코그넥스 블로그

일본의 Sekisui House가 VisionPro 딥러닝을 이용해 세라믹 벽 결함 검사를 자동화한 방법

Sekisui House uses Cognex deep learning to find defects on ceramic tile

Sekisui House Ltd.는 연매출이 미화 200억 달러에 달하는 일본 최대의 주택 건축업체로 꼽힙니다. 1960년 설립되고 오사카에 본사를 두고 있는 이 업체는 시즈오카와 도후쿠 공장에서 제조되는 독특한 Bellburn 세라믹 타일 외장재로 유명합니다.

Bellburn 세라믹 타일은 업스케일 주택 공사에서 외벽 사이딩에 사용됩니다. 셀프 클리닝 특성과 함께 디자인 뿐 아니라 내구성도 뛰어나, 느리지만 스마트한 제품을 창조한다는 회사의 철학 을 반영합니다. 타일은 강화 처리되고 세라믹 아트 기법이 생산 공정에 통합되어 있습니다. 하지만 세라믹 아트처럼, 점토 또는 기타 재질의 형상을 만드는 원래 성형 공정으로부터 겉면에 작고 오목한 홈이나 선이 남을 수 있습니다. 성형 공정에서 발생하는 외관상 결함을 제거하기 위해서는 각각의 타일 조각을 검사하는 것이 필수입니다.

Sekisui House 01

하지만 수작업 육안 검사의 양을 사람이 따라잡기란 불가능합니다. 또한 Bellburn 타일의 자동화 검사 중 나타날 수 있는 잠재적인 시각적 결함 모두를 고려해 머신 비전 검사 규칙을 만드는 것은 어렵고 시간 소모적인 일입니다. 뿐만 아니라 모든 결함이 외부에서만 발생하는 것이 아니며 컬러가 불균일해도 거부 원인이 됩니다. 양호한 제품이 생산에서 제거되는 위험을 제한하기 위해 가능한 결함 중 일부가 허용 범위에 속합니다. 그렇지 않으면 필요한 공급 물량에 영향을 주게 됩니다.

최종 검사 시점에서 필요한 Bellburn 타일 수를 확보하기 위해서 과거 제품생산율과 비효율적인 수작업 검사를 기준으로 생산 계획을 세워야 했습니다. 그 결과, 재고가 증가하고 일부는 사용이 불가능한 재고가 되버렸습니다.

이러한 검사 문제를 해결할 대책으로, Sekisui House는 생산 공정 전체에서 외관상의 결함 검사를 자동화하기 위해 라인 스캔 카메라 및 LED 조명을 탑재한 VisionPro 딥러닝을 구축하였습니다. 모든 부품을 자동으로 검사함으로써 이 주택 건설업체는 제조 공정에서 전반적인 품질을 개선하고, 잉여 생산을 줄였으며, 재고와 비용을 절감하고, 안정적으로 Bellburn 세라믹 타일 사이딩을 공급할 수 있게 되었습니다.

딥러닝 결함 감지에는 소량의 이미지 데이터만이 필요합니다

PC 기반 딥러닝 솔루션인 VisionPro 딥러닝은 소량의 양호한 샘플 이미지를 기준으로 원래 플레이트에서 다수의 외관상 결함을 식별합니다. 일반적으로 오픈 소스 딥러닝 툴의 경우에는 허용되지 않는 결함으로부터 허용되는 결함을 구분하기 위해서 방대한 양의 이미지 데이터가 필요합니다. 그러나 VisionPro 딥러닝은 결함 감지 툴이 제조를 목적으로 설계된 것이기 대문에 약 100개의 샘플 이미지 세트만으로 이 작업을 수행할 수 있습니다.

성형 공정이 시작된 후, 라인 스캔 카메라와 LED 조명이 자동화 검사를 위해 외부 이미지를 캡처합니다. VisionPro 딥러닝은 튀어나온 부분, 움푹 들어간 부분, 색 명암, 원치 않는 라인 등과 같은 결함을 식별합니다. 그런 다음, 이러한 이미지를 분석하여 자동화 엔지니어가 허용되거나 허용되지 않는 외관상 결함을 토대로 애플리케이션을 추가로 조정할 수 있습니다.

생산 라인에서 실시간 감지를 위한 높은 처리 속도

Sekisui House 02 

성형 과정에서 발생하는 결함을 실시간으로 감지함으로써 이제 조기 단계에서 결함 있는 품목을 발견할 수 있습니다. 최종 검사 단계에서 품질 관리가 더욱 정확히 이루어지므로 생산 계획의 정확도가 향상됩니다. 예를 들어, 200 x 32 cm 재료 하나를 구분하는 데 약 2초면 됩니다. 육안 검사만으로 생산 라인에서 이 속도로 외부 검사를 하는 것은 완전히 불가능합니다. VisionPro 딥러닝은 선택적으로 변형된 부분을 검사하여 높은 처리 속도로 판별이 가능합니다.

사용 불가능한 재고의 축소

이 검사 시스템을 도입함으로써 이전에 보유 생산량의 0.4%를 차지했던 사용 불가능한 재고를 40% 줄임으로써 비용 절감 효과를 가져왔습니다.

최종 공정 전에 딥러닝을 통해 육안 검사를 자동화함으로써 보다 정확한 품질 관리가 엄청나게 개선되었습니다. 정확한 생산 계획이 가능해지고 재고를 줄여 매출도 향상되었습니다.

수평적 확장을 통한 추가적인 비용 절감

시즈오카 공장에서 성공을 거둔 후, 도후쿠 공장에도 딥러닝 결함 감시 시스템을 구현하였습니다. 도후쿠에서는 점토 재질 압축 단계 후 외부 검사가 통합되었습니다. 점토가 마르기 전에 결함이 발견되면 재료를 재활용해 폐기물을 없앨 수 있습니다. 따라서 재료 비용을 크게 절약할 수 있게 되었습니다.

안정적인 공급 확보

생산 중 VisionPro 딥러닝을 사용한 육안 검사의 자동화를 통해 실시간으로 결함을 감지할 수 있는 기능은 성공적인 재고 및 비용 감소를 가져왔습니다. VisionPro 딥러닝을 사용한 각 타일 조각의 외부 육안 검사를 자동화함으로써 필요할 때 정확히 필요한 양의 세라믹 플레이트를 생산할 수 있었습니다.

전반적으로 Bellburn 세라믹 사이딩 생산 공정이 보다 능률적으로 개선되었습니다. VisionPro 딥러닝으로 이러한 검사를 자동화한 Sekisui House는 시작부터 맞춤 설계하여 자유롭게 디자인된 고유의 주택을 만들어 고객의 꿈을 실현 한다는 회사의 모토를 보다 효과적으로 달성할 수 있게 되었습니다.

추가 게시물 -

제품 지원 및 교육 신청

MyCognex 가입

질문이 있으십니까?

전 세계 어디에서든 코그넥스 담당자들이 여러분의 비전과 산업용 바코드 판독 관련 문제를 지원합니다.

연락처