K社 산업용 케이블 권치 자동화
케이블 권치 자동화 시스템 개발 및 구축
고객 직면 문제 및 이슈 (Situation)
수작업 중심 플랜지 휨 검사·권치 공정으로 인한 인건비 부담 및 오정렬·재작업 발생
케이블 권치 공정은 드럼에 케이블을 균일하게 감아내는 작업으로, 공정 품질이 곧 제품의 신뢰성과 직결된다. K사의 권치 공정은 크게 두 단계로 구성되어 있었다. 작업 전 드럼 플랜지의 휨 여부를 확인하는 검사 단계, 그리고 케이블이 플랜지 끝부분에 도달하는 시점을 판단해 드럼 방향을 전환하는 권치 단계다. 이 두 단계 모두 작업자의 육안 판단과 수작업에 의존하고 있었다.
문제는 이 구조가 만들어내는 비효율이 단순한 불편을 넘어 공정 전체의 품질과 운영 체계를 제약하고 있다는 점이었다. 플랜지 휨 여부를 작업자가 육안으로 판단하는 방식으로는 정교한 판정이 불가능했고, 권치 방향 전환 시점 역시 사람이 직접 확인하고 설비를 조작해야 했다. 수작업 중심의 공정 구조는 인건비 부담과 인력 운영의 구조적 비효율을 낳았고, 작업자의 판단 오류로 인한 오정렬과 재작업 발생도 피하기 어려웠다.
작업자의 눈과 손에 의존한 공정, 비효율의 구조화
해결 방안 (Solution)
Vision AI 기반 플랜지 기울기 자동 판정 및 케이블 감김 상태 실시간 인식·제어 체계 구축
딜로이트는 작업자의 육안 판단과 수작업에 의존하던 두 가지 공정을 Vision AI 기반의 자동 인식 및 제어 체계로 전환했다.
플랜지 휨 검사에서는 정상 드럼 플랜지의 기울기를 사전에 측정해 기준값을 설정하고, Vision AI가 현재 공정의 플랜지 기울기를 실시간으로 인식해 휨 여부를 자동으로 판정하는 체계를 구축했다. 권치 공정 자동화에서는 딥러닝 모델과 컴퓨터 비전 기술을 결합해 케이블 감김 영역을 실시간으로 인식하고, 케이블 감김 상태의 전환 시점을 자동으로 감지해 설비 제어 신호를 자동으로 출력하는 제어 체계를 완성했다. 실제 운영 환경과 동일한 조건에서 데이터를 확보해 AI 모델의 안정적인 운영 기반을 마련했으며, 설비 다중 확장형 아키텍처를 설계해 향후 추가 설비로의 확장도 가능하도록 구성했다.
- Vision AI 기반 드럼 플랜지 기울기 실시간 인식 및 휨 여부 자동 판정
- 딥러닝·컴퓨터 비전 결합으로 케이블 감김 상태 전환 시점 자동 감지 및 설비 제어
- 실제 운영 환경 기반 AI 모델 구축 및 설비 다중 확장형 아키텍처 설계
수작업 공정의 무인화, 인건비 절감을 넘어 운영 체계의 전환
추진 결과 (Impact)
기존 수작업 공정의 무인화로 인건비 절감, Vision AI 기반 케이블 위치 추적 및 설비 확장형 아키텍처 설계
Vision AI 기반 자동화 체계의 도입으로 수작업 중심이던 권치 공정이 무인화됐다. 작업자가 직접 수행하던 플랜지 휨 판정과 권치 방향 전환 작업이 시스템으로 대체되면서 인건비 절감과 인력 운영 효율화가 실현됐다.
운영 품질 측면에서도 변화가 나타났다. 작업자의 육안 판단에 의존하던 구조에서 벗어나 Vision AI가 실시간으로 공정 상태를 인식하고 제어 신호를 출력하는 체계로 전환되면서, 오정렬과 재작업으로 이어지던 판단 오류가 구조적으로 해소됐다. 공정 자동화 구조 설계와 설비 다중 확장형 아키텍처를 기반으로, 단일 공정의 자동화를 넘어 유사 설비로의 확산이 가능한 운영 기반이 마련됐다.
제조 공정의 AI 전환, 딜로이트와 함께 시작하세요.
Physical AI Case Series
산업 현장에서 실증된 딜로이트의 Physica AI 솔루션 사례 모음
