코그넥스 블로그

머신 비전과 딥러닝이 공장 자동화를 실현하는 방법

factoryautomationlarge
지난 10여년 동안 기술 발전의 속도는 인류 역사 상 유례없는 빠른 속도였으며 향후 몇 년 간 더 큰 혁신이 이루어질 것으로 예상됩니다. 즉, 블록체인, 로봇 공학, 엣지 컴퓨팅, 인공지능(AI), 빅데이터, 3D 프린팅, 센서, 머신 비전, 사물 인터넷 등 여러 기술적 혁신이 산업의 최전선에서 거대한 기술적 변화를 이끌 것으로 예상되고 있습니다. 

생산업계에서 이러한 기술의 일부 또는 전체의 채택 및 활용을 위한 전략적인 계획 수립이 매우 중요한 요소가 될 것입니다. 미국에서는 제조업이 연간 경제활동에서 2조 1700억 달러를 차지하지만 McKinsey에서는 2025년 – 앞으로 약 5년 후 – 까지 “스마트 공장”이 3조 7천억 달러를 창출할 것으로 예상합니다. 다시 말해 공장을 신속하게 지능형 자동화 허브로 신속하게 전환시킬 수 있는 회사들은 이 분야에서의 투자를 통해 장기적으로 승리하게 될 것입니다. 

“오래된 방식에 집착하거나 생산 공정을 디지털화할 역량이 없다면 비용이 상승할 가능성이 높으며 제품 시장 출시는 늦어지고 고객에게 차별적인 가치를 제공할 수 있는 능력도 저하될 겁니다.” Information Technology and Innovation Foundation의 글로벌 혁신 정책 전문가인 Stephen Ezell은 제조업에서의 AI에 대해 Intel에서 발표한 보고서에서 이렇게 말했습니다.

공장이나 제조업 설정에서 적용되는 이러한 기술은 더 이상 피상적인 수준에서 머무르지 않고 비즈니스 측면에서 결정적인 역할을 할 것입니다. Forbes Insights에서 최근 발표한 연구 보고서에 의하면 자동차 및 제조업 분야의 응답자들 중 93%가 AI를 ‘매우 중요’ 또는 ‘성공을 위한 절대적으로 중요’하다고 응답했습니다. 그러나 이 응답자들 중 56%는 인공지능 분야에 대한 지출을 10% 미만으로 증가시킬 계획이라고 응답했습니다. 

더 우수한 공장 자동화를 실현하는 신기술의 중요성을 인지하는 것과 지출하려는 의도 사이의 간극이 결국, 성공하는 회사와 실패하는 회사를 결정할 것입니다. AI 같은 분야에 대한 투자에 소극적인 이유는 아마도 관련 ROI, 역량, 실제 사용 사례에 대한 이해가 부족하기 때문일 것입니다. 산업 진단 회사인 Gartner, Inc.는 여전히 많은 AI 애플리케이션을 “과장된 기대의 최대치”로 분류하고 있습니다. 

하지만 AI, 특히 기존의 규칙 기반 머신 비전과 결합된 딥러닝 또는 예제 기반 머신 비전은 제조업 공장과 팀에게 초월적인 힘을 제공할 수 있습니다. 예를 들어 최신 스마트폰이나 다른 소비자용 전자 제품의 복잡한 조립 공정을 살펴 봅시다. 규칙 기반 머신 비전과 딥러닝을 결합하면 조립 로봇이 올바른 부품을 식별하고 나사 누락이나 케이스 방향 오류 등의 차이점을 파악하며, 어떤 부품의 존재 여부 또는 제품의 다른 위치에 조립되었는지 여부를 결정하면서 문제가 있는지 신속하게 파악할 수 있습니다. 그리고 로봇은 이러한 작업을 엄청난 규모로 수행할 수 있습니다. 

미신 비전과 딥러닝의 조합은 다음 세대를 대비한 확장성, 정밀도, 효율성, 재무적인 성장을 실현시킬 보다 스마트한 기술을 채택하기 위한 도약입니다. 하지만 이러한 투자를 극대화하기 위해서는 기존의 머신 비전과 딥러닝의 미묘한 차이점을 이해하고 서로 대체가 아닌, 상호 보완하는 방식을 이해하는 것이 중요합니다.  

머신 비전과 딥러닝의 상호 보완 방식과 차이점을 이해하려면 전자책 딥러닝 vs 머신 비전을 참고하십시오.

