필자, 치아웨이 양(Chia-Wei Yang)은  엣지 인공지능(AI) 및 산언용 컴퓨팅 분야의 선도기업 에이디링크 테크놀로지(ADLINK Technology)의 IoT 솔루션 및 테크놀로지 사업부 디렉터로 근무하고 있다.(편집자 주)

전통적인 산업, 그리고 제조 환경에서는 근로자 안전 모니터링, 운영자 효율성 제고, 품질 검사 개선 등이 항상 따르는 과제이기도 하다.

필자는 오늘날 인공지능(AI) 기반 머신비전 기술을 통해 이러한 비효율적이고 노동 집약적인 많은 부분을 해결하고 신뢰성, 안전성 및 효율성을 높이는 방안을 제안하고  AI 스마트 카메라를 배치함으로써 어떠한 추가적인 성능 개선이 가능한지를 기술해 본다.

인공지능 기반 머신비전

IoT 분석 리포트에 따르면 2020년 제조 및 산업 환경의 AI 머신 비전 시장 규모는 41억 달러(약 4조 5700억원)였으며, 이는 2025년까지 152억 달러(약 17조원)로 성장할 것으로 예측된다. 이는 30%의 연평균 성장률(CAGR)이며, 기존 머신 비전 구축의 6.5% 연평균 성장률과 비교되는 수치이다.

이 같은 높은 연평균 성장률은 차세대 실시간 엣지 AI 머신비전이 품질 보증 및 제품 검사 애플리케이션에만 국한되지 않기 때문이다.

제조업과 산업환경에서는 근로자의 안전이 최우선이며, AI지원 스마트 카메라는 작업 환경 모니터링과 검사를 자동화할 수 있도록 지원한다. 위험한 기계 장비나 위험 물질 노출 등 잠재적으로 안전하지 않은 환경에서 일하는 직원, 계약자 및 기타 제3자 운영자에 대한 보호를 보장하는 것은 필수적이다.

행동 및 위치(POSE) 탐지는 기계 운영자가 위험에 처해 있는지, 표준 운영 절차(SOP, Standard Operating Procedures)를 따르고 있는지, 또는 생산성과 효율성을 향상시키는 방식으로 업무를 하는지 여부를 나타내는 정보를 생성한다.

마지막으로, 자동 광학 검사(AOI, Automatic Optical Inspection)는 콘택트 렌즈와 같이 육안으로 보기 어려운 제품도 품질 관리 속도와 정확도를 높인다.

작업자 안전을 위한 스마트 AI

산업 현장에서 사고로 인한 사망자는 전세계적으로 발생하고 있다. 작업자 안전을 평가할 때, 치명적이지 않은 작업 관련 부상 또한 고려해야 한다. 여기에는 정서적 고민 외에도 재정적인 요소가 따른다.

산업 현장과 제조 현장은 전통적으로 작업자의 안전을 보장하기 위해 안전관리 관리자와 안전 라이트 커튼(safety light curtain) 등의 안전장치를 사용한다. 그러나 어디에나 있을 수 없고 모든 것을 볼 수 없는 관리자는 실수를 할 수 있으며 안전 장치는 본질적인 한계가 있다.

지오펜싱(Geo-fencing, 가상 울타리)

현대적인 스마트팩토리 근무자들은 종종 위험한 장비와 로봇암 같은 잠재적으로 위험한 지역에 노출된다. 안전 라이트 커튼은 기계 접근 포인트와 주변을 보호하는 감지 스크린을 만들어 부상을 방지하지만, 많은 공간을 차지하고, 배치하기 어렵고, 유연성이 부족하다.

어떤 경우에는 안전 라이트 커튼의 제한적인 응답 시간이 추가적인 문제를 만들기도 한다.

기존 머신 비전 솔루션은 IP 카메라와 AI 모듈을 사용하여 유연하고 배치하기 쉽지만 대기 시간이 상당해 즉각적인 대응이 필요한 상황에 적합하지 않다.

