KR20230118213A - 인공지능을 이용한 품질검사 시스템 및 방법 - Google Patents
인공지능을 이용한 품질검사 시스템 및 방법 Download PDFInfo
- Publication number
- KR20230118213A KR20230118213A KR1020220014151A KR20220014151A KR20230118213A KR 20230118213 A KR20230118213 A KR 20230118213A KR 1020220014151 A KR1020220014151 A KR 1020220014151A KR 20220014151 A KR20220014151 A KR 20220014151A KR 20230118213 A KR20230118213 A KR 20230118213A
- Authority
- KR
- South Korea
- Prior art keywords
- quality inspection
- product
- artificial intelligence
- unit
- products
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 206
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 122
- 238000007689 inspection Methods 0.000 claims abstract description 271
- 238000004519 manufacturing process Methods 0.000 claims abstract description 102
- 230000002950 deficient Effects 0.000 claims abstract description 84
- 230000007547 defect Effects 0.000 claims abstract description 40
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000013135 deep learning Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 56
- 238000012544 monitoring process Methods 0.000 claims description 31
- 230000005856 abnormality Effects 0.000 claims description 20
- 238000012546 transfer Methods 0.000 claims description 20
- 238000012423 maintenance Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 11
- 238000000465 moulding Methods 0.000 claims description 9
- 238000004886 process control Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 7
- 238000007664 blowing Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 2
- 238000011900 installation process Methods 0.000 claims 1
- 238000005507 spraying Methods 0.000 claims 1
- 238000001746 injection moulding Methods 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 15
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010137 moulding (plastic) Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/10—Scanning
- G01N2201/104—Mechano-optical scan, i.e. object and beam moving
- G01N2201/1042—X, Y scan, i.e. object moving in X, beam in Y
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Emergency Management (AREA)
- General Factory Administration (AREA)
Abstract
본 발명은 품질검사를 위한 장치 및 방법에 관한 것으로, 본 발명에 따르면, 종래, 예를 들면, 자동차 부품이나 소형 플라스틱 사출물 등과 같은 제품의 품질검사에 있어서, 생산량은 많고 단가는 낮은 특성상 전수검사가 어려움으로 인해 샘플을 선별하여 품질검사를 수행하므로 불량품을 완전히 걸러낼 수 없는 한계가 있고, 또한, 샘플검사시 하나라도 불량이 발견되면 해당 제품을 전량 폐기함으로 인해 시간 및 비용이 낭비되는 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 해결하기 위해, 예를 들면, 딥러닝(Deep Learning) 기반의 컨볼루션 오토인코더(Convolutional Autoencoder)를 이용한 이상탐지(anomaly detection) 기술을 이용하여, 인공지능(Artificial Intelligence ; AI)을 통해 정상 제품의 이미지를 학습한 학습결과에 근거하여 카메라로 촬영된 실제 제품의 이미지와의 일치율에 따라 불량 여부를 판정하도록 구성됨으로써, 비교적 간단한 구성 및 저렴한 비용으로 제품에 대한 전수검사가 자동으로 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법이 제공된다.
Description
본 발명은 생산공정을 통해 생산 및 제조된 제품이나 물품의 품질검사를 위한 장치 및 방법에 관한 것으로, 더 상세하게는, 종래, 예를 들면, 자동차 부품이나 소형 플라스틱 사출물 등과 같이, 비교적 크기가 작고 대량으로 생산되는 제품이나 물품의 품질검사에 있어서, 생산량은 많으나 각 개별 제품의 단가가 낮은 관계로 모든 제품에 대한 전수검사가 어려운 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 해결하기 위해, 인공지능(Artificial Intelligence ; AI) 기술을 도입하여 자동으로 생산된 제품에 대한 전수검사가 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법에 관한 것이다.
또한, 본 발명은, 상기한 바와 같이 생산량은 많고 단가는 낮은 소형 제품은 그 특성상 전수검사가 어려우므로 일정 주기마다 샘플을 선별하여 선별적으로 품질검사를 수행하고, 선별된 샘플들 중에서 하나라도 불량이 발견되면 해당 제품을 전량 폐기하는 방식으로 품질검사가 이루어짐으로 인해, 품질검사를 수행하더라도 불량품을 완전히 걸러낼 수 없는 한계가 있는 데 더하여 불량품 발견시 정상 제품들까지도 모두 폐기되어 제품 생산을 위한 시간 및 비용이 낭비되는 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 해결하기 위해, 예를 들면, 딥러닝(Deep Learning) 기반의 컨볼루션 오토인코더(Convolutional Autoencoder)를 이용한 이상탐지(anomaly detection) 기술을 이용하여, 인공지능(AI)을 통해 정상 제품의 이미지를 학습한 학습결과에 근거하여 카메라로 촬영된 실제 제품의 이미지와의 일치율에 따라 불량 여부를 판정하도록 구성됨으로써, 비교적 간단한 구성 및 저렴한 비용으로 생산된 제품에 대한 전수검사가 자동으로 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법에 관한 것이다.
일반적으로, 제품이나 물품의 생산 및 제조시, 해당 제품이나 물품의 생산 및 제조 후 출고하기 전에 외관 등을 검사하여 불량품을 걸러내기 위한 품질검사 작업이 이루어진다.
여기서, 상기한 바와 같이 제품의 출고 전에 불량품을 걸러내기 위해 품질검사를 수행하기 위한 장치 및 방법에 대한 종래기술의 예로는, 먼저, 예를 들면, 한국 등록특허공보 제10-2044222호에 제시된 바와 같은 "차체 부품 검사 장치 및 방법"이 있다.
더 상세하게는, 상기한 한국 등록특허공보 제10-2044222호는, 차체부품의 설계정보에 기반하여 생산된 차체부품을 복수의 돌기고정부에 안착하여 차체부품의 불량여부를 검사하기 위한 차체부품 검사지그; 차체부품 검사지그에 구비된 복수의 센서로부터 차체부품과 복수의 돌기고정부 간의 결합을 감지하는 결합정보를 수집하는 수집부; 결합정보에 기반하여 피검사 차체부품이 차체부품 검사지그에 포함된 복수의 돌기고정부에 정상 안착되었는지 여부를 판단하는 판단부; 피검사 차체부품이 정상 안착된 것으로 판단되는 경우 피검사 차체부품과 복수의 돌기고정부가 결합되도록 조작레버의 구동을 제어하는 제어부; 및 차체부품의 설계정보에 기반하여 가상 차체부품 검사지그 및 가상 피검사 차체부품을 생성하는 가상 모델링정보 생성부를 포함하여, 차체부품을 차체검사 지그에 장착하여 차체부품과 차체검사 지그와의 매칭을 통해 차체부품을 정밀하게 검사할 수 있도록 구성되는 차체부품 검사장치 및 방법에 관한 것이다.
또한, 상기한 바와 같이 제품의 출고 전에 불량품을 걸러내기 위해 품질검사를 수행하기 위한 장치 및 방법에 대한 종래기술의 다른 예로는, 예를 들면, 한국 등록특허공보 제10-1975905호에 제시된 바와 같은 "프레스 성형물 검사장치"가 있다.
더 상세하게는, 상기한 한국 등록특허공보 제10-1975905호는, 프레스 성형물이 공급되어 이송되는 메인 컨베이어 벨트; 메인 컨베이어 벨트에 의해 이송된 프레스 성형물을 자동으로 정렬시키는 얼라인 시스템; 얼라인 시스템에 의해 정렬된 프레스 성형물의 가로 세로 길이를 측정하는 길이측정 시스템; 정렬된 프레스 성형물의 두께와 굴곡도를 측정하는 두께 및 굴곡도 측정 시스템; 각 시스템들에 의해 측정된 결과에 따라 양품/불량품을 판단하는 제어 시스템; 및 제어 시스템에서 판단된 내용에 따라 양품/불량품을 서로 다른 곳으로 배출하는 배출 시스템을 포함하여, 전자제품 케이스와 같은 프레스 성형물의 크기, 두께, 굴곡도 및 무게 등의 검사항목을 순서에 따라 자동으로 검사한 다음 양품/불량품을 판정하여 분리 배출하도록 구성되는 프레스 성형물 검사장치에 관한 것이다.
상기한 바와 같이, 종래, 제품의 출고 전에 불량품을 걸러내기 위해 다양한 품질검사 장치 및 방법들이 제시된 바 있으나, 상기한 바와 같은 종래기술의 내용들은 다음과 같은 한계가 있는 것이었다.
즉, 예를 들면, 자동차 부품이나 소형 플라스틱 사출물 등과 같은 제품의 경우, 하루에 대략 10만개 이상으로 대량생산이 이루어지는 반면, 각각의 제품의 단가는 매우 낮은 특성이 있으며, 그로 인해, 자동차 부품이나 소형 플라스틱 사출물 등과 같은 제품의 품질검사시에는 생산량이 많고 단가는 낮은 특성상 모든 제품을 전수검사하여 불량품을 선별하기는 현실적으로 어려운 문제가 있다.
이에, 종래, 일반적으로, 자동차 부품이나 소형 플라스틱 사출물 등과 같은 제품에 있어서, 예를 들면, 하루 세번 등과 같이, 생산과정 중 미리 정해진 일정 간격으로 무작위로 샘플을 추출하여 품질검사를 수행하고, 샘플들 중 하나라도 불량이 발견되면 해당 생산분을 전량 폐기하는 방식으로 생산 및 품질검사가 이루어지고 있다.
