検査装置メーカーの選び方2026｜外観検査を自動化する前の判断軸

「目視検査の人が集まらない」「検査員によって判定が違う」「客先へ流出してクレームになった」——こうした状況から検査装置メーカーの比較を始める工場は多いと思います。ただ、私たちがタイの日系工場でご相談をお受けしていて感じるのは、装置の性能差を比べる前に社内で決着させるべき論点が残ったままのケースが多い、という点です。何を不良と呼ぶか、全数か抜取りか、過検出をどこまで許すか。ここが未定のまま見積を集めても、各社の提案は比較不能になります。本記事では、比較の前に決めておくことを整理します。

この記事で扱うこと、扱わないこと

検査自動化の記事は、装置の方式解説か、あるいは「AIで検査が変わる」という総論に寄りがちです。しかし実際の導入プロジェクトで揉めるのは、方式でも総論でもなく、発注する側が「不良」を定義しきれていないという一点であることが多いという印象があります。ここが曖昧なまま契約すると、検収の段階で「これは不良か、良品か」を装置メーカーと言い争うことになります。

本記事は次の範囲を扱います。

自動化全般の投資判断の枠組みから見たい場合は、省人化の事例と費用対効果で人手不足を前提とした自動化の考え方を整理しています。本記事は、そのうち「検査工程」という、自動化のなかでも特に定義が難しい領域を深く掘る位置づけです。

なお本記事に出てくる金額は、断りのない限り日本国内で公開されている目安です。タイの工場にそのまま当てはめられる数字ではありませんので、この点は後段で改めて整理します。

検査自動化の相談が増えている背景

タイの労働供給と投資環境

まず、なぜ今この相談が増えているのかを事実から確認します。感覚論で「人手不足だから自動化」と進めると、投資額の根拠が社内で作れません。

タイでは60歳以上が人口の21%を超えており、労働供給は逼迫しています。人件費の上昇、近隣ASEAN諸国との競合、為替、通商環境の変化が重なり、コスト構造の見直しを迫られている状況です（出典: KAIZEN「Thailand Manufacturing Trends 2026」）。

賃金面では、2026年のタイ最低賃金は県別に日額337〜400バーツで、上限の400バーツは2025年から据え置かれています（出典: Thai Law Online）。据え置きという事実だけを見ると「人件費は上がっていない」と読めますが、実務で効いているのは最低賃金そのものより、目視検査ができる人材を採用し、教育し、定着させるまでの総コストです。ここは最低賃金の数字には現れません。

• 採用：単調で目が疲れる工程は応募が集まりにくい傾向があります
• 教育：限度見本を見せて覚えてもらうまでに時間がかかります
• 定着：他社への転職で、育てた人から抜けていく場合があります
• ばらつき：人が変わると判定が変わり、客先から指摘を受けます
• ピーク対応：増産時に検査員だけ増やせず、工程がボトルネックになります
• 記録：不良の内容が紙に残り、集計に手間がかかります

もう一つ押さえておきたいのは、タイの製造業で主流になりつつある形です。完全自動化ではなく「人の熟練＋機械の部分支援」というハイブリッドが中心で、ロボットアーム、自動搬送、半自動の検査技術がラインに組み込まれつつある、という整理がなされています。また、大手タイ製造業の40%超が Industry 4.0 技術を最低1つ導入済みとされています（出典: KAIZEN）。

この「ハイブリッドが主流」という点は、検査装置の検討でも重要です。最初から無人化を目標に置くと、要件が一気に膨らみます。人が残る前提で、人の負担のどこを機械に渡すかを決めるほうが、現実的な仕様に落ちやすいという印象があります。

生産は力強くない

投資判断の前提として、足元の生産環境も見ておく必要があります。2026年5月の鉱工業生産指数（MPI）は前年同月比0.8%減、自動車生産は12万3,276台で11.4%減となっています（出典: バンコク週報）。

つまり、生産量が伸びている前提での投資回収計画は、今の環境では説得力を持ちにくいということです。「増産に対応するため」という理由付けは、社内稟議でも本社でも突かれます。むしろ、生産量が横ばいでも成り立つ理由——判定ばらつきの解消、流出クレームの削減、記録の自動化、検査員の他工程への再配置——を主軸に置いたほうが、通りやすいと考えています。

マシンビジョン市場

装置側の市場も見ておきます。産業用マシンビジョン市場は2025年の158.3億米ドルから2030年に236.3億米ドルへ、年平均成長率8.3%で拡大すると予測されています（出典: MarketsandMarkets）。

市場が伸びているという事実は、選択肢が増えていることと、提案の質にばらつきが出ることの両方を意味します。プレイヤーが増える局面では、要件を固めずに相談すると「できます」という回答ばかりが返ってきがちです。だからこそ、発注側が判断軸を持っておく必要があります。

エッジ側の技術も動いています。2026年時点で主流のエッジAIデバイスとしては NVIDIA Jetson AGX Orin、Hailo-15、Qualcomm RB6 といった名前が挙げられており、ネットワーク遅延がなくリアルタイム検査が可能で、製品画像を外部へ送信しなくてよいという特性があります（出典: koromo）。海外拠点では、製品画像を国外のクラウドへ送るかどうかが客先との間で論点になることがありますので、この点は仕様の初期段階で確認しておくとよいと思います。

