✔ 잇(IT)터뷰 한 줄 소개
3D 인라인 비전 검사와 제조 특화 MLOps의 융합을 통해 제조업의 품질 관리 및 검사 과정에서 AI 기술이 어떻게 혁신적인 변화를 가져오고 있는지 전문가의 분석을 통해 설명합니다. |
✔ 잇(IT)터뷰 전체 영상 보기
잇(IT)터뷰 전체 내용은 ▼아래 영상▼에서 확인해 주세요!
◼ 진행자 : 고우성 PD/토크아이티 (wsko@talkit.tv, https://talkit.tv/)
◼ 게스트 : 선종우 / 연구기획팀장 SNUAILAB, 김민규 / 영업대표 MakinaRocks
1) 잇(IT)터뷰 내용
이번 잇(IT)터뷰는 AI 비전 검사의 진화, 특히 3D 인라인 검사와 제조 특화 MLOps의 융합에 대해 다룹니다. 스누아이랩의 선종우 팀장과 마키나락스의 김민규 영업대표가 게스트로 참여하여, 딥러닝 기반의 비전 AI의 발전, 3D 인라인 비전 AI의 중요성, 그리고 MLOps의 필요성에 대해 논의합니다.
① 3D 인라인 비전 AI
제조 현장에서 2D 비전 검사에서 3D 인라인 비전 검사로의 전환은 제품의 표면뿐만 아니라 내부까지 검사할 수 있는 능력을 제공, 복잡한 제조 공정에서의 품질 관리를 향상시킵니다.
② 비전 AI 검사에 MLOps 필요성
비전 AI 검사 시스템에 MLOps를 도입함으로써, 모델의 지속적인 학습과 개선을 통해 검사 정확도를 높이고, 데이터 관리와 모델 배포를 자동화하여 효율성을 증가시킵니다.
③ MLOps 도입 전후의 변화
MLOps를 도입하기 전에는 데이터와 모델 관리에 많은 수동 작업이 필요했으나, 도입 후에는 자동화를 통해 데이터 처리와 모델 업데이트 과정이 간소화되고, 검사 과정의 효율성이 크게 향상됩니다.
④ 비전 AI 플랫폼의 중요성
비전 AI 플랫폼은 제조 현장에서의 다양한 검사 요구를 충족시키기 위해 필수적이며, MLOps와의 결합은 이러한 플랫폼의 성능과 활용도를 더욱 높입니다.
이번 잇(IT)터뷰에서는 제조업의 품질 관리 및 검사 과정에서 AI와 MLOps의 중요성과 그것이 제공하는 혁신적인 가능성에 대한 심층적인 통찰을 제공합니다. AI 기술의 발전에 관심 있는 개발자, 연구자, 기술 관리자들에게 유용한 정보를 제공하며, 제조업에서의 AI 활용 방안에 대한 이해를 돕습니다.
2) 잇(IT)터뷰 영상 목차
– 3D 인라인 비전 AI 품질검사 ➜ 아래 ✔ 잇(IT)터뷰 내용 맛보기로 내용을 확인해 보세요!
– 왜 비전AI 검사에 MLOps가 필요한가?
– MLOps before & after
– 비전 AI 플랫폼
✔ 잇(IT)터뷰 내용 맛보기
‘잇(IT)터뷰 내용 맛보기’는 영상 내용 일부를 스크립트로 표현합니다.
|
제조업에서 품질검사를 할 때 과거에는 정해진 룰 베이스로 카메라를 통해서 제품 품질 검사를 해왔던 공정이, 딥러닝이 확산하면서 딥러닝 기반 비전 AI로 발전되어 왔습니다. 그런데 최근에는 3D 인라인 비전 AI로 더욱 진화하고 있는 것 같습니다.
✔ 3D 인라인 비전 AI 품질검사
– 왜 비전 AI 검사에 MLOps가 필요한가?
– MLOps before & after
– 비전 AI 플랫폼
● 선종우 : 제조 현장의 inspection에 대한 트렌드를 별도로 조명하도록 하겠습니다. 제조 현장의 인스펙션 트렌드는 우선 2D에서 3D로 바뀌었습니다. 2D는 표면만 검사하는 것이고 3D는 이 표면뿐만 아니라 내면도 검사하는 방식입니다.
● 고우성 : 내면까지 검사할 필요가 있나요? 그런 데가 있어요?
● 선종우 : 왜냐하면 산업이 진화될수록 이제 하나의 완성품을 만드는 데 여러 가지 공정들이 더 복잡하게 많이 들어갑니다.
예를 들어서 EV 배터리 같은 경우는 원재료부터 배터리를 만드는 데까지 굉장히 많은 공정이 굉장히 복잡합니다.
그것을 이제 품질을 테스트하는데 단순히 표면 검사만 해서는 사실 의미가 없고 이제 내면 검사라든지 이런 것이 필요합니다.