그러나 상기한 바와 같은 선별적 샘플검사 방식은 검사가 이루어진 샘플들 중에 불량이 없더라도 검사되지 않은 나머지 제품들에 불량이 존재할 수 있으므로 검사의 정확성에 명백한 한계가 있는 것이었다.
아울러, 종래의 품질검사 방식은 샘플검사시 불량이 발견되면 해당 시점의 생산 제품을 모두 폐기하므로 그만큼 제품 생산을 위한 시간과 비용이 낭비되는 문제도 있는 것이었다.
더욱이, 상기한 자동차 부품이나 소형 플라스틱 사출물 등과 같이 생산량이 많고 단가는 낮은 제품은 그 특성상 개별 제품을 하나씩 검사하기는 어려운 문제가 있으나, 상기한 바와 같은 종래기술의 내용들에는 단지 차체부품이나 전자제품 케이스 등과 같이 비교적 크기가 큰 제품들에 대하여 각각의 제품을 개별적으로 검사하도록 구성되는 검사장치 및 방법에 대한 기술내용만이 제시되어 있을 뿐, 생산량이 많고 단가는 낮은 특성을 가지는 소형 제품의 품질검사에 적용하기에 적합한 품질검사 장치나 방법에 대하여는 제시된 바 없는 한계가 있는 것이었다.
따라서 상기한 바와 같은 종래기술의 품질검사 장치 및 방법들의 한계를 해결하기 위하여는, 예를 들면, 자동차 부품이나 소형 플라스틱 사출물 등과 같이, 생산량이 많고 단가는 낮은 소형 제품에 대하여도 비교적 간단한 구성 및 저렴한 비용으로 전수검사가 가능하도록 구성되는 새로운 구성의 품질검사 장치 및 방법을 제시하는 것이 바람직하나, 아직까지 그러한 요구를 모두 만족시키는 장치나 방법은 제시되지 못하고 있는 실정이다.
본 발명은 상기한 바와 같은 종래기술의 문제점을 해결하고자 하는 것으로, 따라서 본 발명의 목적은, 예를 들면, 자동차 부품이나 소형 플라스틱 사출물 등과 같이, 비교적 크기가 작고 대량으로 생산되는 제품이나 물품의 품질검사에 있어서, 생산량은 많으나 각 개별 제품의 단가가 낮은 관계로 모든 제품에 대한 전수검사가 어려운 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 해결하기 위해, 인공지능(AI) 기술을 도입하여 자동으로 생산된 제품에 대한 전수검사가 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법을 제시하고자 하는 것이다.
또한, 본 발명의 다른 목적은, 상기한 바와 같이 생산량은 많고 단가는 낮은 소형 제품은 그 특성상 전수검사가 어려우므로 일정 주기마다 샘플을 선별하여 선별적으로 품질검사를 수행하고, 선별된 샘플들 중에서 하나라도 불량이 발견되면 해당 제품을 전량 폐기하는 방식으로 품질검사가 이루어짐으로 인해, 품질검사를 수행하더라도 불량품을 완전히 걸러낼 수 없는 한계가 있는 데 더하여, 불량품 발견시 정상 제품들까지도 모두 폐기되어 제품 생산을 위한 시간 및 비용이 낭비되는 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 해결하기 위해, 예를 들면, 딥러닝(Deep Learning) 기반의 컨볼루션 오토인코더(Convolutional Autoencoder)를 이용한 이상탐지(anomaly detection) 기술을 이용하여, 인공지능(AI)을 통해 정상 제품의 이미지를 학습한 학습결과에 근거하여 카메라로 촬영된 실제 제품의 이미지와의 일치율에 따라 불량 여부를 판정하도록 구성됨으로써, 비교적 간단한 구성 및 저렴한 비용으로 생산된 제품에 대한 전수검사가 자동으로 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법을 제시하고자 하는 것이다.
상기한 바와 같은 목적을 달성하기 위해, 본 발명에 따르면, 인공지능(AI)을 이용한 품질검사 시스템에 있어서, 검사대상 제품을 제작 및 생산하는 생산설비의 출력단 측에 연결되어 해당 생산설비를 통해 생산된 제품을 상기 품질검사 시스템으로 이동시키는 처리가 수행되도록 이루어지는 제품이송부; 인공지능(AI) 알고리즘에 기반한 이상탐지(anomaly detection) 기술을 이용하여, 상기 제품이송부를 통해 이송되는 각각의 제품들에 대한 품질검사를 행하여 불량 여부를 판단하고 정상 제품만을 선별하는 처리가 수행되도록 이루어지는 품질검사부; 상기 품질검사부를 통해 품질검사가 완료된 정상 제품을 출력하는 처리가 수행되도록 이루어지는 제품배출부; 및 상기 생산설비의 공정조건을 모니터링하여 불량제품 발생시 정상 상태의 공정조건에 따라 자동으로 공정을 제어하거나, 관리자나 담당부서를 포함하는 미리 정해진 연락처에 해당 사실을 전달하여 유지보수를 요청하는 처리가 수행되도록 이루어지는 공정관리부를 포함하여 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템이 제공된다.
여기서, 상기 시스템은, 상기 시스템의 전체적인 동작을 표시하고 불량이나 이상 발생시 경보음이나 경고메시지 등을 통해 해당 사실을 전달하기 위한 스피커 및 디스플레이를 포함하는 출력수단을 포함하여 이루어지는 출력부; 서버나 사용자 단말기를 포함하는 외부 기기와 유선 또는 무선 통신 중 적어도 하나의 방식으로 통신하여 각종 데이터를 송수신하는 처리가 수행되도록 이루어지는 통신부; 및 상기 시스템의 전체적인 동작을 제어하는 처리가 수행되도록 이루어지는 제어부를 더 포함하여 구성되는 것을 특징으로 한다.
또한, 상기 제품이송부는, 상기 생산장비의 배출구 측에 연결되고, 그물을 포함하는 필터링 수단을 이용하여 불필요한 부분은 걸러내고 제품만을 선별하는 처리가 수행되도록 이루어지는 제품선별부; 및 자동공급기(parts feeder)를 이용하여, 상기 제품선별부를 통해 선별된 각각의 제품을 미리 정해진 일정 간격으로 정렬하여 순차적으로 상기 품질검사부로 이송하는 처리가 수행되도록 이루어지는 제품공급부를 포함하여 구성되는 것을 특징으로 한다.
아울러, 상기 품질검사부는, 품질검사에 관련된 각종 데이터를 저장하고 품질검사를 위한 인공지능(AI) 알고리즘의 학습 및 업데이트 처리가 수행되도록 이루어지는 데이터 처리부; 상기 제품이송부를 통해 이송된 검사대상 제품의 영상이나 이미지를 촬영하는 처리가 수행되도록 이루어지는 영상취득부; 및 상기 영상취득부를 통해 촬영된 제품의 영상이나 이미지와 상기 인공지능(AI) 알고리즘을 통해 출력된 영상이나 이미지를 비교하여 불량 제품을 판단하는 처리가 수행되도록 이루어지는 불량판정부를 포함하여 구성되는 것을 특징으로 한다.
여기서, 상기 데이터 처리부는, 품질검사를 위해 미리 구축된 인공지능(AI) 알고리즘과, 상기 인공지능 알고리즘의 학습을 위해 정상 제품과 불량 제품에 대한 다수의 이미지를 포함하는 학습데이터와, 불량판정 및 공정관리를 위해 생산설비 및 공정조건에 대한 정보를 포함하는 각종 데이터를 수집 및 저장하여 이루어지는 데이터베이스를 포함하여 구성되는 것을 특징으로 한다.
더욱이, 상기 인공지능(AI) 알고리즘은, 딥러닝(Deep Learning) 기반의 컨볼루션 오토인코더(Convolutional Autoencoder)를 이용하여, 정상 제품에 대한 이미지를 미리 학습하고 카메라로 촬영된 실제 이미지가 입력되면 학습결과에 따라 입력된 이미지와 동일하게 생성된 이미지를 출력하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
또한, 상기 영상취득부는, 검사대상 제품을 촬영하기 위한 카메라 및 상기 카메라의 셔터 타이밍을 결정하기 위해 상기 검사대상 제품이 미리 정해진 촬영위치에 도달한 것을 감지하기 위한 감지센서를 포함하여 이루어지는 비전 시스템(vision system)을 이용하여, 상기 검사대상 제품이 상기 촬영위치를 지나갈 때 미리 정해진 설정에 따라 해당 제품을 촬영하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
아울러, 상기 불량판정부는, 상기 영상취득부를 통해 촬영된 검사대상 제품의 이미지가 입력되면, 정상 제품에 대하여 미리 학습된 상기 인공지능(AI) 알고리즘을 통해 해당 제품에 대한 이미지를 생성하고, 실제 촬영된 이미지와 상기 인공지능(AI) 알고리즘을 통해 생성된 이미지를 비교하여 일치율을 계산하며, 산출된 일치율이 미리 정해진 기준값이나 기준범위를 만족하면 정상 제품으로 판정하고, 만족하지 못하는 경우는 불량으로 판정하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
여기서, 상기 시스템은, 상기 기준값이나 상기 기준범위를 사용자가 임의로 설정할 수 있도록 구성되는 것을 특징으로 한다.
