logo2

생산 제품의 양품과 불량을 가려내기 위한 검사방법은 육안검사와 표본검사를 지나 고속 검사를 향하고 있다. 단순히 속도만 빨라진 검사가 아니라 이미지를 정확히 분석해서 생산제품의 품질 경쟁력을 향상시키는 역할을 하고 있다.

이러한 기술 구현의 중요 요소 중 하나가 인공지능(AI) 기술로, 비전검사 관련 공급기업들은 생산 제품의 신뢰성을 높이기 위한 사용자 요구를 반영해 고속인라인 검사공정의 발전을 가속화시켜나가고 있다.

최근 서울 코엑스에서 개최한 반도체대전(SEDEX) 2022에서도 비전솔루션을 출품한 기업들을 만날 수 있었다. (중략)

                                                                        반도체대전(SEDEX) 2022에 참가한 알티엠(RTM) 부스에 참관객들이 머신러닝 소프트웨어 시스템에 대한 설명을 듣고 있다.

AI 모델로 과검률 줄인다

AI 기술이 제조 분야에서 톡톡히 그 역할을 하고 있지만, 완벽한 것은 아니다. AI 기술을 적용하는 기업에 따라서는 양품이 불량으로 판별될 수 있고 데이터가 부족해서 검사의 기준을 세우기 힘들 수 있다. 알티엠(RTM)은 이러한 문제들을 딥러닝 기반 머신 비전 소프트웨어 ‘허블(Hubble)’과 설비·공정 데이터 분석 솔루션 ‘아폴로(APOLLO)’를 통해 해결 가능하다고 말한다.

SEDEX 2022에서 만난 이 회사 전주영 PO(Product Owner)는 허블에 대해 “생산과정에서 발생하는 불량을 AI 모델로 자동 검출해 양품을 불량으로 판정하는 과검률을 효과적으로 관리하는 솔루션”이라고 소개했다.

이어 “아폴로는 제조공정에서 수집된 시계열 데이터 패턴 구간을 파악해 이상 원인을 도출하는 ‘자동이상탐지’ 기능과 함께 스스로 데이터를 학습해 원인분석 기능을 제공하는 설명 가능한 인공지능(XAI) 소프트웨어”라고 했다.

AI 기술을 적용하기 위해서는 학습의 과정이 필요한데 전주영 PO는 룰 베이스 기반으로 문제를 해결하려 할 때 정해진 규칙 외에 벌어지는 상황을 파악하지 못해 문제가 발생할 수 있다고 지적했다.

그는 “예를 들면, 스크래치가 발생했지만 기존에 정해둔 룰에는 이 같은 경우가 없다면, 이것은 불량이 아니라 양품으로 처리 될 수 있다. 때문에 전체 데이터를 수집 후 패턴들을 체크해서 실제적으로 어떤 이슈가 영향을 주고 있는지를 종합적으로 분석할 필요가 있다”라고 말했다.

또한 AI를 학습을 시켜야 하지만 원천 데이터가 존재하지 않거나 매우 적은 데이터만 확보한 경우에도 어려움이 있다고 언급했다. 그는 이를 해결하기 위한 방안으로 “사용자가 가지고 있는 몇 개의 데이터를 증폭하는 등의 방식을 사용해서 관련 문제들을 풀어나가고 있다”라고 말했다.

기사 원문 보기 >>  http://www.kidd.co.kr/news/229558

Research Lab

10F Kwangsung Bldg, 11, Yeoksam-ro 3-gil, Gangnam-gu, Seoul, Republic of Korea

Headquarter

7F Kwangsung Bldg, 11, Yeoksam-ro 3-gil, Gangnam-gu, Seoul, Republic of Korea

Email

admin@rtm.ai

Tel

02.2088.6780

Fax

070.7543.6780

© 2022 RTM. All Rights Reserved.

Research Lab          Youtube        Facebook

Research Lab

10F Kwangsung Bldg, 11, Yeoksam-ro 3-gil, Gangnam-gu, Seoul, Republic of Korea

Headquarter

7F Kwangsung Bldg, 11, Yeoksam-ro 3-gil, Gangnam-gu, Seoul, Republic of Korea

Email

Tel

Fax

admin@rtm.ai

02.2088.6780

070.7543.6780

© 2022 RTM. All Rights Reserved.
Scroll to Top