반도체와 전자 부품 검사에서 딥 러닝이 제공하는 10가지 장점
SICK
머신 비전 시스템은 오랫동안 반도체와 전자 산업에 자동화된 검사 및 품질 관리 프로세스를 위한 수단이었다. 그러나 산업이 점차 다양해지고 부품 결함의 종류가 늘면서 전통적인 머신 비전 방법으로는 정확한 검사를 수행하기 힘들어졌다. 이때 딥 러닝 소프트웨어는 이러한 문제에 해결책이 될 수 있다. 딥 러닝을 통해 결함 이미지에 대한 통계 분석을 기반으로 비전 솔루션을 프로그래밍 할 수 있다. 딥 러닝 소프트웨어는 효율성, 생산성 및 수익을 개선하면서 품질 판단을 자동으로 할 수 있다.
딥 러닝 소프트웨어는 자체 프로그래밍 기능을 갖춰 자동화 시스템에서 강력한 도구가 된다. 하지만 많은 기업들에게 이는 미지의 영역이며 많은 비용이 들기 때문에 접근을 어려워한다. 따라서 딥 러닝 소프트웨어에 관심이 있는 기업은 딥 러닝 제공 업체와의 계약에 있어서 우선 무료 신경망을 테스트하고 추론 및 투자 수익을 타진해 본 후에 도입을 결정한다. 즉 반도체 및 전자 제조업체는 딥 러닝 기반 검사를 비용을 들이지 않고도 프로세스를 개선하고 생산성을 높일 수 있는 방법을 확인해 볼 수 있다. 다음은 딥 러닝에 대한 10가지 주요 이점을 소개한다.
1. 기존 머신 비전 기능 확장
반도체와 전자 산업에서 커넥터, 핀 및 솔더 조인트 검사와 같은 작업은 규칙 기반 머신 비전 알고리즘에서는 검사가 어렵다. 이러한 부품에 존재할 수 있는 결함의 수가 매우 많기 때문이다. 모든 오류를 기존 알고리즘으로 프로그래밍하려면 수백 개의 규칙을 정의하고 기능을 추출해야 한다. 따라서 많은 검사 오류가 발생할 수 있다. 반면 딥 러닝은 이러한 유형의 오류에 덜 민감하며, 신경망이 이미지 세트에 대해 학습이 되기 때문에 이러한 이미지를 기반으로 부품의 양호한 상태와 나쁜 상태, 이상 및 결함을 자동으로 분류한다.
2. 시간 및 비용 감소
고객은 여러 가지 방법으로 딥 러닝 공급자를 선택한다. 최종 사용자 또는 통합자는 딥러닝 도입시 소프트웨어를 구매할 필요가 없으며 따라서 프로그래밍에 시간을 할애할 필요가 없다. 대부분의 딥 러닝 솔루션에는 특정 수준의 프로그래밍 지식, 모델 훈련을 위한 높은 GPU, 신경망 최적화를 위한 시간이 필요하다. SICK는 소프트웨어의 UX에 초점을 맞춘 솔루션을 제공하여 신경망 모델 훈련에 데이터를 간단히 추가할 수 있다. 이러한 방식으로 복잡성과 투입 비용을 없앨 수 있다.
3. 사용의 용이성
고객마다 상황은 다양하기 마련이다. 일부 대형 OEM에는 머신 비전 팀이 있지만 소규모 OEM과 최종 사용자는 그렇지 않을 수 있다. 즉, 일부 고객은 전문 기술 지식이 거의 필요하지 않은 제품이 필요하다.
직관적인 클라우드 기반 딥 러닝 제공 업체를 통해 고객은 클래스별로 정렬된 이미지를 업로드하고, 분류 훈련을 실행하고, 필요한 추론 시간에 따라 네트워크를 선택하고, 데이터 세트에서 네트워크를 훈련하고, 학습 성공을 모니터링하여 데이터 세트를 생성할 수 있다. 그런 다음 이 서비스를 통해 고객은 시각적 피드백을 사용하여 교육 결과를 평가하고, 무료 교육을 받은 네트워크를 적용한 다음 만족할 경우 실시간 배포를 위해 구매할 수 있다. 이 모든 것은 간단한 사용자 인터페이스를 통해 가능하다.
