Smartexが編み生地の欠陥をAIでリアルタイム検出し、生地廃棄50%減・製品廃棄80%減・裁断パネル30%増・1着あたり3セント削減・2,470万ドル調達と公表しました。 Smartex公式サイトで公開されています。
「欧州の繊維テックスタートアップの話だから関係ない」と読み飛ばすにはもったいないです。 中小製造・縫製で「目視検査の限界+不良の流出+材料ロス」で悩んでいる構造そのものだからです。 この事例は、「外観検査AI+欠陥リアルタイム検知+効果計測」の枠で整理できます。
僕が注目したのは、「不良を作り込む前に止める」という踏み込みです。中小製造にそのまま応用できます。
中小製造/縫製の検査課題
中小製造/縫製にありがちな構造はこうです。
- 検査は人の目視で見落としが出る
- 不良は工程の後半で発覚して手遅れ
- 不良ロットはまるごと廃棄になる
- 結果、材料ロス+手戻り+クレーム
汎用カメラには自社製品の欠陥パターンは学習されていません。「外観検査AI+欠陥リアルタイム検知+効果計測」が必要、というのが本事例の骨子です。
Smartexの整理
公表情報で示されている内容は以下です。
- 対象: 編み生地の欠陥検出
- 基盤: Smartex(リアルタイム画像検査AI)
- 成果:
- 生地廃棄: 50%減
- 製品廃棄: 80%減
- 裁断パネル: 30%増
- コスト: 1着あたり3セント削減
- 調達: 2,470万ドル
- 設計思想: 欠陥を作り込む前に工程内で止める
考察:
- 製造の壁は不良の後工程流出と材料ロス
- 検査AIなら異常を発生時点で検知できる
- 中小製造ほど1ロットの廃棄が経営に響く
何が真似できるか
Smartexの話ですが、設計思想だけ抜き取るとこうなります。
- 検査工程にカメラ+画像AIを設置
- 欠陥パターンを学習させて自動判定
- 異常は発生時点でアラート
- 不良の発生位置・原因を記録
- 効果は「不良率×廃棄量×手戻り」で測る
特に「工程内リアルタイム検知」が秀逸です。中小製造ほど「最終検査でまとめてチェック」になりがちですが、工程内で止めると桁違いにロスが減ります。
中小製造/縫製で再現するなら
ここからが本題です。製造業5〜100規模で同じ思想を取り入れるならどう削るか。
構成
| 項目 | Smartex像 | 中小製造(5〜100) |
|---|---|---|
| 対象 | 編み生地全工程 | 自社の主力ライン |
| ツール | Smartex | 外観検査AI+カメラ |
| 月額費用 | (大規模) | 推定 月3〜15万円 |
| 初期費用 | (大規模) | 推定 30〜200万円(カメラ+設置) |
| 体制 | (専門チーム) | 品質担当+ツール提供元 |
| 期間 | (継続) | 3〜6ヶ月で運用化 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★☆ |
| 再現性(中小製造) | ★★★☆☆ |
| 難易度(低いほど簡単) | ★★☆☆☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIは高。廃棄削減と手戻り減で材料費に直結
- 再現性は中。製品の検査特性に依存する
- 難易度は高。欠陥データ収集と学習・設置が山
前提条件・必要データ
- 検査工程のカメラ設置環境
- 欠陥サンプルの画像データ
- 現状の不良率・廃棄量
- 月次で不良率+廃棄量+手戻りを計測
失敗条件・適用しないケース
- 欠陥が多様で学習データを揃えられない
- 照明/速度が安定せず撮影できない
- 検知結果を現場が無視して活かさない
- 効果測定をせず「検査した気がする」で終わる
「AI導入で即不良ゼロ」のではありません。
工程選定→カメラ設置→欠陥データ収集→学習→限定運用→効果測定→拡大、という流れが3〜6ヶ月で回って初めて、本事例が描く「外観検査AI」像が中小製造にも見えてきます。
特に「欠陥データの収集と学習」を省くと、AIが何を不良と見るべきか判断できず精度が出ません。
出典・参考
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。
＞＞詳細なプロフィールはこちら
