Before · 도입 전
이미지를 대조하고
결과를 따로 기록합니다

담당자가 설비 사진과 기준 이미지를 하나씩 대조합니다. 이상 부위를 찾은 뒤 판정 메모와 검사 보고서를 따로 작성합니다.
제조 설비 AI 검사·진단
AI가 설비 사진과 시험 파형에서 이상이 의심되는 부분을 표시합니다. 담당자는 원본을 보고 최종 판정을 내린 뒤 검사 결과와 근거를 함께 남깁니다. 실제 설비 데이터로 어디까지 검사할 수 있는지 먼저 확인합니다.

AI가 표시한 부분을 확인해 주세요

스마트팩토리 AI
볼트가 제대로 체결됐는지, 시험 파형에 이상이 있는지 살펴볼 수 있도록 돕습니다. 검사 대상과 현장 조건에 맞춰 AI가 표시할 항목을 정하고, 담당자가 원본을 확인해 판정과 메모를 남기는 화면을 만듭니다.

Before / After
볼트 점검 업무를 예로, AI를 적용했을 때의 검사 흐름을 보여드립니다.
Before · 도입 전

담당자가 설비 사진과 기준 이미지를 하나씩 대조합니다. 이상 부위를 찾은 뒤 판정 메모와 검사 보고서를 따로 작성합니다.
After · 도입 후

담당자는 AI가 표시한 부분을 원본에서 확인합니다. 판정 결과와 메모를 검사 이미지와 함께 저장해 나중에 다시 살펴볼 수 있습니다.
볼트 점검 업무를 설명하는 개념 예시입니다. 실제 판독 범위는 현장 샘플로 검증하며, 최종 판정은 담당자가 확인합니다.
관련 프로젝트
운반 설비의 볼트 점검과 부분방전 시험 파형 분석에서 검사·기록 방식을 검토한 프로젝트입니다.

OHT 운반 설비의 볼트 이미지 검사와 검사 이력·보고서를 다루는 프로젝트에 아이디어를 제공했습니다.
프로젝트 자세히 보기 ↗
부분방전 파형 이미지 분석과 진단 보고서를 주제로 아이디어를 제공했습니다.
프로젝트 자세히 보기 ↗이런 업무에 필요합니다
이상 후보 발견 → 담당자 판독 대기

전문 인력이 모든 이미지를 하나씩 확인하느라 정밀한 판단에 집중하기 어렵다면, AI가 이상이 의심되는 부분을 먼저 표시하도록 구성합니다. 담당자는 원본을 보며 해당 부분을 검토합니다.

조명과 촬영 각도가 다르거나 검사 부위가 가려지면 판단하기 어렵습니다. 현장 사진으로 검사 가능한 조건을 확인하고, 다시 촬영해야 할 사진을 구분하는 기준을 정합니다.
검사 대상과 촬영 시점
이상 후보 검토 · 판독 기록
원본과 연결된 검사 이력

검사 이미지와 판정 메모, 보고서를 함께 보관합니다. 같은 결함을 다시 확인할 때 검사 날짜와 원본을 찾아 이전 판단을 참고할 수 있습니다.
해결 방식
설비 이미지·시험 파형을 불러옵니다.
확인이 필요한 부위·구간을 표시합니다.
원본과 현장 기준을 함께 확인합니다.
판정 결과와 근거를 검사 이력에 남깁니다.

관련 포트폴리오 참고 화면 · 아래 검토 예시는 가상 데이터입니다.
볼트 체결 상태를 확인할 후보 영역이 있습니다. 원본 이미지와 현장 기준을 확인해 최종 판정을 남깁니다.

관련 포트폴리오 참고 화면 · 아래 검토 예시는 가상 데이터입니다.
검사 부위가 가려져 있습니다. 추가 이미지를 확보한 뒤 다시 검토합니다.
장면을 선택해 흐름을 살펴보세요. 실제 적용 범위는 고객 데이터로 검증합니다.

