📌 핵심 요약 — 룰베이스 AOI 검사는 과검(양품을 불량으로 오판)이 15~30% 수준으로 태생적 한계가 있습니다. 검사 장비를 바꾸지 않고 AOI 뒤에 SAIGE AI 재판정(2단계 필터)을 더하면, 자동판정 80%·과검 3%·미검 0.2%(목표)로 재검 공수를 크게 줄일 수 있습니다.
AOI 검사란?
AOI 검사(Automated Optical Inspection, 자동 광학 검사)는 고해상도 카메라로 촬영한 기판 이미지를 분석해 결함을 찾아내는 자동 검사입니다. 기준이 되는 이미지(골든 이미지)와 비교해 패턴, 선폭, 간격, 표면 상태에 이상이 있는지를 판단합니다. 사람이 일일이 보던 외관검사를 장비가 전수로 대신한다는 점이 핵심입니다.
AOI 검사의 원리
대부분의 AOI 검사는 룰베이스 알고리즘으로 판정합니다. 선폭·간격·밝기·형태 같은 항목에 기준값을 정해 두고, 그 기준을 벗어나면 결함 후보로 표시하는 방식입니다. 규칙이 명확해 속도가 빠르고, 검사 이력을 남기기 쉽습니다. 이것이 룰베이스 AOI 검사의 기본 원리입니다.
AOI 검사의 장점
AOI 검사의 장점은 분명합니다. 첫째, 전수 검사가 가능해 육안 샘플링보다 놓치는 불량이 적습니다. 둘째, 속도가 빨라 대량 생산 라인에 대응할 수 있습니다. 셋째, 일관된 기준으로 검사해 사람마다 다른 판정을 줄입니다. 그래서 오늘날 PCB 제조에서 AOI 검사는 선택이 아니라 표준에 가깝습니다.
💡 용어 정리 — 과검(오버킬)과 미검(언더킬) · 과검은 양품을 불량으로 잘못 판정하는 것, 미검은 불량을 놓치는 것입니다. AOI 검사의 진짜 숙제는 이 둘의 균형입니다.
룰베이스 AOI 검사의 한계 — 과검이 늘어난다
AOI 검사가 강력하지만, 룰베이스 방식에는 구조적 한계가 있습니다. 규칙 기반이라 애매한 경우를 구분하지 못합니다. 실제로는 정상인데 조명이나 표면 상태 때문에 기준을 살짝 벗어난 부분까지 전부 결함 후보로 잡습니다. 이렇게 양품을 불량으로 오판하는 비율이 과검입니다. 업계에서 룰베이스 AOI 검사의 과검률은 보통 15~30% 수준으로 알려져 있고, 미세 패턴이나 고밀도 기판일수록 더 높아집니다. 불량을 놓치지 않으려 기준을 조일수록 과검이 늘어나는 딜레마입니다.
과검이 현장에 남기는 진짜 비용
과검은 숫자만의 문제가 아닙니다. AOI 검사에서 걸러진 결함 후보는 결국 사람이 다시 확인합니다. 과검이 많을수록 육안 재검 물량이 그대로 늘어납니다. 검사 인력이 ‘사실은 양품’인 이미지를 반복해 걸러내는 데 시간을 씁니다. 재검 과정에서 양품이 홀드되거나 폐기되면 수율에도 영향을 줍니다. 게다가 작업자·교대조마다 판정이 갈리면 검사 결과의 일관성까지 흔들립니다. 검출 성능은 유지하면서 이 과검만 줄이는 것이 오랜 숙제입니다.
해법: AOI를 바꾸지 않고, 뒤에 AI 재판정을 더한다
핵심은 AOI 검사 장비를 교체하는 것이 아닙니다. 기존 AOI 검사는 그대로 두고, 그 뒤에 AI가 한 번 더 판정하는 단계를 더하는 것입니다. 흐름은 세 단계입니다. 1단계에서 룰베이스 AOI가 결함 후보를 폭넓게 검출하고, 2단계에서 SAIGE AI 필터가 그 후보를 다시 보고 진짜 불량과 과검을 구분하며, 3단계에서 작업자가 최종 확인이 필요한 건만 검증(AFVI·IVS)합니다. AI가 중간에서 과검을 걸러 주니, 사람은 정말 봐야 할 것만 봅니다.
