[인더스트리뉴스 최정훈 기자] 대부분 검사 자동화 업체들이 경쟁력을 한 차원 끌어 올릴 기술로 AI를 낙점했다. 이 가운데 방향과 흐름을 미리 읽고 국내 최초로 솔루션에 딥러닝을 적용해 상당 기간 AI 역량을 축적해온 라온피플의 선구안이 스포트라이트를 받고 있다.

라온피플은 머신비전 검사 소프트웨어를 비롯한 카메라 모듈 및 렌즈 검사기 등 스마트팩토리 분야 AI 기술을 독자적으로 개발하고, 이를 통해 공정 상태를 모니터링하며 불량을 검수하는데 독보적인 입지를 굳히고 있는 토종 솔루션 기업이다.

라온피플 윤기욱 상무는 “주력 제품인 AI 머신비전 솔루션의 효율성과 정확성이 높아지면서 적용 영역이 해마다 확대되고 있다. 자동차 외관검사 시장은 물론, 교통 및 의료 분야에서도 확대 적용되고 있으며, 농축산업에도 파고드는 등 대중화가 가속화되고 있다”고 밝혔다. 

AI 기반 머신비전 시대 본격 개막

기존 룰 기반 검사 방식으로는 자동화 하지 못했던 비정형 대상물 검사를 AI를 활용한 방식이 소화해 내고 있다. 섬유 등 형태가 변하는 대상물에 대한 까다로운 검사도 빠르게 처리하면서 공략이 요원해 보이던 검사 자동화의 벽에 균열을 만들고 있는 것이다. 

여러 가지 환경적인 여건도 머신비전 도입을 부추기고 있다. 작업자들이 수십 명씩 있고 전담 외주업체들도 다수 존재할 수밖에 없던 전통적인 검사 방식에 지각변동이 일고 있다. 2차전지의 경우 부품에 오염이나 작은 흠결도 성능에 치명적인 요인으로 작용할 수 있다. 또한, 반도체 고정밀 PCB들은 반도체 만큼이나 세밀한 공정이 요구된다. 마이크로미터 단위로 제품이 생성되다 보니 작은 편차나 간섭에도 제품 품질에 악영향을 줄 수 있다.

이에 첨단제조산업에서 작업자의 설자리가 좁아지고 있다. 매일 수백 수천 개씩 쏟아지는 제품을 일일이 사람이 검사를 한다는 것이 불가능해진 양상이다.

이러한 배터리, 반도체 칩 등 제품 내부에 들어가던 부품 검사 과정은 과거 불필요 하면 굳이 진행하지 않거나 해야 한다면 다수의 작업자를 투입해 처리했다. 하지만 최근 고객들은 제품 내부의 품질도 확인하고 싶어 하는 성향이 다분하다. 애플 등 글로벌 전자기기 기업들의 경우 제품이 출시되면 분해해 내부 부품까지 공개하며 이와 같은 고객 니즈에 대응하고 있다. 이러한 추세에 맞춰 내부 부품 판정을 엄격히 시행하는 분위기가 대기업을 중심으로 우리나라 산업계 현장으로도 번지고 있는 것이다.

게다가 멈출 줄 모르는 인건비 상승도 머신비전 도입을 부추기고 있다. 우리나라에 굴지의 섬유업체들은 생산 비용에서 상당부분을 차지하는 인건비 비중을 낮추기 위해 중국, 동남아 등으로 생산기지를 옮겨 왔다. 이제 동남아 국가들마저 인건비가 상승하면서 업체들은 이는 임시방편이라는 것을 깨닫게 됐다. 게다가 코로나 시대 이동 제한으로 관리통제도 쉽지 않게 되다보니 업체들이 더 이상 한 공장에서 다닥다닥 붙어서 상품을 검사하는 방식을 고수할 가능성이 낮아지고 있다.

초지일관 AI 기술로 승부 걸어

여러 여건들이 전통적인 검사 패러다임을 바꿔야 한다는 신호를 주고 있지만 너도나도 AI를 일선에 배치하고 있는 대부분 솔루션 업체들 중에서 어떤 선택을 해야 할지 갈피를 잡기 어려운 상황이다. 이 가운데 국내 최초로 딥러닝 기술 기반 머신러닝의 이정표를 세우고 AI 기술에 천착해온 라온피플이 겉도는 시선을 잡고 있다. 

라온피플은 2010년부터 산업용 검사 솔루션 컴포넌트를 자체적으로 개발해 솔루션을 제공하고 있으며, 2014년부터 본격 소프트웨어 솔루션에 주력하면서 지난 2016년 AI 알고리즘으로 비전 검사 솔루션을 차별화했다. 윤기욱 상무는 “기존 룰 기반 비전 검사는 20~30년 동안 주류를 이루던 분야다 보니 쟁쟁한 경쟁사들과 겨루기가 쉽지 않았다. 이에 새로운 기술로 시장을 파고들겠다는 태세로 지금까지 AI 기술개발에 집중해 왔다”고 밝혔다. 

라온피플 주력 솔루션은 AI 기반 검사 소프트웨어 NAVI AI이다. 또한, 전자, 반도체 분야 PCB 자동화 검사기, 2차전지 검사기, 카메라 모듈 검사기, LCD 검사기, 웨이퍼 검사 시스템 등 폭넓은 솔루션을 보급하고 있다. 나아가 철강분야에 전로측정기, 컨슈머 분야에 골프 시뮬레이터, 물체 인식 등으로도 보폭을 키우고 있다. 

