0.1mm의 오차가 전체 생산성을 흔들 수 있다
눈에 보이지 않을 정도로 미세한 용접 결함 하나가, 수율을 떨어뜨리고 전체 생산 라인을 멈추게 만들 수 있습니다. 배터리 셀의 미세한 기공, 자동차 차체의 미처 닫히지 않은 틈, 조선 블록 사이의 균열까지—대형 구조물의 용접 공정에서는 ‘0.1mm’의 오차도 치명적일 수 있습니다.
그럼에도 불구하고, 지금까지 많은 제조 현장에서는 여전히 육안검사나 단순 룰 기반 시스템에 의존하고 있습니다. 하지만 사람의 눈은 한계가 명확하고, 기존 장비도 다양한 변수 속에서 일어나는 미세 결함이나 내부 불량을 완벽히 잡아내기에는 역부족입니다. 특히 용접 공정은 재료, 온도, 습도, 각도 등 수많은 환경 요소가 얽혀 있기 때문에, 정해진 기준만으로 모든 불량을 걸러내는 것은 사실상 불가능에 가깝습니다.
이러한 현실 속에서 제조업계는 새로운 해답을 찾기 시작했습니다. 바로, AI 기반 용접 검사 기술입니다.
최근 자동화와 로봇 용접 시스템은 물론, AI 기반의 고도화된 디지털 검사 기술까지 포괄하는 자동 용접 장비 시장 전반이 빠르게 성장하고 있습니다. 실제로 이 시장은 2033년까지 연평균 5~7% 성장해 126억 달러 규모에 이를 것으로 전망되고 있습니다.
이제 용접 검사에서 AI는 더 이상 ‘선택지’가 아닙니다.
불량을 사전에 감지하고, 품질과 생산성을 동시에 높이는 AI는 용접 공정의 새로운 기준으로 자리잡고 있습니다.
왜 여전히 불량이 놓치는 걸까? 기존 용접검사의 세 가지 한계점
1) 눈으론 보이는데, 진짜 결함은 보이지 않는다
용접 후 공정에서는 용접부 표면에 발생하는 미세 크랙, 스패터 잔여물, 용접 비드 불균일 같은 다양한 불량이 자주 발생합니다. 대부분 외형상 변화가 크지 않아 육안검사로는 정상으로 오인되기 쉬운 유형입니다. 게다가 용접 현장은 빛 반사나 배경 노이즈, 용접부 위치 편차 같은 환경 변수도 많아 기존 검사가 정확하게 결함을 인식하지 못하기도 합니다.
2) 잘 붙였다고 믿었는데… 알고 보니 미용접 혹은 과용접
용접 공정에서는 용접이 제대로 이루어지지 않은 미용접과 과도하게 용접된 과용접 문제가 자주 발생합니다. 미용접은 접합 강도가 부족해 구조적 안전성에 치명적인 영향을 미치며, 과용접은 모재 손상이나 변형을 일으켜 제품 품질을 저하시키죠. 특히 반도체나 배터리 같은 안전이 중요한 제품에서는 이러한 용접 불량이 대형 사고로 이어질 수 있어 정확한 판별이 필수적입니다.
그러나 기존 검사는 용접 비드의 외관만으로 판단하기 때문에, 정상 용접과 미용접, 과용접을 명확히 구분하는 데 한계가 있습니다.
3) 학습 데이터 부족으로 인한 AI 검사의 한계
AI 비전 검사 시스템이 정확한 불량 판별을 위해서는 다양한 용접 결함 사례에 대한 충분한 학습 데이터가 필요합니다. 하지만 실제 제조 현장에서는 정상품 대비 불량품의 발생 비율이 현저히 낮아 불량 사례 데이터 확보가 어렵습니다. 특히 미세 크랙이나 특정 환경에서만 발생하는 희소 결함의 경우 데이터 수집이 더욱 제한적이죠.
또한 용접 조건(재료, 두께, 전류, 속도 등)과 환경 변수(조명, 각도, 배경)의 조합이 무수히 많은데, 각각의 경우에 대한 충분한 학습 데이터를 구축하기에는 시간과 비용이 과도하게 소요됩니다. 이로 인해 AI 모델이 학습하지 못한 새로운 유형의 결함이나 환경 조건에서는 오판하거나 불량을 놓치는 경우가 발생하게 됩니다.
AI 기반 용접검사 솔루션 SAIGE VISION
세이지의 AI 기반 머신 비전 검사 솔루션 ‘세이지 비전(SAIGE VISION)’은 앞서 언급된 기존 용접검사의 세 가지 한계점을 해결하기에 적합한 용접 공정 특화 AI 검사 시스템입니다. 육안으로는 감지하기 어려운 미세 결함부터 외관상 정상해 보이지만 실제로는 문제가 있는 미용접·과용접, 그리고 부족한 학습 데이터 문제까지 종합적으로 대응할 수 있도록 설계되었습니다.
