미디어센터
HOME 미디어센터 언론보도
언론보도
인공지능검사설비 World No.1 ㈜트윔의 언론보도입니다.
트윔, 검사 전 공정 비효율 개선해 식품산업 성장 궤도 올린다
  • 2021. 03. 23.

트윔, 검사 전 공정 비효율 개선해 식품산업 성장 궤도 올린다

최정훈 기자 승인 2021.03.05 14:00

[트윔 제공] 지난 2018년 독자적으로 AI 기반 비전검사 시스템을 개발한 트윔(대표 정한섭)은 짧은 시간 동안에 다양한 산업군에 솔루션을 보급해 왔다. 이중 지난해 식품기업 K사에 구축한 AI 비전 검사기가 대표적인 성공사례로 꼽힌다.

주로 건강기능식품을 개발·생산하는 K사에서는 검사 공정에서 10여명의 작업자들이 분당 400포의 제품을 검사했었다. 필름 형태로 포장된 제품이다 보니 난반사가 많고 제품 불량 유형도 제각기 달라 많은 검사원들이 일일이 결함을 육안으로 선별해 내야 했다. 
그럼에도 검사원의 컨디션 또는 판정에 따라 검출률이 달라져 걸러내야 할 진성 불량은 물론 가성 불량까지 걸러내지 못했다.

더욱이 통상 대부분 파우치 제품은 제품 주입과 동시에 비전 검사가 가능하지만 A사의 제품은 제품 생산 후 별도의 살균 공정을 더 거치고 있다. 불량율이 줄어들 여지가 없고 생산성은 정체될 수밖에 없었던 것이다.

K사는 이러한 저효율의 늪에서 벗어나기 위해 트윔에 손을 내밀었다.

AI 기반 비전검사로 양산시 미검률 0% 달성

식음료 분야에서 필름 형태의 포장이 많이 쓰이는데, 아무리 성능 좋은 비전 카메라라고 해도 필름 형태의 난반사를 해결하는 솔루션을 찾기 쉽지 않다.

비전검사에 일반적으로 쓰이는 ‘확산형 조명’으로는 음영이 생기거나 제품의 물성으로 인해 균일성을 확보하기 어렵다. 이에 트윔은 평행광, 확산형광 2가지 조명을 제작 적용해 난반사를 최소화 했다. 트윔 광학팀에서 진행한 각종 테스트와 그동안의 노하우를 통해 
평행광과 확산형광으로 최상의 컨디션을 만들어 난반사를 해결할 수 있는 최적의 시스템을 구현한 것이다.
<확산 조명 검사>

비정형적인 불량 유형 검출도 또 다른 난제였다. 구김, 찍힘, 스크래치, 배접, 실링, 엠보싱, 오염, 날인 전이, 노치 등 다양한 불량 유형이 존재했고, 또 파우치 특정 영역에 따라 발생하는 불량 유형이 제각기 달랐다.

트윔은 이런 문제를 해결하기 위해 MOAI(AI(딥러닝) 기반 비전검사 SW) 제품을 적용하고, 동일 제품을 각기 다른 조명으로 3번 촬상해 뚜렷한 불량 형태를 끌어 냈다. 그리하여 K사는 설비에 제품 투입 시 발생하는 공정 불량(제품의 방향성, 제품의 틀어짐, 반전 에러)과 제품의 결함으로 발생하는 검사 불량을 모두 검출하며 현재 제품 양산시 미검률 0%에 도달하는데 성공했다.

트윔은 벌크 제품에 대한 정렬과 전면 검사 문제도 동시에 해결했다. A사의 공정 특성상 검사를 위해서는 최종단에서 해결해야 할 부분이 크게 2가지였다. 첫째 벌크 형태로 제품이 이송되다 보니 자동화 투입을 위해 제품은 검사가 용이하게 정렬돼야 했고, 전면 검사를 위해 반전도 필요했다. 트윔은 브러시의 높이, 재질, 위치선정 등을 고려해 이를 극복하는데 성공했다.

투입, 검사, 배출 전 공정 물 흐르듯

이번 Customizing으로 진행된 T-MEGA는 전체 물류구동방식에 체인컨베이어 방식으로 구동된다. 크게 투입, 검사, 배출 세 가지 공정으로 구성됐다.

