컴퓨터메이트, 가성불량 제로’딥러닝 기반 이상감지 범용 플랫폼 완성

AI가 품질 판단, 데이터가 기준이 되는 제조 현장으로
대구디지털혁신진흥원 주관 ‘제조업 AI융합 기반조성사업’ 성과

컴퓨터메이트가 개발한 딥러닝 기반 이상감지 범용 플랫폼 ‘ADUP(Anomaly Detection Universal Platform)’ 개념도. 데이터 수집·학습·전이학습·시각화까지 전 과정이 자동화되어 검사 정확도와 생산성을 동시에 높인다. (사진=업체 제공)

제조 현장의 검사 정확도와 효율을 혁신적으로 끌어올릴 수 있는 AI 기반 기술이 등장했다. ㈜컴퓨터메이트(대표 서상인·김성호)가 딥러닝 기술을 접목한 이상감지 범용 플랫폼을 자체 개발, 현장에 적용하며 제조업계의 디지털 전환을 지원하고 있다.

컴퓨터메이트는 대구시와 대구디지털혁신진흥원이 수행한 ‘수요맞춤형 AI솔루션 개발·실증 지원사업(2024~2025)’의 일환으로 이번 기술을 고도화했다.

자동차 부품 제조업체인 ㈜세원정공은 기존의 룰(Rule) 기반 검사 시스템이 안고 있던 한계로 골머리를 앓았다. 기존 룰 기반 검사 시스템에서 ‘정상 제품을 불량으로 판단하는 가성불량’이 지속적으로 발생하기 때문이다. 제품 형상과 조명 조건이 수시로 바뀌는 제조 환경 특성상, 기존 비전시스템은 미세한 차이를 제대로 인식하지 못해 검사 오류율이 높았고, 결국 육안 검사로 노동력이 재투입되는 문제가 발생했다.

컴퓨터메이트는 이러한 문제를 해결하기 위해 기존 하드웨어를 그대로 유지한 채, 축적된 영상 데이터를 딥러닝으로 학습·적용하는 이상감지 범용 플랫폼(MATE-AI for ADUP)을 구축했다. 새로운 설비나 서버 증설 없이도 이미 확보된 검사 이미지 데이터를 기반으로 AI 학습하여, 가성불량을 줄이고 검사공정 데이터를 체계적으로 정량화·시각화할 수 있도록 했다.

특히 GAN(Generative Adversarial Network) 기반 이미지 증강 기술을 활용해 한정된 데이터에서도 다양한 결함 유형을 가상으로 생성, 학습 효율을 극대화했다. 그 결과, AI 모델 정확도는 99.95%, 가성불량 감소율은 92.17% 감소시켰다. 또한, AI 도입으로 시간당 생산량은 4.56% 증가하였다.

정상 이미지 중심의 학습으로 비정형 결함과 패턴 변화를 AI가 스스로 인식·판단할 수 있는 수준으로 고도화한 점이 핵심이다. 딥러닝 기반 이상감지 범용 플랫폼은 타 산업, 타 부품으로 확산하기 위해 프로파일 관리 시스템으로 고도화했고, 이로써 검사 위치와 부품 정보를 각 기업의 공정 환경에 맞춰 유연하게 설정·활용할 수 있도록 했다.

현장 관리자는 불량 판정 이력과 품질 변동 추이를 데이터로 관리할 수 있으며, 정량화된 품질 데이터는 향후 제조 현장의 의사결정 자동화 및 투명성 확보에도 기여한다.

경제적 효과도 크다. 이 플랫폼은 기존 하드웨어 변경 없이 AI 기술을 접목할 수 있어 도입비용이 낮고, 고성능 GPU나 대용량 서버가 없어도 실시간 분석이 가능하다. 수요기업은 검사공정 데이터의 시스템화와 품질 데이터의 가시화를 통해 신속한 품질 의사결정과 검사 효율 극대화라는 성과를 얻었다.

아울러 컴퓨터메이트는 딥러닝 기반 이상감지 범용 플랫폼을 상신브레이크㈜의 브레이크 패드 검사 공정에 교차 실증해, 타 부품으로의 확산 가능성을 입증했으며 가성불량률을 95%까지 낮추는 성과를 거뒀다.

한편, 이번 사례는 과학기술정보통신부와 정보통신산업진흥원(NIPA)의‘제조업 AI융합 기반조성사업(’24~’26)’의 성과 가운데 하나로, 단순한 시스템 고도화를 넘어, 제조공정의 본질적 변화를 상징한다. 컴퓨터메이트는 향후 자동차 부품, 전자, 금속가공 등 다양한 산업 분야로 솔루션을 확산시키고, 검사 데이터의 표준화 및 제조공정의 디지털화를 선도해 나갈 계획이다.