공장(factory)을 위한 AI, ‘FactorySmart AI’ 솔루션 눈길
▲ AI는 최대 50가지 의료용 풍선 유형에서 지퍼 라인, 먼지, 젤 등 18가지 결함을 식별한다.
AI가 산업 검사에 적합한 이유
요즘 ‘공장(factory)를 위한 AI’라는 주제가 많이 회자되고 있다. 제조업체의 경우 AI가 제품 품질, 처리량 및 수익성에 어떤 영향을 미칠 수 있는지에 대해 면밀히 알아보고 이에 대한 많은 질문을 제기하고 있다. 그 중 대표적인 것은 품질 검사 맥락에서 AI란 무엇인가? 수동 검사와 기존 유형의 자동 검사에 비해 장 점은 무엇인가? 생산 라인에 AI를 구현해야 하는 시기와 이유 는? AI가 인간 검사자를 보다 신뢰할 수 있는 품질 관리 프로세스로 대체할 수 있을까? 등의 질문이다. 이 기사에서는 산업용 AI에 대한 주요 질문의 해답을 제시하고, 공장에서 AI 육안 검사의 힘을 실현할 수 있는 경로를 차트로 작성해 보고자 한다.
• 전통적인 검사 방법이 적합하지 않은 경우: 수동 검사는 육안 검사자의 주관적인 기술에 의존하는 반면, 기존의 컴퓨터 비전은 관심 대상의 특징을 분리하고 마스크 또는 기하학을 적용하여 품질 측정을 수행하는 처리 필터에 쌓는데 의존한다. 이러한 방법은 매우 일관된 가공 또는 가공 부품에 적합하다. 그러나 검사 대상 부품이 소고기, 돼지고기 또는 목재와 같은 유기농일 경우 솔루션은 매우 복잡해진다. 이러한 제품은 ‘양 호함’이 어떤 것인지에 대한 정확한 평가에 많은 변동성을 도입하지만 제조업체가 수익성을 높이려면 제품에 대해 효과적으로 등급을 매기는 것이 중요하다.
• 산업용 애플리케이션을 위한 딥 러닝: 최근 산업과 학계에서 GPU 처리 능력과 새로운 AI 네트워크 모델에 대한 투자를 촉진하면서 딥러닝은 점점 인기를 얻고 있다. AI와 머신 러닝이 이전부터 사용되어 왔지만 대용량 이미지 데이터 세트(예: ImageNet)의 공개, 저렴한 GPU 하드웨어의 등장 및 오픈 소스 운동이 다른 개발자들이 사용할 수 있는 미리 학습된 네트워크모델 라이브러리를 만들어냈다. 이러한 자원들은 산업 검사를 비롯한 다양한 응용 분야에 저렴한 AI 기반 솔루션을 개발할 수 있게 만들어주었다.
• 품질 검사를 위한 AI의 고유한 이점: 산업 품질 검사는 반복적인 특성과 높은 수준의 예측 가능성으로 인해 특히 AI에 적합하다. 이를 통해 분류, 개체 또는 이상 감지를 위해 사용자 지정 신경망을 훈련하는 데 사용할 수 있는 이미지 데이터 세트를 수집할 수 있다. 거의 동일하고 공차 또는 적합성을 측정해야하는 제품은 기존 알고리즘 스택을 사용하여 해결하기가 더 쉬울수있지만 때로는 숙련된 육안 검사자의 주관적인 평가가 필요한 제품은 딥러닝 기반검사 시스템에 매우 적합하다.
예를 들어, 의료기기 검사는 AI 검사를 사용하여 다양한 의료용 풍선 유형에서 지퍼 라인, 먼지 및 젤을 비롯한 다양한 결함을 감지함으로써 상당한 이점을 얻는다. 여러 결함 범주 및 검사 대상과 함께 발생하는 에지(또는 코너) 사례를 해결 하는 것을 포함하여 기존의 규칙 기반 시스템으로 이러한 유형의 검사를 처리하면 이 솔루션을 구현하는데 엄청나게 복잡하고 시간이 많이 걸린다. 반면에 AI는 솔루션이 며칠안에 실현 가능한지 판단하는데 도움이 될 수 있으며 가능하면 몇 주 안에 프로덕션 시스템 을 구현하기 위한 반복 가능한 경로를 제공할 수 있다.
