AI활용한 '스마트 지그' 개발로 품질검사 시간 258배 개선

기존의 720초나 걸리던 단차 품질 검사 시간을 258배 빠르게 개선할 수 있는 스마트 지그기술이 개발됐다.

3초도 안돼 머리카락 3개 두께의 미세 불량까지 잡아낸다.

UNIST는 기계공학과 정임두 교수 연구팀이 3D 프린팅 센서캡과 이상 탐지 AI 알고리즘을 결합, 단차 불량을 실시간 판별 가능한 '스마트 지그 품질 검사 시스템’을 개발했다고 1일 밝혔다.

UNIST가 개발한 다변량 시계열 데이터에서 실시간 이상치 탐지 알고리즘 개요도. a는 트랜스포머 기반 알고리즘 및 실시간 시계열 데이터 학습 워크플로우, b는 이상치 판단 테스트 결과를 나타낸다.(그림=UNIST)

이 시스템은 2.79초 만에 수백 μm 수준의 세 단차 불량을 잡아낼 수 있다.

단차 불량은 조립 부품 간 표면 높이가 어긋나는 현상이다. 단차 불량이 발생하면 접합부 강도 저하와 품질 불량을 유발한다. 이같은 불량은 개별 부품 성형 오차나 이동 과정에서의 찍힘·뒤틀림 등으로 인해 일어난다.

정임두 교수는 "용접 등 완제품 조립이 끝난 뒤에는 수정이 불가능해 조기 검출이 중요하다"고 말했다.

연구팀은 이를 위해 조립 공정에서 부품을 고정하는 순간 단차 불량 여부를 판별하는 '스마트 지그'를 개발했다. 지그는 조립할 부품을 정확한 위치에 고정해 두는 장치다.

연구팀은 고정 팔 역할을 하는 지그 클램프 접촉 면에 부드러운 소재의 3D 프린팅 센서캡을 부착했다. 부품을 클램프로 잡으면 부착된 센서캡이 부품 표면 형상에 맞춰 미세하게 눌리거나 벌어지는데, 이 변형 패턴을 AI가 분석해 불량을 찾아내는 원리다.

이 기술은 12분 정도 소요되던 검수 시간을 2.79초로 단축시킨다. 빠르게 돌아가는 자동화 생산 라인을 멈추지 않고 전수 검사를 할 수 있다. 수백 µm 초미세 단차 불량까지 찾아낼 수 있다.

검출된 결함은 히트맵으로 시각화돼 작업자가 결함 위치와 정도를 직관적으로 확인하고, 즉시 대응할 수 있게 했다. 또 AI 모델을 정상 제품 데이터만으로도 학습시킬 수 있어, 불량 데이터 수집과 수작업 라벨링이 어려운 실제 제조 환경에서도 곧장 적용할 수 있다는 것도 이 기술의 강점이다.