一方で、人による目視検査の限界も改めて整理されています。熟練検査員であっても見逃しを完全には防げず、その主因は疲労、集中力の低下、判断基準の個人差にあるとされています（出典: OptiMax）。ここで注意したいのは、この事実は「だから装置を入れれば見逃しがなくなる」ということを意味しない点です。装置には装置の見逃しと過検出があります。人の限界と機械の限界は種類が違う、というだけです。

検査装置メーカーを選ぶ前に社内で決める5つのこと

ここからが本記事の中心です。私たちの経験では、検査自動化がうまく進まない案件のほとんどは、装置の選定ミスではなく、発注前に社内で決めきれていない項目があったことに原因があるという印象があります。決めるべきは次の5つです。

この5つは、装置メーカーが代わりに決めてくれるものではありません。装置メーカーが決められるのは「どう実現するか」であって、「何を不良と呼ぶか」ではないからです。ここを丸投げすると、装置メーカーは自分たちが実現しやすい定義を提案してきます。それが自社の客先要求と合っているかは、別の話です。

良否判定基準を「言葉」から「数値と画像」に落とす

もっとも揉めるのがここです。社内の検査基準書に「キズがないこと」「汚れがないこと」「バリがないこと」と書かれている工場は珍しくありません。この文章のまま装置メーカーに渡すと、後工程でトラブルになりやすいと感じています。

理由は単純で、「キズ」という言葉は装置にとって何も指定していないからです。装置は光の反射の違い、輝度の差、形状の変化を数値として捉えます。「キズ」に対応する物理量が定義されていなければ、閾値を決めようがありません。

言葉のまま発注した場合に何が起きるかを整理します。

では、どう落とし込むか。私たちが現場でお勧めしている進め方は次の順序です。特別な道具は要りません。

• 過去1年分の不良品と、客先から返却された現品を集める
• 不良の呼び名を工場内で統一する（同じ現象に3つの呼び名がある工場は多いです）
• 呼び名ごとに、限度見本（合格の限界にあたる現物）を選び出す
• 限度見本を、実際に装置が撮影する条件に近い形で撮影する
• 撮影画像上で、長さ・面積・濃度差などを実測する
• 「この値までは合格」という数値を、品質保証と客先の要求から確定させる
• 数値と画像をセットにした基準書に差し替える

この作業は、装置の見積を取る前に終わらせるのが理想です。ただし現実には、限度見本を撮ってみて初めて「照明を変えないと写らない」と分かることも多くあります。その場合は、後述する第1段階（サンプル評価）を装置メーカーと一緒に回しながら基準を固める形になります。重要なのは、基準を固める作業の主体が自社側にあると認識しておくことです。

なお、限度見本を「画像データとして残す」ことは、後々かなり効いてきます。装置を入れ替えるとき、品種を追加するとき、他拠点に横展開するとき、この画像資産があるかないかで初期工数が変わるという印象があります。装置メーカーが撮影したデータの所有権と再利用の可否は、契約時に必ず確認してください（後述の契約項目にも入れています）。

全数検査 自動化か、抜取りか

次に決めるのが検査の範囲です。これは投資額を大きく左右します。

「全数検査を自動化したい」というご相談は多いのですが、全数にすると装置はタクトタイムに縛られます。生産のサイクルタイム内に撮像・判定・排出まで終わらせる必要があり、この制約が構成と価格を決めます。逆に抜取りであれば、時間の制約が緩む分、より丁寧な検査や高価な計測手法を使える場合があります。

判断の順序としては、まず客先が何を求めているかを確認するのが先です。図面や品質協定に全数検査の要求が明記されている項目と、社内で念のため全数を見ている項目は分けて整理してください。後者は、抜取りに変えられる余地があるかもしれません。

• 品質協定・図面注記：全数検査が要求されている項目はどれか
• 過去の是正処置報告書：「全数検査を実施します」と約束したまま残っていないか
• 工程FMEA：検出手段として検査に依存している箇所はどこか
• 不良の発生率と発生の仕方：散発的か、ロットで固まって出るか
• 後工程・客先での発見コスト：流出したときの損失額はいくらか

4番目は見落とされやすい論点です。不良がロット単位でまとまって出る性質なら、抜取りでも捕捉できる可能性があります。一方、原因不明で散発的に出る不良は、抜取りでは捕まりません。自社の不良がどちらの出方をしているかは、過去の記録から判断できます。この確認をせずに「とりあえず全数」と決めてしまうと、必要以上の投資になります。

過検出と見逃しのどちらを許容するか

ここが、検収基準を書けるかどうかの分かれ目です。そして、社内で最も議論されていない項目でもあります。

検査装置の判定には、原理的に2種類の誤りがあります。

重要なのは、この2つはトレードオフの関係にあるということです。判定を厳しくすれば見逃しは減りますが過検出が増えます。緩くすれば過検出は減りますが見逃しが増えます。両方をゼロにできる閾値は、原理的に存在しません。

したがって、発注側が先に決めるべきは「どちらをどこまで許容するか」です。これを決めずに「不良を100%検出し、良品は1つも弾かないこと」と仕様書に書くと、どの装置メーカーも合意できません。仮に合意されたとしても、検収時に破綻します。

方針が決まったら、検収基準は次のような形で書けるようになります。数値そのものは自社の要求と装置メーカーとの合意で決めるものですので、ここでは書き方の枠だけを示します。