추가 게시물 -

머신 비전과 딥러닝이 공장 자동화를 실현하는 방법

factoryautomationlarge
지난 10여년 동안 기술 발전의 속도는 인류 역사 상 유례없는 빠른 속도였으며 향후 몇 년 간 더 큰 혁신이 이루어질 것으로 예상됩니다. 즉, 블록체인, 로봇 공학, 엣지 컴퓨팅, 인공지능(AI), 빅데이터, 3D 프린팅, 센서, 머신 비전, 사물 인터넷 등 여러 기술적 혁신이 산업의 최전선에서 거대한 기술적 변화를 이끌 것으로 예상되고 있습니다. 

생산업계에서 이러한 기술의 일부 또는 전체의 채택 및 활용을 위한 전략적인 계획 수립이 매우 중요한 요소가 될 것입니다. 미국에서는 제조업이 연간 경제활동에서 2조 1700억 달러를 차지하지만 McKinsey에서는 2025년 – 앞으로 약 5년 후 – 까지 “스마트 공장”이 3조 7천억 달러를 창출할 것으로 예상합니다. 다시 말해 공장을 신속하게 지능형 자동화 허브로 신속하게 전환시킬 수 있는 회사들은 이 분야에서의 투자를 통해 장기적으로 승리하게 될 것입니다. 

“오래된 방식에 집착하거나 생산 공정을 디지털화할 역량이 없다면 비용이 상승할 가능성이 높으며 제품 시장 출시는 늦어지고 고객에게 차별적인 가치를 제공할 수 있는 능력도 저하될 겁니다.” Information Technology and Innovation Foundation의 글로벌 혁신 정책 전문가인 Stephen Ezell은 제조업에서의 AI에 대해 Intel에서 발표한 보고서에서 이렇게 말했습니다.

공장이나 제조업 설정에서 적용되는 이러한 기술은 더 이상 피상적인 수준에서 머무르지 않고 비즈니스 측면에서 결정적인 역할을 할 것입니다. Forbes Insights에서 최근 발표한 연구 보고서에 의하면 자동차 및 제조업 분야의 응답자들 중 93%가 AI를 ‘매우 중요’ 또는 ‘성공을 위한 절대적으로 중요’하다고 응답했습니다. 그러나 이 응답자들 중 56%는 인공지능 분야에 대한 지출을 10% 미만으로 증가시킬 계획이라고 응답했습니다. 

더 우수한 공장 자동화를 실현하는 신기술의 중요성을 인지하는 것과 지출하려는 의도 사이의 간극이 결국, 성공하는 회사와 실패하는 회사를 결정할 것입니다. AI 같은 분야에 대한 투자에 소극적인 이유는 아마도 관련 ROI, 역량, 실제 사용 사례에 대한 이해가 부족하기 때문일 것입니다. 산업 진단 회사인 Gartner, Inc.는 여전히 많은 AI 애플리케이션을 “과장된 기대의 최대치”로 분류하고 있습니다. 

하지만 AI, 특히 기존의 규칙 기반 머신 비전과 결합된 딥러닝 또는 예제 기반 머신 비전은 제조업 공장과 팀에게 초월적인 힘을 제공할 수 있습니다. 예를 들어 최신 스마트폰이나 다른 소비자용 전자 제품의 복잡한 조립 공정을 살펴 봅시다. 규칙 기반 머신 비전과 딥러닝을 결합하면 조립 로봇이 올바른 부품을 식별하고 나사 누락이나 케이스 방향 오류 등의 차이점을 파악하며, 어떤 부품의 존재 여부 또는 제품의 다른 위치에 조립되었는지 여부를 결정하면서 문제가 있는지 신속하게 파악할 수 있습니다. 그리고 로봇은 이러한 작업을 엄청난 규모로 수행할 수 있습니다. 

미신 비전과 딥러닝의 조합은 다음 세대를 대비한 확장성, 정밀도, 효율성, 재무적인 성장을 실현시킬 보다 스마트한 기술을 채택하기 위한 도약입니다. 하지만 이러한 투자를 극대화하기 위해서는 기존의 머신 비전과 딥러닝의 미묘한 차이점을 이해하고 서로 대체가 아닌, 상호 보완하는 방식을 이해하는 것이 중요합니다.  

머신 비전과 딥러닝의 상호 보완 방식과 차이점을 이해하려면 전자책 딥러닝 vs 머신 비전을 참고하십시오.

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
Loading...