숙련자의 경험을 데이터로, 반복작업을 자동 티칭으로 | AI 기반 프레스 이송장치 자동 티칭 시스템
신규 금형이 투입될 때마다 반복되는 이송장치의 티칭(Teaching) 작업은 숙련 엔지니어의 경험과 판단에 크게 의존합니다.
금형의 형상과 실제 설비 환경을 확인하고, 이송 경로와 동작 파라미터를 설정한 뒤 실제 움직임을 반복적으로 확인하면서 값을 보정해야 하기 때문입니다.
삼원FA는 3D 스캔 데이터와 기존 티칭 데이터를 AI로 분석해 신규 작업조건을 생성하고, 작업 중에는 영상 기반 AI로 주변 위험상황을 실시간으로 감지하는 프레스 이송장치 자동 티칭 시스템을 개발하고 있습니다.
Industry
Industrial Automation · Automotive Manufacturing · Press Automation
Application
Automatic Teaching · Press Transfer · Intelligent Manufacturing
Technology
3D Geometric Deep Learning · Generative AI · Object Detection · Object Tracking · Edge AI
새로운 금형이 투입될 때마다 반복되는 작업
프레스 생산라인은 동일 제품을 반복 생산하는 과정에서는 높은 수준의 자동화가 이루어져 있습니다. 하지만 새로운 금형이 투입되면 이송장치의 위치와 동작 경로, 속도 등 작업조건을 다시 설정해야 합니다.
기존에는 숙련 엔지니어가 설계 데이터와 실제 설비 상태를 비교하면서 각 구간의 이송 조건을 직접 입력하고, 장비를 반복 운전하며 간섭 여부를 확인하는 방식으로 티칭 작업을 수행해 왔습니다.
문제는 설계상의 금형 위치와 실제 생산라인의 설치 상태 사이에 차이가 발생할 수 있다는 점입니다. 결국 새로운 금형이 들어올 때마다 현장에서 반복적인 확인과 보정이 필요하며, 작업자의 숙련도에 따라 생산 준비시간에도 차이가 발생할 수 있습니다.
이번 프로젝트의 핵심은 이러한 작업자의 경험을 단순히 자동화하는 것이 아닙니다.
실제 금형의 3D 형상과 과거 티칭 데이터를 연결해 기존 작업 경험을 데이터로 축적하고, 새로운 금형이 투입되었을 때 이를 다시 활용할 수 있는 자동 티칭 체계를 만드는 것이 필요했습니다.
The Challenge
실제 금형의 형상을 정확하게 데이터화해야 했습니다
대형 금형은 크기와 형상이 복잡하기 때문에 하나의 센서 위치에서 전체 형상을 정확하게 확보하기 어렵습니다.
따라서 여러 위치에서 금형을 구간별로 스캔하고, 각각 취득된 3D 데이터를 하나의 좌표계로 정합해 실제 금형 형상을 재구성하는 과정이 필요합니다.
AI가 이송조건을 분석하기 전에 현실의 금형과 설비 위치를 정확한 3D 데이터로 표현하는 과정이 선행되어야 했습니다.
과거 작업자의 경험을 새로운 금형에 활용해야 했습니다
기존 티칭 과정에서 만들어진 작업조건은 단순한 숫자가 아닙니다.금형의 크기와 형상, 이동 구간, 설비 구조 등을 고려해 작업자가 반복적인 시행착오를 거쳐 결정한 결과입니다.
따라서 기존 금형의 3D 형상과 실제 티칭 데이터를 함께 학습하고, 신규 금형과 유사한 특징을 분석해 적절한 초기 작업조건을 제시할 수 있는 AI 모델이 필요했습니다.
이송 중 발생하는 돌발상황도 실시간으로 감지해야 했습니다
사전에 생성된 경로가 적절하더라도 실제 생산환경에서는 예상하지 못한 장애물이나 간섭 상황이 발생할 수 있습니다. 이를 작업자의 육안 감시에만 의존할 경우 빠르게 움직이는 자동화 설비의 이상 상황을 즉시 판단하는 데 한계가 있습니다.
따라서 AI가 작업 영역을 실시간으로 분석하고 위험요소가 확인될 경우 설비 제어 시스템과 연계할 수 있는 별도의 안전 모니터링 체계가 필요했습니다.
The Solution
삼원FA는 3D 스캔·정합 기술과 3D Geometric Deep Learning, Generative AI, 객체 검출·추적 기술을 결합한 프레스 이송장치 자동 티칭 시스템을 개발하고 있습니다.
시스템의 기본적인 데이터 흐름은 다음과 같습니다.
3D 형상과 기존 티칭 데이터를 결합해 새로운 작업조건을 생성하다
금형의 형상 데이터와 기존 작업자의 티칭 데이터를 함께 활용하여 신규 금형 투입 시 필요한 초기 이송조건을 생성하도록 구성합니다.
금형 3D 스캔 및 자동 정합
대형 금형을 여러 구간에서 3D 스캔하여 Point Cloud 데이터를 수집합니다. 각 위치에서 취득한 데이터를 Open3D 기반으로 정합하여 하나의 3D 형상으로 재구성하고, 실제 금형의 크기와 위치 및 형상 특징을 분석할 수 있는 기준 데이터를 생성합니다.
