고객
해당 고객사는 아시아에 본사를 둔 자동차 제조업체입니다.
사례
용접 품질 검사에서의 과제
자동차는 복잡한 표면과 다양한 구조를 갖고 있어, 용접 위치 및 기술이 다양하게 적용됩니다.자동차 차체 및 섀시의 불규칙한 형태로 인해 용접 품질 검사는 여러 각도에서 진행해야 합니다.이 과정을 자동화하는 것은 기술적으로 어렵고 비용이 많이 들기 때문에, 현재는 수작업 검사가 주로 이루어지고 있습니다.그러나 작업자가 검사 과정에서 부주의할 경우, 결함이 있는 제품이 시장에 유입되어 운전 안전에 위험을 초래할 수 있습니다.
도전 과제
자동차 용접에서 불규칙한 결함에 대한 수작업 검사의 한계
자동차 용접 품질을 수작업으로 검사할 경우, 불규칙한 결함이 발견되지 않을 수 있습니다.첨단 용접 기술이 적용되더라도 완벽한 용접 품질을 보장하는 것은 여전히 어려운 과제입니다.프레임에는 여러 개의 검사 지점과 복합적인 구조가 존재하며, 현재는 수작업 검사가 주로 이루어지고 있지만 품질의 일관성이 문제가 되고 있습니다.
솔루션
META-aivi를 활용한 수작업 검사의 정확도 향상
META-aivi의 결함 감지 기능을 활용하여 AI 모델을 학습시키고, 이를 시스템에 업로드하여 용접 품질 기준을 설정할 수 있습니다.이를 통해 AR 글래스나 태블릿을 활용하여 용접 부위를 AI로 검사하고, 결함이 있는 용접 부위를 신속하게 식별할 수 있습니다.증강 현실(AR) 피드백이 실시간으로 제공되며, 화면상의 지침을 따라 작업자가 즉시 오류를 수정할 수 있어 용접 품질을 보장할 수 있습니다.META-aivi는 또한 불완전 용접, 샌드홀, 탄화, 스패터 등 다양한 용접 결함 유형을 구별할 수 있습니다.예를 들어, 샌드홀 결함이 지속적으로 감지될 경우 용접 와이어 교체가 필요할 수 있으며, 불완전 용접이 자주 발생하면 노즐 검사가 필요할 수 있습니다.누적된 데이터는 이후 빅데이터 분석 및 유지보수 목적으로 활용될 수 있습니다.또한, 제품 검사 기록을 출력하여 검사 프로세스를 효과적으로 디지털화할 수 있습니다.
META-aivi 검사 결과
AI 검사를 통해 META-aivi가 용접 결함을 감지