AI가 검사 애플리케이션에 적합한지 판단
우리는 AI가 산업 검사에 적합하다는 것을 알고 있다. 하지만 AI가 회사의 특정 애플리케이션에 적합할까? 이것은 대답하기 매우 어려운 질문일 수 있다. 필요한 답변을 얻을 수 있도록 LMI의 전담 전문가가 생산 라인의 AI를 철저히 평가할 수 있다. AI가 적합하지 않다는 것을 함께 발견하면 제조 요구사항을 더 깊이 이해할 수 있다.
<1단계: 상담 및 평가>
검사 문제의 범위를 평가하기 위한 초기 상담부터 시작한다. 여기에는 데이터 수집, 라벨링, 초기 모델 교육 및 AI 기반 검 사가 실제로 생산 라인에 최대 이점을 제공하는지 여부를 분석하기 위한 타당성 조사가 포함된다.
• 원시 데이터 수집: AI 기반 탐지 분류 또는 이상 모델을 생성하려면 검사 이미지 또는 높이 맵의 데이터 세트가 필요하다. 애플리케이션에 특정한 모델을 교육하는데 사용된다. 이를 위해 기존 비전 시스템이 있는 경우 데이터를 사용할 수 있다. 또는 이것이 새로운 애플리케이션인 경우 당사 AI 전문가가 샘플 이미지 데이터를 수집하기 위해 지정한 시설을 방문할 것이다. 데이터 수집 시간은 애플리케이션에 따라 다르다. 이상적으로 우리는 가능한 가장 견고한 검사 모델을 구축할 수 있도록 모든 검사에지 케이스에 걸쳐 데이터를 수집할 수 있을 것이다.
• AI 모델 파이프라인 개발(설계, 교육, 검증): 이제 레이블이 지정된 데이터 세트가 있으므로 애플리케이션에 가장 적합한 모델을 결정하는데 도움이 되는 다양한 모델 교육을 시작할 수 있다. 경우에 따라 이미지 크기, 비트 심도 또는 교육 결과를 개선하는데 도움이 되는 작업 수를 줄이기 위해 전처리를 사용해야 할 수 도 있다. 더 까다로운 애플리케이션에는 측정 또는 기타 측정을 수행하기 위해 기존 알고리즘에 연결하는 딥 러닝 모델의 조합이 필요하다. LMI는 애플리케이션에 가장 적합한 AI 모델 파이 프라인을 설계하고 구성한다. 그런 다음 AI 모델 파이프라인 성능을 검증하고 측정하여 향후 개선을 위한 기준을 만든다.
• 데이터 레이블 지정 및 전처리: 라벨링은 데이터세트의 각 이미지 또는 하이트 맵을 특정 분류와 연결하는 것과 관련이 있다. 예를 들어 시스템이 결함 좌표를 식별해야 하는 경우 장면 분할이 포함될 수 있다. 검사 중인 제품이 표시 되는 경우와 같은 다른 시나리오에서는 레이블을 이미지 또 는 하이트맵 파일 이름에 포함할 수 있다. LMI의 AI 전문가는 이러한 모든 시나리오를 처리하고, 분류를 지정하고, 결함/관 심 대상을 표시하고, 배경 제거에 필요한 요소를 식별하기 위해 기존 데이터베이스에서 가져오거나 시설에서 수집한 원시 이미지를 샅샅이 조사한다.
