이차전지 제조 라인에서는 분당 60개 이상의 배터리가 쏟아져 나옵니다. 그런데 고해상도 CT 검사 장비는 한 개 제품을 검사하는 데만 수 분이 걸리고 양산 라인 속도를 맞추기 어렵습니다. 그리고 양산 속도를 따라가지 못하는 검사 장비 때문에 샘플링 검사로 진행하다 보면, 불량품이 그대로 출하되는 리스크가 발생하죠.
완성차 조립 라인도 마찬가지입니다. 사람이 조립하는 과정에서 볼트 체결이나 배관 연결을 놓치면 최종 완성품 전체가 불량이 되는 거예요.
특히 고부가가치 제품일수록 이 문제는 더 심각합니다. 이차전지 하나의 불량이 전기차 전체의 안전 문제로 이어질 수 있고, 반도체 칩 하나의 결함이 최종 전자제품의 성능 저하를 초래합니다. 따라서 제조업체들은 전수검사를 원하지만, 현실적으로 검사 속도가 이를 허용하지 않습니다.
결국 샘플링 검사와 불량 유출 리스크 사이에서 고민할 수밖에 없는데요.
이런 문제를 해결하기 위해 제조업은 AI 제품에 주목하고 있습니다. AI 기반 품질검사 시장은 2017년부터 검토가 시작되어 2019년부터 본격적으로 양산 라인에 적용되기 시작했어요. 초기에는 이차전지, 반도체, PCB 같은 고부가가치 제품에 집중됐지만, 이제는 식품이나 포장재까지 적용 범위가 확대되고 있죠.
시장조사기관에 따르면 AI 제품 검사 시장은 2028년까지 연평균 25% 성장하며 약 1.2조원 규모에 달할 것으로 전망됩니다.
이미지 기반 AI 제품으로 검사 시간 100배 단축하기
슈퍼 레졸루션 기술로 하드웨어 한계를 극복한 AI 제품
이차전지 내부 상태를 확인하는 CT 검사는 배터리 안전성을 결정하는 핵심 검사입니다. 젤리롤이라 불리는 양극과 음극 적층 부품의 극판 개수, 오버행, 구부러짐 등을 정밀하게 검사해야 하죠. 문제는 고화질로 촬영하려면 시간이 오래 걸린다는 점이에요. 양산 라인 속도를 맞추려면 저화질로 빠르게 촬영해야 하지만, 그러면 미세한 결함을 놓칠 수 있습니다.
기존에는 이 문제를 해결하기 위해 고가의 검사 장비를 추가로 도입하거나, 검사 라인을 별도로 구축하는 방식을 택했어요. 하지만 이는 막대한 투자 비용이 필요하고, 생산 공간도 추가로 확보해야 하는 부담이 있으며, 하드웨어 성능을 높이는 데도 한계가 있어 근본적인 해결책이 되지 못했습니다.
세이지 비전은 이 문제를 슈퍼 레졸루션(Super Resolution) 기술로 해결했습니다. 저화질 이미지를 AI가 고화질로 변환하는 방식이에요. CT 검사 장비의 촬영 시간을 100배 이상 단축하면서도 검사 정확도는 그대로 유지할 수 있죠. 빠르게 촬영한 저화질 이미지를 AI가 고화질로 복원하기 때문에 양산 라인에 도입이 가능해졌습니다. 하드웨어를 교체하지 않고도 AI 알고리즘만으로 속도와 품질을 동시에 잡은 거예요.
📌 슈퍼 레졸루션 기술이란?
슈퍼 레졸루션은 저해상도 이미지를 고해상도로 변환하는 AI 기술입니다. 딥러닝 모델이 수많은 고화질 이미지를 학습해 저화질 이미지의 빠진 픽셀 정보를 예측하고 복원하는 방식이에요. 제조업 CT 검사에서는 촬영 시간을 대폭 줄이면서도 검사 품질을 유지할 수 있어 양산 라인 적용에 필수적인 기술로 자리잡고 있습니다.
