일본산업뉴스요약

AI로 페트병의 불량 99% 검출 -- 쿄라쿠, 외관 검사 업무를 자동화
  • 카테고리사물인터넷/ ICT/ 제조·4.0
  • 기사일자 2023.4.12
  • 신문사 Nikkei X-TECH
  • 게재면 online
  • 작성자hjtic
  • 날짜2023-04-20 10:30:10
  • 조회수248

Nikkei X-TECH_2023.4.12

AI로 페트병의 불량 99% 검출
쿄라쿠, 외관 검사 업무를 자동화

플라스틱 제품 제조 업체인 쿄라쿠가 외관 검사 자동화를 강화한다. 대상은 간장이나 화장품 용기로 사용되는 ‘하쿠리 보틀’(항산화 보틀)이라는 제품의 생산라인이다. AI(인공지능)를 활용한 외관 검사 시스템을 도입해 23년 1월에 쓰치우라 공장에서 가동했다.

이 제품은 복잡한 구조가 특징이어서 다른 제품에서 전개하고 있는 검사 기술을 적용하기 어려웠다. 새로운 시스템으로 생산 라인에서의 검사를 자동화해 노동력 절약화를 추진해 나간다. 도입 비용은 수 천만 엔으로 보인다.

-- 2개월에 걸쳐 추가 학습을 실시 --
쿄라쿠는 식품 용기나 공업 용기와 같은 플라스틱 가공 제품을 제조하고 있다. 노동력을 절약하기 위한 시도로서 물체 검출 AI 모델을 채택. 병의 불량 부분이나 내용을 AI가 검출해, 이미 구축한 룰 베이스와 AI에 의한 검출 결과를 바탕으로 배출 제어 장치가 불량품을 가려내는, 2단 구성의 구조로 되어 있다.

불량품 항목은 흑결함이라고 부르는 병의 그을림과 검은 이물질, 제조공정에서 생기는 백결함, 비정형 박리와 패임의 4개 항목이다. 이들을 검출하기 위해 불량품 이미지 데이터를 150장 학습시켜 AI를 구축했다. 불량품을 감지하는 정확도는 99% 이상에 달한다고 한다.

높은 감지율을 자랑하는 것은 추가 학습의 효과다. AI 모델을 구축하는 과정에서 수십~100장 정도의 불량품 이미지를 추가 학습시켰다고 한다. 다만 원래 불량품은 좀처럼 나오지 않아 학습에 적합한 불량품을 선출하는 데 애를 먹었다. “소재를 수집하는 것이 가장 힘든 작업이었다”(기술연구본부 생산기술그룹의 구로사키(黒崎) 씨).

약 1년의 프로젝트 중 2개월을 들여 AI 모델을 약 40회 구축했다. “어떠한 식으로 추가 학습을 하면 정밀도가 올라갈까, 트라이 앤 에러를 반복하면서 작업을 진행했었다”(구로사키 씨).

꾸준한 시책이 효과를 발휘해 육안 검사의 노동력 절약화도 진행됐다. 23년 3월 시점에서 쓰치우라 공장은 대상인 하쿠리 보틀의 육안 검사에 필요한 작업원을 1일당 3명으로 반감할 수 있음을 확인했다.

-- PoC로 검사 시간을 검증 --
이 프로젝트의 발단은 18년이다. 당시 식품 용기 검사에 드는 노동력을 줄이기 위해 카메라 영상을 보고 제품의 양호, 불량을 룰에 기반해 판정하는 외관 검사 장치에 의한 자동검사시스템을 도입해 마요네즈 등의 용기인 소프트 보틀에서 사용해왔다.

19년에 외관검사의 적용 대상을 하쿠리 보틀로 확대하려 했지만 룰 기반의 검사 시스템으로는 판별이 어려웠다. 하쿠리 보틀은 2중 구조로, 안쪽의 부정형 모양이 불량품의 자동 검출에 적합하지 않았기 때문이다. 결과적으로 기존과 같이 숙련된 작업자들이 육안으로 외관 검사를 계속하고 있었다. 다만 하쿠리 보틀의 불량 부분은 0.1mm² 등으로 매우 작다. 검사 항목도 많아 인재 육성의 문턱이 높았다.

이런 과제를 해결하기 위해 발안한 것이 AI 활용이었다. 실제로 AI가 유효한지 아닌지를 판별하기 위해 2회에 나누어 PoC(개념실증)를 실시했다. 첫 번째는 불량품을 검출할 수 있는지, 두 번째는 검사 시간을 맞출 수 있는지 확인했다.

특히 두 번째에 대해 “전수검사에서 하나도 놓치지 말아야 한다. 보틀을 만드는 성형 장치의 속도에 검사 장치가 맞출 수 있을지가 과제였다”(구로사키 씨). 검사 시간을 클리어하지 않으면 프로젝트가 좌절될 우려마저 있었다.

개발 벤더는 4~5사부터 검토해, 일본 IBM의 서버 ‘IBM Power System AC922’에서 AI 모델의 개발을 결정했다. 미국 NVIDIA의 GPU(그래픽 처리 프로세서)를 탑재해 AI의 학습처리에 적합한 것으로 알려졌다.

선정 이유는 검사 속도와 서버의 견고성이 높은 평가를 받았다고 한다. 서버는 추론과 학습을 위해 2대 도입. 프로젝트는 3인 체제로 진행했다. 23년 8월까지 검사를 자동화하고, 앞으로는 다른 공장으로도 확대해 나갈 계획이라고 한다.

-- 끝 --

Copyright © 2020 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.

목록