머신비전이란 무엇일까요?

머신비전(machine vison)은 카메라와 조명 등과 같은 하드웨어에 인공지능 소프트웨어를 연결해 사람이 해오던 시각적 판단 과정을 대신하는 기술을 말합니다. 불량 검수자가 직접 눈으로 불량과 정상을 구분하던 일을 기계가 대신해 주는 것이죠. 제품 외관에 생기는 긁힘, 파편, 기타 결함 외에도 색상, 형태, 크기, 깊이, 문자 등을 판독하는 작업을 수행할 수 있습니다.

제조업에서 머신비전은 어떻게 활용될까?

제조업에서 머신비전은 다양한 산업에서 활용되고 있습니다. 자동차 생산 과정에선 자동차 부품 검사, 조립 검사, 안전 시스템 확인 등에 쓰일 수 있고, 반도체 산업에 적용되면 반도체 칩이나 웨이퍼의 결함 등을 확인하죠. 로봇 산업에서는 로봇의 위치 및 모션 제어, 로봇 인식 등을 하도록 돕고, 제약 산업에서도 제품 포장, 크기, 모양, 색상 검사 등에 머신비전이 많은 역할을 하고 있습니다.

이렇게 다양하게 쓰이는 만큼 머신비전의 시장 성장도 가파르게 증가하고 있습니다. 조사 자료에 따르면 2019년 16조였던 머신비전 시장은 2025년엔 약 25조 1,000억 원 대로 성장할 것으로 내다보고 있습니다. 세계적으로 머신비전은 다양한 분야에 활용되고 있으므로 이를 모르는 것은 경쟁력 손실로 이어질 것입니다. 그럼 머신비전을 모르면 겪을 수밖에 없는 손해를 크게 3가지로 정리해 보겠습니다.

뛰어난 머신비전 효과, 분석 솔루션이 필요한 3가지 이유

1. 육안으로 찾기 힘든 복잡하고 미세한 공정

작업자가 육안으로 하는 불량 검사는 숙련도에 따라 달라지며 같은 작업자일지라도 상황에 따라 편차가 발생합니다. 그뿐만 아니라 눈으로 확인할 수 있는 단순 외관 불량을 넘어 현미경으로 자세히 보아야 불량 여부를 찾을 수 있을 정도의 초미세 공정산업도 점차 늘고 있습니다. 반도체 웨이퍼의 표면 얼룩 검사, 반도체의 미세한 칩 깨짐, 식각의 깊이 혹은 PCB 회로 검사 및 최종 외관 검사, 2차 전지의 케이스 찍힘, 디스플레이의 무라 검사 등이 이에 해당됩니다. 작은 결함이 큰 손실로 이어지는 산업 군에서는 불량을 사람이 다 잡아내는 것엔 한계가 있습니다.

2. 불필요하게 낭비되는 인력 자원과 비용

머신비전으로 작은 단위의 불량까지 다 잡아낼 수 있다면 수작업으로 양불판정을 하던 인력을 다른 곳에 배치할 수 있고 혹은 해당 비용을 다른 곳에 사용할 수 있을 것입니다. 과도한 불량 판정으로 버려지는 과검, 놓치기 쉬운 미검으로 발생하는 비용도 절감할 수 있게 됩니다.

3. 불량 제품이 나갔을 때의 부정적 파급력

아무리 사람이 불량 검수를 철저히 한다고 해도 불량품은 지속적으로 발생합니다. 이 불량품이 외부 판매용으로 고객에게 나가게 된다면 기업의 신뢰도와 연결되는 부분인 만큼 치명적으로 작용할 것입니다. 전량 리콜 사태가 발생하거나 불량에 대한 소비자의 항의를 대응하기 위해 리소스가 투입되는 일이 잦다면 이 역시 제조업의 큰 손실로 연결될 수 있습니다.

알티엠의 통합 딥러닝 머신비전 Hubble이 가진 긍정적 효과

작고 미세한 불량도 확실하게 잡아주는 딥러닝 기반 머신비전

알티엠의 딥러닝 기반 머신비전 솔루션 ‘허블 은 초미세 공정에서 발생하는 작은 결함까지 정확하게 찾아주는 기술력을 갖추었습니다.

기존 머신비전은 제조 공정에서 발생하는 여러 변수를 사람이 다 프로그램 하여 결함을 찾았다면 ‘딥러닝 기반의 머신비전‘은 인공지능 스스로 새로운 불량까지도 학습해 불량 검출의 정확도를 높이고 있습니다. 현장에서 발생하는 다양한 비정형 불량까지 검출하여 불량률을 현저하게 낮출 수 있습니다. 딥러닝 기반 머신비전은 수작업으로 처리해야 할 작업을 자동화할 수 있으므로 인력 비용을 절감할 뿐 아니라 제조 현장의 효율성을 높여 생산 비용을 낮추기도 합니다. 또한 과검이나 미검으로 폐기되어야 했던 비율을 개선하므로 다양한 생산비 절감 효과를 기대할 수 있죠. 공정 수율 개선을 원한다면 지금 바로 딥러닝 머신비전 솔루션 허블을 만나보세요!