2-3장 이미지로 학습하는 AI 제품 조립 검사
조립 검사는 또 다른 어려움이 있습니다. 완성차나 전자제품 조립 라인에서는 다양한 조립 상태가 존재하고, 각 상태마다 정상과 불량을 구분해야 하죠. 기존 AI 검사 시스템은 수백에서 수천 장의 학습 데이터가 필요했어요. 하지만 실제 제조 현장에서는 불량 샘플을 대량으로 확보하기 어렵습니다.
더 큰 문제는 제품 라인이 변경될 때마다 새로운 데이터를 수집하고 AI 모델을 다시 학습시켜야 한다는 점이에요. 신제품이 출시되거나 부품 디자인이 변경되면, 몇 주에서 몇 달이 걸리는 데이터 수집과 학습 과정을 다시 거쳐야 했죠. 이는 빠르게 변화하는 제조 환경에서 큰 걸림돌이 되었습니다.
세이지 비전은 Few-shot Learning 기술을 적용해 이 문제를 해결했습니다. 파운데이션 모델 기반으로 2-3장의 마스터 이미지만 있으면 3-5분 내에 학습을 완료하고 바로 검사를 시작할 수 있어요. 공작기계 내 볼트 체결 상태나 배관 연결 상태 같은 조립 검사에서 빠르게 적용할 수 있죠. AI 기반 템플릿 매칭 방식으로 다양한 조립 상태를 효과적으로 커버하면서도, 도입 시간과 비용 부담은 대폭 줄였습니다.
영상 기반 AI 제품으로 공정 이상을 실시간 감지하기
CCTV를 AI 제품으로 전환하는 실시간 모니터링 기술
제조 현장에는 이미 CCTV가 곳곳에 설치되어 있습니다. 하지만 대부분은 녹화와 저장 용도로만 사용되죠. 문제가 발생하면 사람이 전체 영상을 일일이 확인해야 하고, 원인을 찾는 데만 몇 시간이 걸립니다. 실시간으로 공정 이상을 파악하기는 사실상 불가능해요.
많은 제조 현장에서는 작업자가 여러 대의 CCTV 화면을 동시에 모니터링하는 방식을 사용합니다. 하지만 사람이 10개, 20개의 화면을 동시에 지켜보면서 이상 징후를 포착하기는 어려워요. 집중력이 떨어지는 순간 중요한 이상 상황을 놓칠 수 있고, 발견했을 때는 이미 불량품이 대량으로 생산된 이후일 수 있습니다.
세이지 빔스는 기존 영상이나 CCTV를 AI 제품으로 전환합니다. Anomaly Detection 기술을 활용해 정상 공정을 학습한 뒤, 비정상 동작이 발생하면 즉시 감지하는 방식이에요. 제품이 쓰러지거나, 부품이 끼이거나, 작업 시간이 비정상적으로 길어지는 상황을 실시간으로 포착하죠. 이상이 감지되면 영상을 자동으로 저장하고 담당자에게 즉각 알림을 보냅니다. 사후 조치가 아닌 선제적 대응이 가능한 거예요.
📌Anomaly Detection이란?
Anomaly Detection은 정상 패턴을 학습한 AI가 이상 징후를 자동으로 감지하는 기술입니다. 제조 현장에서는 정상 공정 영상을 학습시키면, AI가 평소와 다른 움직임이나 상태를 스스로 판단해요. 불량 데이터가 없어도 정상 데이터만으로 학습할 수 있어 실제 현장 적용이 빠르다는 장점이 있습니다.
이차전지 제조 현장에 적용된 AI 제품 모니터링 사례
세이지 빔스는 다양한 제조 현장에 적용되고 있습니다.
실제 글로벌 이차전지 제조 라인에서 뚜껑과 탭을 용접하는 공정을 24시간 모니터링하고 있어요. 용접 불량은 배터리 안전성에 직결되는 문제이기 때문에 실시간 감지가 필수적이죠. 파우치 라인에서도 탭 절단 후 굴곡이 생기는지를 연속적으로 관찰합니다. 미세한 굴곡도 불량으로 이어질 수 있기 때문에 AI가 정밀하게 패턴을 분석해요.