• 評価に使うサンプルの構成（良品◯個、不良種類ごとに◯個、限度見本相当◯個）
• サンプルは誰が用意し、いつ確定させるか（後出しのサンプル追加は揉める原因になります）
• 見逃しの許容（指定した不良サンプルのうち何個まで通してよいか）
• 過検出の許容（良品サンプルのうち何個まで弾いてよいか）
• 判定が安定していることの確認方法（同じサンプルを複数回流したときの一致率）
• 環境変動時の再確認（外光、温度、汚れが付いた状態での再テスト）
• 上記を満たさない場合の措置（調整期間、費用負担、最終的な扱い）

このうち「サンプルの提供責任」と「環境変動時の再確認」は、タイの工場では特に重要だと感じています。サンプルを後から追加すると、装置メーカーは「聞いていない」と主張します。また、工場の環境が日本より変動しやすいこともあり、装置単体の性能ではなく、環境変動を含めた条件での確認を検収に入れておくほうが安全です。

不良と判定した後の処理と記録

「装置を入れたのに人が減らない」という結果になる最大の原因が、ここです。

検査装置が「NG」と表示したあと、その製品はどこへ行くのか。誰が確認するのか。記録はどう残るのか。この設計がないまま装置を導入すると、現場はほぼ例外なく「念のため人が見る」という運用を作ります。そして、その瞬間に省人化の効果は消えます。

5行目の「再確認の結果の扱い」は、特に慎重に決めてください。装置がNGと判定した製品を、人が「良品」と判断して出荷する運用を認めるかどうかは、品質保証の根幹に関わります。認める場合は、誰の権限で、どう記録するかを文書化しておかないと、客先監査で指摘を受けやすくなります。

7行目以降の記録の設計は、実は投資効果の説明にも効きます。不良の内容が自動で集計されるようになると、工程改善の材料が増えます。検査装置は不良を減らす装置ではありませんが、不良のデータを取る装置にはなり得ます。この点は稟議の説明でも使える論点です。データを工程側へ戻す仕組みまで含めた設計については、自動化コンサルティング活用2026でも工程横断の設計の考え方を扱っています。

対象品種の範囲と、人が受け持つ範囲

最後の項目です。多品種少量の工場ほど、ここで見積が大きく変わります。

• 初期に対象とする品種：生産量の多い順に何品種までを含めるか
• 将来追加する品種：追加1品種あたりの費用と期間を見積に含めているか
• 品種切替の手間：段取り替えに何分かかるか、誰ができるか
• 治具・搬送の共通化：品種ごとに専用治具が必要か
• 検査項目の取捨：装置に任せる項目と、人に残す項目の線引き
• 装置が扱えない項目：手触り、音、匂い、機能検査など
• 人が残る工程の再設計：残った人の作業が成立するレイアウトになっているか

「品種追加の費用」は、見積の段階で必ず確認してください。初期導入だけの見積で比較すると、品種追加のたびに高額な追加費用が発生する構成を選んでしまう場合があります。特にディープラーニングを使う構成では、品種追加＝再学習となり、データ収集からやり直しになることがあります。

「装置が扱えない項目」も重要です。外観検査装置は、光学的に捉えられるものしか判定できません。手触りで分かるざらつき、組立時の異音、嵌合の渋さといった項目は、画像では判定できないか、できても別の手段が必要になります。これらを装置の対象外として明示し、人が受け持つ範囲として残す判断は、決して後退ではありません。むしろ、対象外を明示したほうが、装置の仕様はシャープになります。

外観検査装置・画像検査装置の方式と使い分け

社内での5項目が固まったら、次に方式の話になります。ここで初めて「ルールベースか、ディープラーニングか」という論点に入ります。順序が逆になっている検討をよくお見かけしますが、方式は目的が決まってから選ぶものです。

ルールベース（従来型マシンビジョン）が向く場合

まず前提として、多くの検査項目はルールベースで足ります。ディープラーニングが必要だと判断する前に、ルールベースで解けないかを検討する順序をお勧めします。理由は、立ち上げが速く、判定根拠が説明しやすく、現地での調整が自社で可能な範囲が広いからです。

• 不良の見え方が安定している（欠品、部品の向き違い、穴の有無）
• 数値で定義できる（指定寸法の超過、面積の閾値、色差）
• 撮像条件を固定できる（治具で位置決めでき、外光の影響を遮断できる）
• 判定根拠の提示が必要（客先へ測定値として報告する項目）
• 不良サンプルが集まらない（不良率が極めて低く、実物がほとんど無い）
• 製品の変更が頻繁（設計変更が多く、再学習の手間を避けたい）

5番目は特に重要です。不良率が低い工程では、そもそも学習に使える不良画像が集まりません。「AIで」という話が出たとき、最初に確認すべきは手元に不良サンプルが何個あるかです。

ディープラーニング（AI外観検査）が向く場合

一方で、ルールベースでは書ききれない判定もあります。

• 不良の形が一定でない（不定形なキズ、まだら状の汚れ、鋳肌の異常）
• 正常のばらつきが大きい（木目、布地、鋳造品の表面のように地の模様が一定でない）
• 閾値を書こうとすると例外が増える（ルールが数十個に膨れ、保守できなくなっている）
• 熟練者が「見れば分かる」と言う（言語化できていないが、人の判定は安定している）
• 学習データが用意できる（不良の実物または再現品が十分に集められる）

