주메뉴 바로가기 본문 바로가기

알림

콘솔 이동 시 로그인이 필요합니다.

로그인하시겠습니까?

아니요

닫기

주문 불가 알림

주문권한이 없습니다.

콘솔에 접근할 수 없는 계정입니다.

확인

닫기

알림

신용카드 등록이 필요합니다.

신용카드 등록 페이지로 이동하시겠습니까?

아니요

닫기

Cloud Z 홍보센터

Cloud Z 뉴스 상세
Cloud Z 블로그스마트 팩토리의 시작, Smart Vision – DRIVE 등록일 2019-09-26 | 조회수 146
*Smart Vision - DRIVE 브로셔 다운받기
*Smart Vsion - DRIVE 관련 Direct 문의 : nhyoo@sk.com

제조 기업의 생산 현장에는 아직도 사람의 노동력이 많이 필요합니다.
품질 관리와 검수 작업이 대표적이죠. 전자 기기부터 의류에 이르는 대부분의 제품은
사람에 의한 검수 작업을 통과해야만 소비자와 만날 수 있습니다.
숙련된 검수자는 단위 시간당 검수량도 많고 정확도도 좋지요.
하지만, 숙련된 인력의 양성에는 많은 시간과 비용이 소요됩니다.
또한, 담당자의 건강 상태, 작업 환경 (조명 및 소음 등) 같은 변수에 의한 오류 발생이 많은 것도 현실이죠.
이런 제약 사항때문에 Machine Vision (머신 비전)기술을 도입하는 기업이 늘고 있습니다.


[머신 비전의 발전 과정]
초기 이미지 분석은 대상물의 인식, 식별 및 단순 비교 기능이 중심이었습니다.
보안 관제 및 CCTV 카메라의 경우처럼 캡쳐된 이미지를 식별하거나
사람이 단순 비교하는 것만으로도 충분히 목적을 달성할 수 있었죠.
하지만, 제조업 생산 공정이나 품질 관리 등의 업무에 적용되면서 요구 조건이 크게 달라집니다.
이미지 식별 및 단순 비교를 넘어서 제품 형태, 색상이나 부피 등의 상세 분류가 가능해야 하고
해당 정보를 토대로 한 분석과 예측까지 요구받습니다.
자연스럽게 딥러닝, 머신러닝 등의 A.I 기술이 접목되고 있습니다.
그리고 이 과정에서 확보된 AI 데이터를 활용한 빅데이터 분석으로 정확도를 높이는
선순환 구조가 만들어지고 있습니다.


[스마트 비전 시스템의 필요성]
제조 현장에 적용되는 머신 비전은 이미지 인식과 분류를 시작으로
딥러닝, 머신러닝 기반 AI 학습 모형 개발과 이를 통한 상세 분류 및 예측 기능을 요구하죠.
여기에 빅데이터를 이용해 정확도를 높이는 데이터 분석도 더해져야 합니다.
그런데, AI기능 및 데이터 분석의 연계 활용을 고민하지 않고 개발된 과거의 머신 비전 체계는
이 부분에서 많은 한계점을 갖고 있습니다.
스마트 비전 시스템이 필요한 이유는 기존 시스템의 환경에서도 찾을 수 있습니다.
머신비전 시스템은 많은 요소로 이뤄지는 것이 일반적입니다.
이로 인해 비전 시스템과 기존 운영 시스템간의 설계 및 통합 이슈, 시스템 호환성 문제,
그리고 만들어진 비전 시스템의 지속적인 모델 업데이트 및 운영, 유지보수, 기술 지원 이슈 등을 해결해야 합니다.
더 효율적으로 일하기 위해 머신 비전 시스템을 도입했는데 넘어야 할 산이 너무 많은 것이죠.
기존 시스템 이슈를 해결하면서 제조 현장의 품질 관리 요구를 충족하는
스마트 비전 서비스가 Smart Vision – DRIVE 입니다.


[Smart Vision – DRIVE 솔루션]
제조 기업이 제대로 활용할 수 있는 머신 비전 시스템을 목표로 하는 Smart Vision – DRIVE 솔루션은
딥러닝, 머신러닝 및 비전 알고리즘 기반의 워크플로우 모델링/코칭 그리고 실시간 분류와 운영이 가능한
토탈 스마트 비전 분석 솔루션입니다. 주요 구성과 기능을 간단히 살펴보겠습니다.