에이디링크의 NEON-2000 시리즈와 같은 일체형 AI 스마트 카메라는 이 대기 시간 문제를 해결할 수 있다. 로봇암과 같은 관련 장비에 결과 및 지침을 보내기 전에 이미지를 캡처하고 모든 AI 관련 작업을 수행한다(그림 1 참조).

라이트 커튼이나 기존 머신 비전 구현에 비해 일체형 스마트 카메라를 사용하면 지연을 최소화하고 공간과 대역폭 요구 사항을 줄이며 설치 및 유지보수가 용이하다.

실시간 머신 비전 AI는 안전하지 않은 영역에 진입할 경우 사용자에게 경고하고 해당 정보를 재훈련 목적으로 기록함으로써 작업자의 안전을 강화하는 추가적인 이점을 제공한다. 과거에 해당 데이터를 기록한 것이 추후에 도움이 될 수 있다.

예를 들어, 작업자가 위험 영역에 접근하면 로봇암이 완전히 종료되는 대신 기능적 안전 프로세스 루프에 들어갈 수 있다. 이와 같은 루틴은 작업자의 안전을 향상시킬 뿐만 아니라 공장의 운영 효율성을 높일 수 있다.

스마트 주유(Smart Refueling)

연료트럭이 제조시설에 도착하면 여러 가지 안전 문제가 발생할 수 있는데, 이를 스마트 AI 비전으로 쉽게 해결할 수 있다. 우선, 브레이크를 제대로 밟지 못하거나 고장이 나면 트럭이 굴러갈 수 있다.

트럭의 움직임을 모니터링 하도록 AI 머신 비전 시스템을 설정하면 트럭이 움직일 경우 즉시 경보를 울릴 수 있다.

또한 구역 위반의 유형이 다르기 때문에, 시설들은 급유 과정 중에 운영자의 위치를 고려해야 한다. 현장에 있는 모든 작업자가 안전 위험이 있다는 것을 이해하도록 하는 것이 중요하다.

예를 들어, 트럭의 네 모서리에 교통 안전 표지물을 배치하였는지, 연료 주입을 하는 운영자가 적절한 PPE를 착용하고 있는지 확인해야 한다. AI 스마트 비전은 이러한 모든 안전 점검을 수행하여 절차가 올바르게 충족되는지 확인할 수 있다[그림 2 참조].

AI 머신 비전 시스템의 즉각적인 경고는 운영자에게 안전 위반을 경고하고 부상을 예방할 수 있다. 또한 적절한 PPE 없이 안전하지 않은 영역에 진입하는 경우 기록된 이미지는 오류를 표시하고 향후 실수를 방지하기 위해 직원을 교육할 수 있다.

POSE 탐지

제조업에서 '사이클 타임'은 생산 효율성에 있어 중요한 성과 지표이다. 이 지표는 제품이 선적 준비가 될 때까지 한 팀이 한 항목을 생산하는데 소비하는 시간을 나타낸다. AI 스마트 카메라 기술로 직원의 행동과 위치를 모니터링하면 SOP를 시행하고 작업자 효율성을 향상시켜 사이클 타임을 단축할 수 있다.

아날로그 세계 위에 디지털 컨텐츠와 정보를 오버레이 할 수 있도록 라이브 비디오에서 포즈 탐지가 중요한 역할을 한다. POSE는 손, 팔꿈치 또는 어깨와 같은 골격 랜드마크 포인트 세트를 사용하여 신체의 위치와 움직임을 설명한다.

AI 머신 비전은 공장 운영자와 작업자의 물리적 위치가 업무에 어떤 영향을 미치는지에 집중할 수 있게 한다. POSE 데이터는 작업자가 보다 인체 공학적이고 효율적으로 작업하기 위해 팔과 손을 어디에 배치해야 하는지에 대한 지침을 위한 훌륭한 훈련 도구이다. 또 다른 중요한 장점은 자세 또한 더 좋아질 수 있다는 점이다[그림 3 참조].

