Kwon & Company
R&D 전체

R&D · 제조 라인

권앤컴퍼니 자체 R&D 프로젝트

비전 모델 기반 불량률 모니터링

라인 카메라 이미지를 비전 모델이 실시간으로 판정해 불량 증가 시점을 바로 탐지하는 불량률 모니터링의 도입 효과, 추론 위치 선택, 도입 전 주의 사항을 정리한 가이드입니다.

YOLOv11AnomalibONNX RuntimeNVIDIA JetsonFastAPIGrafana
비전 모델 기반 불량률 모니터링

로트의 불량 증가를 현장에서 확인할 때는 이미 불량 제품 수백 개가 라인을 지나간 뒤인 경우가 많습니다. 사후 샘플 검사로는 불량이 늘어나기 시작한 시점을 파악하기 어렵습니다.

비전 모델 기반 불량률 모니터링은 라인 카메라가 촬영한 이미지를 모델이 실시간으로 판정해 불량이 늘기 시작한 시점을 바로 탐지하는 시스템입니다. 검사원의 육안에 의존하던 품질 관리가 전수 판정과 실시간 데이터 중심으로 바뀝니다.

도입을 검토하는 담당자를 위해 도입 후 달라지는 점, 추론 위치, 도입 전 주의 사항을 검토 순서대로 정리한 가이드입니다.

도입 후 달라지는 점

도입 검토는 업무가 실제로 달라지는지 확인하는 데서 시작합니다. 현장에서 자주 보고되는 변화는 다음 5가지입니다.

불량 발견 시점. 도입 전에는 로트가 끝난 뒤 샘플 검사에서 불량 증가를 발견하는 경우가 많습니다. 도입 후에는 불량이 늘기 시작하는 시점에 실시간 경보가 발생하므로 대응 단위가 로트에서 개별 건으로 바뀝니다.

검사 커버리지. 육안 검사는 표본 일부만 확인할 수 있습니다. 카메라와 모델이 판정하면 라인을 지나는 모든 제품이 자동 판정 대상이 됩니다.

판정 일관성. 사람이 판정하면 검사원과 교대조에 따라 기준이 달라지기 쉽습니다. 모델은 같은 기준으로 판정하므로 로트 간 비교가 가능한 데이터가 남습니다.

원인 추적. 불량 증가 원인을 회의로 추적하면 며칠이 걸리기도 합니다. 판정과 함께 불량 유형과 위치 통계가 바로 쌓이므로 원인 후보를 즉시 좁힐 수 있습니다.

검사원의 업무. 인력은 그대로 필요하고 업무 내용이 바뀝니다. 반복적인 육안 검사 대신 경보 확인, 예외 판단, 판정 기준 개선 같은 판단 업무가 중심이 됩니다.

판정 처리 흐름

시스템 구조는 제품 1개가 카메라를 지나 판정과 경보에 이르는 흐름을 따라 검토합니다. 정상 제품은 카운트만 누적하고, 불량 의심 건만 담당자에게 알리는 구조인지 확인합니다.

다이어그램을 그리는 중

추론 위치 선택

같은 모델이라도 추론 위치에 따라 반응 속도와 운영 부담이 달라집니다. 가장 먼저 확인할 기준은 라인에서 허용하는 지연 시간입니다.

다이어그램을 그리는 중

밀리초 단위의 반응이 필요한 고속 라인은 엣지 추론을 우선 검토하는 것이 일반적입니다. 운영 편의와 모델 갱신 주기가 더 중요하다면 클라우드 추론을, 두 조건의 절충이 필요하다면 온프렘 서버를 검토합니다.

도입 전 점검 사항 3가지

학습에 없던 새 불량 유형. 분류 모델은 학습 데이터에 있는 불량만 탐지할 수 있습니다. 정상 패턴만 학습한 이상탐지(anomaly detection)를 함께 적용해, 알려진 불량은 분류하고 새로운 불량은 이상으로 탐지하는 이중 구조를 갖추는 것이 안전합니다.

촬영 환경의 변화. 조명, 렌즈, 제품 색상이 바뀌면 모델 정확도가 크게 떨어집니다. 모델 개선에 앞서 촬영 환경을 먼저 표준화해야 합니다.

오검과 경보 피로. 정상 제품을 불량으로 판정하는 오검이 잦으면 현장에서 경보를 끄게 됩니다. 임계값은 처음에 높게 설정하고, 현장 피드백을 반영해 단계적으로 낮춥니다.

기존 머신비전 검사기와의 관계

많은 공장에서 룰 기반 머신비전 검사기를 이미 운영하고 있어, 검토 단계에서 추가 도입이 필요한지에 대한 질문이 나옵니다. 두 시스템은 담당하는 판정 영역이 서로 다릅니다.

기존 검사기는 치수가 규격 안에 있는지처럼 미리 정한 규칙을 빠르게 검사합니다. 딥러닝 비전 모델은 여기에 정상 제품과 미세하게 다른지 판정하는 기능을 더해, 스크래치, 얼룩, 변색처럼 규칙으로 정의하기 어려운 외관 불량과 학습에 없던 새 유형까지 탐지합니다. 기존 설비는 그대로 두고 판정 계층을 추가하는 구조이므로 설비 교체를 전제로 검토할 필요는 없습니다.

성과 지표 4가지

도입 성과는 다음 4가지 지표로 측정하기를 권장합니다.

미검출률. 탐지하지 못한 불량의 비율입니다. 육안 검사 대비 절반 이하로 낮아지면 다른 라인으로 확대 적용을 검토할 수 있습니다.

오검률. 정상 제품에 경보가 발생한 비율입니다. 5% 미만으로 유지해야 현장에서 경보를 계속 신뢰합니다.

불량 인지까지 걸리는 시간. 로트 단위(수 시간)에서 분 단위로 내려왔는지를 확인합니다.

검사 인력 시간. 단순 육안 검사에 쓰던 시간이 어떤 업무로 옮겨갔는지 확인합니다. 그 시간의 절반이 예외 분석 같은 판단 업무로 전환되었다면 인력 재배치가 계획대로 진행되고 있는 것으로 봅니다.

도입 첫 단계

사내에서 직접 시작하는 경우 라인 1개와 불량 유형 1개를 선택해 촬영 환경을 표준화하는 작업부터 진행할 수 있습니다.

같은 분야의 다른 예시

R&D 프로젝트 문의

업종과 과제, 일정을 알려 주시면 유사 사례와 함께 회신드립니다.