- 第一段階。
- 建物
- アプリケーションデザイン
- アプリケーション・エディター
- チューリップ・アプリ・エディター入門
- 新しいチューリップ・アプリの作成
- アプリのエディターとプレーヤーでキーボードショートカットを使う方法
- チューリップの多言語機能
- ステップ
- ウィジェット
- ウィジェットとは?
- 入力ウィジェット
- 埋め込みウィジェット
- ボタンウィジェット
- ウィジェットの設定方法
- ステップに入力ウィジェットを追加する 更新
- インタラクティブ・テーブル・ウィジェットとは?
- Product Docs Template
- 動画を埋め込む方法
- アプリにアナリティクスを組み込む方法
- ファイルを扱う
- 単一または複数選択ウィジェットに動的に入力する
- チェックボックス・ウィジェットの使用方法
- バーコードウィジェットの追加方法
- ステップにグリッドウィジェットを追加する方法
- アプリ内やアプリ間でコンテンツをコピー/ペーストする方法
- ステップにゲージウィジェットを追加する方法
- カスタムウィジェットの概要 更新
- 署名フォームの作成 ステップ
- 入力ウィジェットによるデータ検証 更新
- 記録履歴ウィジェット概要
- フォーム・ステップの技術的詳細
- アプリに画像を追加する方法
- 電子署名ウィジェットの使用方法
- アプリでの数字の書式設定 更新
- イネスコ
- トリガーとは何か?
- ステップ・レベル・トリガー
- アプリレベルのトリガー
- ウィジェット・トリガー
- アプリ移行ガイド
- Capture App Screenshot
- タイマートリガー
- デバイストリガーを追加する方法
- 条件(If/Else文)でトリガーを追加する方法
- トリガーエディターのアクションとトランジションのリスト
- 最も一般的な誘因トップ10とは?
- トリガーからウィジェットの色を設定する方法
- メールの送り方
- SMS通知用チューリップ・ユーザーの設定方法
- トリガーからステップを印刷する方法
- アプリ・エディターでのエクスプレッション・エディターの使い方
- エクスプレッション・エディターの技術的詳細
- アプリ・エディターの表現一覧
- Datetime式の使用
- タイプキャスティング表現
- 配列とオブジェクトで式を使う
- トリガーで時間を扱う
- サポートされているカスタム日付形式
- アプリを完成させる方法
- デバイスのカメラでバーコードとQRコードをスキャンする方法
- トリガーに正規表現を追加する方法
- チューリップのアプリでアプリ情報を使う
- トリガーを使用してコネクタ関数を呼び出す方法
- 可変
- 問題解決
- ダティ(ヒンドゥー教の女神)。
- コネクタ
- 分析
- 分析とは何か?
- アナリティクス・ビルダー入門
- 新しい分析の作成方法
- ディスプレイの種類 更新
- テンプレートの種類
- ユニバーサルテンプレートの使用方法
- アナリティクスの数値フォーマット
- チャートレイヤー入門 更新
- 管理図とは何か?
- 管理図のアラート
- アプリにアナリティクスを組み込む方法
- 複数のアプリからデータを分析する方法
- アナリティクス・エディターでマシンデータを使用する
- 日付の範囲を理解する
- アナリティクス コンテキスト ペインのフィールド一覧
- アナリティクス・エディターでのエクスプレッション・エディターの使い方
- エクスプレッション・エディターの技術的詳細
- アナリティクス・エディターの表現一覧
- アプリ解析の修正方法
- フォーキャスト・レイヤーとは?
