자동 검사를 원한다면, 6가지 사항들을 고려해보자
자동 검사를 원한다면, 6가지 사항들을 고려해보자
  • MSD
  • 승인 2016.08.09 15:09
  • 댓글 0
이 기사를 공유합니다

 

적절히 프로그램된 자동 영상제어 시스템은 검사의 질을 높여 부적절한 검사의 위험을 줄이고, 나아가 비용 절감을 실현한다.

글 | 헬무트 햄펠드 박사, 고위 기술 전문가, Freudenberg Sealing Technologies(www.fst.com)

소형 정밀 부품을 제조하는 공장에서는 품질이 전체 제조공정 중에서도 핵심적인 가치로 자리한다. 제품의 품질을 보장하는 방법으로 자동화 검사 시스템을 활용하는 것이 있다. 자동 검사 시스템 중 잘 알려진 것으로는 자동 영상(시각)제어 시스템(Automatic Visual-Control System, ACVs)이 있다.
 
자동 영상제어 시스템은 컴퓨터 영상제어 기술을 활용하여 부품의 다양한 결함 및 사양을 자동으로 검사한다. 부품 결함의 예로는 생산과정에서의 결함으로 발생한 오염·긁힘·찌그러짐·변형 등이 있으며, 사양 결함으로는 치수 이상 혹은 기형 등을 들 수 있다. 자동 영상제어 시스템은 다양한 자료를 수집할 수 있는데, 이는 제조효율과 치수화 그리고 공차 및 허용오차 설정 등을 개선하는 데에 도움이 된다.

가장 중요한 것은 자동검사 시스템이 수동검사 시스템보다 비용이 적게 든다는 것이다. 국가별로 노동비용에 차이가 있기는 하지만, 비용을 회수하기까지 평균적으로 2년이 채 걸리지 않는다.하지만 자동 검사 시스템으로 이동하기에 앞서 여섯 가지 핵심적인 요소들을 살펴보아야 한다.

 모든 부품은 개별적이고 독자적인 해결책을 가지고 있다
하나의 자동 영상제어 시스템으로 여러 종류의 제품을 검사할 수 있도록 설계하는 것은 꽤 어려운 일이다. 제품이 가진 기하학적 형상으로 인해 제품 일부가 가려지거나 그림자 등으로 인해 해당 영역이 보이지 않게 될 수도 있다. 이러한 제한은 영상제어 시스템의 탓이라기보단 제품 설계 자체의 문제로 일어나는 경우가 많다. 애초에 자동 검사가 제품 설계공정의 일부로 자리하지 않았으므로 이를 고려할 여지가 없었던 것.
 
결함에 대한 설명서, 조명, 해상도 그리고 카메라 속도(빛의 양과 공정 사이클 시간에 의해 정의되는) 등은 정확한 분석을 돕는다.

사람은 제품에 수상쩍은 부분이 발생할 경우 다시 한 번 제품을 살펴볼 수 있지만, 기계는 재검사를 수행할 수 없다. 따라서 자동 비전검사를 설계할 때는 공정 내에서 발생할 수 있는 모든 결함을 고려해야 한다. 유사한 것처럼 보이는 부품이라 하더라도 특정 재질이나 제품 설계 등의 측면에서 독자적인 과제를 가지고 있다. 따라서 각 제품에 대한 맞춤형 접근법을 찾는 것이 중요하다.

기업이 제품 품질을 검사하기 위한 자동 영상제어 시스템을 찾고 있다면, 생산량이 가장 많은 부품 혹은 서로 매우 유사한 부품을 초기 검사대상으로 설정하는 것이 가장 타당하다. 

대표적으로 O링을 들 수 있다. O링 검사 시스템은 서로 다른 다양한 종류의 제품을 동시에 검사할 수 있다. 다양한 O링을 검사하는 시스템을 만드는 것은 생각보다 덜 어려운데, O링은 종류가 많지만 서로 유사점이 많으며 형상이 단순하기 때문이다. 단일 시스템으로도 각기 다른 종류의 부품을 검사하기 용이하다.
 
 치수 측정 및 표면 검사
산업현장에서는 두 종류의 자동 영상제어 시스템을 볼 수 있다. 첫 번째 유형은 대부분 크기 및 치수 검사 및 측정에 사용되며, 두 번째 유형은 표면 검사에 주로 쓰인다. 
 
