아하랩스는 신뢰할 수 있는 데이터 역량과
현장 친화적인 AI 기술로
산업용AI 시장을 주도하고 있습니다
Success case
All
Quality Control
Predictive Maintenance
‘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...
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...
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...
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 :...
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 비전 컨트롤러는 이력 조회 기능이 없어, 비슷한 모델을 생산하게 됐을 때...
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...