인공지능(AI)을 활용한 품질관리

AI(인공지능)를 활용한 품질관리 서비스가 증가하고 있다. 확대되고 있는 요인으로 저출산 고령화로

인한 제조업 노동인구 감소와 일하는 방식 개혁을 통한 업무 효율화 추진, 딥러닝 AI 기술의 비약적인 진보 등으로 정리된다.

AI를 활용한 품질 관리로 코스트 삭감을 할 수 있는가?  AI의 품질 관리는 어떤 것까지 할 수 있는가? 등 의문을 가지고 있는 분도 많을 것이다.

아래에 AI를 사용한 품질 관리의 개요와 장점을 설명하고, 사례를 몇 가지 예로 들면서 품질 관리할 수 있는 방법을 소개한다.

또한 도입시의 주의점에 대해서도 알아본다. 품질관리란 제품을 생산할 때 일정한 기준의 품질을 유지하고 있는지 검증하고 보증하는 것을 의미한다.

최근, 생산 현장에 디지털 전환(DX)을 추진하고 있는 기업이 증가하고 있는데 단순히 IT기술을 도입하여 생산성 향상만을

위한 노력이 아니라 설계부터, 물류까지의 모든 프로세스를 최적화하여 시장에서의 경쟁력을 갖추는 것이 중요하다.

과거의 품질검사는 작업자의 눈에 의지하는 목시검사가 일반적이었다. 대응할 수 있는 범위가 넓지 않았고

검사의 정확성이 문제였지만, AI 딥러닝을 활용한 기술 진보로 정밀도와 효율성이 고도화 되고 있다.

외관 검사에는 이미지 인식 기술을 활용하여 불량품이나 오류를 미리 탐색하는 품질 관리가 중심이 되고 있다.

AI를 활용하는 품질관리 「품질 검사」 「제조 공정」 「품질 개선」의 3가지 사례에 대해 각각의 포인트를 알아본다.

품질 검사

품질 검사는 제품이 요건을 충족하고 있는지, 공정 능력이나 관리 상태는 어떠한지 체크하는 업무이다.

제품을 생산할 때 고객이 요구하는 요건을 맞추어야 하는 일은 필수 조건으로 품질 관리의 핵심 프로세스이기 때문에 매우 중요다.

한편 공정능력 평가는 제품의 품질검사가 정확하게 실시되고 있는지, 관리상태 체크나 공정관리가 적절하게 실시되고 있는지를 검사한다.

제조공정 검사

제조 공정에서 작업 매뉴얼화, 작업 교육 및 훈련 체제, 필요 설비 상태, 제조 및 검사 프로세스가 최적화 되어 있는지 등 체크를 한다.

업무 흐름을 매뉴얼화하여 원활하고 효율적인 제품 개발이 진행될 수 있도록 제조 흐름을 최적화하여 잠재적 불량 발생 원인을 사전에 방지한다.

품질개선

품질 개선은 제품 불량의 재발 방지책을 검토하는 업무다. 향후 발생가능성 있는 불량 발생 위험도 시야에 넣으면서 실시한다.

또, 고객의 요구를 반영해 제품을 개선하거나 편리성 향상을 목표로 세워 활동하는 것이 일반적이다.

「 인공지능을 활용한 품질관리의 이점 」

1. 노동력 부족 현상 지원

지금 저출산 고령화가 진행되고 있어 특히 제조업에서 일손부족이 문제가 대두되고 있다. 한편, 제품의 제조 프로세스는

점점 복잡해지고 고객 요구사항은 다양화되고 있어 품질 문제 발생 가능성 또한 높아지고 있다.

이러한 상황에서 AI를 활용한 품질관리로 일정한 품질을 유지하면서 업무 효율성을 높일 수 있다.

2. 휴먼에러 삭감

사람이 직접 관련된 작업은 피로나 집중력 저하 등 다양한 원인으로 휴먼 에러가 발생하기 마련이다.

예를 들어 품질검사를 사람이 할 경우 결함이 있는데도 발견하지 못해 통과하는 등의 문제점이 발생할 수 있다.

사람의 경우 실수나 오류는 따르기 마련이고 휴식 없이 계속 일할 수도 없다. AI를 활용하여 사람의 약점을 보완하고 또, 항상 일정한 정밀도로 품질 관리를 실시할 수 있다.

정형화가 가능한 업무나 작업이라면 사람이 하는 것보다 정확하고 빠르게 진행할 수 있다.

3. 고난도 판별, 고정도, 일관성 유지

AI 기술의 발전으로 사람이 판별하기 어려운 검사작업에서 미묘한 판별까지 할 수 있게 되었다. 

특히 딥러닝을 활용한 AI 모델이 비약적인 발전을 이루고 있다. 영상 이미지 인식이나 데이터 분석으로 이상 상황을 신속히 검출함으로써,

문제 발생을 미연에 방지할 수 있게 되었다. 최근에는 이미지 인식뿐만 아니라 기기의 소리를 활용한 이상 상황 탐지도 활용하고 있다.

