이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 정상 데이터만으로 검사 자동화 도입

이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 정상 데이터만으로 검사 자동화 도입

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)...
추가 솔루션 도입 없이 검사 데이터와 고유 바코드 숫자를 통합해 생산 이력 추적이 가능해진 사례 

추가 솔루션 도입 없이 검사 데이터와 고유 바코드 숫자를 통합해 생산 이력 추적이 가능해진 사례 

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 활용​해 데이터 연계 및 통합이 불가능한 상태. 생산 이력을 추적할 수 없다는 문제 발생​ Approach   다양한 통신 프로토콜을 제공하는 Data...