제조 산업에서 다양하게 사용되는 ‘컴퓨터 비전(CV)’의 8가지 활용 사례
컴퓨터 비전(CV)은 제조 산업에서 다양한 용도로 사용된다. 전체 제조 수명 주기는 제품 설계에서 물류 및 해체 작업에 이르기까지 CV 기반 자동화 및 분석의 혜택을 받고 있다.
8가지 주요 활용 사례는 <그림1>을 보면 자세히 알 수 있는데, 그것은 △ 제품 디자인 (Product Design) △ 제품 제조(Product Manufacturing) △ 생산 라인(Production Lines) △ 운영 안정성(Operation Safety) △ 품질 관리(Quality Control) △ 포장(Packaging) △ 로지스틱스(Logistics) △ Dismantling(해체/분해) 등 8가지이다.
<그림1> 이미지출처: ENCORD(www.encord.com)
1. 제품 디자인(Product Design)
<그림2> 현대의 Elevate 프로젝트
• 자동차 디자인: 현대의 New Horizons Studio는 컴퓨터 비전 모델과 통합된 CAD를 사용하여 Elevate를 설계하여 더 쉬운 프로토타입을 만들었다. Elevate는 다양한 지형 탐색을 위한 다리가 달린 자동차이다. 향상된 경량 내구성으로 구조대가 위험 지역에 도달하는 데 이상적이다. 또한 이동에 어려움이 있는 사람들을 도울 수도 있다.
• 장난감 디자인: Moose Toys의 Magic Mixies는 Fusion 360을 사용하여 설계 및 프로토타입을 제작했으며, 생성적 설계 서비스를 통합했다. Fusion 360을 활용하여 팀은 3~4개월 이내에 개념을 기능적 프로토타입으로 빠르게 전환했다. 초기 Magic Mixies의 설계 및 제조는 18개월 만에 완료되어 출시됐다.
• 신발 및 의류 디자인: 신발 회사 New Balance 는 증강 현실(AR)을 사용하여 디자이너가 3D 환경에서 아이디어를 표현하고, 디자인 워크 플로의 커뮤니케이션을 개선하고, 효과적이지 않은 부분을 빠르게 반영할 수 있도록 돕는 3D 디자인 및 프로토타입 플랫폼인 Gravity Sketch를 사용했다.
• 산업 디자인: FARO RevEng 소프트웨어는 강력한 디지털 설계 경험을 제공하여 사용자가 3D 좌표계의 점 집합에서 메시와 CAD 표면을 만들고 편집할 수 있도록 한다. 이는 산업 디자이너가 역엔지니어링 워크플로(레거시 또는 프로토타입 부품에서 누락된 CAD 파일 생성)를 수행하고 추가 설계 또는 3D 인쇄를 위한 메시 모델을 제공한다.
2. 제품 제조(Product Manufacturing)
• 자동차 공학: Ford는 협업 설계에 가상 현실(VR)을 사용하는 선도적인 제조업체 중 하나이다. 전기 분배 소프트웨어의 혁신은 에너지 관리의 경계를 넓히고 지속 가능한 미래를 위한 운영을 간소화한다. 그들은 Microsoft HoloLens를 사용하여 디자이너와 엔지니어가 자동차 설계에서 원활하게 협력할 수 있도록 한다. 또 다른 응용 분야에서 General Electric(GE) 과학자들은 컴퓨터 비전을 3D 프린터에 통합하여 기계가 대형 자동차 부품을 제작하는 동안 검사할 수 있게 하여 시간이 많이 걸리는 생산 후검사의 필요성을 없애고 있다.
• 농업 효율성: 싱가포르에 본사를 둔 Singrow는 프리미엄 품질의 야채와 과일을 보장하기 위해 AI 기반 로봇을 포함한 솔루션을 제공한다. 이 로봇은 꽃과 익은 딸기를 인식, 식별 및 선택하도록 프로그래밍되어 수분 효율을 높인다. Singrow의 실내 농장은 기존 딸기 농장보다 40% 더 에너지 효율적이며 수확량이 20% 더 높다.
또 다른 제품인 Blue River의 See & Spray는 딥러닝과 머신 비전을 사용하여 작물과 잡초를 구별한 다음 잡초에만 화학 물질을 뿌린다. 그 결과 Blue River는 제초제 사용을 최대 80%까지 줄였다.
