AI로 정확하고 빠르게 제품 결함 콕 집어낸다...구글, '시각 검사 AI 솔루션' 발표

구글 클라우드가 사람 눈에 의존하는 전통적인 방식의 품질관리보다 정확성과 효율성을 높인, 인공지능과 컴퓨터 비전을 활용한 새로운 '시각 검사 AI 솔루션(Visual Inspection AI solution)'을 블로그를 통해 공개했다. 시각 검사 AI 솔루션은 숙련된 전문가가 일일이 눈으로 확인해 제품 결함이나 불량제품을 선별하던 작업을, 자동화 공정을 통해 빠르고 정확하게 처리할 수 있도록 한 것이 특징이다.

 

다양하고 복잡한 생산공정에서 결함이 있는 불량 제품이 생기는 것은 피할 수 없는 일이다. 그래서 생산 마지막 단계에서 결함이 있는 제품을 골라내는 작업은 어떤 제조 분야에서나 꼭 필요한 과정이다. 품질관리가 정확하고 빠르게 이루어지지 않으면, 작업 지연, 수율 감소, 고객 불만, 사후 서비스 발생이나 대량 리콜 등 다양한 문제가 발생한다.

 

품질관리가 제대로 되지 않으면 생산 효율은 떨어지고, 불필요한 비용은 증가하며, 궁극적으로는 제품과 기업 이미지에도 영향을 준다. 하지만 아무리 숙련된 전문가라고 하더라도 사람의 '눈'을 거쳐야 하는 작업은 실수나 시간적인 한계가 있을 수밖에 없다. 인공지능을 활용한 시각 검사 솔루션은 숙련된 전문가가  필요없기 때문에, 인력 부족이나 작업 시간의 제한이라는 문제를 획기적으로 개선할 수 있다.

 

 

구글 클라우드의 '시각 검사 AI 솔루션(Visual Inspection AI solution)'은 불량 제품을 빠르고 정확하게 판별할 수 있는 인공지능과 컴퓨터 비전을 활용한 품질관리 솔루션이다. 대화형 인터페이스를 활용해 빠르게 학습하고 배포할 수 있는 것이 특징이다. (자료:Google Cloud)

 

구글 클라우드가 발표한 시각 검사 AI 솔루션은 생산과정에서 사람의 눈으로 제품 결함이나 불량을 판별하는 과정을, 컴퓨터 비전과 머신러닝 기반의 인공지능 기술을 활용해 자동화할 수 있는 솔루션이다. 컴퓨터 비전이나 인공지능을 활용한 공정 및 품질관리 자동화는 이미 널리 사용되고 있지만, 구글 클라우드의 시각 검사 AI 솔루션은 아래와 같은 점을 차별화 포인트로 강조하고 있다.

 

첫째는 검사 모델 솔루션을 다양한 방법으로 현장에 적용할 수 있다. 네트워크 엣지 또는 온 프레미스에서 시각 검사 AI 솔루션을 자율적으로 운영할 수 있도록 적용할 수 있기 때문에, 제조 및 생산 공정에 클라우드 접속을 위한 네트워크 등의 인프라가 없어도 운영할 수 있다. 물론 검사를  구글 클라우드에서 실행하도록 할 수도 있다.

 

둘째는 짧은 준비 및 설치 기간으로 빠르게 현장에 적용할 수 있다. 일반적인 머신 러닝 솔루션은 방대한 학습 데이터를 준비하고 학습하는 과정이 필요하기 때문에, 현장에서 실제로 운영에 들어가는 보통 수개월 이상의  시간이 필요하다. 반면 구글 클라우드의 시각 검사 AI 솔루션은 대화형 사용자 인터페이스를 통해 공정이나 품질관리자가 활용할 수 있도록 해, 몇 주 내에 배포할 수 있다고 구글 클라우드는 밝혔다.

 

셋째는 효율성을 높인 머신 러닝 플랫폼을 활용한다. 구글 클라우드는 고객 벤치마크 결과 범용 머신 러닝 접근 방식보다 정확도가 최대 10배 향상되었다고 밝혔다. 아울러 일반적인 머신 러닝 플랫폼보다 300배 적은 이미지를 사용해, 사람이 라벨링한 이미지로 정확한 모델을 빌드하기 때문에 빠르게 시작할 수 있다는 것도 장점이라고 전했다. 일반적인 레거시 솔루션에서는 결함과 비결함 패턴에 대응하는 수 천 개의 이미지가 필요하다.

 

넷째는 뛰어난 확장성을 꼽고 있다. 구글 클라우드의 시각 검사 AI 솔루션은 단순한 이상 감지 수준을 넘어, 딥 러닝을 활용해 단일 이미지에서 여러 결함 유형을 감지하고 분류할 수 있는 모델을 학습할 수 있다고 강조한다. 이를 활용해 사람의 개입 없이 생산 공정에서 다음 작업이 자동으로 이루어지도록 할 수 있고, 제조업체는 머신 러닝 모델을 유연하게 배포하고 관리해 다른 생산 라인이나 공장으로 솔루션을 확장할 수 있다.

 

시각 검사 AI 솔루션은 자동차 제조 공정에서 도장 표면 검사, 차체 용접 검사, 프레스 작업에서의 스크래치, 함몰, 균열 검사, 엔진 블록의 이상 검사 등에 적용할 수 있다. 반도체 제조에서는 웨이퍼 레벨, 다이 크랙(Die Crack), SoC 패키징, 기판 조립 검사 등에 적용할 수 있다. 전자 제품 공정에 적용한다면 PCB의 부품 결함, 납땜이 접착 상태 불량, 표면 검사 등에 활용할 수 있다.

 

⧉ Syndicated to WWW.CIOKOREA.COM