또한 사람의 판단은 아무래도 편차가 발생하여 기준에 따라 일관성 있게 판별하기 어려워진다. 검사의 자동화는 고정도로 일관된 판단을 내릴 수 있는 것이 큰 장점이다.

편차 없는 일관된 판단을 유지하기 위해 여러 개의 센서를 이용하여 데이터를 통합 판단하는 센서 퓨전이 사용되고 있다.

「 품질관리에 인공지능을 활용한 사례 」

1. 자동차, 전기전자 업계

자동차 프레스 공장에서 부품 품질 관리에 AI를 활용하여 프레스 부품의 균열 검사를 하고 있다. 

과거에는 검사요원이 먼저 목시 검사를 한 후 이미지 인식기술을 활용한 내시경으로 촬영한 영상을 체크하는 2단계 검사로 양품 판정을 했다.

그러나 두 번에 걸친 검사는 시간과 검사공수가 크고, 빛을 투사하는 각도에 따라 오판정을 하는 경우도 있어 품질 관리에 문제가 있었다.

대안으로 AI에 의한 이미지 인식으로 균열을 자동 탐지하는 시스템을 도입하여 몇 초 만에 검사가 가능해졌다. 

개발팀에서 샘플로 대량의 균열 데이터를 학습시키는데 시간과 노력이 필요했지만 목표 이상의 효율화를 이루어 냈다.

2. 식품 음료 업계

식료품 제조 현장에서의 품질관리에 AI활용은 주로 두 가지 용도로 사용되고 있다.

하나는 식품 제조 및 수산 가공 분야의 외관 검사에 도입되어 불량품을 식별한다. 원재료나 가공품의 상태를 확인함으로써 미연에 불량품이나 이물질 혼입을 방지할 수 있다.

주로 이미지 인식으로 불량품이나 이물질 샘플을 학습시킨 모델을 이용하여 이상 제품을 찾아 낸다.

또한 생산 계획 입안에도 품질 관리 AI가 활용되고 있다. 식료품이나 음료품은 계절이나 소비자 동향에 따라 크게 영향을 받아 매출에 영향을 주기 때문에 유연한 생산 계획 입안이 필요한 업종이다. 

이전에는 경험이 많은 숙련된 직원이 생산계획을 세우고 변경을 하였다. 문제는 경험이 있는 직원 외에는 생산계획을 세우기 어렵거나 전체 최적화 되지 않는 일이 종종 발생하였다.

개선 대책으로 결품이나 과잉 재고 상황을 AI로 자동으로 계산하여 여러 변동요인에 보다 최적화된 생산 계획을 입안, 변경할 수 있는 시스템을 도입했다. 이를 통해 생산 계획에 소요되는 시간을 대폭 줄일 수 있었다.

3. 철도, 전력업계

철도와 고속도로의 교통망, 전력·가스·수도 등 사회 인프라의 정기 점검은 안전하게 생활하기 위해 필수적 사항이다.

특히 고도 경제성장 시기에 건설된 도로와 터널, 다리 등 많은 곳이 노후화되어 그 어느 때보다 점검의 필요성이 높아지고 있다.

하지만 노동 인구의 감소나 인력 부족으로 사람이 점검하기 점점 어려워지고 있다.

IoT와 AI를 활용한 점검으로 기존에 사람이 눈으로 점검하기 어려웠던 균열이나 누수 등 탐지가 가능해졌다.

학습할 수 있는 데이터가 갖추어져 있거나 모델을 잘 적용할 수 있다면 육안 점검보다 압도적인 속도와 고정밀도로 인프라 점검업무를 할 수 있다.

「 인공지능 품질관리 업무에 도입 시 주의점 」

1. 과다한 비용

AI 도입 시 경우에 따라서는 많은 비용이 발생할 수도 있다.

실제 비용대비 효과 시뮬레이션을 하여 AI 도입 비용보다 이익이 높다면 도입을 적극적으로 검토해 보는 것이 좋다고 생각한다.

2. 대량의 학습 데이터 필요

AI는 대량의 인풋인 학습 데이터가 필요하다. 고정밀 품질 관리를 위해서는 대량의 학습 데이터가 필요하다.

AI를 도입하는 목적을 명확히 하고 필요한 대량의 데이터를 수집해야 함을 인지하고 있어야 한다.

3. 유연성이 요구되는 업무는 자동화하기 어렵다.

모든 업무를 자동화하여 AI가 대신할 수 있는 것은 아니다. 유연성이 요구되는 업무는 대체로 표준화하기

어렵고 AI가 품질관리를 실시한다고 해도 최종 판단은 아직 사람이 해야 하는 경우가 대부분이다

참조 | https://ai-market.jp/howto/ai-qualitymanagement-howto/

​