미르기술, ‘INTELLI-PRO AI’ 솔루션 중심의 설명    

 

 

 

 

 

미르기술은 AI 기반 스마트 공장 자동화 종합 솔루션인 ‘INTELLI-PRO AI’ 솔루션을 발표하고, 그 우수성을 적극적으로 알리고 있다. 해당 솔루션의 소프트웨어 및 알고리즘 패키지는, 미르기술의 AOI 장비 전체 라인의 성능과 편의성을 향상하기 위해 특별히 설계되었다. INTELLI-PRO AI는 독점적인 딥러닝 기반 자동 부품 검색 및 교육 기능과 AI를 기반으로 한 자동 파라미터 최적화, 문자 인식 검사(OCR), 이물 검사(FOD), 장착 검사 알고리즘 및 자동 불량 판정 기능으로 구성된다. 

 

 

 

오늘날의 전자제조산업에서는 전자 제품의 고급화와 안전/환경 규제의 강화로 인해 불량품 및 품질관리 기준이 그 어느 때보다 엄격해지고 있다. 이제 전자 제품 제조사는 물 샐 틈 없이 정교한 제조 계획을 수립하고 생산 프로세스를 최적화하여 생산 효율성을 극대화해야만 한다. 일반적으로 전자 제품 제조사는 AOI(Automatic Optical Inspection) 장비에 의지하여 제조 프로세스를 간소화하고 제조 결함에 대한 근본 원인을 실시간으로 분석하는데, 그 목표는 생산 수율을 개선하고 비용이 많이 드는 재작업을 줄여 수익성을 높이는 것이다.

최근 몇 년 동안 3D AOI 장비는 빠르게 발전하였고 또 그만큼 많은 신규 기능이 추가되었다. 이러한 성능 향상은 물론 환영할 만한 일이나, 검사 시스템의 프로그래밍 및 최적화 과정을 더욱 복잡하게 만드는 반작용도 있었다. 3D AOI 장비는 학습 및 디버깅을 위해 훨씬 더 많은 파라미터 조작이 필요하므로 기술에 대한 공정 엔지니어에 대한 의존도가 높아진다. 이는 여러 가지 새로운 도전을 야기한다. 

 

 

SMT 라인 증설로 인해 숙련된 직원이 교체되거나 새로운 직원이 도입되면 해당 직원의 기술 수준이 향상될 때까지 생산성이 저하될 수 있다. 전자 제조업체가 품질 관리를 유지하기 위해서는, 이러한 불확실성과 불안정성을 제거해야 한다. 여기에 인공지능(AI)의 필요성이 강조된다. 요컨데, AI 사용의 목표는 최고 수준의 제조 품질과 효율성을 유지하는 데 필요한 작업자 숙련도의 기준을 낮추는 것이다.

 

 

 

아마도 미숙한 AOI 작업자에게 가장 어려운 과제는, 주어진 제품의 검사에 적합한 패키지 라이브러리 형태가 무엇인지 찾아내는 작업일 것이다. PCB 제조에 사용되는 부품이 매우 다양하기 때문에 숙련된 프로그래머라도 가장 적합한 라이브러리 형태를 찾지 못해 생산성에 부정적인 영향을 미칠 수 있다. 

미르기술의 Auto-Matching 기능은 딥러닝 기법을 사용하여 AOI 프로그래밍 프로세스의 효율성과 정확성을 극대화한다. 이 기능을 사용하면 작업 시간을 기존의 수동 티칭 대비 90%, 딥러닝 없는 자동 티칭 대비 50% 단축할 수 있다. 무엇보다 비숙련 운영자가 티칭을 하더라도 최고 레벨 운영자의 약 85% 수준까지 티칭 품질을 유지할 수 있다.

 

​

디버깅은 검사 알고리즘 또는 파라미터를 조정하여 최적의 검사 결과를 얻을 수 있는 작업이다. 작업자의 기술 수준은 티칭 작업보다 이 단계에서 더 큰 영향력을 가진다. 주어진 검사 장비에 대한 명확한 이해가 없는 작업자는 생산되는 제품에 적합한 최적의 검사 조건을 프로그램에 설정하지 못할 수 있으며, 이는 검사 품질 저하로 이어진다. 설령 파라미터 설정에 더 익숙한 숙련자가 작업하더라도 디버깅 작업에 많은 시간을 할애해야 하는 부분은 피할 수 없다.

미르기술의 Optimum Inspection Tool(OIT)은 여러 검사 결과를 분석하여 주어진 PCB를 자동으로 디버깅하고 파라미터를 최적화하는 원격 소프트웨어 솔루션이다. Deep Learning Auto Matching and Teaching Tool을 활용한 티칭이 완료되면, 프로그래머는 해당 티칭 데이터로 PCB를 검사한다. 여기에서 ‘불량’으로 판정된 검사 결과를 검토하여 의심스러운 검사 항목의 불량 여부를 재판정하면 소프트웨어는 결과를 학습, 분석하여 최적의 파라미터 값을 제안한다. 사용자는 적합한 파라미터 값을 찾기 위해 고민할 필요가 없이 부품별 불량 여부를 판단하기만 하면 되며, 대략 10장의 PCB 검사 및 판정을 거치면 최적화가 완료된다.

