[인더스트리뉴스 이건오 기자] 제조업에 있어 작업자가 생산공정 내 제품의 상태를 보고 판단하는 작업인 ‘검사’는 매우 중요한 요소다. 최근 반도체, 디스플레이, 이차전지 등 기술집약적인 제품 양산 과정에서 이 ‘검사’는 머신비전을 통해 자동화되고 있으며, 인공지능(AI)이나 딥러닝으로 더 고도화되고 있는 상황이다.
최근 전기차 시장의 급성장과 함께 핵심 부품이라고 할 수 있는 이차전지 시장에 대한 관심이 뜨겁다. 매일 엄청난 양의 이차전지가 생산되고 있지만 시장의 수요를 따라가지 못하고 있다. 이러한 시장 상황에서 생산공정 핵심 요소 중 하나인 검사를 얼마나 정밀하고 빠르게 처리할 수 있는지가 경쟁력이 되고 있다.
아이브(AiV) 성민수 대표는 제조업 생산공정에서 자동화가 가장 취약한 곳은 검사 부분이라고 단언했다.
성 대표는 “제조업 현장에 가보면 자동화가 많이 돼 있지만 여전히 사람이 개입해서 하는 공정이 많다”며, “특히 검사 부분에서 육안으로 하는 검사가 많은데 비정형 불량 검사는 대부분 사람이 하고 있다”고 언급했다.
이어 “육안검사는 비용이 높고 일정한 품질 관리가 어려워 머신비전이 대체하고 있으나 명확한 기준 설정이 있어야만 하는 실정”이라며, “AI 기반의 딥러닝 기술을 통해 비정형 검사를 자동화할 수 있도록 지원하고 있다”고 설명했다.
딥러닝 검출 알고리즘 통해 비정형 검사 자동화
아이브는 자체 개발한 딥러닝 검출 알고리즘을 하드웨어 장비에 탑재해 제조업 고객사들의 불량 검출을 자동화하는 솔루션 공급에 주력하고 있다.
성 대표는 “인공지능신경망 개발 및 고도화, 비전 및 장비 제어 SW팀, 하드웨어 및 광학 설계팀, 라벨링팀과 현장 엔지니어링팀까지 모두 인-하우스로 운영하면서 토털솔루션 제공을 지향하고 있다”며, “향후 검사 자동화뿐만 아니라 딥러닝 컴퓨터 비전으로 공정 데이터 관리, 이상 감지, 보안 등 많은 산업 현장의 문제를 해결하는 것이 아이브의 비전”이라고 소개했다.
최근 머신비전 산업에서 주목하고 있는 이차전지 시장은 지속적인 성장이 전망되고 있어 아이브도 적극적으로 참여하고 있다. 특히 팩, 케이스, 하우징이라고 불리는 생산공정에서의 불량 검출과 검사에 가시적인 성과를 내고 있다.
이차전지가 안전하게 기능을 발휘하기 위해서는 그 하우징 제품 역시 매우 중요하다고 언급한 성 대표는 “주로 알루미늄 소재로 생산되는 엔드플레이트, 유프레임, 그리고 탑플레이트가 이차전지를 감싸는 하우징 부품들이라고 볼 수 있다”며, “이러한 하우징 부품들은 서로 레이저 용접이 돼야 하는데 용접면에 기포와 같은 불량이 있을 경우, 용접 불량, 심지어 폭발의 리스크까지 있다”고 말했다.
성 대표는 “반면에 알루미늄 다이캐스팅 제품은 공정 특성상 기포, 찍힘, 흑피, 블리스터 등의 외관표면 불량이 많이 발생되는데, 이에 대한 검사를 200~300%의 육안 검사에 의존하고 있는 상황”이라며, “아이브는 2021년에 엔드플레이트 제품의 딥러닝 자동화 검사 장비를 개발해 성공적으로 양산 적용이 됐다. 2022년에는 협력사들을 대상으로 장비의 수평 전개를 진행하고 있을뿐더러, 엔드플레이트의 상대물이 되는 유프레임과 탑플레이트까지 프로젝트 검토를 진행하고 있다”고 전했다.
현장 맞춤형 토털솔루션 제공... 스마트팩토리 지원
산업현장의 기준을 충족하는 검출력을 위해서는 검출 알고리즘의 성능, 최적 광학계 설계, 고객 현장에 맞춤화된 하드웨어 조건이 필수다. 아이브는 세계최고 수준의 딥러닝 기반 검사 알고리즘으로 이를 자동화·무인화하고 생산 및 불량 데이터의 축적 및 관리를 가능케해 스마트팩토리화를 지원하고 있다.
성 대표는 “자체 개발한 검사 알고리즘(인공신경망)은 산업 소재부품업 검사에 특화됐다”며, “아이브는 이를 양산 적용에 성공한 극소수의 딥러닝 플레이어 중 하나”라고 언급했다.
