블로그

AI 비전 협동로봇으로 7kg 알루미늄 잉곳 처리 과제 해결

배경 및 고객 니즈 세계적으로 유명한 오토바이 제조업체가 주조 공정의 원자재 처리 부문에서 큰 난관에 직면했습니다. 이 라인에서는 21단으로 쌓인 알루미늄 잉곳을 처리해야 했으며, 각각의 긴 잉곳 무게는 7kg에 달했습니다. 이 고객사는 높은 인건비를 해결하고 위치 지정 정확도를 높이기 위해 수작업을 대체할 로봇 암과 AI 비전을 통합한 자동화 솔루션을 시급히 찾고 있었습니다. 과제 높은 노동 강도 및 부상 위험: 7kg의 하중을 반복적으로 들어 올리고 지속적으로 허리를 굽히는 작업은 심각한 산업 재해 위험을 초래했으며, 인력 부족으로 인해 상황이 더욱 악화되었습니다.시야각(FOV)의 한계: 잉곳의 길이가 길어 표준 카메라 렌즈로는 근거리에서 단일 프레임에 물체 전체를 담을 수 없었습니다.복잡한 적재 방식: 잉곳은 반사되는 표면을 가진 채 21단으로 교차 적재되어 있어 기존의 비전 시스템으로는 깊이와 위치를 감지하기가 어려웠습니다.비용 제약: 고객사는 고가의 3D 카메라 시스템을 대체할 비용 효율적인 대안을 찾고 있었습니다. 솔루션 당사는 소프트웨어 기능을 활용하여 하드웨어의 한계를 극복하는 고성능 AI 비전 솔루션을 도입했습니다.AI 인스턴스 세그멘테이션 (3D 대신 2D 활용): 고가의 3D 카메라 대신 AI 인스턴스 세그멘테이션(Instance Segmentation) 기술을 활용했습니다. 딥 러닝을 통해 시스템은 표준 2D 이미징을 사용하여 쌓여 있는 잉곳의 윤곽과 층을 정확하게 식별하여 하드웨어 비용을 대폭 절감합니다.독자적인 포지셔닝 알고리즘: FOV의 한계를 해결하기 위해 긴 잉곳의 "상단"과 "하단" 끝을 개별적으로 감지하는 특수 알고리즘을 개발했습니다. 그런 다음 시스템이 중심 좌표를 자동으로 계산하여 로봇 암이 무게 중심을 정확하게 파지할 수 있도록 합니다.  결과 및 이점 생산성 향상: 이제 단일 로봇 암으로 4개의 팔레트를 포괄하는 작업 공간을 지원하여 시간당 100개의 잉곳을 처리할 수 있습니다.비용 효율적인 구축: 고가의 하드웨어를 첨단 AI 알고리즘으로 대체함으로써 고객사는 설비 투자에서 상당한 비용 절감 효과를 얻었습니다.무재해 작업장 구축: 자동화를 통해 무거운 물건을 들어 올리는 작업을 완벽하게 대체함으로써 장기간의 굽힘 및 하중 지지로 인한 산업 재해 위험을 제거하고 직원들에게 보다 안전한 환경을 조성했습니다. 결론 본 사례는 첨단 AI 소프트웨어가 물리적 하드웨어의 한계를 어떻게 효과적으로 극복할 수 있는지 보여줍니다. 당사는 정밀한 알고리즘과 비용 효율적인 2D 비전 솔루션을 통해 알루미늄 잉곳 처리라는 복잡한 과제를 해결했을 뿐만 아니라, 고객사가 주조 공정 내에서 생산 효율성과 작업장 안전 모두에서 윈윈하는 결과를 달성하도록 지원했습니다.

AI 비전 협동 로봇, 7kg 알루미늄 잉곳 취급 난제 해결

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.