투입부 Feeder는 제품을 이송(진동에 의해 앞으로 전진)하는 역할을 하고, 투입 컨베이어는 제품을 정렬 및 메인 컨베이어 위치로 이동시킨다. 끝단의 로딩푸셔는 제품을 메인 컨베이어로 보내는 역할을 수행한다. 추가적으로 제품 정렬을 하기 위해 Feeder와 투입 컨베이어에 정렬 기능을 반영했다.

Feeder는 진동과 주파수에 의해 제품을 이송시켜주는 장치다. 다양한 종류의 Feeder 중 비정형적인 제품 특성상 직진 Feeder를 채택했다. Feeder의 진동 세기는 속도를 나타낸다. 제품의 양(무게)에 따라 진동 세기가 변화돼 원활한 공급과 정렬에 어려움을 겪었지만, Feeder 내부에 가드를 설치해 이를 보완 할 수 있었다.

투입 컨베이어의 주요 역할은 Feeder에서 공급된 제품을 받아 메인 컨베이어로 이동시키는 것이다. 트윔은 Feeder에서 제품이 벌크 형태로 공급되기에 제품이 뭉치거나 사선으로 틀어지는 현상을 해결하기 위해 노력해 왔다.
<투입부 공정>

검사부는 메인 컨베이어에 정렬돼 이동한 제품을 광학장비로 촬영 후, 촬영된 이미지를 MOAI를 통해 검사를 진행하고 양품과 불량을 판정한다. 반전기를 통해 안전하게 2구역으로 제품을 반전시켜주며 검사부 1 & 2구역을 합쳐 총 6회 촬상해 취합된 데이터를 토대로 MOAI에 적용해 전면 검사를 진행한다(검사 프로그램에서도 앞뒤 반전됐는지 확인이 가능하다). 검사부는 반전기 기준으로 2구역으로 나눠져 검사부 구역당 최대 16포 검사를 진행할 수 있다.

마지막 배출부는 박스로 담을 수 있게 10개씩 카운트 돼 다음 공정으로 내보내는 역할을 하는 공정이다. 우선 1개씩 배출통에 담는 수행을 반복하고, 카토너 위치로 회전하며, 카토너에 10개씩 배출한다. 파우치 특성상 반사와, 내용물이 쏠리는 현상에 따라 센서에 영향을 미치지만 배출 컨베이어 속도와, 센서의 셋팅으로 오류없이 내보낸다. Index 구조로 협소한 공간에도 설치가 가능했고, 배출부를 4분할해 뒤에 기다리는 물량을 대기 시간 없이 배출할 수 있다.

배출부가 하나일 경우에는 제품이 다음 공정에 배출될 때까지 컨베이어가 돌지 못하는 상황이 발생해 생산시간에도 악영향을 미쳤을 것이다. 그러나 3번 카토너에 완제품을 배출하는 동안 1번 위치에서 10개의 완제품을 배출하고 있으면 컨베이어에 대기 시간 없이 운영할 수 있다.
<T-MEGA 장비 전체 구성도>

K사는 기존 10명이서 육안 검사로 분당 400포를 검사하던 작업부분이 AI 기반 비전검사기 1대가 분당 300포를 소화해 내고 있다. 기존에는 포장 투입도 별도의 인원이 있었으나 이제 검사기에서 자동으로 제품을 투입하게 되면서 포장 투입 인원까지 포함해 실질적으로 8명 이상의 작업을 소화해 낸다. 현재는 설비 1대로 분당 300포 이상인 450포까지도 검사 가능하다.

이봉섭 이사는 “인공지능 검사 적용을 위해서는 검사 기준 정립 및 고도화 등 사전 준비 기간부터 완료까지 고객사의 협력이 중요했다. K사의 임직원분들이 적극 협조해 준 덕에 단시간에 검사 자동화 궤도에 올릴 수 있었다. 이는 우리나라 식품 검사 기술을 한 단계 진일보시키는 계기가 됐다”고 밝혔다.

트윔은, K사 뿐만 아니라 이미 자동차, 금속, 전기, 바이오 등 다양한 산업에 트윔의 AI비전검사기인 T-MEGA를 구축했다. 영업·개발을 총괄하는 정해주 사장은 “앞으로 적용 범위를 더욱 넓혀 고객의 성공적인 스마트팩토리 구축을 실현하는데 일등공신 역할을 할 것”이라고 포부를 밝혔다.

출처 : 인더스트리뉴스(http://www.industrynews.co.kr/news/articleView.html?idxno=41575)