4. 움직이는 표적 요구에 대한 유연성
부품 검사에서 새로운 부품을 도입할 때와 같이 제조 상황별 요구사항이 다를 수 있다. 회사가 딥 러닝 기반 시스템에 많은 시간과 돈을 투자한 다음 곧 다시 변경해야 하는 경우를 위해, 시스템은 사용자 정의를 할 수 있고 유연해야 한다. 스마트 딥 러닝 제공 업체는 지속적인 사용자 지정을 제공하여 고객이 직접 소프트웨어를 다시 프로그래밍하거나 새 소프트웨어를 구매할 필요가 없도록 한다.
5. 안전한 클라우드 적용
많은 고객은 이미지가 회사 밖으로 유출되는 것을 원하지 않는다. 신뢰할 수 있는 딥 러닝 서비스 제공 업체는 제품에 보안 계층을 추가하여 이러한 문제를 해결한다. SICK는 모든 소프트웨어와 에지 장치를 사이버 보안 표준에 따라 인증함으로써 더욱 강력하게 설계했다. 또한 개별 사용자에게 인증을 제공하여 특정 사용자만 데이터에 액세스 할 수 있도록 허용한 다음, 내부 및 외부 감시자와 함께 표준을 테스트하여 안전을 보장한다.
모든 데이터는 암호화되며 클라우드와의 모든 연결은 SFTP(보안 파일 전송 프로토콜)와 같은 보안 전송 계층을 통해 이루어진다. 또한 모델이 학습되면 고객은 클라우드에서 모든 이미지를 삭제하고 스마트 카메라 또는 에지 장치와 같은 온-프레미스 에지 장치(on-premises edge device)에 이 모델을 적용할 수 있다. 이러한 장치는 클라우드에서 완전히 떨어진 곳에서 모든 추론을 수행한다.
6. 최적화된 하드웨어
딥 러닝 시스템을 적용할 때 카메라의 보유 기술을 고려해야한다. 그 위에 머신 비전 소프트웨어가 있으며, 그 위에 복잡한 문제를 해결할 수 있는 딥 러닝 및 머신 러닝이 있다. 딥 러닝 서비스 제공 업체는 카메라 장치에서 직접 추론을 실행하여 잠재적 장애물을 제거할 수 있다. 일부 딥 러닝 작업은 카메라 내부에서 그리고 사후 처리 단계는 SICK의 dStudio와 같은 소프트웨어에서 수행될 수 있지만, 특정 카메라에 대한 신경망을 최적화하면 고객이 신경망 학습 및 문제 해결에 집중할 수 있다.
7. 추가 도구로서의 딥 러닝
딥 러닝 소프트웨어는 검사의 많은 작업을 효율적으로 수행한다. 그러나 딥 러닝만으로 모든 문제를 해결할 수 있는 것은 아니다. 딥 러닝 소프트웨어는 거리 측정 등은 제공하지 않는다. 이와 같은 시나리오에서는 기존 머신 비전 시스템에 딥 러닝을 추가할 수 있다. 예를 들어, 기존 시스템에는 머신 비전 알고리즘이 커넥터 핀 높이 측정과 같은 계측 작업을 수행하고, 딥 러닝 소프트웨어 도구는 일치하지 않는 핀을 감지할 수 있다.
8. Industry 4.0과 보조를 맞춘다
딥 러닝은 인쇄 회로 기판, 웨이퍼, 와이어, 볼 그리드 어레이 및 부품을 효과적이고 효율적인 검사를 기반으로 향상된 자동화 기능을 제공하여 Industry 4.0에 보조를 맞출 수 있다. 또한 센서는 고객이 더 나은 결정을 내리는 데 도움이 되는 기준 데이터를 제공한다.
9. 한 공급 업체의 고객 지원
딥 러닝 기반 머신 비전 시스템을 위한 소프트웨어, 카메라, 산업용 PC/에지 장치 및 클라우드 플랫폼은 모두 서로 다른 공급 업체에서 제공받을 수 있다. 그러나 한 회사에서 딥 러닝 서비스를 구매함으로써 고객은 모든 시스템 구성 요소에 대해 동일한 지원을 받고 전체 솔루션을 관리할 수 있다. 딥 러닝을 막 시작한 고객은 솔루션 수명 기간 동안 ‘원 스톱’ 지원 구조가 있으면 큰 추가 이점을 얻을 수 있다.
10. 사용할 때만 비용 지불
딥 러닝 서비스의 차별화 요소는 선불로 지불할 필요가 없다는 것이다. SICK는 클라우드에서 이미지를 수집, 훈련 및 분류하여 신경망 모델을 생성할 수 있다. 고객은 신경망이 요구 사항을 충족하는지 평가할 수 있고 추론이 시작되고 나서 비용을 지불하면 된다.
자료 제공: SICK(www.sick.com)
