자동차 산업

난검 불량이라는 문제

자동차 부품 양산에서 가장 까다로운 것은 “확실한 불량”이 아니라 애매한 불량입니다. 규격 경계에 걸친 결함, 조명과 각도에 따라 보였다 안 보였다 하는 스크래치 같은 것들입니다.

룰베이스 비전 카메라는 이런 경우에 약합니다. 기준을 엄격히 하면 정상품을 불량으로 버리고, 느슨하게 하면 불량이 빠져나갑니다. 결국 사람이 재검사하게 되고, 검사 인력이 병목이 됩니다.

두 방향으로 접근합니다

검출 — 놓치는 불량 줄이기

딥러닝 기반 비전 검사(V²)로 룰베이스가 놓치는 미세 결함을 탐지합니다. 정상 이미지만으로 학습하는 이상 탐지 방식을 쓰면, 불량 샘플을 충분히 모으기 어려운 초기에도 적용할 수 있습니다. 엣지 디바이스에서 동작하는 경량 모델이므로 라인 속도를 떨어뜨리지 않습니다.

예방 — 불량이 나오는 조건 줄이기

검출만으로는 불량률 자체가 줄지 않습니다. 사출 조건, 금형 온도, 재료 로트 같은 공정 변수와 실제 품질 결과를 연결해 분석하면, 어떤 조건에서 불량이 늘어나는지 확인할 수 있습니다. 그 조건을 피하도록 공정을 조정하는 쪽이 근본적입니다.

확산

한 라인에서 검증한 뒤 동일 공정의 다른 라인으로 넓히는 순서로 진행합니다. 라인마다 설비와 조건이 달라 모델을 그대로 옮길 수 없는 경우가 많기 때문에, 재학습 절차를 함께 설계합니다.