● 고우성 : 전극이라든지 이런 것들요?
● 선종우 : 네, 그런 것들을 검사해야 하는 니즈들이 있습니다.
● 고우성 : 그런데 내부를 검사하려면 어떤 식으로 하는 거죠? 카메라로는 안 될 것 같은데요.
● 선종우 : 네, X-Ray나 CT를 사용합니다.
● 고우성 : X-Ray나 CT요? 하하.
● 선종우 : 그다음으로 예전에는 이제 샘플링을 사실 수행했었습니다. 최종 인스펙션 단계는 제조공정의 끝단에서 일부 표본을 추려서 그 표본에 대해서만 검수를 수행했었는데 지금은 전수 조사로 갔습니다. 이 전수조사가 어떤 형태냐면 생산되는 라인 위에서 바로 인스펙션을 동시에 합니다.
● 고우성 : 인라인으로요?
● 선종우 : 네, 맞습니다. 그것을 우리가 인라인 인스펙션(In-line Inspection)이라고 부릅니다.
인라인 인스펙션(In-line Inspection)의 장점은 예전에는 최고 끝단에서만 인스펙션이 일어났는데 여러 가지 중간중간 공정에 대해서도 인스펙션이 들어가게 됩니다.
물론 최종적으로 끝단에서 다시 한번 인스펙션이 일어나는데요. 보다 더 인스펙션의 깊이와 범위가 더 확장됐다고 생각하시면 됩니다.
● 고우성 : 어떻게 보면 맨 끝에서만 하는 게 아니라 중간중간 하니까 애자일한 인스펙션(Agile Inspection)이 되겠네요?
● 선종우: 네, 애자일한 인스펙션(Agile Inspection)이고요. 예전에는 완제품을 생산하고 인스펙션을 하더라도 그것에 대한 원인 파악이 굉장히 어려웠습니다. 근데 지금은 각 공정마다 인스펙션이 있어서 가능합니다.
● 고우성 : 아, 상관관계를 얻기가 좋겠네요?
● 선종우 : 네, 맞습니다.
● 고우성 : 근데 실제로 라인의 공정이라는 게, 인스펙션은 좋은데 인스펙션 때문에 공정이 느려지면 안 되잖아요. 그런 오버헤드가 있으면 안 될 것 같은데요.
● 선종우 : 네, 맞습니다. 그런 것들에 대한 이슈를 해결하는 게 AI의 발전과 가치입니다.
● 고우성 : 그게 스누아이랩의 경쟁력(Vision AI 품질 검사)이네요. 실제 국내 기업 제조 라인에서 지금 3D In-line Inspection을 하는 데가 있어요?
● 선종우 : 네, 있습니다. 예를 들어서 EV Battery 같은 경우는 현재 수요도 많고 공장도 최신식으로 짓고 있기 때문에 이런 3D In-line Inspection 방식을 채택하고 있고요.
전통적인 산업에서도 아무래도 품질에 대한 이슈가 계속 제기됐었기 때문에 채택하게 되었습니다. 사실 전통적인 산업의 경우, 인스펙션이 사람이 최후 공정에서 검사를 다시 한번 하거나 이런 부분에 대해서 여러 리스크가 많이 발생했었습니다.
이런 리스크들을 자동화에 대한 것으로 해결하기 위해서 그런 트렌드에 대해서 부합할 수 있게 인프라 등을 개선하는 추세로 저희가 확인했습니다.
● 고우성 : 그러니까 전기차 배터리처럼 배터리가 단순하게 미관상 안 좋은 게 아니라 품질이 중요하잖아요. 품질이 이상하면 운전자가 위험하니까요. 이게 3D로 내부까지 체크하고 또 인라인 체크해야 하는 필요성이 나오는 거네요. 하자 때문에 벌어진 데미지가 클수록 이런 정밀 품질 검사 수요도 많아지겠습니다.
● 선종우 : 네, 맞습니다. 제가 이제 EV 배터리가 대표적이기 때문에 단순하게 EV 배터리를 예로 들었는데요. 이제 이런 부분이 단순히 EV 배터리뿐만 아니라 첨단산업을 중심으로, 모든 제조 산업으로 지금 확대되고 있는, 제너럴 한 트렌드라고 생각해 주셔도 됩니다.
◼ 전체 잇(IT)터뷰 내용은 ▶영상으로 바로 가기(클릭)◀에서 확인하실 수 있습니다.
◼ 아래 목차 중 활성화된 목차를 클릭하시면 해당 내용을 영상으로 바로 보실 수 있습니다.
– 3D 인라인 비전 AI 품질검사
✔ 왜 비전AI 검사에 MLOps가 필요한가?
✔ MLOps before & after
✔ 비전 AI 플랫폼
◼ 콘텐츠 & 웨비나 문의 : marketing@talkit.tv, 02-565-0012
Copyright ⓒ 토크아이티 All rights reserved. 무단 전재 및 재배포 금지.