Data CAMP 레시피 기능으로 ‘다품종 소량생산’ 불량검사를 손쉽게 관리한 사례
![Shutterstock_1570892647](https://ahha.ai/wp-content/uploads/2023/11/Shutterstock_1570892647.jpg)
Challenge
- 기존 룰 베이스 표면 결함 판정 비전 컨트롤러는 ‘다품종 소량생산’ 환경에 유연하게 대응이 어려움
- 기존의 비전 컨트롤러는 이력 조회 기능이 없어, 비슷한 모델을 생산하게 됐을 때 이전의 양불 판정 규칙을 참고하기 어려움
- 정상과 불량 사이에 해당하는 ‘재용접’ 케이스를 판정하고 PLC 통신을 통해 돌려보내야 함
Approach
- Data CAMP의 ‘레시피(Recipe)’ 기능을 활용해 품종별 각기 다른 결함 판정 기준을 수립하고, 사용자 친화적 UI를 통해 판정 기준을 유연하게 변경
- Data CAMP 통신으로 설비를 제어해 재작업 가능한 범위의 불량품을 용접 공정으로 되돌려 보내 재용접
Result
- 다품종 레시피 별 판정 기준 및 결과에 대한 이력 관리
- 기존 비전 컨트롤러의 룰 변경시 발생했던 다운타임 → 0으로 달성
- 자동 재용접으로 수율 향상
Full Story
모델마다 다른 품질 기준 관리, 판단 이력을 조회할 수 있는 컨트롤러의 부재
최근 제조 트렌드는 소비자 기호 다양화에 따른 ‘다품종 소량생산’입니다. 품종이 다양해진다는 것은 곧 제조현장에서 품종별로 제각각 품질 관리를 해야 한다는 뜻입니다.
그런데 기존 제조현장에서 생산품의 표면 결함을 판정해주던 비전 컨트롤러 같은 장비로 이에 대응하기란, 생각보다 까다롭습니다. 왜냐하면 비전 컨트롤러는 대부분 한번 세팅한 고정 규칙(Rule based)에 따라 양/불 판정을 하거든요.
만약 라인에서 생산하는 품종이 달라지면 가동을 멈춘 뒤, 라인에 설치되어 있는 비전 컨트롤러의 규칙을 바꿔줘야 합니다. 번거로울 뿐만 아니라 생산 효율까지 떨어뜨리게 되죠. 생산 현장에 프로그래밍 지식을 갖춘 작업자가 없다면 조건 값을 바꿀 때마다 항상 전문가를 불러야 합니다.
게다가 기존의 비전 컨트롤러는 이력 조회 기능이 없습니다. 규칙에 따른 검사를 그때그때 수행할 뿐이죠. 그래서 훗날 비슷한 모델을 생산하게 됐을 때 이전의 판정 규칙을 참고하기가 어려웠습니다. 더 심각한 건, 작업자의 실수로 향후 완제품에 문제가 생겼을 때 근본 원인을 파악할 길이 없다는 한계였죠.
목표 : (1)다품종 검사 규칙 관리 (2)Rework 신호 전송
모터 코일의 핀을 용접하는 B사는 3D 이미지 검사 장비를 이용해 부품 용접이 제대로 됐는지 자동 판정을 하고자 했습니다. 그런데 두 가지 까다로운 목표가 있었죠.
첫째, 다품종 생산 트렌드에 맞도록 검사 판정 규칙을 손쉽게 변경할 수 있고, 이력 관리도 가능할 것.
둘째, 재작업 가능한 범위의 불량품은 용접 공정으로 되돌려 보내 재용접 할 수 있도록 설비 제어 통신이 가능할 것.
기존의 비전 컨트롤러로는 두 가지 모두 수행할 수 없었고, 새로운 통합 솔루션이 필요했습니다.
Data CAMP의 레시피 기능을 활용해 제로 다운타임 달성
B사는 아하랩스의 데이터 수집 관리 솔루션 Data CAMP의 ‘레시피(Recipe)’ 기능을 활용해 앞서 언급한 두 가지 목표를 한 번에 달성했습니다.
Data CAMP의 레시피란, 데이터를 수집/전처리/분석/모니터링/전송하는 다양한 조건들을 고객사의 비즈니스에 맞도록 유연하게 구성할 수 있는 기능인데요. 공정을 잘 아는 전문가로 이뤄진 스마트팩토리 팀이 고객사와의 미팅을 통해 페인 포인트와 요구사항을 파악한 뒤, 맞춤 레시피를 작성합니다.
B사의 레시피에는 다음과 같은 내용이 포함됐습니다. 가령, 레시피 1번부터 10번까지 품종별 각기 다른 결함 판정 기준들이 심어졌습니다. 전기자동차 모델 A의 모터를 생산할 때는 레시피 1번으로 양불 판정을, 모델 B의 모터를 생산할 때는 레시피 2번으로 양불 판정을 하는 식이었죠.
경우에 따라 각 레시피 안에서도 사용자 친화적인 UI 화면을 통해 판정 기준을 유연하게 바꿀 수 있습니다. On-Off 토글 스위치를 누르면 특정 조건을 판정 기준에 포함할 말지를 바로 판단하여 적용할 수 있죠.
또한, 각 레시피별로 판정 결과들이 차곡차곡 정리되어 향후 문제가 생기거나 과거 레시피를 참고하고 싶을 때 손쉽게 추적할 수 있게 되었습니다.
그리고 레시피에는 또 다른 기능도 포함됐는데요. 바로 신호 전송입니다. OK(양품)와 NG(불량품) 사이 Rework(재작업) 판정을 받은 제품은 재용접 할 수 있도록 용접기 PLC에 작동 신호를 전송하는 것이었죠.
데이터 수집 – 불량 검사 – PLC 작동 데모 시연 영상이 궁금하다면? ⇓
이로써 B사는 기존 비전 컨트롤러로는 할 수 없었던 두 가지 목표를 Data CAMP를 이용해 성공적으로 달성할 수 있었습니다. 그 결과, 다품종 품질 관리시 필연적으로 따라올 수 밖에 없었던 잠재적 다운타임(이용 불가 시간)을 ‘0’으로 유지할 수 있었습니다.
Future
No-Code 기반 레시피 UI로 고객사 제조 프로세스에 최적화된 데이터 파이프라인 구성
Data CAMP의 레시피 설정 기능은 날로 발전하고 있습니다. 앞으로는 No-Code 기반의 레시피 UI를 활용해 제조 프로세스에 최적화된 데이터 파이프라인(수집/전처리/분석/모니터링/전송 등)을 손쉽게 구성할 수 있습니다.
제조 디지털 트랜스포메이션의 출발점이 될 데이터 관리를 아하랩스의 Data CAMP와 함께 시작해보세요.
Related Stories
진동 센서 데이터로 설비 이상탐지(모터 예지보전)를 수행한 사례
Challenge 기존에는 발전 설비 모터에 진동 센서를 부착해놓고 룰 기반으로 검사를 진행함 진동의 등락 외에는 각 진동...
생산 자재 변경으로 인한 검사 ‘데이터 드리프트’를 잡아낸 사례(DQI 모델)
Challenge 항상 일정한 광학 이미지가 촬영돼야 모델을 제대로 학습시키고 양/불량 판정 정확도를 높일 수 있음. 그러나...
‘1종 오류’ 찾아내는 딥러닝 모델로 ‘과검’ 발생률 감소
이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 검사 이미지 전체 영역을 학습합니다. 실제 생산품의 결함이 아닌, 그 밖의...