- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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 新機能
- 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
- 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
- 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
- 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
- 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
- チューリップのサポートを受けるには
- 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
- チューリップ・コネクタ・ホストの紹介
- On-Prem Connector Host Version Support
- 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
- 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
- スプレッドシートをテーブルにインポートする方法
- 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
- 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
- 紙芝居アプリ・スイート
- カイゼン・ファネル
- 勤怠管理シンプル・ソリューション
- 紙芝居品質監査
- 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
- 紙芝居カード管理
- リーンダッシュボード
- 5S結果レーダー(スパイダー)チャートウィジェット
- 5Sチェックリスト
- モバイル・プロダクション・スコアカード
- モバイルデザインテンプレート
- プロセス・エンジニアリング(モバイル)
- メンテナンス・オーダーの実行
- マシン・スタートアップ・チェックリストの例
- 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
- COPA-DATA Connector
- プレーナスコネクター
- 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
- 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
- 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
- Job Planning/Scheduling Board
- 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
カスタムモデルによる視覚分類
Visionのカスタムモデルを使用して、エッジで検査と検証を行うためのリアルタイム視覚分類を行う方法
自動外観検査は、製造現場において非常に強力なツールです。組み立て工程で高い品質保証を維持するだけでなく、ハンドリング時間を短縮し、全体的な歩留まりを向上させるために使用できます。Tulip Visionでは、カスタムモデルを使用して自動外観検査を実行できます。カスタムモデルは、Tulip Visionがエッジ上でリアルタイムに実行する機械学習モデルです。これらのモデルは、目的の検査ポイントでラインから取得したデータを使用してトレーニングする必要があります。
Tulip Visionは分類モデルと検出モデルをサポートしています。このガイドでは、分類モデルの使用方法を説明します。分類とは、視覚画像がどのクラスまたはカテゴリに属するかを決定することです。例えば、ワークピースは「不合格」(NG)または「合格」(OK)カテゴリーに属するかもしれませんし、欠陥分類では「幅が広すぎる」、「幅が狭すぎる」、「ゆがんでいる」または「正常」(OK)カテゴリーに属するかもしれません。モデルを学習するのに十分なデータ(十分な精度を確保するために、各カテゴリーについて最低50枚のサンプル画像)がある限り、カテゴリーを決定するのはユーザー次第です。
カスタムモデルはエッジ上で実行されるため、推論(モデルを実行して予測を得る)には、クラウド上でモデルを実行する場合のような追加料金は発生しない。また、カスタムモデルはエッジコンピュータ上でリアルタイムに実行されるため、検出結果を生成するために瞬時に使用することができ、クラウドに画像を送信するための帯域幅を削減することができる。また、画像がワークステーションから離れることがないため、データセキュリティの面でも、よりプライベートな運用が可能になります。
前提条件
- Tulipリリースr229以上でカスタムモデルが有効になっていること。
- カメラ設定でTulip Visionカメラがセットアップされていること(スタートガイドを参照
- ワークステーション内の繰り返し可能なキャプチャ位置を持つ検査または検証用の部品