더욱이, 상기 제품배출부는, 상기 품질검사부를 통해 품질검사가 수행된 후 이송되는 제품들 중에서 불량으로 판정된 제품을 제거하는 처리가 수행되도록 이루어지는 불량제거부; 및 상기 불량제거부를 통해 불량제품이 제거된 후 정상 제품만을 미리 정해진 위치로 배출하는 처리가 수행되도록 이루어지는 제품출력부를 포함하여 구성되는 것을 특징으로 한다.
이때, 상기 불량제거부는, 공압 솔레노이드 밸브를 포함하여 이루어지는 송풍수단을 이용하여, 상기 품질검사부를 통해 품질검사가 수행된 후 미리 정해진 일정 간격 및 속도로 이송되는 제품들 중에서 불량 제품이 지나가는 시점에 상기 공압 솔레노이드 밸브를 작동시켜 공기를 분사하는 것에 의해 상기 불량 제품을 제거하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
또한, 상기 공정관리부는, 재료의 공급량, 공급시간, 공급압력, 공급속도, 온도, 성형시간을 포함하는 상기 생산설비의 전반적인 공정조건을 모니터링하고, 불량제품 발생시 불량으로 판정된 제품 제조시의 공정조건과 미리 저장된 정상상태의 공정조건을 비교하여 특정 항목에 차이가 있을 경우 해당 공정을 정상상태의 공정조건에 따라 자동으로 제어하며, 공정조건의 비교결과 각 공정에 차이가 없을 경우는 생산설비에 이상이 있는 것으로 판단하고 경보음이나 경고메시지를 출력하여 이상발생을 알리는 동시에, 관리자나 담당부서를 포함하는 미리 정해진 연락처에 해당 사실을 전달하여 해당 생산설비의 유지보수를 요청하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
아울러, 상기 시스템은, 상기 품질검사부와 상기 공정관리부의 처리결과를 상기 인공지능(AI) 알고리즘에 피드백하여 상기 인공지능(AI) 알고리즘의 재학습 및 업데이트 처리가 수행되도록 구성되는 것을 특징으로 한다.
더욱이, 본 발명에 따르면, 상기에 기재된 인공지능을 이용한 품질검사 시스템을 이용한 품질검사방법에 있어서, 상기 품질검사 시스템의 제품이송부를 통해 검사대상 제품이 순차적으로 투입되는 처리가 수행되는 투입단계; 상기 품질검사 시스템의 품질검사부를 통해 인공지능(AI) 알고리즘에 기반한 품질검사 처리가 수행되는 품질검사단계; 상기 품질검사 시스템의 제품배출부를 통해 불량품을 제거하고 정상 제품만을 출력하는 처리가 수행되는 배출단계; 상기 품질검사단계에서 불량발생시 공정조건을 비교하여 자동으로 공정을 제어하는 처리가 상기 공정관리부를 통해 수행되는 공정제어단계; 공정조건에 이상이 없는 경우는 미리 정해진 연락처에 해당 사실을 전달하여 생산설비에 대한 유지보수를 요청하는 처리가 상기 공정관리부를 통해 수행되는 유지보수단계; 및 상기 품질검사단계와 상기 공정제어단계 및 상기 유지보수단계의 처리결과를 피드백하여 상기 인공지능 알고리즘의 재학습 및 업데이트 처리가 상기 품질검사부를 통해 수행되는 업데이트단계를 포함하여 구성되는 것을 특징으로 하는 품질검사방법이 제공된다.
또한, 본 발명에 따르면, 생산설비 및 공정 모니터링 시스템에 있어서, 생산설비 및 공정의 이상 여부를 모니터링하기 위해 각각의 생산설비마다 설치되어 해당 설비에서 생산되는 제품에 대한 품질을 검사하고 설비 및 공정을 모니터링하는 처리가 수행되도록 이루어지는 다수의 품질검사 시스템; 각각의 상기 품질검사 시스템으로부터 품질검사 및 모니터링 정보를 각각 수신하여 이상발생시 알림을 전달하는 동시에, 각각의 설비의 운영에 대한 빅데이터를 구축하고 사용자의 요청에 따라 해당하는 각종 정보를 맞춤형으로 제공하는 처리가 수행되도록 이루어지는 서버; 및 사용자가 품질검사 및 모니터링 정보를 확인하고 원하는 정보를 요청하여 전달받기 위해 각각의 상기 품질검사 시스템 및 상기 서버와 각종 데이터를 송수신하기 위한 사용자 단말기를 포함하여 구성되고, 상기 품질검사 시스템은, 상기에 기재된 인공지능을 이용한 품질검사 시스템을 이용하여 구성되는 것을 특징으로 하는 생산설비 및 공정 모니터링 시스템이 제공된다.
여기서, 상기 사용자 단말기는, PC를 포함하는 정보처리장치를 이용하여 구성되거나, 또는, 스마트폰이나 태블릿 PC 또는 노트북을 포함하는 개인 휴대용 정보통신 단말기에 전용의 어플리케이션을 설치하여 구성되는 것을 특징으로 한다.
아울러, 본 발명에 따르면, 생산설비 및 공정 모니터링 방법에 있어서, 생산설비 및 공정의 이상 여부를 모니터링하기 위해 각각의 생산설비에 대하여 해당 설비에서 생산되는 제품에 대한 품질을 검사하고 설비 및 공정을 모니터링하는 처리가 수행되도록 이루어지는 품질검사 시스템 설치하는 처리가 수행되는 시스템 구축단계; 및 상기 시스템 구축단계를 통해 각각의 생산설비마다 설치된 상기 품질검사 시스팀을 통하여 각각의 생산설비 및 공정에 대한 이상 여부를 모니터링하는 처리가 수행되는 모니터링단계를 포함하여 구성되고, 상기 품질검사 시스템은, 상기에 기재된 인공지능을 이용한 품질검사 시스템을 이용하여 구성되는 것을 특징으로 하는 생산설비 및 공정 모니터링 방법이 제공된다.
상기한 바와 같이, 본 발명에 따르면, 딥러닝 기반의 컨볼루션 오토인코더를 이용한 이상탐지 기술을 이용하여, 인공지능(AI)을 통해 정상 제품의 이미지를 학습한 학습결과에 근거하여 카메라로 촬영된 실제 제품의 이미지와의 일치율에 따라 불량 여부를 판정하는 것에 의해 비교적 간단한 구성 및 저렴한 비용으로 생산된 제품에 대한 전수검사가 자동으로 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법이 제공됨으로써, 예를 들면, 자동차 부품이나 소형 플라스틱 사출물 등과 같이, 비교적 크기가 작고 대량으로 생산되는 제품이나 물품의 품질검사에 있어서, 생산량은 많으나 각 개별 제품의 단가가 낮은 특성상 모든 제품에 대한 전수검사가 어려운 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 해결할 수 있다.
또한, 본 발명에 따르면, 상기한 바와 같이 인공지능(AI) 기술을 도입하여 자동으로 생산된 제품에 대한 전수검사가 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법이 제공됨으로서, 생산량은 많고 단가는 낮은 소형 제품은 그 특성상 전수검사가 어려우므로 일정 주기마다 샘플을 선별하여 선별적으로 품질검사를 수행하고 선별된 샘플들 중에서 하나라도 불량이 발견되면 해당 제품을 전량 폐기하는 방식으로 품질검사가 이루어짐으로 인해 품질검사를 수행하더라도 불량품을 완전히 걸러낼 수 없는 한계가 있는 데 더하여, 불량품 발견시 정상 제품들까지도 모두 폐기되어 제품 생산을 위한 시간 및 비용이 낭비되는 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 모두 해결할 수 있다.
도 1은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 전체적인 구성을 개략적으로 나타내는 블록도이다.
도 2는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 제품이송부의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 3은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 품질검사부의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 4는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 품질검사부의 정상판정 처리과정을 개략적으로 나타내는 개념도이다.
도 5는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 품질검사부의 불량판정 처리과정을 개략적으로 나타내는 개념도이다.
도 6은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 제품배출부의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 7은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 전체적인 구성을 개략적으로 나타내는 개념도이다.
도 8은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템을 이용한 품질검사 방법의 전체적인 처리 흐름을 개략적으로 나타내는 플로차트이다.
도 9는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템을 이용한 생산설비 및 공정 모니터링 시스템의 전체적인 구성을 개략적으로 나타내는 블록도이다.
도 2는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 제품이송부의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 3은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 품질검사부의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 4는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 품질검사부의 정상판정 처리과정을 개략적으로 나타내는 개념도이다.
도 5는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 품질검사부의 불량판정 처리과정을 개략적으로 나타내는 개념도이다.
도 6은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 제품배출부의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 7은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템의 전체적인 구성을 개략적으로 나타내는 개념도이다.
도 8은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템을 이용한 품질검사 방법의 전체적인 처리 흐름을 개략적으로 나타내는 플로차트이다.
도 9는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템을 이용한 생산설비 및 공정 모니터링 시스템의 전체적인 구성을 개략적으로 나타내는 블록도이다.
이하, 첨부된 도면을 참조하여, 본 발명에 따른 인공지능을 이용한 품질검사 시스템 및 방법의 구체적인 실시예에 대하여 설명한다.
