[첨단 헬로티]
제조 업계에서 가장 뜨거운 토론 주제 중 하나는 Industry 4.0이다. 업계 자동화 및 데이터 교환 분야에서 새롭게 정의된 혁신 그룹인 Industry 4.0은 생산성을 향상시키고, 폐기물을 줄이며, 제품 품질을 개선하고, 제조 유연성을 높이고, 운영 비용을 절감하고, 무수한 다른 이점을 공장 현장에 제공할 수 있는 엄청난 잠재력을 보여준다.
글로벌 제조업체의 다양한 운영과 지역, 산업, 규모 및 경쟁 환경의 변화를 감안할 때 Industry 4.0의 모든 잠재력은 계속해서 활발하게 형성되고 있다. 공간이 계속 진화하는 동안 한 가지 분명한 사실은 Industry 4.0이 향후 수년간 제조 방향에 영향을 미칠 것이라는 점입니다. 모든 공장에서 가장 큰 데이터 생산자 중 하나인 비전 기술이 어느 때보다 더욱 중요해지고 있다. 머신비전의 기본에 대해 들여다보는 기회를 갖기 위해 앞으로 2회에 걸쳐 ‘머신비전의 기본’에 대해 싣는다.
머신비전이란?
자동화 이미지협회(AIA)에 따르면 , 머신비전은 모든 산업용/비산업용 애플리케이션에 사용되며 하드웨어와 소프트웨어가 결합되어 이미지 포착 및 처리 기능을 실행할 수 있도록 작동을 안내한다. 산업용 컴퓨터 비전은 학업/교육, 정부/군사용 애플리케이션에서의 컴퓨터 비전과 비교 시 알고리즘과 접근방식은 대부분 동일하나 제약 조건은 각각 다르다.
산업용 비전시스템은 학업/교육 비전 시스템보다 높은 견고성, 신뢰성, 안정성이 요구되며 일반적으로 정부/군사용 애플리케이션에 사용되는 비전시스템보다 훨씬 저렴하다. 따라서 산업용 머신비전은 저렴한 비용, 용인되는 수준의 정확성, 높은 견고성, 우수한 신뢰성, 뛰어난 기계적 안정성과 온도 안정성을 의미한다.
머신비전시스템은 특수 광학 장치를 사용하여 산업용 카메라 내부에서 보호되는 디지털 센서로 이미지를 획득하며 이를 통해 컴퓨터 하드웨어와 소프트웨어가 의사 결정을 위한 다양한 특성을 처리, 분석, 측정할 수 있다.
예를 들어, 양조장의 채움 수준 검사 시스템을 생각해 보자(그림 1). 각 맥주병이 검사 센서를 통과하며 이 센서는 스트로브 광을 비춰 병의 사진을 찍도록 비전시스템을 작동한다. 비전 소프트웨어는 이미지를 획득하고 메모리에 저장한 후, 이를 처리하거나 분석하고 병의 채움 수준에 따라 통과-실패 응답을 생성한다. 제대로 채워지지 않은 병, 즉 불량이 감지되면 시스템은 병을 거부하라는 신호를 전환기에 보낸다. 작업자는 디스플레이에서 불량 병을 확인하고 진행 중인 공정 통계를 볼 수 있다.
▲ 그림1. 병 채움 수준 검사 예시
머신비전시스템은 객관적인 측정도 수행할 수 있다. 예를 들면, 점화 플러그 간극을 파악하거나 제조 공정에서 로봇이 부품을 정렬할 수 있도록 위치 정보를 제공한다. 그림 2는 머신비전시스템에서 오일 필터가 통과/실패하는 모습(오른쪽)과 브래킷의 중앙 탭 폭을 측정하는 모습(왼쪽)을 보여준다.
▲ 그림2. 머신비전시스템은 머신 브래킷(왼쪽) 또는 오일 필터(오른쪽)와 같은
생산 라인에서 실시간 측정과 검사를 처리할 수 있다.
이 예시에서 채움 수준 검사시스템은 두 가지의 가능한 응답만 허용하며 다음과 같이 2진법 시스템으로 작동한다.
1. 제품이 양호한 경우 통과
2. 제품이 불량한 경우 실패
머신비전의 이점
인간의 시력은 복잡하고 구조화되지 않은 장면을 질적인 측면에서 해석하는 데 최적인 반면 머신비전은 속도, 정확성, 반복성 덕분에 구조화된 장면을 양적인 측면에서 측정하는 데 뛰어나다. 예를 들어, 생산 라인에서 머신비전시스템은 1분에 수백 또는 수천 개의 부품을 검사할 수 있다. 적합한 카메라 해상도와 광학 장치를 갖춘 머신비전시스템은 너무 작아서 인간의 눈으로는 볼 수 없는 물체의 세세한 부분까지 쉽게 검사할 수 있다(표1).