ここで現実的な問題になるのが、最後の条件です。不良サンプルが集まらない現場でどうするかは、AI外観検査の検討で最も頻繁に相談を受ける論点です。私たちが選択肢として整理しているのは次の考え方です。

正直に申し上げると、不良サンプルが数個しかない状態でディープラーニングの導入を進めるのは、お勧めしません。学習データが足りない状態で作った判定器は、実ラインで想定外の見え方に遭遇したときに、どちらの方向に外れるか予測できません。この状況であれば、まず「撮るだけの装置」を置いて画像を貯める、あるいは検査項目を分解してルールベースで解ける部分から着手するほうが、結果的に早いという印象があります。

なお、判定を装置内で完結させるか、外部へ画像を送るかも設計上の分岐です。前述のとおり、エッジAIデバイスを使えばネットワーク遅延がなくリアルタイム検査が可能で、製品画像を外部送信しなくてよいという特性があります（出典: koromo）。客先の情報管理要求が厳しい製品では、この構成が前提条件になる場合があります。

寸法検査 自動化は別物として扱う

外観検査と寸法検査を同じ装置で一緒にやりたい、というご要望はよくいただきます。技術的に不可能ではありませんが、管理すべき事柄がまったく違うため、検討としては分けたほうがよいと考えています。

寸法検査を自動化する場合、装置を買って終わりにはなりません。定期校正の計画、標準器の管理、校正記録の保管、担当者の指定まで含めて、社内の計測管理の体系に組み込む必要があります。ここを検討に入れずに導入すると、客先監査で「この測定器の校正記録は」と聞かれた時点で困ります。

• 公差に対して十分な分解能があるか（公差幅に対する測定のばらつきの比率）
• 校正の頻度と方法（誰が、何を使い、どの周期で行うか）
• 校正の実施主体（自社か、装置メーカーか、外部校正機関か）
• タイ国内で校正できるか（日本へ送る必要があると、停止期間が長くなります）
• 記録の保管（校正証明書をどこに保管し、誰が管理するか）
• 測定システムの妥当性確認（客先から要求される場合の実施計画）
• 温度環境（測定精度に影響する温度変動が工場内にないか）

「タイ国内で校正できるか」は、海外拠点で見落とされやすい項目です。校正のたびに機器を日本へ送る前提の構成にしてしまうと、その期間の代替手段が必要になります。見積の段階で、保守と校正が現地で完結するかどうかを確認しておくことをお勧めします。

ポカヨケ装置と検査装置の役割分担

最後に、順序の話をします。私たちが検査装置のご相談を受けたとき、必ず一度は確認する問いがあります。「その不良は、そもそも作らないようにできませんか」という問いです。

順序としては、ポカヨケが先です。理由は3つあります。第一に、費用が小さいことが多く、着手のハードルが低いこと。第二に、不良の発生自体が減れば、検査装置に求められる性能も、その後の再確認の工数も下がること。第三に、ポカヨケを設計する過程で、不良の発生メカニズムが整理され、検査装置の要件が明確になることです。

もし不良の大半が上から4行目までに該当するなら、外観検査装置の前にポカヨケの検討をお勧めします。逆に、材料起因や搬送起因の不良が中心であれば、検査装置の出番です。自社の不良を、この表のどこに分類できるかを整理する作業は、装置メーカーに声をかける前に自社でできることの一つです。

費用の見方と投資回収

費用の内訳（日本国内の目安と、タイに置き換えるときの注意）

費用の話に入ります。まず、日本国内で公開されている目安を確認します。AI外観検査の導入費用としては、PoC（試行的な検証）で300〜500万円、本格導入で1,000万円以上という水準が示されています（出典: Nsight、koromo）。

内訳の例も公開されていますので、そのまま引用します。この金額はタイの工場にそのまま当てはまるものではありませんが、費用がどの項目に分かれるかという構造の把握には有用です。

（出典: Nsight／koromo）

この内訳から読み取れることが、いくつかあります。

• ハードウェアの比率は思ったより低い。1ライン構成例ではカメラとPCで110万円と、合計460万円の2割強にとどまります
• AI開発が最大の項目。1ライン例で200万円、複数ライン例で350万円と、いずれも最大の費目です
• 設置費が無視できない。1ライン例で100万円、複数ライン例で200万円が計上されています
• 保守と品種追加が別項目として立っている。初期費用だけを比較すると見落とします

タイの工場に置き換える際の注意点を整理します。

下の2行は、公開されている内訳には現れない費目です。治具や搬送機構は、装置本体より高くなることさえあります。特に既存ラインへの後付けでは、製品を安定した姿勢で撮像位置へ運ぶ機構が必要になり、ここが工数を食います。見積を比較するときは、この範囲がどちらの担当なのかを明確にしてください。

人件費削減だけでは説明しきれない

投資回収の計算を人件費削減だけで組むと、多くの場合、成立しません。理由は3つあります。

• 再確認の人が残る：過検出品を人が見る運用だと、削減人数が減ります
• 削減した人が別工程へ移るだけ：実際の人件費支出は減らず、社内の説明が難しくなります
• 最低賃金の水準が日本と異なる：タイの賃金水準では、削減額の分母が小さくなります

