검사자마다 다른 판정
↓MonoFactory의 접근정상·NG 기준을 학습한 모델이 같은 기준으로 판정하고, 판정 근거 이미지를 함께 남깁니다.
정상과 등록된 NG를 학습한 AI 비전으로 외관을 검사합니다. 정상이 아니지만 기존 NG 유형에도 속하지 않는 제품은 ETC로 분리하고, VLM이 유사 특징별로 묶어 새로운 NG 유형 후보를 제시합니다.
도입 문의 ↗WORKFLOW
유사한 외관 특징을 묶어 새로운 불량 유형 후보를 제시합니다. 유형 확정과 모델 재학습은 별도 단계입니다.
WHY IT MATTERS
육안 검사와 규칙 기반 비전은 이미 알고 있는 불량에 맞춰져 있습니다. 처음 보는 이상까지 따로 모아 검토할 수 있어야 합니다.
정상·NG 기준을 학습한 모델이 같은 기준으로 판정하고, 판정 근거 이미지를 함께 남깁니다.
정상도 등록 NG도 아닌 제품은 ETC로 분리해 놓치지 않고 따로 모읍니다.
VLM이 ETC 이미지를 특징별로 묶어 새 NG 유형 후보로 정리하고, 담당자가 검토해 확정합니다.
CORE CAPABILITIES
판정, 분리, 분석, 검토, 데이터 관리, 이력 연계까지 외관 검사에 필요한 기능을 나누어 제공합니다.
현장의 정상 이미지와 등록된 불량 이미지로 검사 모델을 구성하고, 판정 결과와 신뢰도를 함께 기록합니다.
어느 기준에도 속하지 않는 제품을 따로 분리해 미분류 이상이 정상품이나 기존 불량에 섞이지 않게 합니다.
ETC 이미지의 외관 특징을 문장으로 설명하고, 비슷한 특징을 가진 이미지끼리 그룹을 만듭니다.
그룹별 대표 이미지와 공통 특징, 해당 수량을 보고 담당자가 새 NG 유형으로 확정할지 결정합니다.
확정된 유형과 이미지를 다음 모델 학습에 쓸 수 있는 데이터셋으로 정리합니다. 재학습 적용은 별도 검증을 거칩니다.
검사 결과를 LOT·배치와 연결해 어떤 제품이 언제 어떤 판정을 받았는지 생산 이력에서 확인합니다.
SYSTEM ARCHITECTURE
촬영부터 판정, 분석, 검토, 이력 반영까지 단계별 역할을 나누어 구성합니다.
검사 위치의 카메라와 조명으로 제품 이미지를 촬영합니다. 촬영 조건은 현장에 맞춰 함께 정합니다.
→라인 가까이에서 정상·NG·ETC 판정을 수행하고 결과를 작업자 화면이나 라인 제어로 전달합니다.
→ETC로 분리된 이미지를 VLM이 분석해 특징 설명과 그룹을 만듭니다.
→담당자가 검토 화면에서 그룹을 확인하고 새 NG 유형으로 확정하거나 기각합니다.
→판정과 확정 결과를 MES의 LOT·배치 이력과 품질 기록에 남깁니다.
APPLICATIONS
대표적인 공정 예시입니다. 실제 적용 여부는 제품과 촬영 조건을 확인한 뒤 판단합니다.
절삭·연마 면의 스크래치, 찍힘, 버(burr) 같은 표면 결함
미성형, 이물, 변색, 웰드라인 같은 외관 이상
찍힘, 크랙, 변형, 가장자리 손상
부품 누락, 방향 오류, 라벨·인쇄 상태
HOW WE WORK
처음부터 전체를 바꾸지 않습니다. 현장 진단으로 시작해 작은 범위에서 효과를 확인한 뒤 확장합니다.
현재 공정과 설비, 시스템과 데이터를 확인하고 적용 우선순위를 정합니다.
선택한 라인이나 설비 하나에서 실제 데이터로 동작을 확인합니다.
검증된 범위를 기준으로 장비 설치, 시스템 연계, 운영 화면을 구성합니다.
운영 데이터를 보며 기준을 보정하고 다음 라인이나 기능으로 넓힙니다.
BEFORE YOU START
검사 대상 제품, 정상·NG 이미지, 촬영 조건, 기존 불량 기준을 함께 검토합니다.