▲ 표1. 전략적 목표를 충족할 수 있도록 지원하는 머신비전
테스트 시스템과 테스트 대상인 부품 간의 물리적인 접촉을 분리할 때 머신비전은 부품이 손상되는 것을 방지하며 기계적인 구성요소의 마모 및 마손과 관련된 유지보수 시간과 비용이 불필요하다. 머신비전은 제조 공정에서 인력의 개입을 줄여 안전과 운영상의 이점을 향상할 뿐만 아니라, 인간에 의해 무균실이 오염되는 것을 방지하고 유해 환경으로부터 작업자를 보호한다.
머신비전 애플리케이션
매우 단순한 조립 검증이든 복잡한 3D 로봇식 빈 피킹(Bin picking)이든, 일반적으로 모든 머신비전 애플리케이션의 첫 번째 단계는 패턴 매칭 기술이며 이는 카메라의 시야에서 검사 대상 기능이나 물체를 찾아내는 것이다. 이때, 검사 대상 물체를 찾아내는 것이 성공이냐 실패냐를 결정하는 경우가 많다. 패턴 매칭 소프트웨어 툴이 이미지 내에서 부품을 정확하게 찾지 못하면 부품의 가이드, 식별, 검사, 계산 또는 측정이 불가능해진다. 부품을 찾아내는 것은 언뜻 간단해 보이지만, 실제 생산 환경에서는 외형의 차이로 매우 까다로운 단계가 될 수 있다(그림 3). 비전시스템은 패턴을 기준으로 부품을 인식하도록 훈련되어 있지만 매우 엄격하게 통제되는 공정이라도 부품 외형에서 약간의 변형은 허용된다(그림 4).
▲ 그림3. 조명이나 폐색으로 인한 외형 변경 때문에 부품 위치를 찾아내기
어려울 수 있다.
▲ 그림4. 부품 표시 또는 배치 왜곡 효과 때문에 부품 위치를 찾아내기
어려울 수 있다.
정확하고 신뢰할 수 있으며 반복 가능한 결과를 얻으려면 생산 라인으로 내려가는 실제 물체(패턴 매칭)의 학습 패턴을 신속하고 정확하게 비교할 수 있을 정도의 정보가 비전 시스템의 부품 위치 찾기 툴에 내장되어 있어야 한다. 부품 위치 찾기는 머신비전 애플리케이션의 네 가지 주요 범주에서 핵심이 되는 첫 번째 단계이다. 이들 범주는 유도, 식별, 계측, 검사이며 두문자어 GIGI로 기억할 수 있다.
유도: 여러 가지 이유로 유도가 수행될 수 있다. 우선, 머신비전시스템은 부품의 위치와 방향을 찾아내고 이를 지정된 허용값과 비교하여 올바른 각도로 제대로 조립되어 있는지 확인한다. 그 다음, 유도를 통해 2D 또는 3D 공간에 있는 부품의 위치와 방향이 로봇이나 머신 컨트롤러에 보고되어 로봇이 부품을 찾아내고 머신이 부품을 정렬할 수 있게 된다. 머신비전 유도는 운반대에 부품을 배열하고, 컨베이어 벨트에서 부품을 포장하고, 다른 구성요소와 조립하기 위해 부품을 찾아내어 정렬하고, 작업 선반에 부품을 배치하거나 쓰레기통에서 부품을 제거하는 등의 작업에서 수동 배치보다 훨씬 더 빠른 속도와 정확성을 제공한다.
유도는 다른 머신비전 툴에 대한 정렬에도 사용될 수 있다(그림5a). 생산 중에 부품이 알 수 없는 방향으로 카메라에 나타날 수 있기 때문에 이는 머신비전이 가진 매우 강력한 기능이다. 머신비전은 부품의 위치를 찾고 다른 머신비전 툴을 그에 맞게 정렬하여 자동 툴 고정을 수행한다. 또한 부품의 주요 기능을 찾아내어 캘리퍼, 블롭, 에지 또는 그 외 비전 소프트웨어 툴을 정확하게 배치함으로써 부품과 올바르게 상호작용할 수 있게 한다. 이러한 접근방식을 통해 제조업체는 동일한 생산 라인에서 여러 제품을 생산할 수 있으며, 검사 중에 부품 위치를 유지하기 위해 고가의 하드 툴링(Hard tooling)을 사용하지 않아도 된다.