- 分析例
- ショップ・フロア・ダッシュボードの作り方
- 分析またはダッシュボードを共有する方法
- ダッシュボードの作成方法
- ビジョン
- 機器モニタリング
- マシン・モニタリング入門
- 最初のマシンのセットアップ方法
- トリガーでマシン出力を使用する方法
- 最初のOPC UAデータソースを構築する方法
- 最初のMQTTコネクタを構築する方法
- アプリにマシンウィジェットを追加する方法
- チューリップに接続するためにマシンを準備する方法
- マシン属性、ダウンタイムの理由、ステートの追加方法
- OPC UA/MQTTプロトコルを使用したマシン属性への書き込み 更新
- オンプレムコネクタホストで実行するエッジデバイスの使用
- Edge MCを使用してOPC UAを実行する
- 機械属性APIの使用方法
- マシンタイプの設定方法
- マシンの追加と設定方法
- 初めてのマシン・トリガーの作り方
- Tulipによるマシン監視アーキテクチャの推奨
- 規制産業
- 副操縦士は最前線にいる
- オートメーション
- 輸入における輸出
- アプリケーションの実行
- チューリップ・プレーヤーの使い方
- チューリップ・プレーヤーでアプリを実行する方法 更新
- チューリップ・ウェブ・プレーヤーとチューリップ・プレーヤーのどちらを選ぶか
- 複数のチューリップ・アカウントを切り替える方法
- Apple iOS & iPadOSでのチューリップ・プレーヤーの使い方
- Tulipでサポートされている言語
- How to access your Tulip Player/Instance in an iFrame
- 異なるデバイス上でチューリップ・アプリケーションを実行する方法
- チューリップ・プレーヤーのトラブルシューティング方法
- チューリップ・プレーヤーの推奨デバイス 更新
- チューリップ・プレーヤーの画面が真っ白になった場合の再起動方法
- アプリのデータをCSVにエクスポートする方法
- マネジメント
- Developers
- Connect to Software
- Connectors
- 生態系の統合に関するガイダンス
- アマゾン・ベッドロックとの統合
- AWSインテグレーション - Tulipの全テーブルを取得してS3に書き込む
- AWSインテグレーション - API GatewayとLambdaを介してAWSにデータを送信します。
- AWSインテグレーション - Tulipテーブルからデータを取得する
- AWS Integration - Fetch All Tulip Tables in Lambda Function
- チューリップ・テーブル・データをロードするためのグルーETLスクリプト例
- IoT Sitewiseの統合
- AWSによるリーンな日常管理
- Microsoft Azure機械学習統合
- マイクロソフト・ファブリックの統合
- ロックウェルFactoryTalk Optixの統合
- SnowflakeとFabricの統合 - TulipテーブルをSnowflakeに取り込む
- Connect to Hardare
- Edge Devices
- 対応機器
- チューリップで動作するプラグアンドプレイ機器のリスト
- デバイスドライバの作成とサポート
- チューリップのデバイスドライバサポート
- バーコードスキャナのセットアップ方法
- シリアルドライバーの使用
- ZebraプリンタとTulipを統合する方法
- Zebraネットワークプリンタドライバの使用
- Zebra GK シリーズラベルプリンタドライバの使用
- USB Bobe Boxドライバの使用
- コグネックス In-Sight 2000 ドライバの使用方法
- コグネックスとチューリップの設定方法
- MTセブンエクセレンスPHメータードライバーの使用方法
- 汎用ADCドライバーの使用
- オメガHH806温度計ドライバの使用法
- デジタルキャリパードライバの使用
- 一般的なTS05 Bluetooth温度ガンの設定方法
- コグネックスDataMan TCPドライバの使用方法
- ミツトヨU-WAVEレシーバー for Windows Tulip Playerのセットアップ
- ブレックネル PS25 スケールドライバの使用法
- RFIDドライバーの使用
- Kolver EDU 2AE/TOP/E ドライバの使用方法
- USBフットペダルドライバーを使う
- トルクオープンプロトコルドライバの使用
- Dymo M10 USBスケールドライバーの使用方法
- コグネックス In-Sight ドライバの使用
- Telnetドライバの使用
- 汎用I/Oドライバの使用
- コルバートルクコントローラーの設定方法
