A社 외관 검사 자동화
마킹 불량 및 크랙 판별을 위한 비전 시스템 구축으로 장비 품질 검사 정확도 향상 및 공정 효율 개선
고객 직면 문제 및 이슈 (Situation)
마킹·도포 상태·표면 결함 검사 전 영역에서 반복되는 오인식·미검출로 검사 신뢰성 저하
제품의 품질 검사는 생산 공정의 최후 방어선이다. A사의 외관 검사 공정은 마킹 상태 확인, 내부 부품 도포 상태 및 구성 요소 검사, 표면 결함 여부 판별이라는 세 가지 핵심 항목을 다루고 있었다. 그러나 기존 비전 검사 시스템은 이 세 영역 모두에서 반복적인 오인식과 미검출 문제를 안고 있었고, 이는 검사 신뢰성 전반을 흔드는 구조적 문제로 이어지고 있었다.
마킹 검사에서는 약간의 번짐을 불량으로 잘못 판정하거나, 반대로 글자가 누락된 경우를 정상으로 통과시키는 오류가 반복됐다. 내부 부품 도포 상태 검사에서는 조명에 의한 반사로 인해 내부 상태를 정확히 인식하지 못하는 한계가 있었다. 표면 결함 검사에서는 먼지나 정상 범위의 형상까지 모두 결함으로 판별하는 과잉 감지 문제가 발생했다. 오인식과 미검출이 동시에 존재하는 검사 체계는 품질 관리의 신뢰성을 근본적으로 담보할 수 없었다.
오인식과 미검출 사이, 신뢰할 수 없는 검사 체계
해결 방안 (Solution)
딥러닝 기반 3 Class 분류·OCR·데이터 증강을 결합한 항목별 최적화 비전 검사 시스템 구축
딜로이트는 검사 항목별로 문제의 원인을 정밀하게 분석하고, 각각에 최적화된 Vision AI 기술과 광학 설계를 결합해 지능형 검사 시스템을 구축했다.
마킹 검사에서는 딥러닝 모델 기반의 마킹 영역 검출과 불량 판별을 수행하되, 정상·모호·불량의 3 Class 분류 체계를 도입해 오인식률을 낮췄다. OCR 기술을 적용해 문자를 인식하고 정상 문구와 비교함으로써 글자 누락까지 판별할 수 있게 됐으며, 번짐과 줄무늬 특징을 반영한 데이터 증강으로 재학습을 거쳐 모델 정확도를 높였다. 내부 부품 도포 상태 검사에서는 특수 광학 환경을 구성해 반사 문제를 해소하고 내부 상태를 정확히 인식할 수 있는 검사 체계를 마련했다. 표면 결함 검사에서는 전처리 과정을 거쳐 2D·3D 복합 비전 기술을 결합하고, 딥러닝 모델로 표면 결함 유형을 세분화하여 구분하는 정밀 판별 체계를 완성했다.
- 딥러닝 기반 3 Class 분류·OCR·데이터 증강을 결합한 마킹 불량 판별 정확도 향상
- 특수 광학 환경 구성으로 내부 부품 도포 상태 정밀 인식
- 2D·3D 복합 비전 기술 기반 표면 결함 유형 세분화 판별 체계 구축
기존 시스템의 한계를 넘어, 현장에 최적화된 검사 정확도 확보
추진 결과 (Impact)
기존 시스템 검사 정확도 향상, 생산 환경에 최적화된 비전 기반 품질 검사 체계 완성
이번 시스템 도입으로 기존 비전 검사 시스템의 고질적 문제였던 오인식과 미검출이 동시에 개선됐다. 마킹 불량 판별에서는 3 Class 분류 체계와 데이터 증강 기반 재학습을 통해 검사 정확도가 향상됐고, 표면 결함 검사에서는 표면 결함의 과잉 감지 문제가 해소됐다.
딜로이트는 단순히 알고리즘을 개선하는 데 그치지 않고, 비전 기술과 생산 설비를 연계한 지능형 검사 시스템 전체를 설계했다. 다양한 비전 기술을 검사 항목별로 최적 조합하고, 실제 생산 공정 환경에 최적화된 비전 기반 품질 검사 체계를 완성함으로써 현장 적용 가능한 형태의 자동화 검사 시스템이 구현됐다.
AI 기반 지능형 검사 체계, 딜로이트가 현장에서 설계합니다.
Physical AI Case Series
산업 현장에서 실증된 딜로이트의 Physica AI 솔루션 사례 모음