라온피플은 솔루션 고도화를 통해 철강, 섬유, 반도체 등으로 입지를 넓히고 해외진출도 가속화할 방침이다. 이를 위해 최근 연구인력의 약 30% 가량을 증원했으며, 국내외 특허를 확보하는 등 경쟁력을 키우고 있다. 

AI 기반 머신비전 이정표를 새로 쓰고 다른 비즈니스로 외연을 확대하며 승승장구할 수 있었던 이유는 혁신 기술을 도외시 하지 않았던 기업 방침 때문이다. 윤기욱 상무는 “당사의 기술은 정부의 그린뉴딜 사업과 더불어 국내에서 새롭게 시작되는 다양한 머신비전 산업의 선두에 있으며, 글로벌 시장에서도 상위 그룹에 속하는 기술력을 보유하고 있다”고 호언했다.

최근 한국지능정보사회진흥원(NIA)은 ‘세계가 주목하는 AI 스타트업’ 보고서를 통해 글로벌 AI 기업들의 성장 전략과 비즈니스 사례들을 분석한 결과를 토대로 국내 기업 중 라온피플을 가장 선두자리에 앉혔다. 다양한 산업에 적용 가능한 패키지화된 제품을 개발했으며, AI 솔루션의 확대와 글로벌 시장 진출을 통해 새로운 시장을 개척한 점을 높게 평가했다. 아울러, NIA는 지난해 AI 관련 8건의 특허를 등록하는 등 총 22건의 특허 등록을 필두로 스마트팩토리와 스마트라이프 분야 혁신의 최선두에 서 있다고 언급하는 등 녹록치 않은 세계 무대에서 될성부른 토종 기업으로 내다봤다. 

범용적인 AI 솔루션 보급에 박차

윤 상무는 “인공지능 검사는 많은 연산량을 필요로 하기 때문에 하드웨어 비용이 상당히 높아지게 되므로 머신비전 영상에 최적화해 속도와 정확도를 모두 잡는 솔루션인가를 판가름해야 한다. 이점에서 GPU 없는 소형 PC 에서도 실시간 양불 판정 검사를 진행할 수 있는 NAVI AI가 부각된다”고 밝혔다.

라온피플은 하드웨어 솔루션 부분도 고도화하는데 역량을 집중하고 있다. 라온피플은 PCB 소프트웨어로 시작해 업체의 요청으로 자동화 검사기 하드웨어를 독자적으로 개발해 납품한 전례가 있을 만큼 시장에서 기술력을 인정을 받아 왔다. 하드웨어 카메라 같은 경우 초고해상도 고부가가치를 내는 분야를 겨냥하고 있다. 

자동화 검사기에는 AI 검사 방식이 최적의 결과를 낼 수 있게 할 광학계 구조가 관건이다. 일례로 당사의 PCB 검사기는 작업자가 현미경으로 보면 시스템과 동일한 기능의 광학 시스템을 구축하고 AI가 성능을 극대화 할 수 있도록 영상을 수집한다.

한편, 라온피플은 솔루션의 정확도, 속도는 기본이고 이용자들의 문턱을 낮추는데 심혈을 기울이고 있다. 제조현장의 도메인 관리자가 손쉽게 사용할 수 있도록 AI 솔루션이 나와야 머신비전이 속도감 있게 현장에 안착할 수 있다. 

라온피플은 전문가뿐 아니라 제조 현장에 있는 생산 작업자들도 손쉽게 사용하도록 데이터 선정, 레이블링 후 학습해 성능 평가하는 과정을 시스템화 하고 있다.

윤 상무는 “좋은 AI 솔루션인가 여부를 판단하는 척도는 크게 기존 검사 부문, 연산, 정확도로 구분된다. 특히, 원하는 제품을 생산하는 제조 담당자 전문가와 AI 전문가가 섞일 수 있는 부분이 필요하다. 솔루션을 계속 유지하기 위해서는 비전문가도 스스로 관리를 할 수 있는지 여부에 달렸다. 라온피플은 그 부분에 집중하고 있다”고 설명했다. 

한편, 데이터가 경쟁력인 시대, 데이터가 처음 들어올 때부터 옥석가리고 학습기와 연동 잘되고 학습기가 만든 결과를 기존 데이터와 비교해 정의하는 등 물 흐르듯이 데이터를 관리할 수 있도록 가이드하겠다는 복안이다. 라온피플은 솔루션을 현장에 보급하며 얻은 인사이트는 비용과 시간이라며 사용자의 입장을 더 생각하고 있다. 

AI 데이터 관리 시스템(ADAMS)은 검사 알고리즘, 머신비전 하드웨어 광학계 뿐 아니라 데이터의 중요도에 기반해, AI 검사기의 성능을 최적화 할수 있도록 저장, 레이블링, 학습, 검사까지 통합한 시스템이다. AI를 학습시키려면 데이터가 필요하다. 현장에서는 하루에도 수십 수백 만 데이터가 나오는데 이것들을 대폭 줄여서 선별된 이미지를 사용자에게 우선순위를 정해 가시화한다는 계획이다. 라온피플은 데이터 수집, 레이블링 등 작업자의 업무량을 감소시키고 AI 학습에 효과를 낼 수 있는 데이터를 선정해 주는 방식으로 AI를 운영하는 과정상에서 발생하는 고객들의 수고도 덜어내는데 노력을 경주하고 있다.

최정훈 기자 다른기사 보기