- インサイズ・マルチチャンネル・キャリパードライバの使用法
- Dymo S50 USBスケールドライバーの使用方法
- Zebra Android DataWedgeの設定
- ミツトヨデジタルキャリパとミツトヨU-waveドライバの併用
- オウス社のスケールを追加し、出力を変数に保存する方法
- 温湿度センサーユニット試験
- Troubleshoot
- ノド・ロッソ
- 再利用可能なコンポーネントの作成
- APIを使う
- Edge Driver SDK
- Connect to Software
- 技術文書およびIT文書
- メンテナンス・イベント・スケジュール 更新
- チューリップのサポートを受けるには 更新
- ITインフラ
- チューリップITウェルカムガイド
- IP許可リストの設定
- チューリップのセキュリティ・オプションの概要
- チューリップ ITセキュリティガイド 更新
- チューリップ・コネクタ・ホストの紹介
- Tulip & Device Architecture
- オンプレミ・コネクタ・ホスト・バージョンのサポート 新機能
- 既存のオンプレミスConnector Hostコンテナのログローテーションを有効にする
- Tulipによるマシン監視アーキテクチャの推奨
- チューリップ・オンプレミス仮想マシンの詳細
- チューリップ・プラットフォームのコンポーネントとネットワーク図
- AWS GovCloudでのチューリップの展開
- WindowsでTulip Playerを使用してプロキシサーバーを使用する方法
- オンプレミス・コネクタ・ホストの概要
- チューリップ・クラウド導入のためのネットワーク要件 更新
- チューリップW-9フォーム
- チューリップのサイバーセキュリティ方針とインフラについて教えてください。
- LDAP/SAML/SSO
- チューリップ・パートナー・ポータルの使い方
- ガイド
- デジタルトランスフォーメーションに向けて
- Use Cases by Solution
- 例
- ワークステーション別の作業指示をリアルタイムで把握する方法
- 5S監査アプリのチュートリアル
- 自動不合格レポートアプリの作り方
- 最初のフロントライン・オペレーション・アプリケーションを計画するには
- 表で機械監査を追跡する方法
- 現場業務アプリで作業指示を自動化する方法
- 混在率の高い環境における製造アプリの活用法
- デジタル作業指示アプリの作り方
- テーブルを使った製品系譜の記録方法
- オウス社のスケールを追加し、出力を変数に保存する方法
- 作業完了時に在庫表から差し引く方法
- 作業指示書 "UIテンプレート "の使い方
- ユーザーフィールドでスキルマトリックスを作成する方法
- 部品表(BOM)の作成方法
- テーブルを使って在庫を管理する方法
- ユーザーフィールドを使って複数のアプリ間で動的データを受け渡す方法
- "ルーティング・アプリ "を作って複数のアプリ間をナビゲートする方法
- 📄 注文追跡
- 📄 障害トレーサビリティ
- 図書館
- チューリップ・ライブラリーの利用 更新
- Laboratory Operation App Suite
- 図書館コレクション
- ライブラリーアプリ
- 教科書の例
- アプリケーション・ソリューション
- CMMSアプリケーションパッケージ
- Zerokey solutions
- 結果の可視性
- 物品委託電子申告(eBR)申請書類一式
- PCGによるCAPA Lite
- 5 なぜAIで根本原因を探るのか
- AIによるシンプルな欠陥報告
- ビジネス・ケース・ビルダー
- シフト・スターター・ミーティング
- カンバン・アプリ・スイート
- シンプルなOEEダッシュボード
- アリーナBOMソリューション
- 設備管理アプリ・スイート
- 簡単なチェックリスト
- チェックリスト管理スイート
- 勤怠管理シンプル・ソリューション
- パック&シップ・ライブラリー・アプリケーション
- CAPAマネジメント
- モバイルカメラアプリ
- OEE計算機
- 時間当たり生産スコアカード
- 素材のバックフラッシュ
- 品質イベント・ダッシュボード
- 一次パス収量申請
- ピック・トゥ・ライト
- トレーニング・ソリューション
- デジタル・システム・インベントリー
- ビジョンによる位置追跡
- デジタル・システム・アクセス管理
- 資材管理
- ツール&アセット・マネージャー
- 質の高いイベント管理
- ブレークビームセンサー付きステップ前進
- デジタルストップウォッチ
- 監査チェックリスト
- カタナERPアプリ
- ハイレベル・ベースライン評価
- BOM管理
- 安全インシデント・マネージャー
- Composable Lean
- Composable Mobile
- 応募方法