3番目については、事実として2026年のタイ最低賃金は県別に日額337〜400バーツ、上限400バーツは2025年から据え置きです（出典: Thai Law Online）。この水準を前提にすると、日本国内の記事で示される投資回収年数の計算は、タイでは成立しにくいということになります。日本の事例をそのまま社内資料に転記すると、経理から前提を問われることになります。

では、どう組み立てるか。私たちが整理をお手伝いする際は、効果を次の項目に分解して、それぞれ自社の数字を入れていただく形をとっています。

このうち2行目と3行目は、過去の実績があれば最も強い数字になります。クレーム対応や全数選別が実際に発生した工場では、その1回の費用が装置価格に近づくこともあります。この記録が残っていない場合は、今から記録を始めることをお勧めします。省人化そのものの効果測定の考え方については、省人化の事例と費用対効果でも整理しています。

BOI恩典を計算に入れる場合

タイでの投資では、BOI（タイ投資委員会）の恩典が計算に影響する場合があります。ただし、この扱いには注意が必要です。

まず事実の確認です。2026年3月31日に官報公示されたBOI告示 4/2569 は、自動車産業の生産効率向上のために自動化・ロボットシステムの利用を促進する内容で、機械の輸入関税免除に加え、自動化・ロボットシステムへの投資額（土地・運転資金を除く）に対して法人所得税の50%減免を3年間付与するものとされています。申請は2027年末まで受け付けられます（出典: Tilleke & Gibbins）。

また、2026年1月15日にBOIは投資奨励策を刷新し、先端製造・自動化・EV・高付加価値R&Dなどで税恩典の強化と対象範囲の拡大が図られたとされています（出典: Alvarez & Marsal）。投資申請の動きも活発で、2025年のBOI投資奨励申請は3,370件・1兆8,760億バーツ、前年比67%増と報じられています（出典: Nation Thailand）。

検討に入れる際の手順は、次の順序をお勧めしています。

• 自社が対象業種・対象投資に該当するか確認する（業種、投資内容、立地、申請時期で変わります）
• 申請の期限を確認する（告示 4/2569 の申請受付は2027年末までとされています）
• 対象となる投資額の範囲を確認する（土地・運転資金は除外されるとされています）
• 恩典ありと恩典なしの2通りで試算する（恩典を前提にした計画は、不承認時に崩れます）
• 申請に必要な書類と期間を確認する（装置の発注時期と申請時期の前後関係が問題になります）
• 所轄窓口またはBOIへ直接確認する（公開情報だけで判断しないでください）

適用の可否は業種・投資内容・立地・申請時期によって変わりますので、必ず所轄の窓口またはBOIに直接ご確認ください。 本記事の記述は公開情報の整理であり、個別案件への適用を保証するものではありません。

社内での進め方としては、恩典ありの試算と、恩典なしの試算の2通りを並べて稟議にかけることをお勧めしています。恩典を前提に投資判断をして、後から適用外と分かると、計画そのものを組み直すことになります。逆に、恩典なしでも成立する案件であれば、恩典は上振れ要素として扱えます。

検査装置メーカーの選び方：7つの判断軸

社内の5項目が決まり、方式の方向性が見え、費用の構造を理解したうえで、ようやく装置メーカーの比較に入ります。私たちが整理している判断軸は次の7つです。

このうち①は、相手を見極める最初の手がかりになると考えています。こちらの基準書を見て「キズの定義が書かれていませんね」と指摘してくる相手のほうが、後で楽です。何を渡しても「対応可能です」と返ってくる場合、要件の詰めが後ろ倒しになっているだけかもしれません。

提供者のタイプ別の得手不得手

検査装置を提供する事業者には、いくつかのタイプがあります。同じ「自動化設備メーカー」という括りで呼ばれていても、得意な領域はかなり違うという印象があります。特定社名を挙げる話ではなく、タイプごとの一般的な傾向として整理します。

どのタイプが正解ということはありません。ただし、「誰が最終的に検査結果に責任を持つのか」が曖昧な体制は避けたほうがよいという印象があります。特に、画像処理はA社、搬送はB社、設置はC社、という分割になっている場合、過検出が出たときに原因の切り分けで停滞します。契約前に、一次窓口を明確にしてください。

見積・契約で確認する項目

見積書と契約書で確認したい項目を、実務のチェックリストとして整理します。

このなかで特に強調したいのが、7行目（閾値の変更権限）と9行目（言語）と11行目（保守）です。この3つが揃っていない装置は、タイの工場では止まりやすいという印象を持っています。閾値をいじれず、画面が読めず、直せる人が国内にいなければ、何か起きたときに現場は目視に戻します。

相見積を取るときに全社へ同じ条件で渡す情報

相見積の比較が機能しない最大の原因は、各社に渡している情報が違うことです。A社には限度見本を見せ、B社には図面だけ、C社には口頭説明、という状態では、返ってくる提案の前提が揃いません。

全社へ同一の内容で渡すべき情報を整理します。

最後の行は、地味ですが効果があります。見積の費目の切り方をこちらから指定すると、各社の金額を横並びで比較できるようになります。指定しないと、A社は一式表記、B社は詳細内訳、という形で返ってきて、比較に工数がかかります。前述の内訳例（カメラ、処理PC、開発、設置、保守、品種追加）を雛形として使うのも一つの方法です。