여기서, 이하에 설명하는 내용은 본 발명을 실시하기 위한 하나의 실시예일 뿐이며, 본 발명은 이하에 설명하는 실시예의 내용으로만 한정되는 것은 아니라는 사실에 유념해야 한다.
또한, 이하의 본 발명의 실시예에 대한 설명에 있어서, 종래기술의 내용과 동일 또는 유사하거나 당업자의 수준에서 용이하게 이해하고 실시할 수 있다고 판단되는 부분에 대하여는, 설명을 간략히 하기 위해 그 상세한 설명을 생략하였음에 유념해야 한다.
즉, 본 발명은, 후술하는 바와 같이, 종래, 예를 들면, 자동차 부품이나 소형 플라스틱 사출물 등과 같이, 비교적 크기가 작고 대량으로 생산되는 제품이나 물품의 품질검사에 있어서, 생산량은 많으나 각 개별 제품의 단가가 낮은 관계로 모든 제품에 대한 전수검사가 어려운 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 해결하기 위해, 인공지능(AI) 기술을 도입하여 자동으로 생산된 제품에 대한 전수검사가 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법에 관한 것이다.
아울러, 본 발명은, 후술하는 바와 같이, 생산량은 많고 단가는 낮은 소형 제품은 그 특성상 전수검사가 어려우므로 일정 주기마다 샘플을 선별하여 선별적으로 품질검사를 수행하고 선별된 샘플들 중에서 하나라도 불량이 발견되면 해당 제품을 전량 폐기하는 방식으로 품질검사가 이루어짐으로 인해 품질검사를 수행하더라도 불량품을 완전히 걸러낼 수 없는 한계가 있는 데 더하여, 불량품 발견시 정상 제품들까지도 모두 폐기되어 제품 생산을 위한 시간 및 비용이 낭비되는 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 해결하기 위해, 예를 들면, 딥러닝(Deep Learning) 기반의 컨볼루션 오토인코더(Convolutional Autoencoder)를 이용한 이상탐지(anomaly detection) 기술을 이용하여, 인공지능(AI)을 통해 정상 제품의 이미지를 학습한 학습결과에 근거하여 카메라로 촬영된 실제 제품의 이미지와의 일치율에 따라 불량 여부를 판정하도록 구성됨으로써, 비교적 간단한 구성 및 저렴한 비용으로 생산된 제품에 대한 전수검사가 자동으로 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법에 관한 것이다.
계속해서, 도면을 참조하여, 본 발명에 따른 인공지능을 이용한 품질검사 시스템 및 방법의 구체적인 내용에 대하여 설명한다.
더 상세하게는, 먼저, 도 1을 참조하면, 도 1은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)의 전체적인 구성을 개략적으로 나타내는 블록도이다.
도 1에 나타낸 바와 같이, 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)은, 크게 나누어, 각종 부품이나 소형 플라스틱 사출물 등과 같은 검사대상 제품을 제작 및 생산하는 생산설비의 출력단 측에 연결되어 해당 생산설비를 통해 생산된 제품을 품질검사를 위해 검사시스템(10)으로 이동시키는 처리가 수행되도록 이루어지는 제품이송부(11)와, 제품이송부(11)를 통해 이송되는 각각의 제품들에 대한 품질검사를 행하여 불량 여부를 판단하고 정상 제품만을 선별하는 처리가 수행되도록 이루어지는 품질검사부(12) 및 품질검사부(12)를 통해 품질검사가 완료된 정상 제품을 출력하는 제품배출부(13)를 포함하여 구성될 수 있다.
또한, 상기한 시스템(10)은, 도 1에 나타낸 바와 같이, 생산설비 및 공정조건을 모니터링하여 불량제품 발생시 정상 상태의 공정조건에 따라 자동으로 공정을 제어하거나 관리자나 담당부서와 같은 미리 정해진 연락처에 해당 사실을 전달하여 금형교체 등과 같이 생산설비의 유지보수를 요청하는 처리가 수행되도록 이루어지는 공정관리부(14)와, 시스템(10)의 전체적인 동작을 표시하고 불량이나 이상 발생시 경보음이나 경고메시지 등을 통해 해당 사실을 전달하기 위한 스피커 및 디스플레이 등의 출력수단을 포함하여 이루어지는 출력부(15)와, 예를 들면, 서버나 사용자 단말기 등과 같은 외부 기기와 유선 또는 무선 통신 중 적어도 하나의 방식으로 통신하여 각종 데이터를 송수신하는 처리가 수행되도록 이루어지는 통신부(16) 및 상기한 각 부와 시스템(10)의 전체적인 동작을 제어하는 처리가 수행되도록 이루어지는 제어부(17)를 더 포함하여 구성될 수 있다.
더 상세하게는, 도 2를 참조하면, 도 2는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)의 제품이송부(11)의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 2에 나타낸 바와 같이, 상기한 제품이송부(11)는, 생산하는 생산장비의 배출구 측에 연결되고, 예를 들면, 그물 등을 이용하여, 소형 플라스틱 성형물이나 부품 등과 같은 제품에서 게이트와 같이 불필요한 부분은 걸러내고 제품만을 선별하는 처리가 수행되도록 이루어지는 제품선별부(21)와, 제품선별부(21)를 통해 선별된 각각의 제품을 미리 정해진 일정 간격으로 정렬하여 컨베어를 통해 순차적으로 품질검사부(12)의 검사위치로 이송하는 처리가 수행되도록 이루어지는 자동공급기(parts feeder)를 포함하여 이루어지는 제품공급부(22)를 포함하여 구성될 수 있다.
아울러, 도 3을 참조하면, 도 3은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)의 품질검사부(12)의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 3에 나타낸 바와 같이, 상기한 품질검사부(12)는, 품질검사에 관련된 각종 데이터를 저장하고 품질검사를 위한 인공지능(AI) 알고리즘의 학습 및 업데이트 처리가 수행되도록 이루어지는 데이터 처리부(31)와, 제품이송부(11)를 통해 이송된 검사대상 제품의 영상이나 이미지를 촬영하는 처리가 수행되도록 이루어지는 영상취득부(32)와, 영상취득부(32)를 통해 촬영된 제품의 영상이나 이미지와 데이터 처리부(31)에서 인공지능(AI) 알고리즘을 통해 출력된 영상이나 이미지를 비교하여 불량 제품을 판단하는 처리가 수행되도록 이루어지는 불량판정부(33)를 포함하여 구성될 수 있다.
여기서, 상기한 데이터 처리부(31)는, 품질검사를 위해 미리 구축된 인공지능(AI) 알고리즘과, 해당 인공지능 알고리즘의 학습을 위해 정상 제품과 불량 제품에 대한 다수의 이미지를 포함하는 학습데이터와 불량판정 및 공정관리를 위해 생산설비 및 공정조건에 대한 정보 등을 포함하는 각종 데이터를 수집 및 저장하여 이루어지는 데이터베이스를 포함하여 구성될 수 있다.
이때, 상기한 인공지능(AI) 알고리즘은, 예를 들면, 딥러닝(Deep Learning) 기반의 컨볼루션 오토인코더(Convolutional Autoencoder)를 이용한 이상탐지(anomaly detection) 기술을 이용하여, 정상 제품에 대한 이미지를 미리 학습하고 카메라로 촬영된 실제 이미지가 입력되면 학습결과에 따라 입력된 이미지와 동일하게 생성된 이미지를 출력하는 처리가 수행되도록 구성될 수 있다.
더 상세하게는, 실제 제조현장에서는 대부분이 정상 제품이므로 현실적으로 다양한 불량에 대한 샘플을 확보하기 어렵고, 이에, 정상 샘플에 대하여 집중적으로 학습하는 모델이 보다 바람직하다.
또한, 상기한 바와 같은 컨볼루션 오토인코더를 이용하면 입력된 이미지를 압축한 후 재구성하는 과정에서 학습된 특징 이외의 부분은 제거되므로, 정상 제품의 이미지를 학습시킨 후 정상 제품의 이미지가 입력되면 거의 동일한 이미지가 출력되지만, 비정상이나 불량 제품의 이미지가 입력되면 이러한 비정상인 부분들이 실제와 다르게 출력된다.
따라서 상기한 바와 같은 특성을 이용하여, 입력된 실제 이미지와 인공지능을 통해 출력된 이미지를 비교하는 것에 의해 정상 제품과 불량 제품을 판단할 수 있다.
이를 위해, 상기한 영상취득부(32)는, 검사대상 제품을 촬영하기 위한 카메라와, 카메라의 셔터 타이밍을 결정하기 위해 검사대상 제품이 미리 정해진 촬영위치에 도달한 것을 감지하기 위한 감지센서를 포함하여, 검사대상 제품이 촬영위치를 지나갈 때 미리 정해진 설정에 따라 해당 제품을 촬영하는 처리가 수행되도록 이루어지도록 구성될 수 있다.
또는, 상기한 영상취득부(32)는, 예를 들면, 기존의 비전 시스템(vision system)이나 머신비전(machine vision) 시스템 등을 이용하여 구성될 수도 있는 등, 본 발명은 필요에 따라 다양하게 구성될 수 있는 것임에 유념해야 한다.