- コンポスタブルMES
- 製薬部門向けMESシステム
- コネクターとユニットテスト
- プラネウス単体テスト 更新
- COPA-DATAコネクタ 新機能
- Veeva コネクタ
- インキット・コネクター
- MRPeasy コネクタ
- オラクルFusionコネクタ
- LabVantage コネクタとユニットテスト
- グーグル・チャット・コネクター
- セールスフォース・コネクター
- リトマス概要
- eMaintコネクタ
- eLabNext コネクタ
- Acumatica ERPコネクタ
- CETECコネクター
- ページャーデューティ コネクター
- NiceLabelの統合
- Arasの統合の概要
- SDAの統合
- ナイミ・バンド ユニットテスト
- アリーナ・インテグレーション 更新
- バーコードスキャナのユニットテスト
- フットペダル単体テスト
- RealWearヘッドセットでTulipを使い始める
- エアテーブル用コネクター
- 七宝コネクター
- バーテンダーの統合
- SAP S/4 HANA Cloud Connector
- RFIDスキャナー・ユニットテスト
- Jiraコネクタ
- ゼブラ・ラベル・プリンター・ユニット・テスト
- Google翻訳コネクタ
- MSFT Power Automate
- OpenAIコネクタ
- Googleカレンダー・コネクター
- チューリップAPIユニットテスト
- デュロPLMユニットテスト
- HiveMQユニットテスト
- NetSuiteとの統合
- コグネックス ユニットテスト
- PowerBIデスクトップ統合
- プログローブ・ユニット・テスト
- フィベトランの統合
- ParticleIOの統合
- グーグル・ドライブ・コネクター
- スノーフレーク・コネクター 更新
- SAP SuccessFactorsコネクタ
- ZeroKey Integration
- グーグル・ジオコード・コネクター
- Googleシートコネクター
- チューリップとSlackを統合する方法
- ハイバイトインテリジェンスハブ ユニットテスト
- LandingAIユニットテスト
- LIFXユニットテスト(ワイヤレスライト)
- マイクロソフト・カレンダー・コネクター
- M365 Dynamics F&O コネクター
- マイクロソフト・アウトルック・コネクター
- Microsoft Teams コネクター
- Microsoft Graph APIとTulipをOauth2で接続する
- Microsoft Excel コネクタ
- NetSuite アプリとコネクタ
- OpenBOMコネクタ
- 計量器ユニットテスト
- InfluxDBコネクタ
- オーグリー・コネクター
- イラート・コネクター
- シェフラーオプティムコネクター
- MongoDBアトラスコネクタ
- MaintainXコネクタ
- Twilio コネクター
- SendGridコネクタ
- ソレイス・コネクター
- RealWearヘッドセット用Tulipアプリのデザイン方法
- オンシェイプ・コネクター
- カスタマイズ可能なウィジェット
- スケジュールカスタムウィジェット 新機能
- タイムラインウィジェット
- jsonツリービューアウィジェット
- かんばんタスク管理ウィジェット
- バッジウィジェット
- 高度なタイマーウィジェット
- セグメントボタンカスタムウィジェット
- ダイナミックゲージカスタムウィジェット
- スナックバーウィジェット
- チェンジディテクター・ユニット・テスト
- ステータス・カラー・インジケータ ユニット・テスト
- 入力長チェック・ユニット・テスト
- 電卓カスタムウィジェット単体テスト
- 画像アノテーション・ウィジェット単体テスト
- リーン・ダッシュボード・ウィジェット
- ルーパー単体テスト
- ストップウォッチ・ユニット・テスト
- 数値入力ユニットテスト
- ナンバーパッド単体テスト
- ラジアルゲージ
- ステップ・バイ・ステップ メニュー ユニットテスト
- SVGウィジェット
- テキスト入力ユニットテスト
- ツールチップ ユニットテスト
- 作業指示 ケアポイント 単元テスト
- 電子署名ウィジェット単体テスト
- ZPLビューア単体テスト
- シンプルな折れ線グラフウィジェット
- 棚カスタムウィジェット
- スライダーウィジェット
- NFPAダイヤモンドカスタムウィジェット
- 合格 - 不合格 カスタムウィジェット
- よりシンプルなタイマーカスタムウィジェット
- Nymiプレゼンス統合ウィジェット
- オートメーション
Lookout for Visionによる欠陥検出
Tulip VisionとAWS Lookout for Visionによる自動欠陥目視検査の導入
