트윔, 중장비 부품 제조사 AI 검사 도입 성공적 마무리
  • 최종윤 기자
  • 승인 2022.06.23 09:15
  • 댓글 0
이 기사를 공유합니다

40여종 소형씰 검사, 오토체인지 구현 등 과검‧미검률 3% 이내 달성

[인더스트리뉴스 최종윤 기자] 인공지능 검사 설비 전문기업 트윔(대표 정한섭, 정해주)이 중장비 부품 제조사에 AI 검사 도입을 성공적으로 마무리하며, 레퍼런스 영역을 확대했다. 트윔은 건설 및 광산용 장비, 디젤 및 천연 가스 엔진, 산업용 터빈 및 디젤 전기 기관차 분야에서 40여종의 소형씰(50~150파이)을 생산하는 글로벌 중장비 & 부품 제조기업 C사에 인공지능 검사설비 T-MEGA를 투입했다.

인공지능 검사기 Lay Out [자료=트윔]

C사의 소형실들은 투입, 클리닝, 측면‧배면 검사, 상부검사, 마킹, 배출로 구성된 공정 설비로 주조되는데, 기종 별 사이즈가 달라 비전 컨디션 조정에만 한 시간 이상씩 걸렸고 최소 8가지 품질검사에 검사원 10명 이상이 육안검사를 진행하고 있었다.

이에 트윔은 T-MEGA로 40여개의 기종별 검사 컨디션을 자동화하고 과검률과 미검률 3% 미만 달성을 목표로 검사 품질을 높이기 위한 비전은 물론, 기종별로 달라지는 검사 컨디션을 쉽게 바꿀 수 있는 시스템을 개발했다.

난반사, 각도에 따른 제품 이미지 퀄리티 차이 해결

먼저 난반사 및 각도에 따라 제품 이미지 퀄리티가 달라지는 문제를 해결했다. 난반사 및 각도에 따라 발생되는 문제를 해결하기 위해 제품의 특성을 먼저 확인해야 했다. 제품은 은(Silver) 색상에 광택이 있고, 무엇보다 기종 별 가공되는 각도가 달랐다. 은색과 광택이라는 난반사가 심한 조건으로 기존에 사용하던 White 조명 보단 빛의 파장이 낮은 Blue 조명을 선택해 제품 표면의 난반사를 최소화했다.

<그림1>처럼 각도에 따라 이미지 퀄리티가 다른 문제점은 1개의 Bar 조명에 의해 발생됨을 알 수 있었다. 이에 <그림2>처럼 기종 별 빛을 고르게 조사할 수 있게 Bar 조명을 3개로 늘려 ‘ㄷ’ 형태로 설치 후, 제품 전체를 보는 것이 아닌 제품의 한 부분을 카메라로 보며 회전하며 전체 영역을 검사할 수 있도록 변경했다. 또한 카메라 위치와 조명 세기를 기종 별로 다르게 저장해 최적의 환경으로 검사가 되도록 했다.

그림1. 바조명 1개로 촬영한 이미지 퀄리티 [자료=트윔]
그림2. Bar 조명 추가한 검사 설정 [자료=트윔]

치수 측정시 제품 높낮이 차이에 따른 비전 세팅과 오차 문제 해결

다음 난제는 제품의 높낮이 차이였다. 같은 기종이라도 가공에 따라 제품의 높낮이 차가 발생했기 때문이다. 문제는 그렇다고 모두 불량은 아니라는데 있다. 최소 ±1mm의 허용되는 오차까지 계산해야 명확한 측정이 가능하다. 하지만 공장에 설치돼 있던 CCTV 렌즈는 특성상 FOV 외곽으로 갈수록 양 끝이 볼록하게 보이는 왜곡이 발생된다.

트윔은 렌즈를 바꾸기 보다는 왜곡을 와핑(Warping) 기술로 보정해 1차적으로 오차를 줄였다. 이후 모델 제품의 측면 높이(설계치수)를 기준으로 설정하고 검사하는 제품 측면의 높이를 측정했을 때 발생되는 높이 차만큼 카메라 또는 스테이지(Working Distance)를 조정해 치수 측정의 오차 문제를 말끔히 해결했다. 아울러 기존에 기종이 바뀔 때 마다 비전 컨디션을 재설정을 해야 하는 번거로움도 해결됐다. 관리자는 검사 기종에 따라 모델별 레시피 변경 버튼을 누르기만 하면 1분 이내로 비전 검사 준비가 완료된다.

모델 변경 작업 1분, 과검/미검률 3% 미만 달성

최종적으로 트윔은 40여종의 소형씰이 자동으로 오토체인지가 가능하도록 기능을 추가했고, 레시피 관리를 통해 1분 이내 모델 변경 작업이 가능하도록 설계했다. 각 검사 스테이지에서는 난반사를 해결하기 위해 최적화된 광학 설계를 적용해 사이즈가 다양한 소형씰에 모두 대응 가능하도록 했다. CYCLE TIME은 10초 이내로 검사가 가능하게 했고, 과검/미검률 3% 미만도 달성했다. 검사 인원은 10명에서 5명으로 줄였다.

해당 프로젝트를 진행한 AI사업팀 최종학 대리는 “처음 논의되던 씰의 모델이 10종에서 40종으로 늘어남에 따라 각 모델에 대한 특징 파악에 시간이 많이 걸렸지만, 정해진 기일 내에 고객으로부터 받은 다양한 요구사항을 실현시켜 뜻 깊은 프로젝트”라며, “고객의 환경에 맞는 광학 컴포넌트 개발과 딥러닝 학습을 단시간에 진행할 수 있었던 것은 트윔의 노하우와 고객과의 원활한 커뮤니케이션이 있었기에 가능했다”고 밝혔다.


관련기사

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.