[제조업] PoC : 슈퍼브 플랫폼을 통한 제품 품질 분류 자동화
대형 제조·화학 기업 A사와 진행한 품질 분류 자동화 AI PoC 기록입니다. 현장 문제를 구체화하고 분류 기준을 정립해 이미지 분류 모델의 실효성을 검증했습니다.
대형 제조/화학 기업인 ‘A’사의 제조 공장에서는 대량의 제품들을 품질에 따라 분류하는 작업이 수행됩니다. 이 작업은 모두 수동으로 진행되었기에 분류 작업에서 많은 오류가 있습니다. A사는 품질 분류를 자동화하기 위한 AI/ML 모델을 개발하여 검수 과정에서 생기는 비효율을 잡고자 합니다.
A사의 자동화 모델을 위해 AI PoC를 진행했습니다. PoC 구축을 진행하며 우리는 현장에서의 문제점을 보다 자세하게 파악할 수 있었고 품질 분류를 위한 세부 기준이 필요하다는 것을 깨달았고, 보완을 요청했으며 이 가이드를 통해 정확한 이미지 분류(Classification)를 진행할 수 있었습니다. 이를 통해 모델 성능이 크게 향상되었고 커스텀 오토 라벨을 활용하여 평균 96% 이상의 정확도를 가진 PoC 모델을 제공할 수 있었습니다.
개요
- 산업 : 제조/화학
- 사용 서비스/제품 : 슈퍼브 라벨
- 문제점 : 육안 작업으로 진행되는 제품 분류를 통한 품질 표준화 오류
- 해결책 : 품질 분류 자동화 모델 개발을 위한 PoC 진행
- 결과 : 커스텀 오토 라벨링 기술을 활용해 평균 96%이상의 모델 정확도 제공
문제점
- 작업자 간 등급 선별 기준 상이
품질 분류를 담당하는 현장 작업자 개인의 주관에 의한 제품 선별로 제품 품질 표준화가 이루어지지 않고 있습니다.
- 운영 효율성 및 생산성 저하
육안 검사로 품질 분류 작업 진행, 많은 시간과 인력이 과다 투입되고 있습니다.
- 현장 작업자의 노령화
중간 관리직 부족과 현장 작업자 노령화로 인해 향후 운영에 문제가 발생할 가능성이 높습니다.
해결책
- 데이터 취득 방식 및 가이드 표준화 제안
전담 인력이 생산 공정 상 취득하는 데이터 방식을 고객사와 함께 논의하고, 등급마다 상이한 품질 패턴을 정리하였습니다. 이 과정에서 현장 작업자의 개인차에 의지하던 품질 분류 가이드를 표준화하였습니다.
- 슈퍼브 라벨의 커스텀 오토 라벨(CAL)을 활용을 통한 효율성 증가
표준화된 품질 분류 가이드에 AI/ML 기술을 적용하여 기존 수집된 데이터들에 대한 자동 분류를 진행하였고, 더 나아가 품질 측면에서 불량 여부를 판단하는 모델을 적용해 작업 시간을 줄이고 생산 효율성을 높였습니다.
결과
“슈퍼브에이아이는 자체 AI 플랫폼은 물론, 제조 프로젝트 경험이 많은 기술 지원 엔지니어와 PoC 만을 프로젝트를 위한 전문 인력이 있었습니다. 타사 PoC 진행 시 문제 정의 단계부터 소통이 어려운 점이 많았는데, 슈퍼브에이아이의 전문 인력들은 AI, MLOps 등 프로젝트 수행에 대한 이해도가 많아 짧은 기간에 높은 성능으로 저희의 고충을 해결해주어 정말 편리했고 슈퍼브에이아이의 기술력을 알 수 있는 좋은 기회였습니다.”
- A 사 ML 엔지니어
함께 보면 좋은 콘텐츠
이번 PoC를 통해 적용된 AI/ML 모델이 평균 96% 이상의 정확도를 제공함으로써 고객사는 만족스러운 효율성 향상 효과를 확인할 수 있었으며, 품질 분류 자동화를 통한 생산 운영의 효율 극대화 뿐 아니라 현장 작업자의 보호장비 착용 여부 탐지와 같은 안전 관리 측면으로도 슈퍼브 플랫폼의 AI/ML 기술을 확대 적용하는 것에 대해 검토하겠다고 했습니다.