目視検査は、生産品質を維持するための重要な要素ですが、人的な検査リソースのコストが高いため、無駄を省きながら実施することは困難です。また、手作業による目視検査は、非常に繰り返しが多く、視覚的にも難しい作業です。
カメラと機械学習による自動外観検査は、この状況を一変させる。機械学習に基づく外観検査アルゴリズムは、時間と精度の両面で、人間のパフォーマンスを凌駕するところまで進歩しています。
Tulipを使用すると、Visionカメラの出力をクラス初の視覚的異常検知クラウドサービスに接続することで、自動視覚検査を実装できます。AmazonのLookout for Visionはそのようなサービスの1つで、Tulipに簡単に統合できるシンプルなREST APIエンドポイントで強力なアルゴリズムを提供しています。
この記事では、Cloud Formationを使ってAWS上で素早くセットアップする方法と、あらかじめバンドルされたライブラリアプリを使ってTulip内でセットアップする方法を紹介します。このプロセスのライブチュートリアルについては、次のビデオを参照してください。
前提条件
このプロセスを開始する前に、以下のリソースが利用可能であることを確認してください:
- Tulip Player PCに接続されたUSBカメラ(Tulip Visionハードウェア推奨ガイドをご参照ください。
- 接続されたカメラのTulip Vision Camera Configuration、および動作確認済みのビデオストリーム(ビジョン入門ガイドを参照
- Tulip Tableに正常・異常のアノテーションを付けて収集したデータ(データ収集アプリを参照)
- Lookout for VisionやAPI Gatewayなどのリソースの作成が許可されたユーザーを持つAWSアカウント(Amazonのスタートガイドを参照)
Currently, Lookout for Vision is only available in specific AWS regions.
AWSコンソールでのLookout for Visionのセットアップ
AWSコンソール上で必要なクラウドインフラのセットアップを支援するために、Cloud Formation Template(ダウンロード)を提供しています。CFTは、Lookout for Vision(LfV)の検出モデルをTulipで学習・実行するために必要なAWSクラウド上のすべてをプロビジョニングする短いスクリプトです。LfVプロジェクト、LfVモデルをアクティブにするためのAWS Lambda関数、関数と通信するためのAWS API Gatewayが作成されます。TulipはAWS API Gatewayのエンドポイントを呼び出し、Tulip Appsの中からLfVモデルへのコマンドを実行します。
- CFTをダウンロードする。
- AWSコンソールでCloud Formationに進む。
- スタックを作成し、CFTファイルをアップロードします。
- CloudFormationのスタック作成スクリプトを実行する。
- 出力をメモする。
- apiGatewayInvokeURLの値をメモするか、そうでなければメモする。
さて、Cloud FormationによってAWSがプロビジョニングされたので、Lookout for Visionでビジュアル機械学習モデルをトレーニングすることができる。そのためには、画像の注釈付きデータセットが必要だ。手動でデータセットを作成することもできますが、私たちはデータ収集アプリ[リンク]を使ってTulipでデータを収集する簡単な方法を提供しています。データはTulip Tableに保存され、そこから簡単にエクスポートできます。次のいくつかのステップでは、データセットがTulipで収集されたと仮定します。
- Tulipテーブルからデータセットをエクスポートする。
- Lookout for Visionが作成したS3 buckedにデータセットをアップロードする。
- Lookout for Visionでデータセットを作成し、ソースとしてS3バケットを選択します。
必ずAutomatically attach labelsを選択してください:
これでLookout for Visionでデータセットの準備ができたので、モデルをトレーニングすることができる。このプロセスにはおよそ45分かかり、AWSコンソール上で簡単に行える。
- Train Modelをクリックします。
{height="" width="350"} です。
- トレーニング状況を確認します。
- トレーニング結果を確認する。
モデルのトレーニングが終了したら、AWS側で行うことはもうない。すべての接続はクラウド・フォーメーションが行ってくれているので、TulipをLookout for Visionに接続すればOKだ。
