스마트 센서와 MES로 용접 현장의 생산성을 끌어올립니다
스마트 센서를 이용한 용접기 관리와 MES(공장관리시스템)를 결합해, 공정 데이터를 실시간으로 수집·분석하고 생산성과 품질을 함께 개선합니다.
대불산단 구축 사례 — 용접품질 관리 MES
피더(Feeder)를 통한 용접 작업 실시간 모니터링부터, 피더별 전력·가스·와이어 사용량 데이터 전송, 고객사 ERP와의 생산정보 연동, 피더·용접기 실적 조회까지 하나의 시스템으로 통합했습니다.
용접품질 관리를 기반으로 한 고기능 용접관리 시스템을 정착시키고, 용접와이어·용접가스 재고 관리를 통해 생산량 증가를 이끌어냈습니다.
목표 수준: Level 1 (기초)
현장 데이터가 경영 정보로 이어지는 흐름
- 01 피더(Feeder)를 통한 용접 작업 실시 — 용접기(UNI-SWIS machine)와 상금케이블로 연결
- 02 피더별 전력·가스·와이어 사용량 데이터를 무선 네트워크로 TCP 전송
- 03 고객사 ERP 생산정보 연동 — 기 구축 시스템을 그대로 활용
- 04 피더·용접기 실시간 모니터링 및 실적 조회 — 설비내역·가동현황 관리까지 응용 시스템(ASS)으로 통합
AI 기반 용접품질검사 시스템
용접 부위를 촬영한 이미지를 AI 모델이 자동으로 판독해, 정상·불량을 실시간으로 분류합니다. 사람이 매번 육안으로 확인하지 않아도 되기 때문에 검사 속도와 일관성이 크게 개선됩니다.
판독 결과는 다시 데이터셋으로 쌓여 모델 성능을 지속적으로 개선하는 데 활용됩니다. 검사를 반복할수록 AI가 더 정교해지는 구조입니다.
- 01 입력 이미지 → 이미지 품질관리
- 02 용접불량 검출기로 정상/불량 자동 분류
- 03 분류 결과를 데이터셋으로 구축
- 04 데이터셋 기반 모델 성능 개선 및 지속 업데이트
딥러닝으로 학습하는 용접 불량 검출 모델
실제 현장 영상 기반으로 정상·불량 용접 이미지를 수집하고, 색상 변환·블러링·샤프닝·디노이징·세그멘테이션 등 데이터 처리 기술을 적용해 학습 데이터셋을 구축합니다. 검출 모델은 단순 분류(Classification) 방식이 아니라 Metric Learning을 사용해, 유사한 특징끼리는 가깝게, 다른 특징은 멀어지도록 거리 자체를 학습합니다. 입력 이미지 → 이미지 품질검사 → 용접 불량 검출 → 정상/불량 분류 → 데이터셋 구축 → 모델 성능 개선의 흐름을 반복하며 모델이 스스로 정교해집니다.
용접부터 비파괴검사까지, 사람과 시스템이 함께
용접사가 철판 용접 작업과 슬래그 제거를 마치면, 현장소장이 육안 검사와 AI 영상분석을 통한 외관검사를 진행합니다. 작업자는 용접품질관리앱에서 대상품목을 선택하고 비드를 연속 촬영하면, AI가 실시간으로 분석해 용접 불량 여부를 즉시 알림으로 전달합니다. 이후 PDA·키오스크로 불량 여부를 다시 확인하고, 최종적으로 비파괴검사(RT)까지 거쳐 품질을 이중으로 검증합니다.
용접기 자체에서 데이터를 수집합니다
IoT 통신 모듈이 탑재된 스마트 용접기는 전압·전류·모터 RPM·가스밸브·인칭/토치·용접 On/Off 등의 데이터를 Wi-Fi·Bluetooth·LoRa 등으로 실시간 전송합니다. 클라우드센터와 MES 시스템이 이 데이터를 수집·분석하며, 관리시스템에서는 공장별 가동현황을 실시간 모니터링하고 생산계획 수립, 불량 발생 시 즉시 알림, 검교정 일정 관리까지 하나의 화면에서 처리합니다.
