이미지 해석/ 이미지 인식 기술 제조업 활용

이미지 해석 및 이미지 인식 기술을 제조업에 활용할 수 있는 기술을 아래에 소개한다.

과거의 이미지 처리 시스템이나 센서를 비롯한 이미 해석 기술은 정밀성이 떨어지기 때문에 주로 작업자의 업무를 보조하는 역할에 사용되어 왔다.

그러나 최근에는 AI 기술 발전으로, 이미지 인식 기술의 수준이 비약적으로 향상되었다.

이젠 업무 보조기기가 아닌 자동기기로 업무를 맡길 수 있는 수준이라고 해도 과언이 아니다.

구체적으로 제조 공정에서 다음과 같은 업무에 활용할 수 있다.

· 물체나 제조물의 측정 및 분석

· 검사 및 이상 탐지

· 재고 및 설비 관리

· 제조 공장 전체의 환경·상황 파악

물체나 제조물의 측정 및 분석

이미지 해석을 통해 제조물 외관을 보고 알 수 있는 특징을 토대로 상세한 데이터를 얻을 수 있다.

제조물 사이즈 측정은 물론, 표면 이미지 정보를 보고 소재나 원재료 그리고 특성을 판별해 품질 개선에 활용할 수 있다.

최근 제조업의 측정과 분석 분야에서 특히 주목을 끌고 있는 것이 「3D 스캔 기술」이다.

물체를 2차원 평면 상태로 포착하는 기존 이미지 처리 시스템과 달리 3D 스캔은 대상물을 입체로 인식하기 때문에 형상과 재질을 보다 정밀하게 측정한다.

복잡한 형상의 물체도 빠르고 정밀하게 측정 · 분석할 수 있어 제조업뿐만 아니라 의료나 건설 현장에서의 활용도 기대된다.

검사 및 이상 탐지

이미지 처리 시스템은 제조품과 작업 기기의 검사나 이상 탐지를 특기로 하는 업무 중 하나이다.

예를 들어 AI를 이용한 이미지 인식 시스템은 수많은 제품의 이미지 속에서 사이즈나 규격이 이탈하는 규격 외품과 불량품을 찾아낼 수 있다.

또 제조물뿐만 아니라 제조설비나 측정기기를 모니터링하여 이상을 탐지하는 등 설비관리에 활용할 수도 있다.

결과적으로 설비 다운타임을 줄이거나 불량이 될 수 있는 전조 현상을 사전에 탐지하여, 관리 비용의 삭감 등 다양한 이점을 기대할 수 있다.

IoT 기술과 융합하거나 결합하여 생산라인 가동 상황을 한눈에 관리함으로써 공장 전체의 최적화와 생산성을 개선할 수 있다.

재고 및 설비관리

시스템상으로 원재료 구매, 제품 출하, 수율 등 재고의 관리 상태를 어렵지 않게 파악할 수 있지만,

시스템 에러나 인적 미스가 발생하면 실제 수치와의 차이가 발생하게 된다.

그 때문에, 사람의 눈으로 직접 확인하거나 재고 조사 등 공수가 많이 들고 부담이 큰 작업이 따르게 마련이다.

재고 관리 업무에 부담을 느끼고 있거나 이러한 상황에 불만을 가지고 있는 직원도 적지 않을 것이다.

재고 관리도 이미지 해석이나 이미지 인식 AI 등 디지털 기술로 자동화할 수 있는 업무이다.

예를 들어 재고 상황을 카메라에 비추고 AI에게 재고를 상황별 이미지 학습시키면 재고가 줄어든

상태를 자동으로 판별하므로 실시간 재고 파악을 단시간, 저비용, 고정밀도로 실현할 수 있다.

근무 현황 파악과 위험 상황 사전 탐지

많은 직원이 근무하고 다양한 설비가 가동되는 제조라인은 항상 위험이 잠재해 있다.

산업재해 방지에 있어서 중요한 안전관리 업무도 이미지 해석, 이미지 인식 기술로 자동화할 수 있다.

예를 들어 CCTV에 IoT나 AI 등 이미지 인식 시스템을 결합하여 작업자, 제조기기 등 모니터에 나타나는

주변 환경을 실시간으로 파악해 사고가 잠재해 있는 '기본 상황'을 자동으로 알리는 시스템을 구축할 수 있다.

생산라인의 효율 향상이나 작업 환경에서 과제가 산적해 있는 경우, 이미지 처리 시스템 도입으로 이를 해결할 수 한다.

비용 절감 및 인적 부담 경감

생산라인의 검사 공정에서 사람의 눈으로 검사 작업을 할 경우 일은 간단하지만 많은 인원이 필요하다.

이미지 해석·인식 시스템으로 인원 증가 요소를 해결하며, 검사를 완전 자동화할 수도 있다.

3D 스캐너와 광전센서, AI를 적절히 활용하여 보다 높은 수준의 정확도로 검사할 수 있다.

또한 검사 작업은 집중력이 필요하고 눈을 혹사하는 등 육체적인 부담도 큰 공정이다.

인적 부담이 큰 공정을 이미지 처리 시스템으로 바꾸어 인건비와 직원의 부담을 크게 줄일 수 있다.

품질 향상

사람의 눈으로 원료나 제조물을 체크할 경우 불량품을 후공정이나 시장으로 흘려보내게 되는 위험이 항상 잠재해 있다.

또한 검사하는 사람에 따라 판단 기준이 미묘하게 다르기 때문에 설령 검사 기준이 있어도 검사자에 따른 편차가 발생한다.

이미지 해석·인식 시스템의 기계적 판단으로 불량품의 혼입이나 체크 누출을 방지한다.

제조공장 전체의 작업 환경 개선

이미지 인식 기술을 이용하여 전반적인 제조 거점의 작업 환경과 리스크를 실시간으로 체크할 수 있다.

특히 규모가 큰 공장일수록 관리 업무에 드는 부담이나 감독에 필요한 인원이 많아 관리 시스템 자동화는 대부분의 제조 현장에서 필요한 기술이다.

사물인터넷(IoT)과 인공지능(AI)을 결합한 감시카메라나 센서가 제조기기의 이상적인 작동을 탐색하여 이미지 처리 시스템에서

송신되는 객관적인 데이터와 정보를 토대로 통찰력을 얻어 제조공장을 전체적으로 개선할 수 있다.​