아울러, 상기한 불량판정부(33)는, 영상취득부(32)를 통해 촬영된 검사대상 제품의 이미지가 입력되면 상기한 바와 같이 정상 제품에 대하여 미리 학습된 인공지능(AI) 알고리즘(즉, 컨볼루션 오토인코더)을 통해 해당 제품에 대한 이미지를 생성하고, 실제 촬영된 이미지와 인공지능(AI) 알고리즘을 통해 생성된 이미지를 비교하여 일치율에 따라 불량 여부를 판단하는 처리가 수행되도록 구성될 수 있다.
즉, 도 4 및 도 5를 참조하면, 도 4 및 도 5는 각각 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)의 품질검사부(12)에서 수행되는 정상판정 처리과정과 불량판정 처리과정을 개략적으로 나타내는 개념도이다.
더 상세하게는, 상기한 불량판정부(33)는, 영상취득부(32)를 통해 촬영된 검사대상 제품의 이미지를 상기한 바와 같이 딥러닝 기반의 컨볼루션 오토인코더를 이용하여 입력되는 이미지와 동일한 이미지를 출력하도록 학습된 인공지능(AI) 알고리즘에 입력하여 제품 이미지를 생성하고, 인공지능을 통해 출력된 제품 이미지와 카메라로 촬영된 실제 이미지를 비교하여 일치율을 계산하는 처리가 수행되도록 구성될 수 있다.
이때, 도 4에 나타낸 바와 같이, 카메라로 촬영된 실제 이미지와 인공지능을 통해 출력된 이미지의 일치율이 미리 정해진 기준값이나 범위를 만족하면 정상 제품으로 판정하고, 도 5에 나타낸 바와 같이 일치율이 기준을 만족하지 못하는 경우는 불량으로 판정하는 처리가 수행되도록 구성될 수 있다.
즉, 정상 제품인 경우 입력 이미지와 동일한 이미지를 출력하도록 학습된 인공지능(AI) 알고리즘을 통하여 출력되는 제품 이미지와 실제 제품 이미지 사이에 차이가 없으나, 불량 제품의 이미지가 입력될 경우 인공지능(AI) 알고리즘은 학습된 정상 제품의 이미지와 상이한 부분을 제거하여 출력하게 되므로 실제 불량 제품의 이미지와 상이한 부분이 존재하게 된다.
따라서 상기한 바와 같이 실제 이미지와 인공지능을 통해 출력된 이미지의 일치율에 따라 불량 여부를 판단하도록 구성됨으로써, 비교적 간단한 구성만으로 정확하고 신속하게 대량의 제품에 대한 전수조사가 이루어질 수 있다.
여기서, 도 4 및 도 5에 나타낸 실시예에서는 일치율이 99% 이상일 경우에 정상으로 판정하는 경우를 예로 하여 본 발명을 나타내었으나, 이러한 기준값이나 범위는, 예를 들면, 제품의 종류 등과 같이, 다양한 요소를 고려하여 사용자가 필요에 따라 임의로 설정할 수 있도록 구성될 수 있다.
계속해서, 도 6을 참조하면, 도 6은 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)의 제품배출부(13)의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 6에 나타낸 바와 같이, 상기한 제품배출부(13)는, 품질검사부(12)를 통해 품질검사가 수행된 후 이송되는 제품들 중에서 불량으로 판정된 제품을 제거하는 처리가 수행되도록 이루어지는 불량제거부(61)와, 불량제거부(61)를 통해 불량제품이 제거된 후 정상 제품만을 미리 정해진 위치로 배출하는 처리가 수행되도록 이루어지는 제품출력부(62)를 포함하여 구성될 수 있다.
더 상세하게는, 상기한 불량제거부(61)는, 예를 들면, 송풍팬이나 블로워 등을 이용하여, 품질검사부(12)를 통해 품질검사가 수행된 후 일정 간격으로 컨베어를 통해 이송되는 제품들 중에서 불량 제품이 지나가는 시점에 해당 위치에서 바람을 생성하여 이송 컨베어 밖으로 불량 제품을 떨어뜨리는 것에 의해 정상 제품만을 배출하는 처리가 수행되도록 구성될 수 있다.
또한, 상기한 제품출력부(62)는, 불량제거부(61)를 통해 불량제품이 제거된 후 이송되는 정상 제품을 저장용기 등과 같이 미리 정해진 위치로 배출하기 위한 가이드 부재 등을 포함하여 구성될 수 있다.
아울러, 상기한 시스템(10)은, 상기한 바와 같이 하여 불량 제품을 발견시 공정시간이나 조건 등의 공정변수를 각각 검토하여 정상상태와 특정 조건이 상이한 경우는 해당 공정을 변경하거나, 모든 조건이 동일할 경우는 금형교체 등의 대응방안을 제시하는 처리가 수행되도록 구성될 수 있다.
즉, 상기한 공정관리부(14)는, 예를 들면, 재료의 공급량, 공급시간, 공급압력, 공급속도, 온도, 성형시간 등과 같이, 생산설비의 전반적인 공정조건을 모니터링하고 불량제품 발생시 불량으로 판정된 제품 제조시의 공정조건과 미리 저장된 정상상태의 공정조건을 비교하여 특정 항목에 차이가 있을 경우 해당 공정을 정상상태의 공정조건에 따라 자동으로 제어하는 처리가 수행되도록 구성될 수 있다.
이에 더하여, 상기한 공정관리부(14)는, 공정조건의 비교결과 각 공정에 차이가 없을 경우는 공정상에 문제가 없고 생산설비에 이상이 있는 것으로 판단하여 표시부(15)의 스피커 및 디스플레이를 통해 경보음이나 경고메시지 등을 출력하여 이상발생을 알리는 동시에, 통신부(16)를 통하여 관리자나 담당부서 등과 같이 미리 정해진 연락처에 해당 사실을 전달하여 예를 들면, 금형교체 등과 같이, 생산설비의 유지보수를 요청하는 처리가 수행되도록 구성될 수 있다.
이때, 바람직하게는, 예를 들면, 금형교체 등과 같이, 생산설비에 대하여 유지보수 및 점검이 필요한 항목이나 내용을 미리 정해진 설정에 따라 또는 인공지능을 통해 판단하고 알려주도록 구성될 수 있다.
더욱이, 상기한 시스템(10)은, 상기한 바와 같이 하여 수행되는 품질검사부(12)와 공정관리부(14)의 처리결과를 인공지능(AI) 알고리즘에 피드백하여 인공지능(AI) 알고리즘을 업데이트하는 처리가 수행되도록 구성됨으로써, 항상 일정 수준 이상의 정확도를 유지하고 불량판정의 정확도 및 신뢰도를 더욱 높일 수 있도록 구성될 수 있다.
따라서 상기한 바와 같이 하여 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)을 구현할 수 있으며, 즉, 도 7을 참조하면, 도 7은 상기한 바와 같이 하여 구성되는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)의 전체적인 구성을 개략적으로 나타내는 개념도이다.
도 7에 나타낸 바와 같이, 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)은, 예를 들면, 대략 5cm 크기의 비교적 소형 플라스틱 사출물을 제조 및 생산하는 생산장비의 배출구 측에 연결되어 해당 생산장비로부터 배출되는 제품이 생산과 동시에 제품이송부(11)를 통해 바로 투입되며, 제품선별부(21)를 통해 그물 등을 이용하여 제품에 붙어있는 게이트 등이 제거된 후, 제품공급부(22)의 자동공급기(parts feeder)를 통해 각 제품이 일정 간격으로 정렬되어 컨베어를 통해 품질검사부(12)로 하나씩 순차적으로 이송되도록 구성될 수 있다.
이어서, 품질검사부(12)의 영상취득부(32)를 통해 각각의 제품에 대한 촬영이 이루어지고, 불량판정부(33)를 통해 상기한 바와 같은 인공지능(AI) 알고리즘을 이용하여 불량 여부를 판단하는 처리가 수행되며, 불량 판정된 제품은 제품배출부(13)의 불량제거부(61)를 통해 제거된 후 정상 제품만이 제품출력부(62)통해 배출되도록 구성될 수 있다.
이때, 상기한 영상취득부(32)는, 도 7에 나타낸 바와 같이, 예를 들면, 카메라, 조명수단, 렌즈 및 감지센서를 포함하여 이루어지는 비전 시스템으로 구성될 수 있으며, 상기한 불량제거부(61)는, 예를 들면, 공압 솔레노이드 밸브를 포함하여 이루어지는 송풍수단을 이용하여, 해당 위치에 불량 제품이 지나가는 타이밍에 솔레노이드 밸브를 작동시켜 공기를 분사하도록 구성됨으로써, 불량제품을 바람으로 컨베어 밖으로 날리는 것에 의해 제거하도록 구성될 수 있다.
즉, 상기한 바와 같이 자동공급기를 통해 각각의 제품이 일정 간격으로 이격되어 컨베어를 통해 일정한 속도로 이송되므로, 불량판정이 발생한 시점부터 해당 불량 제품이 미리 정해진 위치까지 도달할 시간을 계산하여 해당 시점에 불량제거부(61)를 동작시키는 것으로 불량제거 처리가 용이하게 이루어질 수 있다.
