존디어, AI 도입으로 용접 기공 문제 해결

용접은 중장비 제조 산업의 필수적인 부분이며, 기술자들이 용접 중 직면하는 과제 중 하나는 기공(porosity)입니다. 즉, 용접 금속 내에 공동(cavities)이 존재하는 것입니다.

이 공동들은 용접 강도를 약화시키고 재작업이나 결함 부품 전체의 폐기를 요구합니다.

이는 비용이 많이 들고 시간이 많이 소요됩니다. 숙련된 용접 엔지니어는 청각 및 시각 검사로 기공을 감지할 수 있지만, 이러한 엔지니어를 찾기는 어렵습니다. 또한 시끄럽고 연기로 가득한 공장 환경에서 결함을 듣거나 보는 데 어려움을 겪을 수도 있습니다.

기존 자동 모니터링 시스템은 종종 높은 위양성(false positive) 비율을 경험하여 생산을 늦추고 비용을 추가합니다.

농업, 건설, 임업 기계를 만드는 존디어(John Deere)는 이 문제를 해결하기 위해 인텔(Intel)과 협력하여 인공지능(AI) 기반 솔루션을 구축했습니다.

머신 비전 솔루션은 연기와 스파크가 카메라 배치를 어렵게 하는 극도로 열악한 환경 때문에 용접 애플리케이션에 만들기 오랫동안 어려웠습니다.

이러한 과제를 극복하기 위해 우리는 존디어 및 파트너들과 협력하여 용접부에 근접 배치된 카메라로 AI 솔루션을 만들었습니다. 이는 인간의 눈 능력을 넘어선 통찰력을 제공합니다.

인텔 OpenVINO(Visual Inference and Neural Network Optimization) 툴킷을 활용하여, 이 솔루션은 스트리밍 비디오를 프레임별로 검사하여 결함을 찾습니다.

AI 모델이 결함을 식별하면, 솔루션은 용접 로봇을 즉시 끄고 기술자가 안전하게 개입할 수 있도록 합니다. 업계 전반에서 용접 공정 중 기공 문제를 다루려는 과거 시도들이 항상 성공적이었던 것은 아닙니다. 이 결함들이 제조 공정 후반에 발견되면 전체 어셈블리의 재작업이나 폐기가 필요하며, 이는 혼란스럽고 비용이 많이 듭니다.

디어와의 파일럿 기반으로, 이 솔루션은 기공 결함을 최대 97.14% 정확도로 감지할 수 있습니다. 이는 제조업체에 엄청난 비용 및 생산성 절감을 가져옵니다. 이 독립형 솔루션은 제3자 전원 공급 장치나 용접 로봇 모델에 의존하지 않아 진정한 확장성을 가집니다.

엔드투엔드 통합 시스템은 또한 제조업체가 새롭고 기존의 용접 장비를 연결하고, 여러 컴퓨팅 집약적 이미지 데이터 스트림을 캡처하며, 머신러닝 모델을 에지 디바이스에 배포할 수 있게 합니다.

용접 품질 과제는 물론 존디어만의 것이 아닙니다. 독특한 것은 디어의 접근 방식입니다. 회사 엔지니어들은 AI와 머신 비전을 활용하여 품질 검사를 자동화함으로써 문제가 발생하는 즉시 감지하여 공장 현장에서 빠른 의사결정을 내리고, QA 프로세스를 자동화하여 품질을 개선하고, 비용을 줄이며, 공장 처리량을 늘리고 있습니다.

디어와 협력하면서 우리의 초점은 회사가 미래에 가질 수 있는 다른 품질 또는 효율성 니즈를 지원하기 위해 솔루션의 수명을 보장하는 것이었습니다.

이것은 기존 제조 장비, 프로세스 및 관리에 지능을 추가하려는 기업들에게 큰 시사점입니다. 오늘의 과제를 해결하면서 미래의 유연성과 사용 편의성을 위한 상호 운용성과 확장성을 보장할 수 있는 솔루션 제공업체와 협력하는 것이 필수적입니다.

"용접은 복잡합니다. 이 AI 솔루션은 우리가 기계를 이전보다 더 효율적으로 생산하는 데 도움이 될 잠재력이 있습니다"라고 디어의 건설 및 임업 부문 품질 이사 앤디 벤코(Andy Benko)는 말했습니다.