다양한 AI 기술을 활용하여 반복적인 일을 정확하게 수행함으로 업무의 효율과 사용자들의 편의를 극대화하고 있습니다. 특히 제조 산업은 스마트 팩토리 등 지능화 및 자동화를 통해 더 빠르고 정확하게 공정을 진단하기 위한 여러 활동을 펼치는 추세입니다. 그 중에 단연 딥러닝 기반의 AI 기술에 대한 많은 관심이 집중되고 있습니다.
그러나 이런 AI 모델을 도입하는 제조기업들은 아마 같은 고민이 있을 것이라 예상을 합니다. 도대체 어떤 데이터가 얼마나 있어야 AI 솔루션을 도입할 수 있습니까?
모든 데이터 컨설턴트와 연구 보고서에 의하면 ‘모든 케이스에 따라 다르다’입니다. 물론 정답이기도 합니다.
하지만, 반도체, 배터리, LED 등 다양한 하이테크 제조사들의 실제 케이스를 보며 조금 더 구체적인 답변을 찾아보겠습니다.
어떤 데이터가 필요합니까?
RTM에서는 제조 산업의 문제를 대표적으로 시계열 데이터와 이미지 데이터 타입으로 분류해 분석하고 있습니다.
Case 1
반도체 장비사 'A'의 플라즈마 공정 설비 결함을 탐지하기 위해 20여종의 시계열 센서 데이터를 분석하는 모델
Case 2
반도체 제조사 'B'의 검사 정확도 및 효율을 높이기 위해 기존 육안 검사를 대체하는 제품 x-ray 이미지에서 불량을 검출하는 모델
Case 3
반도체 제조사 'C'의 제품 외관 불량 검사(AOI, Automated Optical Inspection)를 목표로 기존 육안 검사를 대체하는 AI 모델