실제 적용 현장에서는 AI 제품 도입 후 불량 발견 시간이 평균 짧게 단축됐습니다. 이전에는 불량이 발생해도 다음 교대 시간이나 일일 점검 때 발견되는 경우가 많았어요. 그 사이 생산된 수백 개의 제품이 모두 폐기 대상이 되었죠.
하지만 이제는 이상 징후가 포착되는 즉시 라인을 멈추고 조치할 수 있어 불량 발생을 최소화할 수 있습니다.
이런 공정 모니터링의 핵심은 일관성입니다.
사람은 피로도나 근무 교대에 따라 감지 정확도가 달라지지만, AI 제품은 24시간 동일한 기준으로 모니터링합니다. 여러 카메라를 동시에 관제할 수 있어 대규모 생산 라인에서도 효과적이에요. 실제로 한 현장에서는 동일한 세그멘테이션 모델을 여러 카메라에 적용해 안정적인 모니터링 체계를 구축했습니다.
AI 제품이 DX에서 AX로 진화하는 이유
단순 검사를 넘어 품질 개선까지 제안하는 AI 제품
AI 제품은 단순히 불량을 찾아내는 수준을 넘어 진화하고 있습니다. 세이지는 DX(Data Transformation)에서 AX(Autonomous Transformation)로의 전환을 준비 중이에요. 모든 검사 데이터를 하나의 서버에 통합하고, 실시간 대시보드로 품질 현황을 한눈에 파악할 수 있도록 하는 거죠. 통계 분석과 자동 리포트 생성으로 품질 개선 인사이트를 제공합니다.
현재 많은 제조 현장에서는 검사 장비마다 데이터가 분산되어 있어 전체 품질 트렌드를 파악하기 어렵습니다. 각 장비의 검사 결과를 수동으로 취합하고 분석하는 데만 많은 시간이 소요되죠.
세이지의 통합 대시보드는 이런 문제를 해결하고, 실시간으로 불량률 변화를 추적하며 어떤 공정에서 문제가 발생하는지 즉시 파악할 수 있게 합니다.
다음 계획은 생성형 AI 기술을 활용한 품질 관리 챗봇입니다. 담당자가 간단한 질문만으로 품질 정보와 개선 제안을 받을 수 있어요. MES나 ERP 시스템과 연동하면 품질 검사 자동화를 넘어 시간에 따른 품질 개선의 선순환까지 만들 수 있습니다. 문제를 발견하는 것에서 그치지 않고, 문제 발생 빈도 자체를 줄이는 게 목표예요.
양산 라인 속도를 따라잡는 AI 제품, 지금 시작하세요
세이지는 슈퍼 레졸루션, Anomaly Detection 기술로 검사 시간을 100배 단축하면서도 정확도를 유지하는 AI 제품을 제공합니다. 단순한 검사를 넘어 데이터 통합과 품질 개선 인사이트까지 제공하는 솔루션으로, 제조 라인의 검사 속도 문제와 불량 발견 지연을 근본적으로 해결할 수 있습니다.
📌 AI 제품 도입 성공 체크리스트
AI 제품을 성공적으로 도입하려면 3가지 요소를 점검하세요
1. 명확한 요구사항 정의
도입 목적과 기대 수준을 구체적으로 설정하세요. 검사 속도 개선인지, 불량률 감소인지, 실시간 모니터링인지 명확히 해야 합니다.
2. 지속적 운영 의지
AI 제품은 설치 후 지속적인 운영과 관리가 필요해요. 데이터 수집, 모델 개선, 알림 대응 체계를 갖춰야 합니다.
3. 인프라 구축
네트워크 환경과 서버 시스템을 점검하세요. 특히 DX 솔루션으로 확장할 계획이라면 통합 데이터 관리 인프라가 중요합니다.
© SAIGE All Rights Reserved.