[인더스트리뉴스 최정훈 기자] 자동차 부품은 난반사 등에 기인한 비정형 불균형적인 결함이 많은 탓에 검사 자동화가 쉽지 않은 분야로 꼽힌다. 업계는 미래자동차를 겨냥한 패러다임 전환에 시동을 걸고 있지만 현장에서는 여전히 수동적인 검사가 주된 방식으로 자리 잡았다.

이런 상황에서 트윔(대표 정한섭)이 작금의 자동차 부품 검사를 단번에 고도화 할 수 있다고 자신하고 있어 관심을 집중시킨다. 트윔은 독자적인 AI 검사 솔루션을 도입한 자동차 부품 고객사 사례를 통해 제반 난제를 어떻게 극복할 수 있었는지 소개했다.

사진은 상단 왼쪽부터 무나사, 이중나사, 피드포트 시면 찍힘. 하단 왼쪽부터 불량 부츠 빠짐, 부츠 말림 불량들. [사진=트윔]

1962년 설립 돼 우리나라 자동차 부품 역사의 궤적을 그대로 밟아 온 M사는 현재 국내 유일의 독자적인 기술력으로 유명세를 떨치고 있는 기업이다. 오랫동안 쌓은 기술력과 전문인력을 바탕으로 ABS(잠김방지제동장치), ECPS(속도감응동력조향장치) 등 자동차 주요 부품은 물론 고부가가치 미래 첨단자동차 부품까지 폭넓은 제품을 공급하고 있다.

M사는 과거 △자동차 브레이크 부품의 나사산 이중 가공 불량 △피드포트 시트면 찍힘 등의 시트면 형상 불량 △부츠 조립부 Grease의 영향으로 인한 말림 및 미안착 불량 등을 육안검사로 검출해 왔다. 특히, 금속으로 도금된 브레이크 부품의 하우징은 난반사와 같은 벽에 가로막혀 육안검사가 불가피하다고 판단하고 있었다. 

수 만 가지 부품으로 이뤄진 자동차에서, 작은 나사 하나의 결함도 큰 지장을 초래하게 될 가능성이 있다. 이를 충분히 고려하더라도 M사는 육안검사에 더욱 심혈을 기울이는 것 외는 별다른 방도가 없었다. 하지만 계속해서 생산 물량이 늘면서 육안검사 속도가 따라가지 못하는 형국에 이르게 됐다. 숙련된 검사원을 육성해 투입하기엔 시간적 여유가 없었던 터라 자동화 솔루션을 탐색할 수밖에 없었다. 

검사 자동화 시스템 공급사로 트윔이 선정된 데는 효율은 물론 사용자 편의성이 크게 작용했다. 검출률을 높여 불량률을 낮추는 것은 당연지사이고, 다양한 유형의 결함을 검출해 추후 발생할 소지가 있는 불량에 대해서도 M사 스스로 대응할 수 있도록 AI 학습 환경 및 교육을 제공했다. 아울러, 조명, 렌즈 등 외부 환경 요소로 인한 가성불량 발생을 최소화 할 수 있도록 자체 광학시스템 개발이 있다는 점도 강점이라는 판단이었다. 

검사 대상인 브레이크 부품의 하우징은 알루미늄, 아연, 니켈-아연으로 도금된 3가지 제품이다. 이 제품들은 도금된 화학물질에 따라 제각기 성질이 다르다 보니, 비전시스템을 통한 검사 이미지도 각양각색이었다. 그리하여 트윔은 각각의 제품에 맞는 하드웨어 설정과 AI 검사 소프트웨어 모델을 개발함과 동시에 맞춤형 광학시스템을 M사에 제공키로 했다.

구축된 AI 검사 시스템 [사진=트윔]

제각기 다른 불량 기준 일체화, 가성불량 발생 빈도 최소화에 방점

육안검사의 가장 큰 맹점은 검사원의 숙련도에 따라 불량 판정이 다르게 나올 수 있다는 점에 있다. 그렇다고 검사원들의 기량을 높이기에는 과도한 시간 및 비용 투입이 불가피하다. AI 기반의 비전검사 솔루션인 MOAI는 불량 등급 및 판정을 일률적으로 정립할 수 있다는 점에서 가치가 빛을 발한다. 

MOAI란 Rule-기반 및 육안검사의 한계를 극복하고자 트윔이 자체 개발한 AI 기반 학습형 검사 소프트웨어이다. SW 가속기를 탑재해 빠른 검사 속도와 99.9% 이상의 불량 검출률을 자랑한다. 또, 처음 접하는 사용자도 쉽고 간편하다고 느낄 수 있도록 학습 및 검사 환경에 맞춤형으로 제공한다는 것도 특징이다. 트윔은 생산되는 제품에 따라 맞춤 조명 값과 AI 검사 모델을 생산 작업자가 검사 모니터링 화면에서 클릭 몇 번만으로 설정이 가능하도록 개발했다. 이후 작업자 교육을 진행하고 매뉴얼을 제공했다. 

한편, 트윔은 그 동안 축척해 온 비전검사 기술과 노하우를 바탕으로 높은 이미지를 획득할 수 있는 광학시스템(렌즈, 조명과 카메라로 구성)을 개발했다. 대상물의 거리 차이로 인해 크기가 다르게 투영되는 현상을 최소화하는 Telescope 렌즈와 금속성 표면에서 검사 항목(불량 유형)에 따라 특징을 보다 잘 표현할 수 있는 Blue 계열과 Red 계열의 조명으로 구분된다. 트윔은 이렇게 획득한 이미지를 활용해 심층신경망의 딥러닝 AI 검사 모델을 개발하고, 실시간으로 검사 결과를 확인할 수 있는 모니터링 시스템도 M사에 구축했다. M사의 생산라인 변경을 최소화하고자 기존의 생산 라인에 검사 모듈을 안착시켰다.

M사 MOAI 실행 화면 [자료=트윔]

관리 효율 및 생산성 제고에 주효

개괄하면, 도금된 브레이크 부품 하우징의 나사산 및 시트면부터 고무로 이루어진 부츠가이드로드까지 난반사 걱정없이 이미지 획득 후, AI 검사 솔루션(MOAI)으로 불량을 짚어내는 검사공정을 통해 M사는 과거와는 다른 풍경을 양산했다. M사가 생산하는 부품 중 고무로 이루어진 부츠가이드로드의 경우 비정형적인 불량으로 인해 기존의 Rule-기반 머신비전으로 검사가 불가능했고 특히, 도금형 부품의 경우 난반사로 인해 기존 머신비전으로는 검사가 쉽지 않다는 한계가 존재했지만, 검증된 파트너사와 손잡게 되면서 검사 자동화 문턱을 넘을 수 있었던 것이다. 

M사는 육안검사의 잠재적 위험성을 줄이고, AI 검사 설비를 통해 장기적으로 투자비 대비 관리성과 생산성을 높이는 길을 선택했다. 불규칙적이고 비정형적인 불량도 함께 검사해 미검율을 0%대로 낮췄다.

트윔 관계자는 “이 프로젝트는 산업혁명 4.0 시대의 핵심 기술인 인공지능을 활용해 기존 Rule-기반 머신비전 검사의 한계를 넘는 모범사례이다. 품질 개선 및 직행률 향상을 목표로 지속 노력한 끝에 검사 적중률 및 검사 속도를 달성할 수 있게 돼 긍지를 느낀다”고 밝혔다. 

[최정훈 기자 (news@industrynews.co.kr)]

[저작권자 © FA저널 SMART FACTORY, 무단 전재 및 재배포 금지]