Lookout for Visionモデルを呼び出すためのTulipのセットアップ
TulipはAPI経由で外部サービスと連携する能力が高いので、AWSのLookout for Visionと簡単に連携することができます。前節のREST APIエンドポイントを利用して、Tulip Connector FunctionsからLfVモデルを制御します。しかし、関数をゼロから作成する代わりに、"Defect Detection with Lookout for Vision" Library Appであらかじめビルドされたものを提供します。これにより、時間を大幅に節約し、コネクタを正しく構築することができます。しかし、最初に、特定のAWSアカウントから正しいデータをコネクタ関数に入力する必要があります。
- TulipでConnector Functionsを見つけます。
- Connector には、Cloud Formation からコピーした AWS からの正しいエンドポイント URL を設定します:
- 各ファンクションにAWSからのAPI KEYを設定します。
4つのファンクションすべてに対してこれを行うことを確認する。
TulipアプリでLookout for Visionを使用する
ライブラリから提供された欠陥検出アプリでは、目視検査を実行するための非常に初歩的なプロセスを設定しました。必要に応じてアプリを変更したり、アプリの一部を他のアプリにコピーすることができます。このアプリを使用するには、特定のTulip Visionセットアップで動作するように少し修正する必要があります。キャプチャー・トリガーをVisionカメラ・コンフィギュレーションに向ける必要があり、ビジュアル・フィードバックのためのカメラ・プレビュー・ウィジェットも必要です。
- Tulipアプリのカメラウィジェットを正しいカメラ設定で設定します。
- 正しいカメラ設定で "Detect Anomalies "トリガーを設定します。
これで、Tulip上でモデルを実行するための準備はすべて整いました。モデルを推論(画像の評価)に利用できるようにする前に、モデルを "ホスト "する必要があります。これは、モデルをアプリに提供するために、クラウド仮想マシンのようなクラウド計算リソースを占有することを意味します。そのためのボタンをTulipアプリに用意しました。
Once the model is "Hosted" it is consuming resources that have a cost attached to them. Remember to turn off your models whey they are not in use, or you are risking spending money for no return. AWS LfV pricing can be learned about in here. Keep in mind AWS also offer a Free Tier for LfV. Tulip is not responsible for resources hosted privately on AWS, but you are welcome to contact us with inquiries.
検査カメラを接続したプレーヤーPC上で欠陥検出アプリを実行します。実行中のアプリで以下の手順を行います:
- モデルをONにする(「ホスティング」)。
Once you start the model it will begin incurring costs. Remember to turn it off.
- モデルのホスト状態を確認します。
HOSTED "ステータスを探します。ステータスが "HOSTED "でない間は、モデルはクエリーを受け付けません。
- モデルに対して推論リクエストを実行する。
これでモデルは、オブジェクトが欠陥か正常部品かの予測を行うはずです。モデルが間違った予測をした場合に備えて、検出精度をフィードバックするボタンを追加しました。これらのボタンは、チューリップ・テーブルとデータセットにデータを追加します。モデルのロバスト性を高めるために、より多くのサンプル画像を与えてモデルを定期的に再トレーニングしてください。
結論
Tulipで機械学習ベースの自動外観検査を始めるための簡単なプロセスを見てきました。このプロセスは、人が行う目視検査の手動リソースを節約することができます。また、このプロセスを適用することで、製品に発生したすべての欠陥の視覚的なデータセットを得ることができ、検査とは別の方法で使用することができます。
Tulipの接続機能を使えば、機械学習を簡単に適用・実装できる。他のクラウドMLサービスも同様の方法で利用できる。