また、サンプルは全社に同一構成で渡すことが重要です。渡した個数と種類を記録しておき、後から追加しないでください。追加すると、その時点で条件が崩れます。

タイの工場で特に起きやすい失敗パターン

ここまでの内容は日本国内でも共通する話が多くありますが、タイの工場では固有の事情で失敗しやすいパターンがあります。私たちが実際に見てきた形を整理します。

3行目の「担当者の転職」は、タイの工場では現実的なリスクとして扱う必要があります。1人の担当者に依存した運用設計は避けてください。装置の操作、閾値の調整、日常点検、簡単なトラブル対応のそれぞれについて、できる人が最低2名いる状態を目標に置くことをお勧めします。あわせて、手順を自社で更新できる形（動画やタイ語の作業標準）にしておくと、人が入れ替わっても運用が続きます。

5行目の限度見本の共有も重要です。日本本社が承認した限度見本の現物が日本にしかない場合、現地の判定は現地なりの解釈で行われることになります。画像として両拠点で共有し、更新のたびに双方へ反映するルールを、装置導入と同時に整備しておくとよいと思います。

9行目については、正直に申し上げると難しい問題です。本社の意向で機種が決まる場合、現地からできることは、条件を数字で示すことに限られます。タクトタイム、品種数、外光の状況、保全の体制、対応可能な言語——これらを事実として提示すれば、本社側も判断材料を持てます。「現地には合いません」という主観だけでは、計画は変わりません。この構図は自動化全般で共通しており、協働ロボット導入の費用と進め方でも同様の論点を扱っています。

段階の刻み方

最後に、進め方の段階を整理します。いきなり全数検査の自動化から入るのではなく、段階を刻むことをお勧めしています。

段階を刻む理由は3つあります。第一に、第0段階と第1段階で、社内の基準の不備がほぼ露見すること。実際にサンプルを撮ってみると、「この不良は今の照明では写らない」「この項目は人によって判定が違っていた」といった発見が出てきます。第二に、第2段階で過検出の実際の水準を体感できること。数字で聞くのと、現場で弾かれた良品を目にするのとでは、受け止め方が違います。第三に、失敗したときの損失を限定できることです。

第2段階を飛ばして第3段階に入りたくなる気持ちは分かりますが、ライン組込みは戻すのが大変です。オフラインで試せる期間を確保できるなら、確保したほうが安全だと考えています。

段階を飛ばした場合に起きやすいことも、あわせて挙げておきます。

• 第0段階を飛ばす：検収で「これは不良か」を装置メーカーと争うことになります
• 第1段階を飛ばす：契約後に「この不良は撮れません」と判明します
• 第2段階を飛ばす：稼働直後に過検出が多発し、ラインが止まります
• 第3段階の設計が不足：省人効果が出ず、投資の説明ができなくなります
• 第4段階の準備が不足：他拠点で同じ失敗を繰り返します

よくある質問

外観検査装置の費用はどのくらいですか？

日本国内で公開されている目安としては、AI外観検査でPoCが300〜500万円、本格導入が1,000万円以上という水準が示されています。内訳の例では、1ライン構成で約460万円（高解像度カメラ60万円、処理PC50万円、AI開発200万円、設置100万円、保守1年50万円）、複数ライン本格導入で約1,000万円（カメラ系200万円、サーバ150万円、AI開発350万円、設置200万円、保守・品種追加100万円）とされています（出典: Nsight、koromo）。

ただし、これは日本国内の目安であり、タイの工場にそのまま当てはまるものではありません。ハードウェアは輸入品が中心で関税や為替の影響を受けますし、設置や開発の人件費、保守の体制も条件が異なります。また、この内訳には治具や搬送機構が含まれていない場合があります。既存ラインへの後付けでは、この部分が大きな比重を占めることがあります。実際の金額は、対象品種、検査項目、タクト、設置環境によって幅が出ますので、社内の基準書を固めたうえで複数社から見積を取るのが確実な進め方です。

全数検査の自動化はどこまで現実的ですか？

品種と検査項目を絞れば現実的です。全項目・全品種を一度に自動化しようとすると、要件が膨らみ、投資額も跳ね上がります。

現実的な進め方としては、まず生産量が多い品種と、数値で定義しやすい検査項目から始めることをお勧めしています。欠品、部品の向き、穴の有無といった項目は比較的立ち上がりやすい一方、不定形なキズや微妙な色差は難易度が上がります。また、手触りや異音のように、画像では原理的に判定できない項目もあります。これらは人が受け持つ範囲として明示的に残すほうが、装置の仕様が明確になります。

なお、客先が全数検査を要求している項目と、社内で念のため全数を見ている項目は分けて整理してください。後者は抜取りに変えられる可能性があり、投資規模が変わります。

画像検査装置とAI外観検査は何が違いますか？

判定のしくみが違います。従来型の画像検査装置（ルールベース）は、寸法、面積、輝度といった数値の閾値で判定します。AI外観検査（ディープラーニング）は、学習させた画像の傾向から判定します。

使い分けの目安としては、不良の見え方が安定していて数値で定義できるならルールベース、不定形で数値化しにくいならディープラーニングという整理になります。ただし、ディープラーニングには学習用の画像データが必要です。不良率が低く、不良サンプルが数個しかない工程では、学習データが集まらないという問題に直面します。

