AI & Edge Computing

AI를 활용한 육안 검사 자동화

기존의 검사 공정 -> 검사원 인력 또는 자동 검사 기기

검사원의 반복되는 검사작업 수행 곤란하고 검사원 간의 검사기준 획일화 관리 난해 자동 검사 기기는 복잡하고 설정이나 조정에 많은 시간 소요되며, 설정을 엄격하게 하면 수율 저하되며, 느슨할 경우 불량 증가되어 검사원에 의한 재검사 필요하게 됨

검사자의 눈으로 판단하던 손상, 찌그러짐, 얼룩, 형태 이상, 조립 이상 등의 불량을 촬영장비로 화상 데이터 수집하여 판단하며, 검사자의 직감과 경험으로 실행해온 Gray Zone의 불량판정은 인공지능의 Deep Learnig을 활용하여 검사자 보다 정밀하게 판별하게 함

AI를 활용한 로봇 동작의 자율 학습

동작 궤도를 미리 설정하여 작업수행을 하는 산업용 로봇과 다르게 작업자의 작업을 대치함을 목표로 하는 협동로봇에서는 사전에 정의된 동작 외에 인간에 가까운 유연한 동작 학습 필요하며 적절한 움직임을 구현하는 AI와 판단하는 AI의 상호 작용에서 동작의 기준을 획득하는 모방 학습을 이용하여 안전을 배려하고 사람에 대한 위험한 동작을 기피하도록 설정

AI를 활용한 불량 원인 분석

불량을 발생시키는 원인 공정을 신속하게 정지하고 대책을 실시한 후에 재가동함으로써 손실률을 저감

불량 발생을 야기한 문제공정 및 작업이 언제 어디서 발생했는지를 센서 데이터에서 AI로 추출 AI는 단시간에 이상을 감지할 수 있음

불량이 발생 시, 과거 데이터 및 자료를 검색하여 관련 정보를 손쉽게 활용하는 한편, 검색에 의한 연관 지식을 활용 함

불량발생 시, 기록을 남김으로써 불량 원인을 분석하기 위한 기초 데이터를 AI를 활용하여 자동 작성, 보관하는 업무를 자동으로 수행하여 사람이 수행하여야 할 업무를 지원

AI를 활용한 설비 보전

고장이 일어나는 전조 패턴을 학습하고 장애 이전에 예측해서 경고하는 기술 적용

장비 동작 상태 모니터링 및 예지를 위한 센서를 설치 장비가 가동을 시작하면 온도, 압력, 진동, 소리 등의 센싱을 통하여 가동 상태 및 이상 상태를 특정할 수 있으며 동작 여부의 예측 패턴을 AI에 학습시켜 예측에 따른 경고 가능

설비 고장으로 인한 Down Time을 능동적으로 대처하며, 돌발 고장을 예방 설비 점검을 계획적으로 진행하여, 인력 최소화, 간소화 실현