배경 및 고객 니즈
세계적인 오토바이 제조사가 주조 공정의 원자재 처리 부문에서 큰 어려움에 직면했습니다. 이 라인은 21단으로 쌓인 알루미늄 잉곳(각 7kg)을 처리해야 했습니다. 고객사는 높은 인건비 문제를 해결하고 위치 정밀도를 향상시키기 위해 수작업을 대체할 로봇 팔과 AI 비전이 통합된 자동화 솔루션을 절실히 필요로 했습니다.
과제
- 노동 강도 및 부상 위험: 7kg의 하중을 반복적으로 들어 올리고 지속적으로 허리를 굽히는 작업은 심각한 업무상 재해 위험을 초래했으며, 인력 부족 문제까지 겹쳐 있었습니다.
- 시야각(FOV)의 한계: 잉곳의 길이가 길어 표준 카메라 렌즈로는 근거리에서 물체 전체를 한 프레임에 담을 수 없었습니다.
- 복잡한 적재 패턴: 잉곳은 21단에 걸쳐 교차 패턴으로 쌓여 있었고, 표면의 반사 특성 때문에 기존 비전 시스템으로는 깊이와 위치를 감지하기 어려웠습니다.
- 비용 제약: 고객사는 고가의 3D 카메라 시스템을 대체할 수 있는 비용 효율적인 대안을 찾고 있었습니다.
솔루션
우리는 하드웨어의 한계를 소프트웨어 역량으로 극복한 고성능 AI 비전 솔루션을 배포했습니다.
- AI 인스턴스 세분화 (3D 대신 2D 활용): 고가의 3D 카메라 대신 AI 인스턴스 세분화(Instance Segmentation) 기술을 활용했습니다. 딥러닝을 통해 시스템은 표준 2D 이미징만으로도 쌓여 있는 잉곳의 윤곽과 층을 정확하게 식별하여 하드웨어 비용을 대폭 절감했습니다.
- 독자적인 위치 측정 알고리즘: FOV 한계를 해결하기 위해 긴 잉곳의 ‘상단’과 ‘하단’ 끝을 개별적으로 감지하는 특화된 알고리즘을 개발했습니다. 시스템은 자동으로 중앙 좌표를 계산하여 로봇 팔이 정밀하게 무게 중심을 잡을 수 있도록 합니다.
결과 및 이점
- 생산성 향상: 단일 로봇 팔이 이제 4개의 팔레트를 커버하는 작업 공간을 지원하며, 시간당 100개의 잉곳 처리 속도를 달성했습니다.
- 비용 효율적 구축: 고가의 하드웨어를 고급 AI 알고리즘으로 대체함으로써 장비 투자 비용을 크게 절감했습니다.
- 부상 없는 작업장: 자동화가 무거운 물건 들기 작업을 완전히 대체하여, 장기적인 허리 굽힘과 중량물 운반으로 인한 부상 위험을 제거하고 안전한 환경을 조성했습니다.
결론
본 사례 연구는 고급 AI 소프트웨어가 물리적인 하드웨어 한계를 어떻게 효과적으로 극복할 수 있는지 보여줍니다. 정밀한 알고리즘과 경제적인 2D 비전 솔루션을 통해 알루미늄 잉곳 처리의 복잡한 과제를 해결했을 뿐만 아니라, 생산 효율성과 작업장 안전이라는 두 마리 토끼를 잡을 수 있도록 도왔습니다.