• 섬유 생산: Tianyuan Garments는 최신 인력인 sewbots를 도입하여 기존 의류 제조를 혁신하고 있다. 이 기술은 로봇이 소재를 재봉틀에 통과시키는 동안 작은 카메라를 사용하여 부드러운 원단을 매핑한다. Tianyuan Garments는 22초마다 티셔츠 한 장을 만드는 완전 가동 생산 공정을 목표로 하며, 티셔츠 한 장당 운영 비용을 33% 절감하면서 매일 80만 장의 티셔츠를 생산한다.
• 철강 산업: 코봇은 철강 제조업체가 용접작업을 수행할 수 있도록 한다. 2022년에 Universal Robots(UR)는 용접 채널 애플리케이션을 80%이상 늘렸다고 한다. 철강 제조업체인 Raymath 는 UR 로봇 용접기 4대를 사용하여 생산성을 4배 높였다.
또한 생산에서 포괄적인 자재 추적을 보장하려면 강철 막대 및 기타 제품의 ID 코드, 일련 번호 또는 부품 번호를 검증해야 한다. SLR Engineering은 튜브 생산에 사용되는 강철 막대 표면의 코드를 99.90% 이상의 정확도로 안정적으로 식별할 수 있는 OCR 시스템을 구현했다.
3. 생산 라인(Production Lines)
• 결함 검사: Foxconn Technology Group은 CV를 사용하여 결함을 검사하는데 있어 효율성과 정확성을 보장하는 FOXCONN NxVAE를 출시했다. 이 제품은 제조 생산 라인에서 가장 흔한 13가지 결함을 오류 없이 감지할 수 있다. 또 다른 예로는 20개 이상의 카메라로 차량을 스캔하여 수동 검사보다 40% 더 많은 결함을 찾아내는 볼보의 Atlas 컴퓨터 비전 시스템이 있으며, 사이클당 5~20초가 소요된다.
<그림3> Foxconn NxVAE에 적용된 자동화 생산 라인
• 압축기 조립: 독일 자동차 제조업체인 Opel은 UR10코봇을 사용하여 에어컨 압축기를 엔진 블록에 나사로 고정한다. 직원들에게는 인체공학적으로 어려운 작업이었지만, 이제는 생산 라인에서 코봇이 처리한다.
• 자동화된 생산: Lion Electric은 전기 자동차용 배터리를 제조 한다. Lion Electric 제품에 대한 수요가 급증함에 따라, 그들은 FANUC 로봇과 기타 자동화 장비를 생산시설에 통합했다. 팀은 컴퓨터 비전을 사용하여 시스템을 확장하여 완전 자동화된 솔루션을 제공했다. 이 스마트 시스템을 통해 Lion은 운영 비용을 통제하는 동시에 생산을 원활하게 늘릴 수 있다.
4. 운영 안정성(Operation Safety)
2020년에 4764명의 미국 근로자가 직장에서 사망했다. 이 사망자의 거의 절반이 △ 운송 및 자재 이동 직업(사망자 1282명) △건설 및 채굴 직종(사망자 976명)등 위험한 직업에서 발생했다. 컴퓨터 비전을 활용하면 제조업체는 고위험 구역을 모니터링하고, 안전하지 않은 행동을 식별하고, 비상 대응을 개선하여 근로자의 안전과 보안을 개선할 수 있다.
• 자세 감지: TuMeke는 CV 기반 인체공학적 위험 평가 플랫폼을 만들었다. 사용자는 상자 들어올리기와 같은 다양한 창고 활동의 스마트폰 비디오를 녹화한다. 그런 다음 플랫폼은 안전하지 않은 자세를 식별하는 위험 요약을 생성한다.
• 피로 감지: 장거리 트럭 운전 중 피로 징후를 감지하고 운전자의 안전을 높이기 위해 Cipia는 △ 졸음과 주의 산만 운전의 징후를 감지하는 Driver Sense △ 자세, 안전벨트 등을 감지하여 승객의 안전을 보장하는 Cabin Sense 등의 CV 기반 운전자 모니터 링, 점유 모니터링 및 감지 솔루션을 제공한다.
• 격리 누출 감지: Dow Chemical은 컴퓨터 비전과 사물 인터넷 (IoT) 솔루션을 사용하여 생산 환경 내에서 잠재적인 격리 누출을 감지하여 안전 관련 사고를 줄이는 목표를 달성했다. 그들은 개인 보호 장비(PPE) 감지 및 입구 게이트 모니터링을 처리하기 위해 물체, 사람 및 키 프레임을 감지하는 AI 적용 서비스인 Azure Video Analyzer를 사용했다.