また、判定根拠の説明のしやすさにも差があります。客先へ判定の根拠を提示する必要がある場合、ルールベースのほうが説明しやすい傾向があります。ディープラーニングを使う場合は、判定根拠をどう提示するかを導入前に決めておいてください。実務では、両方を組み合わせて、項目ごとに向いた方式を割り当てる構成が取られることもあります。

ポカヨケ装置と検査装置はどちらを先に入れるべきですか？

一般論としては、ポカヨケが先です。ポカヨケ装置は「不良を作らない」ための仕組みで、検査装置は「不良を出さない（流出させない）」ための仕組みです。不良の発生自体が減れば、検査装置に求められる性能も、過検出品を再確認する工数も下がります。

判断の材料としては、自社の不良の内訳を見てください。部品の欠品、向き違い、作業順序の飛ばし、締め忘れといった人為ミス起因の不良が多いなら、ポカヨケで対応できる可能性が高くなります。一方、材料起因の外観不良や、搬送中に発生するキズは、発生を止めることが難しいため、検査装置の出番になります。

費用面でも、ポカヨケのほうが小さく始められる場合が多いという印象があります。センサ1個とシーケンス制御の変更で対応できる項目もあります。ポカヨケを設計する過程で不良の発生メカニズムが整理されるため、その後の検査装置の要件も明確になります。

不良サンプルが集まらない場合、AI外観検査は諦めるべきですか？

諦める必要はありませんが、現状のままディープラーニングの導入を進めることはお勧めしません。学習データが不足した状態で作った判定器は、実ラインで想定外の見え方に遭遇したときの挙動が読めません。

選択肢としては、良品の画像だけを学習させて外れたものを異常として扱う方式を検討する、限度見本相当の不良を人工的に再現して撮影する、過去の廃棄品や客先返却品を保管する運用を今から始める、判定はせず画像とロット情報を蓄積する装置をまず置く、といった進め方があります。あるいは、検査項目を分解して、数値化できる部分だけルールベースで自動化するという判断もあります。

正直なところ、条件が揃っていない段階では「今は導入を見送る」という判断が正しい場合が少なくありません。その場合でも、不良品の保管を始める、限度見本を画像化する、といった準備は今日から着手できます。

検査装置を入れたのに人が減らないのはなぜですか？

多くの場合、NG判定後のフローが設計されていないからです。装置が「NG」を出したあと、その製品を誰が確認し、どこへ置き、どう記録するかが決まっていないと、現場は「念のため人が見る」という運用を作ります。過検出が多ければ、その再確認だけで一定の工数が必要になります。

対策は、導入前にNG判定後の処理を設計することです。物理的な排出方法、一時保管の場所、再確認の要否と担当、再確認結果の扱い（人が良品と判断したら出荷してよいのか）、装置へのフィードバック、記録の内容と保存先——これらを決めてから発注してください。

もう一つの原因として、過検出の許容水準を決めずに契約したケースがあります。「良品を1つも弾かず、不良を100%検出する」という仕様は原理的に成立しません。どちらをどこまで許容するかを先に決め、検収基準に書き込んでおく必要があります。

寸法検査の自動化は外観検査と一緒に検討してよいですか？

同じ装置で実現できる場合もありますが、検討としては分けることをお勧めします。外観検査の出力はOK/NGの判定で、基準となるのは限度見本と合意された閾値です。一方、寸法検査の出力は測定値であり、図面公差と測定の不確かさが基準になります。

寸法検査を自動化する場合、装置を導入した後に、定期校正の計画、標準器の管理、校正記録の保管、担当者の指定といった計測管理の体系への組み込みが必要になります。客先監査で校正記録の提示を求められる可能性もあります。

海外拠点で特に確認すべきなのは、校正がタイ国内で完結するかという点です。校正のたびに機器を日本へ送る構成だと、その期間の代替手段が必要になります。見積の段階で、保守と校正の実施場所を確認してください。

装置メーカーへの相談は、社内の基準が固まってからでないと駄目ですか？

固まっていることが理想ですが、現実には限度見本を撮ってみて初めて分かることが多くあります。「この不良は今の照明では写らない」「この項目は検査員によって判定が違っていた」といった発見は、実際に撮像してみないと出てきません。

そのため、進め方としては、第0段階（不良の呼称統一、限度見本の整理、過検出方針の決定）を可能な範囲で進めたうえで、第1段階のサンプル評価を装置メーカーと一緒に回しながら基準を固めていく形が現実的です。

ただし、基準を固める作業の主体は自社側にあるという認識は持っておいてください。装置メーカーが決められるのは「どう実現するか」であって、「何を不良と呼ぶか」ではありません。ここを丸投げすると、装置メーカーにとって実現しやすい定義が提案されます。それが自社の客先要求と合っているかは別の話です。

BOI恩典は投資回収の計算に入れてよいですか？

入れて構いませんが、恩典ありと恩典なしの2通りで試算することをお勧めします。恩典を前提にした計画は、適用外と判明した時点で組み直しになります。

事実として、2026年3月31日官報公示のBOI告示 4/2569 は、自動車産業の生産効率向上のために自動化・ロボットシステムの利用を促進するもので、機械の輸入関税免除に加え、自動化・ロボットシステムへの投資額（土地・運転資金を除く）に対して法人所得税の50%減免を3年間付与するとされています。申請受付は2027年末までです（出典: Tilleke & Gibbins）。また2026年1月15日には、BOIが投資奨励策を刷新し、先端製造・自動化などで税恩典の強化と対象範囲の拡大が図られたとされています（出典: Alvarez & Marsal）。

