定基準をどう定義しているのか」「モデル更新前後で判定の一貫性をどう担保しているのか」——これらの質問に対し、「学習データから自動的に判断している」では監査を通過できません。
再現性の担保
品質管理規格では、同一条件で同一結果が得られる「再現性」が基本要件です。しかしAI検査では以下の課題があります。
- モデル更新による判定変動：再学習のたびに判定境界が微妙に変化する
- 推論環境の差異：GPUの違い、浮動小数点演算の差が結果に影響する可能性
- 入力データの前処理依存：画像の正規化方法や前処理パイプラインの変更が判定に影響
IATF16949の外観検査では、MSA（測定システム解析）によるGage R&R評価が求められます。AI検査でも「検査者間のばらつき」ならぬ「推論間のばらつき」を定量評価し、許容範囲内であることを証明する必要があります。
Nsightのハイブリッド構成が規格対応に有利な理由
Nsightでは、ルールベース＋CNN＋VLMの3層ハイブリッド構成を採用しています。この構成が規格対応に有利な理由は、各層の役割が明確に分離されているからです。
| 検査層 | 役割 | 規格対応上のメリット |
|---|---|---|
| ルールベース層 | 寸法計測・閾値判定・パターンマッチング | 判定ロジックが完全に明示的。パラメータの変更管理が容易 |
| CNN層 | 欠陥検出・分類・異常検知 | モデルバージョン管理で再現性を担保。Grad-CAMで判定根拠を可視化 |
| VLM層 | 文字認識・外観照合・総合判定 | 自然言語での判定理由出力。監査員が理解できる説明を自動生成 |
✅ ハイブリッド構成の規格対応メリット
ルールベース層が「説明可能な判定」を担い、AI層は「人の判断に近い柔軟な検出」を補完する。規格監査では、ルールベース層の判定ロジックを主体に説明し、AI層は補助的な検出手段として位置づけることで、監査対応がスムーズになります。
VLMによる判定理由の自然言語出力
Nsightが採用するVLM（Vision Language Model）は、画像の検査結果を自然言語で出力できます。例えば「ラベル右上に0.3mm×0.5mmの印刷かすれを検出。基準書A-03の許容範囲（0.2mm以下）を超過のためNG判定」という形式です。この出力は、監査時の判定根拠の説明資料としてそのまま利用できます。
業界別の規格対応パターン
食品GMP（HACCP対応）
食品業界では、GMPに加えてHACCPの管理点としての検査記録が求められます。異物検出、包装不良、表示検査の各工程で「CCP（重要管理点）としての検査記録」を残す設計が必要です。検査画像の保管期間は製品の消費期限＋αが目安です。
化粧品GMP（ISO 22716）
化粧品GMPでは、外観検査の判定基準を「限度見本」として文書化します。AI検査では、この限度見本をデジタル化し、判定モデルの学習データとして管理する仕組みが有効です。ラベル表示の全成分照合にはVLMが特に威力を発揮します。
自動車IATF16949
IATF16949ではMSA（測定システム解析）が必須です。AI検査システムでも、繰り返し性（同一画像を複数回検査した結果の一致率）と再現性（異なるタイミングでの検査結果の一致率）を評価します。Nsightのハイブリッド構成では、ルールベース層の判定は100%再現し、AI層の判定は統計的に許容範囲内であることを証明します。
医薬品GxP（CSV対応）
医薬品業界のGxP要件は最も厳格です。コンピュータバリデーション（CSV）ではGAMP5のカテゴリ分類に基づき、AI検査ソフトウェアのバリデーション範囲を定義します。21 CFR Part 11の電子記録・電子署名にも対応した設計が必要です。
| 業界 | 主要規格 | 検査記録の保管期間 | 特に重要な要件 |
|---|---|---|---|
| 食品 | 食品GMP / HACCP | 消費期限＋1年 | CCP記録、異物検出ログ |
| 化粧品 | ISO 22716 | 製品有効期限＋1年 | 限度見本管理、表示照合 |
| 自動車 | IATF16949 | 顧客要求＋1年 | MSA、工程能力指数（Cpk） |
| 医薬品 | GMP / GxP | 製品有効期限＋1年以上 | CSV、21 CFR Part 11、監査証跡 |
監査対応のためのドキュメント設計
規格準拠のAI検査を実現するには、システム設計と同等以上にドキュメント設計が重要です。監査で求められる主要ドキュメントは以下の通りです。
検査仕様書（IQ/OQ/PQ）
検査システムの設計仕様、設置条件、動作確認結果、稼働性能評価を段階的に文書化
判定基準書
OK/NG/グレーゾーンの判定基準を限度見本付きで定義。AI判定の閾値設定根拠も記載
変更管理記録
モデル更新履歴、パラメータ変更履歴、変更前後の性能比較データを時系列で管理
定期検証記録
既知の良品/不良品サンプルによる定期的な判定精度検証。検証頻度と許容基準を事前定義
AI検査特有のドキュメント要件
従来の画像検査にはなかった、AI検査固有のドキュメントも必要です。
- 学習データ管理台帳：学習に使用した画像データの来歴、ラベリング基準、データ数を記録
- モデルバージョン管理表：各モデルバージョンの学習条件、検証精度、デプロイ日時を管理
- 判定根拠ログ：AI層の判定時に生成されるGrad-CAM画像やVLMの判定理由テキストを保管
- 再バリデーション手順書：モデル更新時のOQ/PQ再実施手順と合否基準
Nsightの規格対応支援
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、画像検査システムの設計から規格対応ドキュメントの整備まで一貫して支援します。ルールベース＋CNN＋VLMのハイブリッド構成により、「説明可能なAI検査」を実現します。
規格対応のポイント
品質管理規格への準拠は、システム導入後に対応するのではなく、設計段階から組み込む必要があります。Nsightでは、お客様の業界規格に合わせた検査システム設計と、監査対応ドキュメントのテンプレート提供を行っています。
規格対応の無料相談を依頼する →