또한, 불량제품 발견시 공정관리부(14)를 통해 해당 공정을 정상 상태의 공정과 비교하여 자동으로 제어하며, 공정에 이상이 없을 경우는 관리자나 담당부서 등과 같이 미리 정해진 연락처에 해당 사실을 알리고 금형교체 등과 같이 생산설비의 점검을 요청하며, 각각의 처리결과를 인공지능(AI) 알고리즘에 피드백하여 재학습을 수행하는 것에 의해 인공지능(AI) 알고리즘을 업데이트하는 처리가 자동으로 수행되도록 구성될 수 있다.
즉, 도 8을 참조하면, 도 8은 상기한 바와 같이 하여 구성되는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)을 이용한 품질검사 방법의 전체적인 처리 흐름을 개략적으로 나타내는 플로차트이다.
도 8에 나타낸 바와 같이, 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)을 이용한 품질검사 방법은, 크게 나누어, 상기한 품질검사 시스템(10)의 제품이송부(11)를 통해 검사대상 제품을 순차적으로 투입하는 처리가 수행되는 투입단계(S10)와, 상기한 품질검사 시스템(10)의 품질검사부(12)를 통해 인공지능(AI) 알고리즘에 기반한 품질검사 처리가 수행되는 품질검사단계(S20)와, 상기한 품질검사 시스템(10)의 제품배출부(13)를 통해 불량품을 제거하고 정상 제품만을 출력하는 처리가 수행되는 배출단계(S30)와, 품질검사단계(S20)에서 불량발생시 공정조건을 비교하여 자동으로 공정을 제어하는 처리가 상기한 공정관리부(14)를 통해 수행되는 공정제어단계(S40)와, 공정조건에 이상이 없는 경우는 관리자나 담당부서 등과 같은 미리 정해진 연락처에 해당 사실을 전달하여 금형교체 등과 같은 생산설비에 대한 유지보수를 요청하는 처리가 상기한 공정관리부(14)를 통해 수행되는 유지보수단계(S50) 및 품질검사단계(S20)와 공정제어단계(S40) 및 유지보수단계(S50)의 처리결과를 피드백하여 인공지능(AI) 알고리즘을 업데이트하는 처리가 상기한 품질검사부(12)를 통해 수행되는 업데이트단계(S60)를 포함하여 구성될 수 있다.
따라서 상기한 바와 같은 구성으로부터, 본 발명에 따르면, 생산량은 많으나 각 개별 제품의 단가가 낮은 특성상 모든 제품에 대한 전수검사가 어려운 문제가 있었던 소형 제품에 대하여도 비교적 간단한 구성 및 저렴한 비용으로 전수조사가 이루어질 수 있으며, 그것에 의해, 샘플을 선별하여 품질검사를 수행하므로 불량품을 완전히 걸러낼 수 없는 데 더하여, 하나라도 불량이 발견되면 정상 제품들까지 전량 폐기함으로 인해 시간 및 비용이 낭비되는 문제가 있었던 기존의 품질검사 방법의 문제점을 모두 해결할 수 있다.
이때, 불량 제품이 발견되면 공정제어부(33)를 통해 해당 공정을 정상 상태의 공정과 비교하여 자동으로 제어하며, 공정에 이상이 없을 경우는 관리자 등에게 해당 사실을 알리고 금형교체 등과 같이 생산설비의 점검을 요청하는 처리가 자동으로 수행되도록 구성됨으로써, 비단 제품의 품질검사뿐만 아니라 생산설비와 공정에 대한 모니터링 및 자동제어가 이루어질 수 있다.
아울러, 불량판정 결과 및 공정제어에 대한 결과 데이터를 인공지능(AI) 학습 알고리즘을 통해 다시 학습하여 인공지능 알고리즘의 피드백 및 업데이트가 자동으로 수행되도록 구성됨으로써 불량판정 및 공정제어의 정확도를 항상 일정 수준 이상으로 유지할 수 있으며, 그것에 의해, 전체적인 품질검사 시스템(10)의 신뢰도를 높일 수 있다.
더욱이, 본 발명에 따르면, 상기한 바와 같이 하여 구성되는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)을 이용하여 생산설비 및 공정에 대한 모니터링 시스템을 용이하게 구현할 수 있다.
더 상세하게는, 도 9를 참조하면, 도 9는 상기한 바와 같이 하여 구성되는 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)을 이용한 생산설비 및 공정 모니터링 시스템(90)의 전체적인 구성을 개략적으로 나타내는 블록도이다.
도 9에 나타낸 바와 같이, 본 발명의 실시예에 따른 생산설비 및 공정 모니터링 시스템(90)은, 크게 나누어, 생산설비 및 공정의 이상 여부를 모니터링하기 위해 각각의 생산설비마다 설치되어 해당 설비에서 생산되는 제품에 대한 품질을 검사하고 설비 및 공정을 모니터링하는 처리가 수행되도록 이루어지는 다수의 품질검사 시스템(91)과, 각각의 품질검사 시스템(91)으로부터 품질검사 및 모니터링 정보를 각각 수신하여 이상발생시 알림을 전달하는 동시에, 각각의 설비의 운영에 대한 빅데이터를 구축하고 사용자의 요청에 따라 해당하는 각종 정보를 맞춤형으로 제공하는 처리가 수행되도록 이루어지는 서버(92) 및 사용자가 품질검사 및 모니터링 정보를 확인하고 원하는 정보를 요청하여 전달받기 위해 각각의 품질검사 시스템(91) 및 서버(92)와 각종 데이터를 송수신하기 위한 사용자 단말기(93)를 포함하여 구성될 수 있다.
여기서, 상기한 품질검사 시스템(91)은, 도 1 내지 도 7을 참조하여 상기한 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템(10)을 이용하여, 각각의 제품에 대한 품질검사를 수행하고, 품질검사 결과를 통해 공정 및 설비의 이상 유무를 모니터링하여 얻어지는 각종 데이터를 서버(92)로 전송하는 처리가 수행되도록 구성될 수 있다.
또한, 상기한 사용자 단말기(92)는, 예를 들면, PC와 같은 단말장치를 이용하여 구성될 수 있고, 또는, 스마트폰이나 태블릿 PC 또는 노트북 등과 같이, 개인이 휴대 가능한 정보통신 단말기에 전용의 어플리케이션을 설치하여 구성될 수도 있으나, 본 발명은 반드시 이러한 구성으로만 한정되는 것은 아니며, 즉, 본 발명은 본 발명의 취지 및 본질을 벗어나지 않는 범위 내에서 당업자에 의해 필요에 따라 다양하게 수정 및 변경하여 구성될 수 있는 것임에 유념해야 한다.
상기한 바와 같은 구성으로부터, 본 발명에 따르면, 각각의 생산설비마다 품질검사 시스템(91)을 설치하여 두고, 각각의 품질검사 시스템(91)들이 서로 통신하여 각종 데이터를 주고받도록 하는 동시에, 서버(92)의 요청에 따라, 또는, 미리 정해진 설정에 따라 주기적으로 모니터링 데이터를 서버(92)로 각각 전송하도록 구성됨으로써, 예를 들면, 전국 단위의 광범위한 지역에 대하여도 대규모의 생산설비 및 공정 모니터링 시스템(90)을 용이하게 구축할 수 있으며, 그것에 의해, 생산제품의 품질검사를 통해 생산설비 및 공정을 모니터링하고 제어하는 처리가 자동으로 수행되도록 구성되는 생산설비 및 공정 모니터링 시스템(90) 및 방법을 용이하게 구현할 수 있다.
여기서, 상기한 본 발명의 실시예에 있어서, 예를 들면, 그물 등을 통해 게이트를 제거하고 제품만을 선별하는 구성이나, 선별된 제품을 하나씩 일정 간격으로 정렬하여 순차적으로 이송하는 자동공급기 및 인공신경망을 이용한 영상인식 알고리즘 등에 대한 보다 구체적인 내용에 대하여는 기존의 부품 공급장치나 비전 시스템 등을 참조하여 당업자가 적절히 구성할 수 있으므로, 이에, 본 발명에서는, 설명을 간략히 하기 위해, 상기한 바와 같이 종래기술의 문헌 등을 통해 당업자가 용이하게 이해하고 실시할 수 있는 내용에 대하여는 그 상세한 설명을 생략하였음에 유념해야 한다.
아울러, 상기한 본 발명의 실시예에서는 대략 5cm 크기의 비교적 소형 플라스틱 사출물에 대한 품질검사에 적용되는 경우를 예로 하여 본 발명을 설명하였으나, 본 발명은 반드시 상기한 실시예의 경우로만 한정되는 것은 아니며, 즉, 본 발명은 상기한 소형 플라스틱 사출물 이외에 다른 부품이나 제품 등에도 동일 내지 유사하게 하여 적용될 수 있는 등, 본 발명은 본 발명의 취지 및 본질을 벗어나지 않는 범위 내에서 당업자에 의해 다양하게 수정 및 변경하여 적용 가능한 것임에 유념해야 한다.