- Tulip上で分類された画像のデータセット(データ収集ガイドを参照
推論のための学習済みモデルの取得
Vision Custom Modelsを使用するには、学習済みモデルを入手する必要があります。データがすでに収集され、コンピュータにダウンロードされていると仮定すると(データ収集とエクスポートガイドに従って)、モデルのトレーニングはMicrosoft Azureのcustomvision.aiオンラインサービスで簡単に行うことができます。ボタンを数回クリックするだけで、画像とそのアノテーションをロードし、カスタムモデルをトレーニングすることができます。
customvision.aiでデータをロードする
新しいモデルをトレーニングするには、新しいcustomvision.aiプロジェクトを作成します。
Classification model, Multiclass with General (compact)を作成していることを確認する:
次に、Tulipからエクスポートした画像を追加します:
タグ付けの手間を省くために、画像を一括でアップロードします。Tulipからエクスポートされたデータセットは、画像をカテゴリごとにフォルダに整理します。フォルダからすべての画像を選択し、customvision.aiにアップロードします:
データセットの他のカテゴリーについても、このプロセスを繰り返します。各カテゴリから少なくとも50のサンプルがあることを確認してください:
customvision.aiでモデルをトレーニングする
画像を配置したらモデルをトレーニングするために、"Train "ボタンをクリックします。
トレーニング予算を選択します。チューリップアプリの作業を素早くチェックするには、「クイックトレーニング」を実行します。ただし、「クイック・トレーニング」モードでは、検出性能の結果があまり良くないことが予想されます。ステーション内の物理的なセットアップがすべて完了したら、生産準備の整ったモデルを得るために、後日、より大きな予算でモデルを再度トレーニングしてください。
customvision.aiからONNXモデルをエクスポートする
モデルのトレーニングが終了したら、「パフォーマンス」ページに移動します。モデルをエクスポートするオプションがあります:
ONNX "オプションを選択します:
モデルをエクスポートしてダウンロードします:
エクスポートしたモデルに問題がある場合は、サポートチームまでお問い合わせください。
Tulip Visionでカスタムモデルを設定する
ダウンロードしたモデルをTulip Visionで使用するには、Vision -> Modelsページにアクセスしてください:
新しいカスタムモデルを作成します:
モデルタイプが "Classification "であることを確認してください。ダウンロードしたエクスポートからモデルファイルを選択します。model.xml
、model.bin
、labels.txt
ファイルがあるはずです。
次に、Detectorsページまたはカメラ設定ページで新しい "Classifier Model Detector "を作成します:
次に、新しい分類器検出器をカメラ設定領域に割り当てます。データ収集に使用したのと同じ領域を使用していることを確認します。検出しきい値を高く設定すると、信頼スコアが高いモデルからの予測のみを受け入れます。より高いしきい値は、より少ないケースしか受け入れませんが、確実な決定(高い精度)を保証し、偽陽性(タイプIエラー)を減らします。より低いしきい値は、より多くのケースを捕捉しようとしますが、より多くの偽陽性(高いリコール)を引き起こす可能性があります。
注意:結果が印刷されるまで、カメラがクラウドからモデルをダウンロードするのに1分ほどかかることがあります。
モデルが配置され、動作すると、ライブビデオ上で信頼度スコア付きの予測が生成されるのを確認できるはずです:
Tulip Appsでカスタムモデルを使う
カスタムモデルがVisionマシンでライブで動作しているため、その予測結果をTulipアプリで使用することができます。分類器検出器は、検出が信頼度のしきい値を通過するたびにイベントを発行します。
目視検査用のステップでアプリをセットアップします。例えば、オペレーターの目視確認のためにカメラビューを追加します:
検査結果は連続的であり、トリガーにスナップショットボタンを必要としないことを忘れないでください。
次に、カスタムモデルの検出器出力に基づいて、リアルタイム検出用のトリガーを追加します。検出開始」トリガーを使用して、検出器が先に設定したしきい値を超える予測を行ったときにイベントを取得します:
検出が終了し、変数がクリアされたときにイベントを追加することもできます。
実行中のアプリは、トリガーからカスタムモデルの結果を表示するはずです:
結論
カスタムモデルは、視覚的な検査タスクを自動的に実行するために、リアルタイムでエッジ上でMLモデルを実行することを可能にします。適切に訓練されたモデルで手動検査を置き換えたり、補強したりするために使うことができます。モデルはエッジで実行されるため、余分な費用は発生せず、データに関してより高速でプライベートかつ安全な運用が可能になります。
Visionカスタムモデルを使って、今すぐTulipで機械学習を始めましょう。迅速でシンプルなセットアップにより、これらの強力なモデルは、工場現場での時間と労力を節約します。