헬로티 임근난 기자 |
AI비전검사 전문기업 트윔이 2018년 첫 개발한 이래 짧은 시간 동안 다양한 산업군에 인공지능(AI)비전검사장비를 구축했다. 기획 연재의 세 번째 성공사례로 트윔이 지난 2018년에 진행했던 자동차부품 전문기업 M사의 AI비전검사기 구축사례를 소개한다.
고객사 소개
1962년도에 설립된 자동차부품 전문기업 M사는 ABS, ECPS, 제동장치, 조향장치 등 자동차 부품 기술 불모지에서 국내 유일의 독자 기술력을 확보하고 있는 한국 자동차의 살아있는 역사이기도 하다. 이러한 기술력과 우수한 인력자원을 바탕으로 자동차 안전의 기반이 되는 핵심 부품은 물론 고부가가치 미래 첨단 자동차부품까지 아우르는 글로벌기업으로 성장하고 있다.
고객사의 공정 환경
고객사는 주 생산품 중 하나인 자동차의 브레이크 부품의 나사산 이중 가공 불량, 피드포트 시트면 찍힘 등의 시트면 형상 불량, 그리고 부츠 조립부 Grease의 영향으로 인한 말림 및 미안착 불량 등을 육안 검사로 진행하고 있었다. 또, 브레이크 부품의 하우징은 금속으로 도금되어 있어 난반사와 같은 고차원적인 문제점으로 인해 일반적인 비전시스템으로 적용하기에는 어려웠다. 그래서 검사자가 일일이 육안검사를 통해 불량을 검출하고 있는 상황이었다.
자동차는 수만 가지의 부품으로 이뤄져 있어, 어느 작은 나사에 문제가 생겨도 안전에 큰 영향을 미친다. 그리하여 M사는 육안검사를 어느 누구보다 꼼꼼히 진행했다. 그러나 생산 물량이 늘어나면서 육안 검사의 검사 속도 및 검사율의 한계를 느꼈으며, 숙련된 검사원을 육성하기엔 시간적 여유가 없었다.
고객사가 트윔을 선택하게 된 이유
앞서 언급했듯이 고객사는 육안 검사로 꼼꼼하게 불량을 검출하는 시스템을 구축했으나, 생산물량이 늘어남에 따라 신속하면서도 검출률은 높여 불량율을 줄이고자 자동화를 대안으로 찾게 되었다. 또, 다양한 유형의 결함을 검출하여 추후 발생할 수 있는 불량에 대해 고객이 스스로 학습할 수 있게 AI학습 환경 및 교육을 제공할 수 있어야 하며, 마지막으로 조명, 렌즈 등의 외부 환경 요소로 가성불량 발생을 최소화할 수 있게 자체 광학 시스템 개발 가능 여부도 선택에 중요한 요인으로 고려했다. M사는 위의 3가지 조건에 부합되는 트윔을 선정했다.
트윔의 기술적 제안
검사 대상인 브레이크 부품의 하우징은 알루미늄, 아연, 니켈-아연으로 도금된 세 가지의 제품이다. 이 제품들은 도금된 화학물에 따라 서로 성질이 다르다 보니, 비전시스템을 통해 얻은 검사 이미지 또한 각각 다른 성격을 가지고 있었다. 그래서 각각의 제품에 맞는 하드웨어 설정과 인공지능 검사 소프트웨어 모델을 개발함과 동시에 맞춤형 광학시스템을 고객사에 제안했다.
Mission 1. 작업자의 숙련도에 따른 불량 및 등급 판정 불일치의 최소화 방안을 도출하라
검사원의 숙련도에 따라 불량 판정이 다르게 나올 수 있다. 이것이 사실 육안 검사의 문제점 중 가장 크다고 볼 수 있다. 그렇다고 검사원들을 육성시키기엔 시간적으로나 비용적으로나 쉽지 않다. 그러나 인공지능 기반의 비전 검사 솔루션인 MOAI를 적용한다면, 불량 등급 및 판정을 일치 및 동일 수준으로 맞출 수 있다. 뿐만 아니라 비정형적인 불량도 함께 검사하여 미검율을 0%대로 낮출 수 있다.