• 스마트 건설 현장: Komatsu와 NVIDIA는 작업 현장 근로자의 운영 안전과 생산성을 개선하기 위해 스마트 건설 현장을 도입했다. 드론은 건설 현장의 이미지를 수집한다. CV 모델은 NVIDIA의 Jeston Nano GPU로 구동되는 엣지에서 실행된 다음 이러한 이미지를 분석하여 현장 상태를 실시간으로 표시한다.
• 운영 안전: Ford와 Bosch가 Mustang Mach-E 기술자 교육에 가상 현실(VR)을 통합하면서 운영 안전성을 향상시켰다. VR 도구는 고전압 시스템을 시뮬레이션하여 실습 교육의 필요성을 최소화하고 잠재적 위험을 줄인다. 게다가 위치에 구애받지 않는 교육을 통해 기술자는 보다 안전한 운영 환경에서 작업할 수 있다.
5. 품질 관리(Quality Control)
품질 관리가 제조에서 중요한 프로세스인 이유는 고품질 제품이 비용을 절감하고 브랜드 평판을 높여 잘 설계된 프로세스를 반영하기 때문이다. 연구에 따르면 생산 중단 비용은 분당 약 2만 2000달러로 매우 높다. 따라서 최종 제품에 대한 강력한 검사를 통해 제조업체의 품질 및 일관성 기준에 부합하는지 확인한다.
• 제약품 품질 관리: 영국에 본사를 둔 Pharma Packaging Systems는 정제 계산 및 품질 검사를 위한 CV 기반 솔루션을 도입했다. 그들은 CV 알고리즘을 사용하여 올바른 치수와 색상에 대한 정제 이미지를 처리하고 프레임내에서 정제 발생을 계산한다. 결함이 있는 정제는 생산라인에서 자동으로 거부된다.
• 자동차 원단 검사: 자동차 원단의 수동 검사는 검사 수준이 일정하지 않고 처리 속도가 제한적이기 때문에 어렵다. 영국의 자동차 원단 생산업체는 자동 섬유 검사 시스템인 WebSpector를 도입하여 이 과제를 해결했다. 이 시스템은 다양한 조명 조건, 최첨단 카메라, 이미징 소프트웨어를 통합하여 미묘한 결함을 감지하고 분류한다.
• 식품 검사: 3D 비전 시스템은 식품 포장의 부품 유무를 검사할수 있다. 예를 들어, Cognex의 In-Sight 3D와 같은 3D 비전 시스템은 깊이감을 제공하여 패키지의 부피를 확인한다.
<그림4> Cognex In-Sight-3D를 사용한 포장 검사
• 자동차 품질 관리: FANUC은 로봇에 부착된 카메라를 활용하는 ZDT(Zero Down Time)라는 소프트웨어 프로그램을 사용한다. 이 시스템은 이미지와 메타데이터를 수집하여 처리를 위해 클라우드로 전송한다. 잠재적인 문제가 발생하기 전에 효과적으로 식별한다. 6개 대륙의 38개 자동차 공장에서 18개월 동안 파일럿을 실시하여 7000대의 로봇에 적용한 결과, 이 솔루션은 72개의 구성 요소 오류를 감지하고 방지했다.
6. 포장(Packaging)
기업은 제품 소매 가격의 10~40%를 포장에 사용한다. 시각적 매력 외에도 포장은 보호, 안전 및 사용성을 제공한다. 포장 산업에서 컴퓨터 비전은 더 나은 정확도를 제공하고, 비용을 낮추고, 리소스를 확보한다.
• 창고 자동화: Amazon 창고의 첫 번째 로봇 시스템인 Amazon Sparrow는 컴퓨터 비전과 AI를 활용하여 재고의 개별 제품을 처리한다. 2021년에 Amazon 기술의 도움을 받은 전 세계 Amazon 직원들은 약 50억 개의 패키지를 처리했다. 또 다른 예인 Cardinal은 효율적인 패키지 선택, 라벨링 및 다음 단계를 위한 GoCart에 배치를 위해 고급 AI와 컴퓨터 비전을 사용하는 로봇 작업 셀이다.
• 픽앤플레이스 로봇: DHL Parcel과 로봇 통합업체 AWL은 협업 하여 무작위로 배치된 팔레트에서 소포를 집어 분류 설비의 컨베이어 벨트에 놓도록 설계된 로봇 애플리케이션을 만들었다. 이 혁신적인 솔루션은 AI 비전과 그립 기술을 통합하여 로봇이 다양한 크기와 무게의 패키지를 처리할 수 있도록 한다. 최대 31.5kg을 들어 올리고 시간당 800개의 소포를 처리할 수 있는 이 로봇은 이전에 사람이 수행하던 작업을 자동화한다.