▲ 그림5a. 유도에 사용된 이미지 예시
유도에서 기하학적 패턴 매칭이 필요한 경우가 있다(그림5b). 패턴 매칭 툴은 대비와 조명의 큰 변동과 스케일, 회전, 기타 요인의 변화를 용인하면서 매번 부품을 확실히 찾아내야 한다. 패턴 매칭에서 얻은 위치 정보를 통해 다른 머신비전 소프트웨어 툴을 정렬할 수 있기 때문이다.
▲ 그림5b. 패턴 매칭은 까다로운 작업이 될 수 있다.
식별: 부품 식별 및 인식을 위한 머신비전시스템은 바코드(1-D), 데이터 매트릭스 코드(2- D), 직접 부품 마크(DPM), 부품에 인쇄된 문자, 라벨, 패키지를 판독한다(그림6). 광학 문자 인식(OCR) 시스템은 사전 지식없이 영숫자 문자를 판독하며, 광학 문자 검증(OCV) 시스템은 문자열의 존재를 확인한다. 또한, 머신비전시스템은 고유한 패턴을 찾아내어 부품을 식별하거나 색상, 모양 또는 크기를 기준으로 품목을 식별할 수 있다.
▲ 그림6. 식별 기술은 단순한 바코드 스캐닝에서 OCR에 이르기까지 다양하다.
DPM 애플리케이션에서는 코드 또는 문자열을 부품에 직접 마킹한다. 모든 산업의 제조업체는 일반적으로 이러한 기술을 사용하여 오류 방지, 효율적인 봉합 전략 이행, 공정 제어 및 품질 관리 지표 모니터링, 병목현상과 같은 공장의 문제 영역을 정량화한다. 직접 부품 마킹을 통해 확보되는 추적성은 자산 추적 및 부품 진위성 검증을 향상한다. 또한 완제품을 구성하는 하위 조립의 부품 체계를 문서화하여 수리 서비스를 보증하고 우수한 기술 지원을 촉진하는 유닛 수준의 데이터를 제공한다.
기존의 바코드는 소매점 결제 및 재고 관리를 위해 널리 사용되어 왔다. 그러나, 추적성 정보를 위해서는 표준 바코드에 맞는 데이터보다 더 많은 데이터가 필요하다. 데이터 용량을 늘리기 위해 기업들은 2-D 코드를 개발했으며 그 예로는 제조업체, 제품 식별, 로트 번호 그리고 거의 모든 완제품의 고유한 일련 번호까지 포함하여 더 많은 정보를 저장할 수 있는 데이터 매트릭스를 들 수 있다.
계측: 계측용 머신비전시스템은 물체에서 두 개 이상의 지점이나 기하학적 위치 간의 거리를 계산하고 이러한 측정값이 사양을 충족하는지 판단한다. 사양을 충족하지 않는 경우, 비전시스템은 실패 신호를 머신 컨트롤러에 전송하여 라인에서 물체를 내보내는 거부 매커니즘을 트리거한다.
실제 공정에서 고정식 장착 카메라는 카메라의 시야를 통과하는 부품의 이미지를 포착하며 시스템은 소프트웨어를 사용하여 이미지상의 여러점 간의 거리를 계산한다. 많은 머신비전시스템이 0.0254mm 내의 범위에서 물체의 기능을 측정할 수 있기 때문에 기존에 접촉식 계측으로 처리했던 다수의 애플리케이션을 다룰 수 있다.(그림7)
▲ 그림7. 계측 애플리케이션은 0.0254mm 내의 범위에서 부품 허용값을 측정할
수 있다.
검사: 검사용 머신비전시스템은 제조된 제품에서 결함, 오염, 기능상 결점, 기타 이상현상을 감지한다(그림8). 이러한 예로는 의약제 결점 검사, 아이콘 검증이나 픽셀의 현재 상태 확인 표시, 역광의 대비 수준을 측정하는 터치스크린이 있다. 또한 머신비전은 식품 및 제약 산업에서 제품과 포장의 매칭, 병의 고리, 뚜껑, 밀봉의 안전성 점검 등 제품의 완성도를 검사할 수 있다.
▲ 그림8. 머신비전시스템은 결함 또는 기능상 결점을 감지할 수 있다.
코그넥스코리아