MOAI란 Rule-기반 및 육안 검사의 한계를 극복하고자 트윔이 자체 기술로 개발한 인공지능 기반의 학습형 검사 소프트웨어이다. MOAI의 장점으로는 불규칙적이고 비정형적인 제품의 검사 분류가 가능하며, 소프트웨어 가속기를 탑재하여 빠른 검사 속도와 함께 불량 검출률 99.9% 이상 정확하게 검출할 수 있다. 또, 처음 사용자도 쉽고 간편하게 사용할 수 있게 학습 및 검사환경을 맞춤화한다는 것이 트윔만의 차별점이다.
Mission2. 조명, 이물질 등의 외부환경 요소로 가성불량 발생 빈도를 최소화할 방안을 도출하라
트윔은 그동안 축척해 온 비전 검사 기술과 노하우를 바탕으로 높은 이미지를 획득할 수 있는 광학 시스템(렌즈, 조명과 카메라로 구성)을 개발했다. 광학 시스템에는 먼저, 대상물의 거리 차이로 인해 크기가 다르게 투영되는 현상을 최소화할 수 있는 Telescope 렌즈와 금속성 표면에서 검사 항목(불량 유형)에 따라 특징을 보다 잘 표현할 수 있는 Blue 계열과 Red 계열의 조명으로 광학을 구성하고 이미지를 촬영했다.
이렇게 획득한 이미지를 활용하여 심층신경망의 딥러닝 인공지능 검사 모델을 개발하고, 실시간으로 검사 결과를 확인할 수 있는 모니터링 시스템을 고객사에 제공했다. 또한, 고객사의 생산 라인 변형을 최소화하고자 기존의 생산 라인에 검사 모듈을 적용하여 생산 계획에 차질 없이 인공지능 기반의 검사 솔루션을 구성함으로써 고객의 만족을 얻을 수 있었다.
그 결과, 도금된 브레이크 부품 하우징의 나사산 및 시트면부터 고무로 이루어진 부츠가이드로드까지 맞춤화한 광학시스템으로 난반사이던 비정형이던 문제없이 이미지를 획득한 후, 인공지능 검사 솔루션(MOAI)으로 검사하여 불량 여부를 검사할 수 있게 되었다.
결과(Before vs After)
고객사가 생산하는 부품 중 고무로 이루어진 부츠가이드로드의 경우 비정형적인 불량으로 인해 기존의 Rule-기반 머신비전으로 검사가 불가능했고, 도금형 부품의 경우 난반사로 인해 기존 머신비전으로는 검사가 어려웠다. 그리하여 이를 복합적으로 검사할 수 있는 통합 검사 시스템이 필요한 상황이었다.
트윔은 브레이크 부품 하우징의 나사산 및 시트면 검사와 부츠가이드로드의 비정형 불량 검사에 최적의 광학 시스템과, 이와 맞춤화한 인공지능 기반의 검사 솔루션(MOAI)을 제공했다. 그 결과 고객사는 육안 검사로 인한 잠재 품질 문제를 사전 예방하는 효과 및 자동 검사로 해결하게 되었다.
또, 트윔은 생산되는 제품에 따라 맞춤 조명 값과 인공지능 검사 모델을 생산 작업자가 검사 모니터링 화면에서 클릭 몇 번만으로 설정이 가능하도록 개발했으며, 이 후 작업자 교육을 진행하고 매뉴얼을 제공하였다. 그리하여 고객사는 육안 검사의 잠재적 위험성을 줄이고, 인공지능 검사 설비를 통해 장기적으로 투자비 대비 관리성과 생산성을 높이는 효과를 가져 오게 되었다.
이 프로젝트를 담당한 트윔의 담당자는 “이 프로젝트는 인더스트리4.0 시대의 핵심 기술인 인공지능을 활용하여 기존의 기술력인 Rule-기반 머신비전 검사의 한계를 넘어 가장 정확하고 효율적인 품질 개선과 직행률 향상을 목표로 했다”며, “노력 끝에 검사 적중률과 검사 시간을 달성할 수 있었고, 이러한 우리의 기술력과 노력에 자신감과 자부심을 갖게 되었다”고 말했다.