 * Smart Vision – DRIVE 솔루션 구성도
 
1) 5대 분석 서비스:
Smart Vision - DRIVE 솔루션은 제조 공정의 비전 분석 분야에서 가장 많이 활용하고 있는
5가지의 비전 분석 서비스 모델을 제공합니다.
5대 분석 모델 세트에는 품질 관리의 핵심이라고 할 수 있는 양불 판정, 등급 분류, 영상 계측, A.I 분류
그리고 형상 정보 기반 검색
기능이 포함됩니다.

2) 모델 운영 시뮬레이션:
Smart Vision - DRIVE에서 실행 엔진 영역을 담당하고 있는 비전/A.I 알고리즘 실행 서비스 프레임워크입니다.
알고리즘과 모델 관리, 실행 제어 및 실시간 운영을 위한 작업 분산 처리, 스케줄링, 실시간 실행 서비스 등을 담당합니다.

3) 분석 Workflow:
비전 알고리즘과 A.I알고리즘을 활용해 분석 모델을 디자인 하고, 관리하는 기능을 담당합니다.
분석 모델 설계/검증을 위하여 비전/A.I 알고리즘 속성을 설계하고 각 알고리즘을 분석 Flow로 연결한 후
실행 및 검증할 수 있는 기능을 제공합니다.

4) 알고리즘 서비스:
이미지 분석과 예측의 핵심은 알고리즘이라고 해도 과언이 아니죠.
Smart Vision - DRIVE는 이미지 프로세싱 기술을 활용한 비전 알고리즘과 딥러닝/머신러닝 기반 학습/분류 기술을 활용한
A.I 알고리즘을 제공합니다. 비전 알고리즘은 협의 영역 추출, 주요 특징의 도출과 데이터화를 담당하며,
A.I 알고리즘은 비전 알고리즘을 통해 확보된 이미지 특징 데이터를 학습 및 분류하는 작업을 담당합니다.


[Smart Vision – DRIVE 활용 사례 1 : 철강 절단면 계측 및 판정]
Smart Vision – DRIVE 솔루션은 이미 많은 제조 공정에서 활용되고 있습니다.
철강 제품의 실시간 불량 감지 업무에 Smart Vision - DRIVE를 활용하는 S철강의 사례를 보겠습니다.
S철강은 철강 절단 공정의 절단면 각도 계측 작업에 Smart Vision - DRIVE를 적용하고 있습니다.
절단면 각도가 양불 판정의 중요한 기준이기 때문이죠.
기술적으로 보면, 다차원 이미지 데이터 분석에 효과적인 CNN (Convolutional Neural Network) 모델 기반의
딥러닝 그리고 이미지 프로세싱 기술 (소재 선택 및 절단면 발견을 위한 Threshold & Edge Detection 기술 등)을 이용해
절단된 철강의 절단면이 정상 범위내 있는지를 분석하고 불량 여부를 판단합니다.


 * 딥러닝(CNN) 기반의 최적 절단 이미지 선별 기법

이렇게 구현된 Smart Vision – DRIVE 솔루션은 고열과 다양한 위험 인자 때문에
사람이 작업하기 힘든 환경에 투입되어 정확도 높은 불량품 판정 업무를 실시간으로 수행하고 있습니다.


 * 실시간 절단 영상 중계 및 계측/판정 결과 모니터링 화면


[Smart Vision – DRIVE 활용 사례 2 : 자동차 부품 외관 검사]
이미지 프로세싱 기반의 품질 검사 분야 Smart Vision – DRIVE 활용 사례는
C자동차 부품 제조사의 자동차 부품 외관 검사 공정의 양불 판정 사례를 들 수 있습니다.
C자동차 부품 제조사는 Vision 검사 장비를 통해 자동차 부품의 외관 이미지를 촬영하여
Smart Vision – DRIVE 솔루션에 전달하고, Smart Vision – DRIVE는 부품 이미지를
Image Processing 기술을 활용하여 검사 항목별로 측정값을 계측/판정하고,
동시에 판정 결과를 검사작업자에게 전달합니다.


 * 자동차 부품 11개 검사 항목 실시간 계측/판정 결과 모니터링 화면

이외에도 Smart Vision - DRIVE 솔루션은 배터리 제품의 양불 판정, 반도체 웨이퍼 결함 분류 등을 포함한
다양한 영역에서 활용되고 있습니다.
 

목록


quick 메뉴