따라서 상기한 바와 같이 하여 본 발명의 실시예에 따른 인공지능을 이용한 품질검사 시스템 및 방법을 구현할 수 있으며, 그것에 의해, 본 발명에 따르면, 딥러닝 기반의 컨볼루션 오토인코더를 이용한 이상탐지 기술을 이용하여, 인공지능(AI)을 통해 정상 제품의 이미지를 학습한 학습결과에 근거하여 카메라로 촬영된 실제 제품의 이미지와의 일치율에 따라 불량 여부를 판정하는 것에 의해 비교적 간단한 구성 및 저렴한 비용으로 생산된 제품에 대한 전수검사가 자동으로 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법이 제공됨으로써, 예를 들면, 자동차 부품이나 소형 플라스틱 사출물 등과 같이, 비교적 크기가 작고 대량으로 생산되는 제품이나 물품의 품질검사에 있어서, 생산량은 많으나 각 개별 제품의 단가가 낮은 특성상 모든 제품에 대한 전수검사가 어려운 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 해결할 수 있다.
또한, 본 발명에 따르면, 상기한 바와 같이 인공지능(AI) 기술을 도입하여 자동으로 생산된 제품에 대한 전수검사가 이루어질 수 있도록 구성되는 인공지능을 이용한 품질검사 시스템 및 방법이 제공됨으로서, 생산량은 많고 단가는 낮은 소형 제품은 그 특성상 전수검사가 어려우므로 일정 주기마다 샘플을 선별하여 선별적으로 품질검사를 수행하고 선별된 샘플들 중에서 하나라도 불량이 발견되면 해당 제품을 전량 폐기하는 방식으로 품질검사가 이루어짐으로 인해 품질검사를 수행하더라도 불량품을 완전히 걸러낼 수 없는 한계가 있는 데 더하여, 불량품 발견시 정상 제품들까지도 모두 폐기되어 제품 생산을 위한 시간 및 비용이 낭비되는 문제가 있었던 종래기술의 품질검사 장치 및 방법들의 문제점을 모두 해결할 수 있다.
이상, 상기한 바와 같은 본 발명의 실시예를 통하여 본 발명에 따른 인공지능을 이용한 품질검사 시스템 및 방법의 상세한 내용에 대하여 설명하였으나, 본 발명은 상기한 실시예에 기재된 내용으로만 한정되는 것은 아니며, 따라서 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 설계상의 필요 및 기타 다양한 요인에 따라 여러 가지 수정, 변경, 결합 및 대체 등이 가능한 것임은 당연한 일이라 하겠다.
10. 인공지능(AI)을 이용한 품질검사 시스템
11. 제품이송부 12. 품질검사부
13. 제품배출부 14. 공정관리부
15. 출력부 16. 통신부
17. 제어부 21. 제품선별부
22. 제품공급부 31. 데이터 처리부
32. 영상취득부 33. 불량판정부
61. 불량제거부 62. 제품출력부
90. 생산설비 및 공정 모니터링 시스템
91. 품질검사 시스템 92. 서버
93. 사용자 단말기
11. 제품이송부 12. 품질검사부
13. 제품배출부 14. 공정관리부
15. 출력부 16. 통신부
17. 제어부 21. 제품선별부
22. 제품공급부 31. 데이터 처리부
32. 영상취득부 33. 불량판정부
61. 불량제거부 62. 제품출력부
90. 생산설비 및 공정 모니터링 시스템
91. 품질검사 시스템 92. 서버
93. 사용자 단말기
Claims (17)
- 인공지능(AI)을 이용한 품질검사 시스템에 있어서,
검사대상 제품을 제작 및 생산하는 생산설비의 출력단 측에 연결되어 해당 생산설비를 통해 생산된 제품을 상기 품질검사 시스템으로 이동시키는 처리가 수행되도록 이루어지는 제품이송부;
인공지능(AI) 알고리즘에 기반한 이상탐지(anomaly detection) 기술을 이용하여, 상기 제품이송부를 통해 이송되는 각각의 제품들에 대한 품질검사를 행하여 불량 여부를 판단하고 정상 제품만을 선별하는 처리가 수행되도록 이루어지는 품질검사부;
상기 품질검사부를 통해 품질검사가 완료된 정상 제품을 출력하는 처리가 수행되도록 이루어지는 제품배출부; 및
상기 생산설비의 공정조건을 모니터링하여 불량제품 발생시 정상 상태의 공정조건에 따라 자동으로 공정을 제어하거나, 관리자나 담당부서를 포함하는 미리 정해진 연락처에 해당 사실을 전달하여 유지보수를 요청하는 처리가 수행되도록 이루어지는 공정관리부를 포함하여 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 1항에 있어서,
상기 시스템은,
상기 시스템의 전체적인 동작을 표시하고 불량이나 이상 발생시 경보음이나 경고메시지 등을 통해 해당 사실을 전달하기 위한 스피커 및 디스플레이를 포함하는 출력수단을 포함하여 이루어지는 출력부;
서버나 사용자 단말기를 포함하는 외부 기기와 유선 또는 무선 통신 중 적어도 하나의 방식으로 통신하여 각종 데이터를 송수신하는 처리가 수행되도록 이루어지는 통신부; 및
상기 시스템의 전체적인 동작을 제어하는 처리가 수행되도록 이루어지는 제어부를 더 포함하여 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 1항에 있어서,
상기 제품이송부는,
상기 생산장비의 배출구 측에 연결되고, 그물을 포함하는 필터링 수단을 이용하여 불필요한 부분은 걸러내고 제품만을 선별하는 처리가 수행되도록 이루어지는 제품선별부; 및
자동공급기(parts feeder)를 이용하여, 상기 제품선별부를 통해 선별된 각각의 제품을 미리 정해진 일정 간격으로 정렬하여 순차적으로 상기 품질검사부로 이송하는 처리가 수행되도록 이루어지는 제품공급부를 포함하여 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 1항에 있어서,
상기 품질검사부는,
품질검사에 관련된 각종 데이터를 저장하고 품질검사를 위한 인공지능(AI) 알고리즘의 학습 및 업데이트 처리가 수행되도록 이루어지는 데이터 처리부;
상기 제품이송부를 통해 이송된 검사대상 제품의 영상이나 이미지를 촬영하는 처리가 수행되도록 이루어지는 영상취득부; 및
상기 영상취득부를 통해 촬영된 제품의 영상이나 이미지와 상기 인공지능(AI) 알고리즘을 통해 출력된 영상이나 이미지를 비교하여 불량 제품을 판단하는 처리가 수행되도록 이루어지는 불량판정부를 포함하여 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 4항에 있어서,
상기 데이터 처리부는,
품질검사를 위해 미리 구축된 인공지능(AI) 알고리즘과, 상기 인공지능 알고리즘의 학습을 위해 정상 제품과 불량 제품에 대한 다수의 이미지를 포함하는 학습데이터와, 불량판정 및 공정관리를 위해 생산설비 및 공정조건에 대한 정보를 포함하는 각종 데이터를 수집 및 저장하여 이루어지는 데이터베이스를 포함하여 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 4항에 있어서,
상기 인공지능(AI) 알고리즘은,
딥러닝(Deep Learning) 기반의 컨볼루션 오토인코더(Convolutional Autoencoder)를 이용하여, 정상 제품에 대한 이미지를 미리 학습하고 카메라로 촬영된 실제 이미지가 입력되면 학습결과에 따라 입력된 이미지와 동일하게 생성된 이미지를 출력하는 처리가 수행되도록 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 4항에 있어서,
상기 영상취득부는,
검사대상 제품을 촬영하기 위한 카메라 및 상기 카메라의 셔터 타이밍을 결정하기 위해 상기 검사대상 제품이 미리 정해진 촬영위치에 도달한 것을 감지하기 위한 감지센서를 포함하여 이루어지는 비전 시스템(vision system)을 이용하여, 상기 검사대상 제품이 상기 촬영위치를 지나갈 때 미리 정해진 설정에 따라 해당 제품을 촬영하는 처리가 수행되도록 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 4항에 있어서,
상기 불량판정부는,
상기 영상취득부를 통해 촬영된 검사대상 제품의 이미지가 입력되면, 정상 제품에 대하여 미리 학습된 상기 인공지능(AI) 알고리즘을 통해 해당 제품에 대한 이미지를 생성하고, 실제 촬영된 이미지와 상기 인공지능(AI) 알고리즘을 통해 생성된 이미지를 비교하여 일치율을 계산하며, 산출된 일치율이 미리 정해진 기준값이나 기준범위를 만족하면 정상 제품으로 판정하고, 만족하지 못하는 경우는 불량으로 판정하는 처리가 수행되도록 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 8항에 있어서,
상기 시스템은,
상기 기준값이나 상기 기준범위를 사용자가 임의로 설정할 수 있도록 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 1항에 있어서,
상기 제품배출부는,
상기 품질검사부를 통해 품질검사가 수행된 후 이송되는 제품들 중에서 불량으로 판정된 제품을 제거하는 처리가 수행되도록 이루어지는 불량제거부; 및
상기 불량제거부를 통해 불량제품이 제거된 후 정상 제품만을 미리 정해진 위치로 배출하는 처리가 수행되도록 이루어지는 제품출력부를 포함하여 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 10항에 있어서,
상기 불량제거부는,
공압 솔레노이드 밸브를 포함하여 이루어지는 송풍수단을 이용하여, 상기 품질검사부를 통해 품질검사가 수행된 후 미리 정해진 일정 간격 및 속도로 이송되는 제품들 중에서 불량 제품이 지나가는 시점에 상기 공압 솔레노이드 밸브를 작동시켜 공기를 분사하는 것에 의해 상기 불량 제품을 제거하는 처리가 수행되도록 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 1항에 있어서,
상기 공정관리부는,
재료의 공급량, 공급시간, 공급압력, 공급속도, 온도, 성형시간을 포함하는 상기 생산설비의 전반적인 공정조건을 모니터링하고, 불량제품 발생시 불량으로 판정된 제품 제조시의 공정조건과 미리 저장된 정상상태의 공정조건을 비교하여 특정 항목에 차이가 있을 경우 해당 공정을 정상상태의 공정조건에 따라 자동으로 제어하며,
공정조건의 비교결과 각 공정에 차이가 없을 경우는 생산설비에 이상이 있는 것으로 판단하고 경보음이나 경고메시지를 출력하여 이상발생을 알리는 동시에, 관리자나 담당부서를 포함하는 미리 정해진 연락처에 해당 사실을 전달하여 해당 생산설비의 유지보수를 요청하는 처리가 수행되도록 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 제 1항에 있어서,
상기 시스템은,
상기 품질검사부와 상기 공정관리부의 처리결과를 상기 인공지능(AI) 알고리즘에 피드백하여 상기 인공지능(AI) 알고리즘의 재학습 및 업데이트 처리가 수행되도록 구성되는 것을 특징으로 하는 인공지능(AI)을 이용한 품질검사 시스템.