 

 

AI를 기반으로 한 티칭 및 디버깅은 검사 프로그램의 품질과 효율성을 효과적으로 향상시킬 것이다. 그러나 이 단계에서 AI의 역할은 Human Error를 줄여주는 것으로, 검사기 자체의 불량 검출율을 강화하는 것은 아니다. 따라서 그다음 단계로서 인공 지능을 사용하여 검사 알고리즘 자체의 정확성과 반복성을 극대화할 필요가 있다.

 

 

AI가 검사 성능을 향상시키는 데 사용할 수 있는 좋은 예는 광학 문자 인식(OCR) 알고리즘이다. OCR은 장치에 인쇄되거나 새겨진 문자를 읽고 올바른 장치가 올바른 방향으로 적절한 위치에 실장되었는지 여부를 판단하는 데 사용된다. OCR은 글꼴 변경, 그리고 제대로 인쇄되지 않거나 손상된 문자로 인한 가성불량이 다발(多發)하는 검사 항목으로, 이는 AOI 시스템을 더욱 복잡하게 만드는 원인이다. 

 

 

미르기술은 다양한 글꼴, 색상, 모양의 문자 이미지를 지속적으로 수집하여 분석하는 딥러닝 기법을 사용하여 업계 최고 수준의 문자 인식률을 달성할 수 있었다. 현재 미르기술의 검사 시스템 소프트웨어는 텍스트 손상 여부를 인식하고, 다중 각도 조명을 사용하여 부분적으로 문자를 복구할 수 있는 수준에 도달했다. 이러한 높은 인식률을 바탕으로 소프트웨어는 자동 문자 티칭 기능을 제공한다. 자동 티칭이 수행되는 동안 OCR 알고리즘은 메인 카메라가 촬상한 이미지에서 텍스트 영역을 추출하여 검사 윈도우과 목표 문자열(Target String)을 자동으로 생성한다.

 

 

딥러닝은 회로 주변의 PCB 표면에서 이물질을 검사하는 미르기술의 FOD(이물 감지, Foreign Object Detection) 알고리즘에도 적용된다. 외부 물체 감지는 가성 불량의 또 다른 원인으로, 감지된 물체가 실제로 검사 알고리즘에 의해 무시되어야 하는 PCB의 원래 요소인지 아니면 실제 이물질인지를 정확하게 판단하는 것이 점점 더 중요해지고 있다. FOD 검사에 딥러닝을 적용하면 가성 불량의 비율이 크게 낮아지고 제조 품질이 크게 향상된다.

 

 

불량 분류(Defect Classification)란 운영자가 AOI에서 검사한 결과 데이터를 로드하여 불량으로 판정된 개별 부품에 대해 인간의 판단력으로 재판정을 하는 과정으로, 제조 공정의 일반적인 프로세스이다. 여기서 운영자는 문제의 부품이 실제로 불량인지 가성불량인지의 여부를 판단할 수 있다. 이 프로세스는 시스템 소프트웨어가 작업자의 기록된 불량 분류를 지속적으로 저장하고, 이를 향후 검사 결과와 비교하는 딥러닝을 적용함으로써 크게 개선될 수 있다. 딥러닝 기법의 특성에 의해 이 누적 프로세스의 정확도는 시간이 지날수록 높아지며, 결과적으로 시스템은 운영자 개입 없이 높은 정확도로 진성 불량(Real defect)/가성 불량(False Call)을 자동으로 분류할 수 있다. 이 기능의 궁극적인 목표는 불량 분류 프로세스 내에서 작업자 개입을 배제함으로써 품질 관리를 표준화하는 것이다.

 

     

 

전자 제품 제조사는 장비 도입에 점점 더 까다로워지고 있다. 경쟁이 치열한 이 산업에서 그들의 사업에 가치를 더하고 꼭 필요한 “경쟁우위”를 제공할 장비를 골라내지 못하면 경쟁력을 유지하기 어렵기 때문이다. 이러한 상황 속에서 인공 지능이 제조 공정의 효율성과 수익성을 극대화하는 데 큰 역할을 할 것이라는 데는 의심의 여지가 없다. 때문에 미르기술은 AI 기반 기술 개발에 계속해서 막대한 투자를 이어가고 있다. 그 결과물인 INTELLI-PRO AI는 검사 프로세스 내에서 인간의 개입으로 인한 역효과를 제거함으로써 전체 AOI 장비 라인의 성능과 편의성을 개선하는, AI 기술의 도입 효과를 확실히 보여줄 것이다.