이어 “특히 고객사 제조 현장 상황에 따라 소프트웨어와 하드웨어 장비를 맞춤형으로 공급하고, 정밀한 광학계 엔지니어링을 통해 고객들이 현장에서 실사용하고 가치를 느낄 수 있도록 제작해 공급한다는 것이 아이브의 경쟁력이고 차별점”이라고 말했다.
맞춤형 장비 및 설비와 관련해 고객사가 요구하는 주요 기술트렌드에 대해 답한 성 대표는 “고객사 별로 모두 다른 생산 현장을 보유하고 있다”며, “제품이 개당 생산되는 시간, 즉 싸이클 타임을 비롯해 제조 환경의 유분, 온도, 진동 등의 많은 변수 요소가 있다”고 설명했다.
이어 “최상의 검출력을 위해서는 고객사별 현장에 맞춤화된 장비가 필요하다”며, “아이브에서는 각 환경에 최적화된 솔루션, 즉 하드웨어, 광학계, 소프트웨어까지 모두 턴키로 담당함으로써 고객사의 생산현장에서 요구하는 검출력을 달성할 수 있는 것”이라고 전했다.
한편, 아이브는 필드 엔지니어팀을 내부적으로 운영함으로써 설비의 안정화 및 A/S를 직접 관리하고 있다. 또한 새로운 불량 발생 등 모델의 업데이트가 필요할 경우, 아이브의 딥러닝팀에서 직접 대응하고 있다.
확신을 갖고 큰 바다로 나아갈 것
성 대표는 머신비전 시장을 선점하고 있는 많은 기업들이 있지만 아직 초기시장이라고 진단했다. 더불어 아이브가 지향하고 있는 딥러닝 기반의 머신비전 시장에 대한 확신을 주제로 이야기를 나눴다.
비유를 통해 다가올 머신비전 시장에 대해 말한 성 대표는 “머신비전 시장은 이제 조그만 고기잡이 배를 만들어 바다 연안에서 고기잡이를 시작하는 정도”라며, “잠재적인 시장은 태평양, 대서양, 인도양과 같은 큰 바다가 있는 곳과 같다. 완전히 미개척지다”라고 전했다.
이어 “태평양의 물고기를 배 하나가 다 낚을 수 없는 법”이라며, “큰 바다에 많은 기회가 있을 것이고 지금은 차이가 날 수 있지만 미래에는 누가 더 많은 물고기를 잡을지 모를 이야기다”라고 덧붙였다.
기술 스타트업은 불확실성에 대한 부분을 자기만의 확신으로 이뤄가는 게 필요하다고 언급한 성 대표는 “좋은 아이디어를 구현할 수 있는 좋은 사람들을 모으는 것, 그리고 고객만족을 통해 신뢰를 쌓아가는 것이 성장의 비결이 될 것”이라고 말했다.
고객만족 언급에 덧붙여 말을 이은 성 대표는 “첫 번째 고객이 만족을 하면 우리를 다시 찾고, 또 다른 비즈니스로 이어지는 결과가 된다”며, “B2B 특성상 전환비용에 대한 리스크가 있어 기존 공급기업에 대한 이탈이 어려우나, 그럼에도 불구하고 제품의 만족도를 위해 새로운 의뢰가 있고 이를 만족시키면 앞서 언급한 비즈니스가 이뤄진다”고 성장 이유를 설명했다.
아이브는 지난해 딥러닝 기술에 대한 시장 입증과 주요 고객사 레퍼런스를 확보하는데 주력했다. 특히, 주요 중견 자동차부품 제조업체들과 성공적인 양산 프로젝트를 통해 업계 내 거의 불가능하던 외관표면의 정밀 불량 검출을 딥러닝으로 자동화에 성공할 수 있다는 것을 입증했다.
2022년에는 자동차 부품업 내 타 고객들을 확보하며 전기전자, 소비재 등 다양한 산업군으로 확대 및 VAD(Video Anomaly Detection)나 3D 계측(Metrology)과 같은 지속적인 기술 개발을 통해 국내 제조업 전반의 스마트팩토리 시장으로 확대하고, 해외시장 진출도 계획하고 있다.
성 대표는 “현재 국내 제조 현장에서 양질의 데이터가 창출되거나 관리되지 못하고 있는 현실을 개선하기 위해 아이브는 제조사들의 생산 및 불량 데이터를 축적하고 관리할 뿐만 아니라, 이를 통해 향후 고객사에게 더욱 많은 부가가치를 창출할 수 있는 서비스를 계획하고 있다”고 밝혔다. 이어 “아이브의 딥러닝 검사 알고리즘을 많은 고객사들이 경험해볼 수 있도록 클라우드로 배포하는 것도 계획하고 있다”고 덧붙였다.