볼트 체결 상태를 확인할 후보 영역이 있습니다. 원본 이미지와 현장 기준을 확인해 최종 판정을 남깁니다.
업무 흐름을 설명하는 개념 예시
검사 부위가 가려져 있습니다. 추가 이미지를 확보한 뒤 다시 검토합니다.
업무 흐름을 설명하는 개념 예시구축 범위와 제공 기능
OHT 주행부 볼트처럼 확인할 부위와 이상 유형을 먼저 정합니다. 촬영 각도·가림·해상도를 확인하고, 정상·이상 샘플로 검출 범위를 검증합니다.

부분방전 시험 파형처럼 해석이 필요한 데이터는 원본 파형, 분류된 패턴, 이상 구간을 함께 보도록 구성합니다. 판정이 불확실한 항목은 재검토 목록에 남깁니다.

담당자의 확정·보류·수정 결과와 메모를 검사 이력에 남기고, 필요한 항목을 보고서에 연결합니다. 검사 날짜와 원본 데이터까지 다시 찾을 수 있게 설계합니다.

대상 데이터, 기존 시스템과의 연동, 운영 기능을 확인해 구축 범위를 정합니다.
구축 과정
먼저 검사 대상 하나와 판정 기준을 정합니다. 정상·이상·판단이 어려운 사례를 모아 AI가 이상을 놓치거나 정상인 부분을 잘못 표시하는지 확인합니다.
검사 대상과 촬영·측정 조건을 정하고, 판정이 갈리는 샘플로 정상·이상·경계 기준서를 담당자와 함께 만듭니다.
정상·이상·경계 사례를 나눠 평가하고, 결함 유형별 오탐·미검출을 촬영 조건과 함께 기록합니다.
담당자가 원본과 판독 표시를 함께 보고 판정을 확정·보류·수정하는 흐름을 만듭니다.
기존 장비 유지, 촬영 조건 변경, 이력·보고서 연동 범위를 실제 환경에서 확인해 정합니다.
보유한 정상·이상 데이터와 촬영·측정 조건을 먼저 봅니다. 이상 사례가 드물면 정상 데이터와의 차이를 찾는 방식을, 이상 위치와 유형이 표시된 샘플이 충분하면 해당 유형을 학습하는 방식을 검토합니다. 고객 샘플로 검증한 뒤 범위를 정합니다.
불량이 뚜렷하게 보이는 사진만으로 시험하면 현장에서는 결과가 달라질 수 있습니다. 실제 불량뿐 아니라 불량처럼 보이는 정상 제품과 판단이 어려운 사례도 함께 확인합니다. 시험에 쓸 데이터와 평가 기준은 시작 전에 정합니다.
정확도는 검사 대상과 촬영 조건에 따라 달라집니다. 불량을 놓치는 경우와 정상 제품을 불량으로 표시하는 경우를 각각 확인합니다. 재검사에 드는 시간과 불량을 놓쳤을 때의 영향을 고려해 결함별 기준을 정하고, 실제 데이터로 확인한 결과를 설명합니다.
먼저 담당자마다 판단이 다른 샘플을 모아 검사 기준을 맞춥니다. 합의한 기준으로 AI를 학습시키고 결과를 평가합니다. 나중에 기준을 바꿀 때도 기존 샘플의 판정이 어떻게 달라지는지 확인합니다.
기존 장비에서 검사 이미지를 받을 수 있는지, 설비 제어·생산 관리 시스템(PLC·MES)과 연동할 수 있는지 먼저 확인합니다. 조명이나 카메라를 조정해야 한다면 필요한 작업과 담당 범위를 함께 정합니다.
설비 부품, 조명, 촬영 위치가 바뀌면 판정 결과도 달라질 수 있습니다. 재검토 비율과 과검률을 정기적으로 확인하는 화면을 두고, 재학습 주기와 담당을 계약 단계에서 정합니다. 운영팀이 직접 할 범위와 포너즈가 지원할 범위를 구분합니다.
검사할 부위와 찾고 싶은 이상, 보유한 사진·시험 파형의 종류를 알려주세요. 촬영·측정 조건을 함께 살펴보고 먼저 검증할 검사 대상을 정합니다.