• 트레이 개수 모니터링: 타이슨푸드는 포장된 닭고기 트레이 수를 정확하게 모니터링하는 데 어려움을 겪었고, 이는 재고 관리의 비효율성으로 이어졌다. 타이슨푸드는 AWS와 협력하여 닭고기 트레이 수를 세기 위한 컴퓨터 비전(CV) 기술을 구현했다. 이 솔루션은 닭고기 트레이를 실시간으로 정확하게 세는 기능을 제공했다.
<그림5> 타이슨, AWS와 협력해 CV를 활용한 카운팅 솔루션 구축
7. 로지스틱스(Logistics)
2010년대 초, Amazon은 물류 분야에서 컴퓨터 비전을 개척하여 자율 주행 및 품목 검색을 위해 Kiva Systems 로봇을 물류 센터에 통합했다. 나중에 Amazon Rekognition과 같은 서비스는 Kiva Systems의 영향을 받아 제조에서 품질 보증 및 운영 효율성을 개선했다.
• 비전 피킹: DHL은 창고 시범 프로젝트에서 증강 현실 (AR)을 성공적으로 구현하여 비전 피킹을 위한 스마트 안경을 활용했다. Ricoh 및 Ubimax와 협력하여 직원들은 작업 정보를 보여주는 헤드 마운트 디스플레이를 착용하여 피킹 효율성을 25% 향상시켰다. 창고 직원은 2만개의 품목을 픽업하고 9000개의 주문을 처리할 수 있었다.
• 패키지 관리: WeWork는 우편실에서 패키지 관리에 상당한 어려움을 겪었다. 그들은 PackageX의 OCR 및 CV 솔루션을 통합하여 텍스트, QR 코드 및 바코드를 읽어 처리 시간을 85%로 단축했다.
8. Dismantling(해체/분해)
분해는 비파괴적 방법을 통해 제품의 구성 요소를 안전하게 분리하는 것을 말한다. 제조업체는 구조물을 안전하게 분해하고 환경 보호, 비용 절감 및 재료 처리에 집중해야 한다. 컴퓨터 비전은 제조업체가 해체 과제를 극복하는 데 도움이 된다.
• 로봇 분류: AMP Robotics는 분당 160개라는 인상적인 속도로 효율적으로 재료를 분류하기 위해 두 대의 고성능 로봇을 사용하는 AI유도 시스템을 출시했다. AMP Neuron 플랫폼은 컴퓨터 비전과 머신 러닝을 사용하여 정밀한 픽앤플레이스 작업에서 색상, 질감, 모양, 크기, 패턴과 같은 재료 특성을 식별한다.
• 모바일 부품 재활용: Apple의 분해 로봇인 Daisy는 9개의 iPhone 버전에서 귀중한 소재를 효율적으로 추출하여 재활용을 위해 고품질 부품을 분류한다. Daisy는 최대 200개의 iPhone을 처리할수 있다. 시간당으로 기존 재활용 방식으로는 회수할 수 없는 구성 요소를 추출하고 분류하여 더 높은 품질을 보장한다.
• 목재 재활용: 유럽에서 세 번째로 큰 패널보드 생산업체는 TOMRA 재활용 분류의 고급 X선 투과 및 심층 학습 목재 분류 솔루션을 활용한다. CV 모델은 고유한 물체 특성과 컨베이어 벨트로 운반되고 센서로 스캔되는 물체를 분류하는 방법을 더 잘 이해하는 데 도움이 된다. 이를 통해 가공되지 않은 목재의 고성능 및 안정적인 분리가 보장되어 최대 50%의 재활용 함량이 있는 목재 제품 생산에 기여한다.
• 건설 폐기물 재활용: 전 세계적으로 건물 및 인프라 프로젝트는 상당한 양의 대형 건설 및 철거(C&D)폐기물을 발생시켜 유럽 전체 폐기물의 3분의 1이상을 구성한다. 세계에서 강력한 재활용 로봇으로 인정받는 ZenRobotics Heavy Picker는 최대 30kg 무게의 목재, 플라스틱, 금속 및 불활성 품목과 같은 재료를 처리하여 무거운 C&D 폐기물을 효율적으로 분류한다. 이 무인 로봇은 연속 분류를 위해 24시간 연중무휴로 작동할 수 있다.
<그림6> 재활용 로봇 ZenRobotics
자료제공: Encord(www.encord.com)