ただし、適用の可否は業種・投資内容・立地・申請時期によって変わります。公開情報だけで判断せず、所轄の窓口またはBOIに直接ご確認ください。装置の発注時期と申請時期の前後関係が問題になる場合もありますので、投資計画の早い段階で確認しておくことをお勧めします。

まとめ

検査装置メーカーの比較でつまずく箇所は、装置の性能差ではありません。発注する側が「何を不良と呼ぶか」を決めきれていないことが、ほとんどの停滞の原因になっているという印象があります。「キズがないこと」「汚れがないこと」という言葉のままの基準書を渡すと、検収の段階で「これは不良か」を装置メーカーと言い争うことになります。

比較の前に社内で決めるのは、次の5つです。①良否判定基準を数値と画像に落とす、②全数か抜取りかを決める、③過検出と見逃しのどちらを許容するかを決める、④不良判定後の処理と記録を設計する、⑤対象品種と人が受け持つ範囲を決める。このうち③と④が特に見落とされます。過検出と見逃しはトレードオフであり、両方をゼロにする閾値は原理的に存在しません。そして、NG判定後のフローを設計しないと、現場は「念のため人が見る」運用を作り、省人化の効果は消えます。

方式の選択は、目的が決まってからの話です。不良の見え方が安定していて数値で定義できるならルールベース、不定形で数値化しにくいならディープラーニング、という整理になりますが、後者には学習用の画像データが必要です。不良サンプルが数個しかない状態で進めるのはお勧めしません。まず撮るだけの装置を置いて画像を貯める、検査項目を分解してルールベースで解ける部分から着手する、あるいは今は見送る、という判断のほうが結果的に早い場合があります。

寸法検査の自動化は外観検査とは別問題として扱ってください。出力が測定値である以上、校正、標準器、トレーサビリティ、記録の保管まで含めて計測管理の体系に組み込む必要があります。タイ国内で校正が完結するかは、見積の段階で確認しておく項目です。

順序として、ポカヨケが先です。ポカヨケ装置は「不良を作らない」、検査装置は「不良を出さない」ための仕組みです。自社の不良が人為ミス起因なら、まずポカヨケで発生を減らすほうが、費用も効果も見通しが立ちます。

費用は、日本国内で示されているPoC 300〜500万円、本格導入1,000万円以上という目安（出典: Nsight、koromo）を構造の理解に使いつつ、タイでは輸入・現地施工・保守体制・言語対応・治具搬送といった条件で変わることを前提に組み直してください。人件費削減だけの投資回収計算は、2026年のタイ最低賃金が県別に日額337〜400バーツという水準（出典: Thai Law Online）を踏まえると成立しにくくなります。流出クレームの削減、選別作業の回避、記録の自動化といった項目に分解し、過去の実績から数字を作るほうが説得力があります。BOI恩典は、恩典ありとなしの2通りで試算し、適用可否は所轄窓口またはBOIに直接ご確認ください。

タイの工場で特に効くのは、タイ語の操作画面と手順書、現地で完結する保全、複数名への教育（担当者の転職に備える）、限度見本の画像共有、客先監査での判定根拠の提示方法です。この5つが揃っていない状態で装置を入れると、何か起きたときに現場が目視に戻ります。

進め方は、第0段階（定義）→第1段階（サンプル評価）→第2段階（オフライン試行）→第3段階（1ライン組込み）→第4段階（横展開）という刻み方をお勧めします。第0段階と第1段階で社内の基準の不備がほぼ露見しますし、第2段階で過検出の実際の水準を体感できます。ライン組込みは戻すのが大変ですので、その前に試せる期間を確保してください。

まだ装置メーカーを決めていない段階でも、そもそも自動化すべきかを迷っている段階でも構いません。「検査基準書が言葉のままで、どう数値化してよいか分からない」「不良サンプルがほとんど無いのにAIを勧められている」「本社が機種を決めそうだが、現地の条件と合うか不安」「見積を3社から取ったが、前提が違って比較できない」——こうした状況をお話しいただければ、社内で先に決めるべき項目の洗い出しや、相見積に渡す情報の整理から一緒に進められます。導入を決める前の相談でも構いませんので、お問い合わせフォームからお気軽にお声がけください。

参考情報

• Nsight（AI外観検査の費用内訳に関する解説）
• koromo（製造業のAI外観検査に関する解説）
• OptiMax（製品検査の自動化とAIに関する解説）
• MarketsandMarkets「Industrial Machine Vision Market」
• KAIZEN「Thailand Manufacturing Trends 2026」
• Thai Law Online「Minimum Wage in Thailand」
• バンコク週報（2026年5月の鉱工業生産指数）
• Tilleke & Gibbins「Thailand Unveils New Incentives for Automotive and HEV/PHEV Manufacturing」
• Alvarez & Marsal「Thailand’s Renewed BOI Incentives」
• タイ投資委員会（BOI）Automation
• Nation Thailand（2025年のBOI投資奨励申請）