신뢰할 수 있는 데이터 역량과
현장 친화적 AI 기술로
산업용 AI 시장을 주도하고 있습니다
신뢰할 수 있는 데이터 역량과 현장 친화적 AI 기술로 산업용 AI 시장을 주도하고 있습니다
2025 데이터바우처 지원사업은 아하랩스와 함께하세요!
1. 다양한 성공 노하우를 기반 삼아, 고객사의 실제 비즈니스 향상을 위한 데이터 활용 계획을 컨설팅해 드립니다.
2. 수요기업 선정 확률이 높은 사업 수행계획서 작성을 도와드립니다. 타당하고, 실현 가능하며, 시장성과 성장성이 높은 사업을 함께 고민합니다.
Success case
All
Quality Control
Predictive Maintenance
산업용 온디바이스 AI를 구성해 86% 낮은 투자비로 AI 검사를 도입한 사례
Challenge 외부에서 유입된 이물로 인한 결함은 형태를 특정하기 어려워 규칙 기반 알고리즘이 아닌 AI 검사(딥러닝...
육안 검사에서 시작해 AI 자율제조로 – Data CAMP가 함께한 이차전지 제조사의 AX(AI Transformation) 여정을 소개합니다
전기자동차 시장이 급격히 커지면서 최근엔 이차전지 제조업이 첨단 산업으로 여겨지지만, 사실 한국 충전식(리튬 이온) 배터리의...
3단계 품질검사 파이프라인으로 타이어 원단의 불량 유무&위치&유형을 자동 검사한 사례
Challenge 타이어 원단을 만드는 압연공정에 자동 품질검사 부재(육안 검사) 원단 자체 불량으로 인한 완성품 폐기 ...
원격 시스템 구축으로 배터리 조립 설비의 관제 효율을 300% 높인 사례
Challenge 전기차용 배터리 조립 설비는 규모가 매우 크고 구성이 복잡해, 설비 상태를 모니터링하고 알람에 대처하는...
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...
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...
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...
AI 모델 간 Pipeline 구성으로 로봇 파지의 이상작동 감지에 성공한 사례
한국의 선도적인 글로벌 이차전지 제조 기업은 AI 모델 간 파이프라인을 구성할 수 있는 아하랩스의 솔루션을 활용하여 집게 로봇의 이상 작동을...
Data CAMP 레시피 기능으로 ‘다품종 소량생산’ 불량검사를 손쉽게 관리한 사례
Challenge 기존 룰 베이스 표면 결함 판정 비전 컨트롤러는 '다품종 소량생산' 환경에 유연하게 대응이 어려움 기존의...
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...