에 의해서 Chloe Woo | Content Strategist | 5월 20, 2024 | 이차전지, 예지보전
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 제조 현장의 다양한 요인 변화로 인해 ‘데이터 드리프트’가 발생하면서 생산품에 결함이 없음에도 NG가 발생하는 경우가 잦아 품질 검사 효율이 낮아짐 비용 및 관리 복잡도를 높이지 않으면서 검사 이미지가 제대로 촬영되고 있는지 실시간으로 알 수 있는 방안 필요...
에 의해서 Chloe Woo | Content Strategist | 12월 28, 2023 | 이차전지, 예지보전
‘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 다른 문제로 인한 과검(1종 오류) 사례일 확률을 추론합니다. Challenge ‘미검’ 0%를 달성하기 위해 검사 기준을 너무 민감하게 설정한 경우, ‘과검(1종 오류)’이 많아짐 과검을 적발하기 위한 무작위 샘플링...
에 의해서 Chloe Woo | Content Strategist | 12월 28, 2023 | 이차전지, 품질관리
이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 정상 데이터만으로 검사 자동화 도입 Challenge 파우치형 배터리는 표면 형상의 자유도가 높아 불량의 형태를 특정하기 어려움. 이 때문에 기존 룰 베이스 검사는 물론, 분류나 분할 같은 딥러닝 모델 기반의 결함 검사도 활용하기 어려움 글로벌 진출시 한국과 동일한 숙련 검사 노동자를 구하기 어려워 검사 자동화 도입 요구됨 Approach LISA의 2단계 접근법 (1)...
에 의해서 Chloe Woo | Content Strategist | 12월 22, 2023 | 이차전지, 예지보전
데이터 품질 지표(DQI) 딥러닝 모델로 ‘데이터 드리프트’ 모니터링 및 예지보전 수행 아하랩스의 Data CAMP 솔루션과 검사 이미지의 퀄리티를 분석하는 딥러닝 모델을 활용하면, 카메라와 노후 조명 문제로 이미지를 잘못 촬영해 품질 검사에 실패하는 경우를 미연에 방지할 수 있습니다. Challenge 항상 일정한 광학 이미지가 촬영돼야 모델을 제대로 학습시키고 양/불량 판정 정확도를 높일 수 있음 그러나 카메라 각도가 바뀌거나 조명이...
에 의해서 Chloe Woo | Content Strategist | 12월 22, 2023 | 이차전지, 예지보전
AI 모델 간 Pipeline 구성으로 로봇 파지의 이상작동 감지에 성공 사례 한국의 선도적인 글로벌 이차전지 제조 기업은 AI 모델 간 파이프라인을 구성할 수 있는 아하랩스의 솔루션을 활용하여 집게 로봇의 이상 작동을 실시간 감지할 수 있게 되었습니다. 관련 제품 : LISA Challenge 집게 로봇이 배터리를 떨어뜨려 다운타임 발생 ‘클래스 불균형’ 문제로 기존 머신러닝 솔루션 활용이 어려움 로봇이 잡아야 할 배터리가 없는 경우,...
에 의해서 Chloe Woo | Content Strategist | 11월 30, 2023 | 이차전지, 품질관리
추가 솔루션 도입 없이 검사 데이터와 고유 바코드 숫자를 통합해 생산 이력 추적이 가능해진 사례 Challenge 전기자동차 배터리 화재 및 리콜 이슈로 배터리 수율 향상과 생산 이력 추적에 대한 필요성이 커짐 신규 배터리가 새로 개발되었으나 기존 생산라인 및 과거의 품질검사 시스템을 그대로 활용해 데이터 연계 및 통합이 불가능한 상태. 생산 이력을 추적할 수 없다는 문제 발생 Approach 다양한 통신 프로토콜을 제공하는 Data...