• 실행가능한 보고서 생성하기: 이제 AI 파이프라인을 구축하고 성능을 테스트했으므로 “AI가 내 애플리케이션에 적합한 가?”라는 질문에 데이터 기반으로 대답할 준비가 되었다. LMI는 샘플 생산 데이터에서 간단한 테스트를 수행하고 FactorySmart AI 성능 및 애플리케이션에 대한 적합성을 요약한 보고서를 제공할 것이다. 또한 솔루션의 라이브 데모를 제공하고 프로젝트를 프로덕션 인라인 배포로 전환하기 위한 다음 단계를 제안할 것이다.
AI 생산 시스템 배포와 문제를 극복하는 방법
초기 타당성 테스트를 거쳐 AI가 검사 요구 사항에 적합하다고 결정했다. 이제 생산 수준의 AI 시스템을 설계, 테스트 및 배포할 준비가 되었다. AI 검사 시스템을 설계하고 이를 기존 생산 프로세스에 통합하는 것은 종종 특별한 주의가 필요한 새로운 문제를 발생시킨다. 여기에는 AI 모델 파이프라인을 배경, 조명 또는 카메라 시야의 변화에 맞게 조정하고, 검사 시스템 출력을 PLC, 로봇 또는 제어 시스템에 연결하고, 공장 운영자에게 검사 상태에 대한 가시성을 제공하는 사용자 인터페이스를 만드는 것 이 포함된다.
<2단계 - 생산 시스템 설계 및 배포>
이 단계에서 LMI는 회사와 협력하여 AI 파이프라인을 배포 가능하고 반복 가능한 검사 시스템으로 전환할 것이다.
• 비전 하드웨어 선택 및 처리량 검증: 광학 검사 시스템을 기존 생산 흐름에 도입하려면 생산 공정에 특정한 기계 및 타이밍 제약 조건을 엄격히 준수해야 한다. 이러한 제약에는 부품이 센서에 표시되는 방식, 부품이 표시되는 빈도 및 결정을 내리는데 필요한 시간이 포함된다. LMI는 필요한 비전 시스템 및 처리 하드웨어를 제안한 다음 AI 파이프라인을 벤치마킹하여 프로덕션 배포가 성공할 수 있도록 함으로써 이러한 제약 조건을 충족하도록 도와준다.
• AI 파이프라인 최적화: 실험실에서 공장 현장으로 검사를 이동하면 환경, 카메라 장착 또는 조명 방향, 파장 또는 강도가 변경될 수 있다. 검사 시스템을 최적화하려면 추가 교육 데이터를 수집하고 AI 파이프라인을 업데이 트해야 한다. LMI는 AI 파이프라인을 원격으로 업데이트하고 시스템이 설치에 최적화되도록 한다. 모델이 Google 클라우드에서 학습되고 프로덕션 시스템에 원활하게 업로드 된다.
• 맞춤형 HMI 개발: HMI(Human Machine Interface)는 검사 시스템의 중앙 인터페이스 역할을하여 검사 결과에 대한 강력한 실시간 피드백을 제공하고 작업자가 주요 매개변수를 관리하고 제어할 수 있도록 한다. HMI는 또한 처리량, 온도 및 가동 시간을 포함하여 검사 시스템의 다양한 구성 요소의 상태를 표시할 수 있다. LMI는 고객의 정확한 요구 사항에 따라 맞춤형 브라우저 기반 HMI를 설계 및 개발한다. AI 모델 파이프라인 자체와 마찬가지로 HMI는 전용 LMI 검사장치에 배포된다. HMI는 브라우저 기반이므로 검사 네트워크의 모든 장치에서 검사를 모니터링할 수 있다.
• 공장에 연결: 시스템이 생산 환경의 요구 사항을 충족하도록 업데이트되었고 검사 상태를 볼 수 있도록 공장 운영자에게 HMI가 제공되었으므로 다음 단계는 FactorySmart AI 시스템을 나머지 공장에 연결하 는 것이다. 여기에는 PLC와의 이더넷 통신 구성, 로봇에 대한 선택 지점 트리거링 또는 제공, 그에 따라 부품을 이동하도록 액추에이터를 활성화하는 다른 제어 시스템에 대한 검사 결정 통신이 포함될 수 있다. LMI는 필수 통신 루틴을 구현하고 FactorySmart AI가 공장에 성공적으로 연결되도록 하여 요구 사항을 해결한다.
