숙련자의 눈에 의존하는 공정

화장품과 건강기능식품 제조에서 품질 판정은 오랫동안 숙련자의 감각에 기대 왔습니다. 색이 미묘하게 다르다, 질감이 평소와 다르다는 판단은 경험이 쌓인 사람만 할 수 있습니다.

문제는 그 기준이 사람마다 다르고, 그 사람이 자리를 비우면 기준도 흔들린다는 점입니다. 왜 그렇게 판정했는지를 설명하기도 어렵습니다.

데이터로 옮기기

컬러 불량 원인 분석 — 배합 조건, 원료 로트, 공정 변수와 최종 색상 데이터를 함께 분석해 편차의 원인 후보를 좁힙니다. 감각으로 알고 있던 것을 수치로 확인하는 과정입니다.

공정 최적화 — 품질 예측 모델로 어떤 조건이 안정적인 결과를 내는지 찾습니다.

외관·이물 검사 — 딥러닝 기반 비전 검사로 미세한 결함과 이물을 자동 탐지합니다.

스마트공장 구축 — 수집 인프라부터 모니터링, AI 적용까지 단계적으로 구축합니다.

HACCP, GMP 등 해당 산업의 위생·품질 요건을 충족하는 범위 안에서 시스템을 설계합니다. 로트 추적성이 유지되도록 데이터 구조를 잡는 것이 출발점입니다.