아이브는 제조업에 특화한 비전 파운데이션 모델(VFM) 기반 검사 솔루션인 ‘아이비전(AiVision)’을 공식 출시했다고 26일 밝혔다. 이 혁신적인 AI 검사 시스템은 제조업 현장의 고질적인 데이터 부족 문제를 해결하고, 품질 검사 자동화의 새로운 전환점을 마련할 것으로 기대된다. 가트너는 2026년까지 AI 프로젝트의 60%가 준비되지 않은 데이터로 인해 실패할 것이라고 전망하며, 특히 데이터 확보가 어려운 제조업의 특성을 지적했다. 기존의 범용 AI 모델을 제조업에 적용하려면 방대한 결함 데이터를 수집하고, 기계 ID, 타임스탬프, 배치 번호 등 다양한 메타데이터를 정제하는 복잡한 과정이 필요했다. 그러나 이러한 과정에서 학습되지 않은 신규 불량에 대한 대응력이 떨어져 현장 활용에 제약이 있었고, 불량 데이터를 수작업으로 수집하고 라벨링하는 데 소요되는 시간과 비용이 과도해 많은 제조업체들이 AI 도입을 포기하기도 했다. 아이브는 이러한 문제를 해결하기 위해 비지도학습 AI 모델을 기반으로 한 아이비전을 개발했다. 이 시스템은 양품 데이터만 학습해도 예상되는 불량을 AI가 자동으로 생성하여 검출할 수 있도록 설계되었다. 또한, 학습되지 않은 신규 불량
4차 산업혁명 시대가 도래하면서 공정에 AI 기술을 접목해 더 똑똑하고 효율적인 제조가 가능해졌다. AI 기술을 접목하면 완벽한 불량 검사, 폭발적인 생산성 증가가 가능할 것처럼 느껴지지만, 실제 산업체 공정에 AI 응용상용화를 할 경우 85%는 실패하는 것으로 나타났다. 우리는 AI를 너무 과대평가하고 있는 건 아닐까? PoC 성공이 응용상용화 직결은 아니다 설계 개발, 생산 계획, 양산 공정, 검사, 출하 등의 생산 공정에 AI 기술을 접목하면 자동설계를 통해 다모델을 개발할 수 있다. 단순한 부업무인 육안검사가 줄어들고 불량원인 파악에 집중되는 업무를 효율화할 수 있다. 웨이퍼 등 방대한 양의 품질검사를 진행할 때 사람 대신 AI를 활용하면 인건비는 줄이고 검사 정확도는 상승하기 때문에 ROI도 커진다. AI 기술은 생산 공정의 효율성을 높여주기 때문에 접목만 하면 성공할 것처럼 느껴진다. LG CNS 연구소의 조사 결과에 따르면, 100여 건의 R&D PoC 중 다수가 성공했지만 응용상용화를 적용한 비율은 30%에 그쳤다. 즉, PoC에 성공해 기술적으로 입증이 됐을지는 몰라도 양산 단계까지 이어지지 못하는 경우가 대다수라는 것이다. 우리는 현
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 08월 26일 15시 48분