이상 탐지(Anomaly Detection)로 미세 결함 감지
기존 검사는 사전에 정한 기준값과 이미지 패턴을 비교하는 방식으로, 예외 상황이나 비정형 불량에는 취약합니다. 반면 세이지의 이상 탐지 AI는 수천 장의 정상 용접 이미지를 학습한 뒤 여기에 해당하지 않는 ‘이상 상태’를 스스로 인식하는 방식으로 작동합니다.
이에 따라 크기가 불규칙하거나 경계가 흐릿한 미세 크랙, 기공, 스패터 같은 불량도 효과적으로 포착할 수 있습니다. 특히 용접 후 생기는 언더컷이나 미세한 표면 결함 등 기존 검사로는 놓치기 쉬웠던 불량을 조기에 식별할 수 있어 용접 후반 공정의 신뢰도를 크게 끌어올릴 수 있습니다.
미용접·과용접 분류하는 용접 상태 분석
용접 공정에서는 적정 용접, 미용접, 과용접 상태를 정확히 구분하는 것이 핵심입니다. 그러나 기존 검사는 용접 비드의 외관만으로 판단하기 때문에 정확한 상태 분류에 한계가 있는데요.
SAIGE VISION은 Segmentation과 Classification 알고리즘을 활용해 이러한 용접 상태 분류를 자동화합니다. 용접이 완료되면 AI가 용접 비드의 형상, 크기, 패턴을 종합적으로 분석하고 설계 기준과 자동으로 비교합니다. 예를 들어, 접합이 불완전한 미용접이나 과도한 열입력으로 인한 과용접 상태를 시스템이 자동으로 감지하고 분류합니다. 이 기능으로 용접 품질의 일관성을 확보하고 구조적 안전성 문제를 사전에 예방할 수 있습니다.
X-ray 기반 내부 구조 분석
용접 공정에서는 X-ray나 초음파 검사가 내부 결함 확인의 핵심 역할을 합니다. 그러나 기존 검사는 X-ray 이미지를 해석하지 못해 용입 부족이나 내부 기공 문제를 검출하지 못한 채 그대로 통과시키는 경우가 발생했죠.
SAIGE VISION은 X-ray 이미지 분석 기술을 활용해 이러한 내부 결함을 보완합니다. 용접이 완료되면 AI가 X-ray 이미지를 실시간으로 분석하고 설계 기준과 자동으로 비교합니다. 예를 들어, 용입이 부족한 용접부나 내부에 기공이 있는 경우에도 시스템이 자동으로 결함을 감지합니다. 이 기능으로 구조적 안전성을 자동화하고 기존의 수작업 판독 부담을 줄여 품질 관리를 더욱 체계화할 수 있습니다.
가상 결함 생성 (Defect Generation) 기능으로 학습 데이터 부족 해결
AI 검사 시스템을 도입할 때 큰 장애물 중 하나는 ‘학습용 불량 이미지’가 충분하지 않다는 점입니다. 신규 공정이나 소재가 적용될 경우 실제 불량이 아직 발생하지 않아 초기 학습 데이터를 확보하기 어려운 상황이 발생합니다.
이때 세이지는 ‘가상 결함 생성 (Defect Generation) 기술’을 활용합니다. 실제 불량 데이터가 없더라도 정상 용접 이미지를 바탕으로 다양한 불량이 생긴 것처럼 시뮬레이션하여 AI가 학습할 수 있게 만드는 방식입니다. 예를 들어 정상 용접부 이미지에 일부러 크랙이 생긴 것처럼 만들거나, 기공이 있는 상태를 가상으로 그려 넣는 식이죠. 이렇게 생성된 이미지들을 학습에 활용하면 불량 샘플이 없는 초기 단계에서도 정확도 높은 검사가 가능합니다.
덕분에 새로운 공정이나 소재가 추가되거나 납기 일정에 맞춰 빠르게 라인을 돌려야 할 때도 초기 검사의 정밀도를 높일 수 있으며, 기존 방식 대비 설정 시간이 획기적으로 단축됩니다.
용접 품질관리의 미래, 세이지 비전
이제 육안검사만으로는 부족한 시대입니다. 용접 라인의 복잡성과 불량 유형은 점점 다양해지고 있으며 실시간 대응과 정밀 검출이 가능한 AI 기반 시스템이 필요해졌습니다. 세이지 비전은 용접 전 공정에 맞춘 AI 기반 검사 기술로 오늘도 현장의 불량률을 줄이고 수율을 개선하는 데 기여하고 있습니다.
지금, 세이지 비전으로 우리 공정의 용접 품질관리 수준을 한 단계 높여보세요.
© SAIGE All Rights Reserved.