금형 형상 AI 분석
3D Geometric Deep Learning 기술을 활용해 금형의 기하학적 특징을 분석합니다. 기존 금형의 3D 형상과 실제 이송 과정에서 사용된 티칭 파라미터를 함께 학습함으로써 금형의 형상과 작업조건 사이의 관계를 데이터화합니다. 이를 통해 신규 금형이 투입되었을 때 기존 데이터 중 어떤 작업조건을 참고할 수 있는지 판단할 수 있도록 개발합니다.
AI 기반 티칭 데이터 생성
Generative AI 기반 분석 기술을 적용하여 신규 금형의 형상과 기존 티칭 데이터를 종합적으로 분석합니다. AI는 기존 작업 데이터를 기반으로 신규 금형에 적용할 수 있는 이송 경로와 티칭 파라미터 후보를 생성하고, 엔지니어가 초기 작업조건을 설정하는 과정에 활용할 수 있도록 합니다. 기존 작업자의 경험을 없애는 것이 아니라 과거에 축적된 경험을 새로운 금형에서도 활용할 수 있는 데이터로 전환하는 것이 핵심입니다.
실시간 위험상황 AI 분석
딥러닝 기반 객체 검출·추적 기술을 이용해 실제 설비 운전 중 작업 영역을 지속적으로 분석합니다. YOLO 기반 객체 검출 모델과 ByteTrack 기반 객체 추적 기술을 적용하여 작업 영역 내 객체의 위치와 움직임을 실시간으로 확인합니다. 위험 조건이 감지되는 경우 설비 제어 시스템과 연계하여 안전 정지 등 후속 제어가 가능하도록 시스템을 개발합니다.
사람의 경험에서 데이터 기반 자동 티칭으로
이 프로젝트의 핵심적인 변화는 단순히 프레스 설비에 AI 기능을 추가한다는 데 있지 않습니다.
기존 티칭 작업이 숙련 엔지니어가 금형을 확인하고 반복적으로 값을 보정하는 것에 집중됐다면, 이번 시스템은 실제 금형의 3D 형상과 기존 티칭 데이터를 함께 분석해 새로운 작업조건을 생성하는 것을 목표로 합니다.
신규 금형이 투입될 때마다 처음부터 작업조건을 다시 설정하는 것이 아니라 기존 생산 과정에서 축적된 데이터를 새로운 금형에 활용할 수 있도록 합니다.
또한 실제 운전 과정에서는 객체 검출과 추적 AI를 통해 작업 영역을 지속적으로 분석하여 사전에 설정된 이송조건뿐 아니라 변화하는 현장 상황까지 함께 확인할 수 있는 기반을 마련합니다.
향후 시스템이 현장에 적용되고 데이터가 축적되면 신규 금형의 생산 준비시간, 수동 보정 횟수, AI 티칭 결과와 실제 최종 조건 간 차이 등을 기준으로 자동 티칭 시스템의 효과를 구체적으로 검증할 수 있습니다.
why SAMWON FA
산업 자동화에서 AI를 활용하기 위해서는 AI 모델의 분석 성능만으로 충분하지 않습니다.
현장에서 실제 데이터를 취득하는 센서와 3D 데이터 처리 기술, AI 추론 환경, 프레스 설비의 제어 시스템이 하나의 구조로 연결되어야 합니다.
삼원FA는 이번 프로젝트에서 3D 데이터 처리, AI 모델 개발, Edge AI 추론 환경 및 실제 자동화 설비와의 시스템 연계를 하나의 흐름으로 구성하는 것을 목표로 개발을 진행하고 있습니다.
이는 개별 AI 알고리즘을 적용하는 것을 넘어 생산현장에서 발생하는 데이터를 실제 설비 제어와 작업조건 생성에 활용할 수 있는 정보로 전환하는 산업 AI 기술이라는 점에서 의미가 있습니다.
Next Step
이번 프로젝트는 신규 금형이 투입될 때마다 반복되던 티칭 작업을 AI와 데이터 기반으로 전환하는 것을 목표로 합니다.
향후 개발 및 현장 검증이 진행되면 다음과 같은 운영 지표를 기반으로 시스템의 효과를 확인할 예정입니다.
- 신규 금형 티칭 소요시간
- 초기 티칭 파라미터 생성 정확도
- 작업자 수동 보정 횟수
- 3D 형상 정합 정확도
- 객체 및 위험상황 인식 정확도
- 위험상황 감지 후 시스템 응답시간
- 신규 금형 투입에 따른 생산 준비시간
충분한 데이터가 축적되면 특정 금형이나 단일 프레스 라인을 넘어 금형 교체와 티칭 작업이 반복적으로 발생하는 다양한 생산 자동화 영역으로 동일한 접근 방식의 적용 가능성을 검토할 수 있습니다.
Project facts
프로젝트 | AI 기반 프레스 이송장치 자동 티칭 시스템 개발
적용 분야 | 자동차 제조 · 프레스 자동화 · 산업 AI
프로젝트 기간 | 2027.01.01 ~ 2028.06.30
현재 단계 | 개발 예정
주요 기능
- 대형 금형 구간별 3D 스캔
- Point Cloud 데이터 자동 정합
- 금형 3D 형상 특징 분석
- 기존 금형·티칭 데이터 학습
- 신규 금형 작업조건 분석
- AI 기반 티칭 파라미터 생성
- 이송 경로 생성 지원
- 실시간 객체 검출
- 객체 추적
- 위험상황 감지
- Edge AI 기반 실시간 추론
- 프레스 자동화 설비 제어 연계