- 청구항 1항 내지 청구항 13항 중 어느 한 항에 기재된 인공지능을 이용한 품질검사 시스템을 이용한 품질검사방법에 있어서,
상기 품질검사 시스템의 제품이송부를 통해 검사대상 제품이 순차적으로 투입되는 처리가 수행되는 투입단계;
상기 품질검사 시스템의 품질검사부를 통해 인공지능(AI) 알고리즘에 기반한 품질검사 처리가 수행되는 품질검사단계;
상기 품질검사 시스템의 제품배출부를 통해 불량품을 제거하고 정상 제품만을 출력하는 처리가 수행되는 배출단계;
상기 품질검사단계에서 불량발생시 공정조건을 비교하여 자동으로 공정을 제어하는 처리가 상기 공정관리부를 통해 수행되는 공정제어단계;
공정조건에 이상이 없는 경우는 미리 정해진 연락처에 해당 사실을 전달하여 생산설비에 대한 유지보수를 요청하는 처리가 상기 공정관리부를 통해 수행되는 유지보수단계; 및
상기 품질검사단계와 상기 공정제어단계 및 상기 유지보수단계의 처리결과를 피드백하여 상기 인공지능 알고리즘의 재학습 및 업데이트 처리가 상기 품질검사부를 통해 수행되는 업데이트단계를 포함하여 구성되는 것을 특징으로 하는 품질검사방법.
- 생산설비 및 공정 모니터링 시스템에 있어서,
생산설비 및 공정의 이상 여부를 모니터링하기 위해 각각의 생산설비마다 설치되어 해당 설비에서 생산되는 제품에 대한 품질을 검사하고 설비 및 공정을 모니터링하는 처리가 수행되도록 이루어지는 다수의 품질검사 시스템;
각각의 상기 품질검사 시스템으로부터 품질검사 및 모니터링 정보를 각각 수신하여 이상발생시 알림을 전달하는 동시에, 각각의 설비의 운영에 대한 빅데이터를 구축하고 사용자의 요청에 따라 해당하는 각종 정보를 맞춤형으로 제공하는 처리가 수행되도록 이루어지는 서버; 및
사용자가 품질검사 및 모니터링 정보를 확인하고 원하는 정보를 요청하여 전달받기 위해 각각의 상기 품질검사 시스템 및 상기 서버와 각종 데이터를 송수신하기 위한 사용자 단말기를 포함하여 구성되고,
상기 품질검사 시스템은,
청구항 1항 내지 청구항 13항 중 어느 한 항에 기재된 인공지능을 이용한 품질검사 시스템을 이용하여 구성되는 것을 특징으로 하는 생산설비 및 공정 모니터링 시스템.
- 제 15항에 있어서,
상기 사용자 단말기는,
PC를 포함하는 정보처리장치를 이용하여 구성되거나, 또는, 스마트폰이나 태블릿 PC 또는 노트북을 포함하는 개인 휴대용 정보통신 단말기에 전용의 어플리케이션을 설치하여 구성되는 것을 특징으로 하는 생산설비 및 공정 모니터링 시스템.
- 생산설비 및 공정 모니터링 방법에 있어서,
생산설비 및 공정의 이상 여부를 모니터링하기 위해 각각의 생산설비에 대하여 해당 설비에서 생산되는 제품에 대한 품질을 검사하고 설비 및 공정을 모니터링하는 처리가 수행되도록 이루어지는 품질검사 시스템 설치하는 처리가 수행되는 시스템 구축단계; 및
상기 시스템 구축단계를 통해 각각의 생산설비마다 설치된 상기 품질검사 시스팀을 통하여 각각의 생산설비 및 공정에 대한 이상 여부를 모니터링하는 처리가 수행되는 모니터링단계를 포함하여 구성되고,
상기 품질검사 시스템은,
청구항 1항 내지 청구항 13항 중 어느 한 항에 기재된 인공지능을 이용한 품질검사 시스템을 이용하여 구성되는 것을 특징으로 하는 생산설비 및 공정 모니터링 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220014151A KR20230118213A (ko) | 2022-02-03 | 2022-02-03 | 인공지능을 이용한 품질검사 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220014151A KR20230118213A (ko) | 2022-02-03 | 2022-02-03 | 인공지능을 이용한 품질검사 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230118213A true KR20230118213A (ko) | 2023-08-11 |
Family
ID=87566060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220014151A KR20230118213A (ko) | 2022-02-03 | 2022-02-03 | 인공지능을 이용한 품질검사 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230118213A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117358604A (zh) * | 2023-12-05 | 2024-01-09 | 福建优安纳伞业科技有限公司 | 一种用于雨伞铆接的伞骨配件智能检测装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101975905B1 (ko) | 2017-08-10 | 2019-08-28 | 주식회사 세창산업 | 프레스 성형물 검사장치 |
| KR102044222B1 (ko) | 2019-04-11 | 2019-12-02 | 한성민 | 차체 부품 검사 장치 및 방법 |
-
2022
- 2022-02-03 KR KR1020220014151A patent/KR20230118213A/ko unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101975905B1 (ko) | 2017-08-10 | 2019-08-28 | 주식회사 세창산업 | 프레스 성형물 검사장치 |
| KR102044222B1 (ko) | 2019-04-11 | 2019-12-02 | 한성민 | 차체 부품 검사 장치 및 방법 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117358604A (zh) * | 2023-12-05 | 2024-01-09 | 福建优安纳伞业科技有限公司 | 一种用于雨伞铆接的伞骨配件智能检测装置 |
| CN117358604B (zh) * | 2023-12-05 | 2024-04-19 | 福建优安纳伞业科技有限公司 | 一种用于雨伞铆接的伞骨配件智能检测装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107389689B (zh) | 一种用于缺陷检测的aoi管理系统及管理方法 | |
| US7534378B2 (en) | Plastic forming process monitoring and control | |
| CN103443724B (zh) | 产品传感器、具有产品传感器的产品、设备和用于在产品传感器和设备之间通信的方法 | |
| CN109060817B (zh) | 人工智能复检系统及其方法 | |
| KR20230118213A (ko) | 인공지능을 이용한 품질검사 시스템 및 방법 | |
| CN109844663A (zh) | 在生产塑料片材的过程的情况下用于提供、检索和使用数据元素的过程和数据检测装置 | |
| US20220203597A1 (en) | Method for product guidance in a stretch blow molding and/or filling system, and stretch blow molding and/or filling system for bottles | |
| CN105863849A (zh) | 燃气涡轮燃烧分布监测 | |
| CA2582446C (en) | System and method for inspecting and sorting molded containers | |
| CN104390985A (zh) | 一种塑胶套管自动化缺陷检测成套设备 | |
| CN106820245B (zh) | 一种烟草异物剔除装置 | |
| CN113419585B (zh) | 印刷车间温湿度动态调整生产工艺参数的方法、系统以及设备 | |
| US20220284699A1 (en) | System and method of object detection using ai deep learning models | |
| JP7071956B2 (ja) | 真空積層システム、真空積層システムの成形不良検出方法および真空積層システムの成形条件修正方法 | |
| CN117057630A (zh) | 一种食品包装车间生产线智能管理方法及系统 | |
| US10437698B2 (en) | Leader-follower system for additive manufacturing | |
| JP7312560B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、学習方法および学習済モデル | |
| US20230020485A1 (en) | System For Detecting Data Drift In Machine-Learning Process Monitoring | |
| JP2023051934A (ja) | 複数の制御対象のユニフォーミティを得るための調整方法、調整システムおよびコンベア装置、並びに調整された機器。 | |
| WO2019049669A1 (ja) | 生産監視システム及び生産監視方法 | |
| CN115937189A (zh) | 一种产品检测方法、装置及系统 | |
| CN109676855A (zh) | 一种保险杠支座智能化注塑成型工艺 | |
| CN112691920A (zh) | 一种多信息融合的机器视觉识别系统 | |
| CN113631350A (zh) | 用于对型坯进行光学检查的装置 | |
| JP2024058756A (ja) | 卵の自動処理装置の稼働管理システムおよびその方法 |