정확도를 더 높이는 방법도 있습니다. 비교 기준을 양품 샘플이 아니라 원본 설계 데이터(ODB++)로 삼는 것입니다. “이 위치에 원래 무엇이 있어야 하는가”를 설계 도면 그대로 비교하기 때문에, 빠짐·이물·치수 이상을 더 정확히 판단하고 과검과 미검을 함께 줄일 수 있습니다.
룰베이스 AOI vs. AI 재판정 — 무엇이 달라지나
| 항목 | 룰베이스 AOI 단독 | AOI + SAIGE AI 재판정 |
|---|---|---|
| 과검률(오버킬) | 15~30% | 3% 목표 |
| 육안 재검 물량 | 많음 | 20% 수준 (AI 자동판정 80%) |
| 미검률(언더킬) | 기준 조일수록 위험 | 0.2% 목표 |
| 판정 일관성 | 작업자·교대조별 편차 | AI 기준으로 일관 |
| 검사 장비 | — | 교체 없이 그대로 사용 |
수치는 PCB 검사 프로젝트 적용 목표 기준(진행 중)으로, 라인·제품에 따라 달라질 수 있습니다.
AI만으로 끝이 아니다: 검사 데이터 통합관리와 재학습(MLOps)
AI 재판정을 한 번 붙였다고 끝이 아닙니다. PCB 검사 데이터는 방대하고, 신제품과 새로운 결함이 계속 등장합니다. 처음 학습한 모델을 그대로 두면 성능이 서서히 떨어집니다. 그래서 검사 데이터를 계속 모으고, 새 결함을 학습해 모델을 다시 배포하는 운영 체계(MLOps)가 필요합니다. 1·2·3단계 검사 결과를 한 플랫폼에서 통합 모니터링하고, 수율·결함 분포를 통계로 확인하며, 데이터 변화(Data Drift)를 감지해 재학습·재배포까지 이어 가면, AI 재판정이 한 번의 개선에 그치지 않고 계속 좋아집니다.
AOI 과검 개선, 도입 전 확인할 체크리스트
- 기존 AOI 검사 장비·데이터와 연동되는지 — 장비 교체 없이 결과를 받아 재판정하는 구조가 부담이 적습니다.
- 설계 데이터(ODB++) 활용이 가능한지.
- 1·2·3단계 통합 모니터링이 되는지.
- 재학습·재배포(MLOps) 체계가 있는지.
- 무엇보다 우리 라인 데이터로 먼저 검증(PoC)할 수 있는지.
우리 라인 과검부터 확인해 보세요 — KPCA SHOW 2026에서 직접 만나기
AOI 검사의 과검으로 재검 공수가 계속 늘고 있다면, 우리 라인 데이터로 얼마나 줄일 수 있는지부터 확인해 보시길 권합니다. SAIGE는 검사 장비를 교체하지 않고 기존 AOI 검사 뒤에 AI 재판정을 더하는 방식으로 과검 저감을 함께 검증합니다. SAIGE는 KPCA SHOW 2026(2026년 9월 9~11일, 인천 송도컨벤시아)에 참가하며 부스는 Q209입니다.
여러분의 AOI 검사, 지금 과검률은 몇 %인가요?
그 숫자부터 함께 확인해 보겠습니다.
참고 출처
- Overview.ai, “AOI vs AI Vision in PCB and Electronics Manufacturing” (룰베이스 false reject 5~15% → AI 적용 시 1% 미만)
- iFactory, “Electronics Manufacturer Reduces AOI False Calls from 30% to 3%”
- ODB++ (Siemens) — PCB 설계·제조 데이터 표준 포맷
© SAIGE All Rights Reserved.