장기적으로 AI 시스템 성능을 유지하는 방법
FactorySmart AI 검사 시스템이 실행 중이다. 이것은 앞으로 수년 동안 안정적으로 작동해야 한다. 경우에 따라 새로운 결함에 대한 검사를 조정하거나 생산 수요를 충족하기 위해 전체 솔루션을 복제해야 할 수도 있다. 이러한 변화에 적응할 수 있는 속도는 검사 솔루션이 장기적으로 얼마나 성공적인지를 정의한다. 이 여정을 돕기 위해 LMI는 FactorySmart AI를 위한 응답성이 뛰어난 원격 지원 프로그램을 만든다.
<3단계 - 지속적인 원격 지원>
• Connecting your Inspection Device: 신뢰할 수 있는 검사 시스템은 생산 변화에 실시간으로 대응해야 한다. 여기에는 AI 파이프라인을 업데이트하고 새로운 결함 또는 분류를 식별하거나 검사 시스템 복제와 관련된 환경의 변경 사항을 해결하는 기능이 포함된다. LMI의 원격지원 서비스는 IT 그룹과 협력하여 검사 장치에 연결한다. 검사 장치의 상태를 모니터링하고 시스템이 예상대로 작동하는지 확인한다.
• 검사 장치용 대시보드: 생산 시스템에는 시스템 상태와 성능을 모니터링하는 여러 이해 관계자가 있다. 이러한 사용자에게 과거 및 현재 검사 결과에 대한 원격 액세스 및 가시성을 제공하면 시스템에서 제시한 결과 가 신뢰할 수 있고 심각하게 다루어져야 한다는 확신을 가질 수 있다. 검사를 위해 맞춤화된 LMI의 원격 대시보드 서비스는 이해 관계자가 관심을 갖는 실시간 원격 측정 데이터를 제공한다. 이 웹 기반 인터페이스는 스마트폰을 포함한 모든 장치에서 클라우드를 통해 액세스할 수 있다.
• 검사 확장 및 지속적인 모델 튜닝: 신뢰할 수 있는 생산 시스템은 쉽게 복제하고 추가 생산라인이나 시설에 걸쳐 확장할 수 있어야 한다. 시스템은 생산 환경이나 기계설비의 변화에 적응할 수 있어야 한다. 타당성에서 생산으로의 전환과 마찬가지로 검사 시스템을 복제하려면 AI 파이 프라인을 업데이트해야 할 수 있다. LMI의 원격 지원 서비스는 고객과 고객의 배포 일정에 미치는 영향을 최소화하면서 이러한 변경 사항을 구현할 것이다. 원격 액세스를 사용하여 엔지니어는 새로운 검사 이미지 또는 높이 맵에 액세스하고 필요한 AI 파이프라인 변경 사항을 구현하고 그에 따라 검사 장치를 업데이트한다.
• AI 검사 시스템: 이 자료표 전체에서 산업 검사를 위한 AI의 실행 가능성과 AI 가 고객의 응용 분야에 적합한지 판단하는데 어떻게 도움이 되는지에 대해 논의했다. 또한 FactorySmart AI 서비스, AI 기반 생산 시스템을 배포하는 여정, 향후 몇 년 동안 이를 유지해야 하는 과제에 대해서도 논의했다.
AI 검사를 현실로 만들기 위해 함께 모이는 이러한 요소와 조각을 설명하는데 도움이 되도록 위의 그래픽을 만들었다. 이 내용이 AI 여정에 도움이 되었기를 기대한다.
자료제공: LMI Technologies(www.lmi3d.com)
