ABOUT US
중소·중견기업 맞춤형AX 전환 전문기업 임픽스
데이터 표준화+AI 기술
임픽스는 단순한 기술 제공을 넘어, 데이터 표준 기반의 제조 특화 AI 솔루션을 제공합니다. 설비에서 나오는 데이터를 표준 형식으로 모으는 일부터 시작해, 그 위에 예지보전·품질검사·공정 최적화 모델을 올리고, 현장에서 실제로 돌아가도록 운영까지 함께 맡습니다.
TRACK RECORD
뛰어난 역량과풍부한 경험
- 2000년 회사 설립
- 2008년 법인명 변경 및 기업부설연구소 인증
- 2018년 스마트공장 구축 지원사업 시작
- 중소벤처기업부 장관상2024 · 종근당건강 스마트공장 지원사업 우수사례
- 한국일보 디지털 이노베이션 대상2026 · 제21회 상반기, 제조 특화 자율제조 솔루션 A²LAB
주요 고객사
제약·바이오, 화장품, 반도체, 자동차 등 규제와 품질 요건이 까다로운 산업에서 프로젝트를 수행해 왔습니다.
아모레퍼시픽
코스맥스
콜마스크
한독
한미약품
종근당
종근당건강
SK바이오텍
휴온스내츄럴
휴온스푸디언스
유한킴벌리
SK하이닉스
엘앤에프
현대글로비스
현대오토에버
LG CNS
SK텔레콤
삼성카드
신한카드
사업분야
임픽스는 제조 특화 AI 솔루션을 기반으로 AX 전환에 필요한 End-to-End 통합 서비스를 제공합니다.
AX(AI Transformation) 전환을 위한 통합 서비스
AX 전환을 위한 전 과정 구축 및 운영 서비스를 제공하여 중소·중견기업의 성공적인 디지털 혁신을 지원합니다.
- 01
스마트 제조 혁신 서비스
제조 현장의 데이터 수집부터 AI 적용까지 전 단계를 설계하고 구축합니다.
- 02
제조 AX 전략 컨설팅
현재 데이터 성숙도를 진단하고 어디서부터 손대야 효과가 큰지 로드맵을 만듭니다.
- 03
제조 빅데이터 분석
설비·공정·품질 데이터를 표준 형식으로 모으고 분석 가능한 상태로 만듭니다.
- 04
스마트 팩토리 구축 / 시스템 통합
MES·SCADA·설비 인터페이스를 연결하고 기존 시스템과 통합합니다.
- 05
정부지원사업 추진
스마트공장 지원사업 등 정부 과제의 기획과 수행을 함께 진행합니다.
- 06
사후지원
구축이 끝난 뒤에도 모델 재학습과 운영 유지보수를 계속 맡습니다.
USE CASE
임픽스는 2018년 스마트공장 구축 지원사업을 시작으로 다양한 AX 전환 사업을 수행하며 중소·중견기업에 최적화된 Best Practice를 구축하였습니다.
- 자동차
사출 공정 AI 머신비전 기반 비전검사 난검 불량 탐지 실증 사례
룰베이스 비전 카메라가 탐지하지 못하던 스크래치·가스·얼룩을 딥러닝으로 검출하고, 사출 생산·설비 데이터로 품질을 예측해 공정 조건을 최적화한 사례입니다. 공정 불량률이 8%에서 4%로 낮아졌습니다.
자세히 보기 → - 자동차
지능형 사출 공정·검사 자동화 시스템 구축
설비 1대당 8명이 붙던 노동 집약적 수직 사출 공정에 검사 자동화와 품질예측을 도입한 사례입니다. 분당 생산량이 121% 늘고 품질 불량률은 11%에서 2%로 낮아졌습니다.
자세히 보기 → - 기타
설비 데이터 기반 AI 품질 예측 — 사출·열처리·용접 3개 공정
숙련공의 경험에 의존하던 생산 방식을 LOT 단위 데이터셋과 AI 품질예측으로 옮긴 사례입니다. 3개 공정 기준으로 불량 손실액이 560만 원 줄고 정품 생산량이 13% 늘었습니다.
자세히 보기 → - 자동차
자동차 부품 조립 공정 딥러닝 기반 설비예지보전 시스템 구축
고장 난 뒤 고치던 사후 정비를 예지보전으로 바꾼 사례입니다. 체결설비에는 Auto-encoder, 검사설비에는 심층신경망(CNN) 모델을 적용해 설비 이상과 교체 주기를 미리 예측합니다.
자세히 보기 → - 자동차
페이스트 도포 공정 품질예측 기반 AI 자율제어
비전 센서의 비정형 데이터와 PLC의 정형 데이터를 결합해 최적 도포량을 도출하고, 그 값을 설비 설정값으로 되돌려 보내는 자율제어를 구현한 사례입니다.
자세히 보기 → - 제약·바이오
AI 기반 이상징후 감지를 통한 제약 공정 설비예지보전
주사제 제조 공정의 핵심 설비에서 대용량으로 발생하는 공정 데이터를 실시간으로 수집·활용하는 데이터 관리 시스템을 구축하고, 설비 이상을 조기에 감지한 사례입니다.
자세히 보기 →