운영자가 생산 라인의 워크스테이션에 있는지 여부를 추적하여 타임시트를 자동화하고 확인할 수 있다. SOP를 적극적으로 따르고 있는지 모니터링하여 품질 관리 및 라인 밸런싱을 보장할 수 있다.

AI 스마트 AOI(Automated Optical Inspection)

수동 제품 품질 검사는 시간이 많이 걸리고 일관성이 없으며 생산 라인에 병목 현상을 발생시킬 수 있다. 기존 AOI 머신 비전은 전문 품질 관리 직원보다 뛰어난 정확성과 효율성으로 더 빨리 결함을 발견할 수 있다. 그러나 콘택트 렌즈의 결함과 같이 고장을 감지하기 어려운 경우, 이러한 머 비전 시스템은 정확성 및 일관성 차원에서 한계에 도달한다.

대부분의 제조업체가 테스트 제품의 결함을 무작위로 샘플링하지만 콘택트 렌즈 생산 라인에서는 모든 렌즈를 하나하나 검사해야 하기 때문에 이 작업이 불가능하다. 품질 관리 담당자는 교대조당 최대 4,000개의 렌즈만 볼 수 있어 생산 병목 현상이 발생한다. 또한 잘못된 검사 및 탐지 누락이 불가피하다.

콘택트 렌즈가 투명하기 때문에 머신 비전 기반 탐지를 구현하는 것은 역사적으로 업계에서 어려운 과제였다. 기존의 AOI는 결함을 발견하기 위해 고정된 기하학적 알고리즘에 의존하지만 투명한 물체로부터 품질 이미지를 획득하는 것은 어려워 불량 탐지 성능이 좋지 않았다.

AI 스마트 카메라를 이용해 데이터를 수집해 AI 알고리즘을 교육하고 검사 성능 향상을 반복하여 보다 유리한 솔루션을 제공할 수 있다. AI 스마트 시스템은 이물질, 공기방울, 가장자리, 입자, 긁힘 등 가장 일반적인 결함을 식별하고 참조를 위해 검사 로그를 유지관리 할 수 있다(그림 4 참조).

각 AI 스마트 카메라는 수동 육안 검사보다 30%에서 최대 95%까지 향상된 정확도로, 50배 많은 렌즈를 검사할 수 있다.

결론적으로

AI 머신 비전 기술의 강력한 실시간 데이터를 활용하는 제조업체는 가동 시간을 늘리고, 예방적 유지 보수를 활용하며, 생산성과 작업자 안전을 향상시키며, 다양한 작업현장에서 이점을 누릴 수 있다.

이 글에서 강조된 AI 머신비전 애플리케이션은 딥러닝을 위한 AI 알고리즘을 필요로 한다. AI 알고리즘을 개발하는 소프트웨어 전문가들은 AI 모델 추론을 실행할 수 있는 스마트하고 신뢰할 수 있는 플랫폼이 필요하다.

사전 설치된 엣지 비전 애널리틱스(Edge Vision Analytics. 이하, EVA) 소프트웨어가 포함된 AI 스마트 카메라는 기존 AI 비전 시스템에 공통되는 많은 문제를 해결하고 호환성을 개선하고 설치 속도를 높이고 유지 관리 문제를 최소화한다.

AI 비전 프로젝트를 성공적으로 구현하려면 엔지니어가개념 증명(PoC)을 수행하는 데 12주가 걸릴 수 있다.

최적화된 카메라와 AI 추론 엔진을 선택하고 AI 모델을 재교육하며 비디오 스트림을 최적화하는 러닝 커브를 극복하려면 상당한 시간이 소요되지만, EVA 소프트웨어는 파이프라인 구조로 이 모든 단계를 단순화하고 PoC 시간을 최대 2주로 단축해 AI 비전 프로젝트를 시작하는데 탁월한 출발점 역할을 하는 것이다.