또한 솔루션이 가진 능력을 계산 및 측정할 수 있는 통계적 방법(Statistical Method, 예를 들어 측정 시스템 분석)은 설계하기가 한결 쉽다. 사전에 그 능력에 대한 견적을 내고 이를 추산하기가 용이하기 때문이다. 

부품에 대한 사양을 명확히 정의함으로써 크기나 치수 등 중요한 매개변수들을 엄격한 허용오차 범위 내에서 인식할 수 있다. 중요한 매개변수를 발견하면 시스템이 이에 대한 적절한 성능을 내도록 프로그래밍할 수 있다. 예를 들면 시스템이 가지고 있는 조명의 성능, 고속 촬영 기능, 어두운 영역에서도 쉽게 확인할 수 있는 고 해상도 등을 달성할 수 있다. 또한 이를 통계적 방법으로 검증할 수도 있다.

한편 표면 검사는 그 설정이 까다롭다. 인간 품질 검사자에게 문서화된 지침을 제공하면 수동으로 제품을 검사할 때 어떤 점을 중점으로 보아야 하는지 인지할 수 있다. 이러한 지침은 자동 영상제어 시스템 개발에도 도움이 된다. 하지만 자동 영상제어 시스템의 프로그램을 개발하는 소프트웨어 엔지니어에게는 이것만으로는 불충분하다. 일부 지침은 인간 검사자의 이해도를 크게 높일 수 있지만, 소프트웨어 개발자에게는 보다 많은 지침이 필요하다.

특정한 형태의 결함을 발견하면 불합격 명령을 보내는 품질 검사를 개발한다고 가정하자. 이를 문자 그대로 해석하자면, 이를 위해서는 무한한 해상도의 검사 시스템이 필요하다. 개발자들은 단순한 불합격 명령 대신 다양한 결함의 종류와 정도를 수량화하여 제공해야 한다. 이렇게 개발자들이 제공한 자료를 바탕으로 적절한 시스템을 설계할 수 있게 된다. 만약 아주 작은 결함마저도 허용하지 않으려 한다면 시스템이 해당 결함을 ‘인식할’ 수 있어야 하며, 따라서 보다 높은 해상도를 필요로 한다.

기업은 두 가지 도전과제에 직면하게 된다. 결함이 발생하면 이를 수정하기 에 앞서 어딘가에 기록해야 하며, 특정 결함에 대한 명확하고 구체적인 정보를 컴퓨터와 주고받아야 한다. 두 과제 모두 해결하기 까다롭다.

결과적으로 기업에서는 보통 모든 영역을 검사하는 ‘기본적인’ 기능만을 구현한다. 이렇게 하면 최소한 현재로서는 알 수 없는 결함을 찾아낼 기회를 갖게 되기 때문. 하지만 제품은 이미 존재하는 특정한 결함만을 기반으로 하여 구축되고, 이미 만들어진 제품은 계속해서 시장에 출시가 되고 있는 상황이다. 결함을 예측하는 몇몇 공정은 그럴듯한 것처럼 보이지만, ‘가짜 불합격’ 현상이 증가하는 위험 또한 내포하고 있다.

결함의 크기(Size of Defects)에 대한 합의를 찾는 것은 어려운 일이다. 다양한 요인을 고려해야 하기 때문이다. 품질 엔지니어와 설계 엔지니어 그리고 장비 공급업체 등이 협업하여 적절한 요인의 수를 결정할 수 있다.
 
3) 결함 목록 작성
결함에 대해 정의 및 분류하는 것은 개발과정에서도 중요한 부분에 속한다. 품질 엔지니어들은 자동 영상제어 시스템을 제작하기에 앞서 결함의 목록을 만들어야 한다. 
 
결함 목록(표)은 시스템이 반드시 감지해야 하는 모든 결함의 종류를 담고 있어야 하며, 여기에 용인할 수 있는 경계선에 놓여있는 결함을 가진 제품 목록도 포함해야 한다. 이 목록이 중요한 이유는 결국 자동 영상제어 시스템이 독자적으로 결함을 판별·제어할 수 있어야 하기 때문이다.

위의 표에서 볼 수 있듯, 결함 목록에는 결함의 종류뿐 아니라 결함이 발견된 곳, 결함의 심각도, 결함이 발생할 확률, 결함의 임계 크기(Critical Size) 등이 담겨있다. 이러한 정보는 소프트웨어 개발자가 일반적인 결함 검출 과정에서 우선순위를 매기는 데에 도움을 준다.

각 결함마다 적어도 두 개의 표본을 확보하는 것이 바람직하다. 그 중 하나는 앞서 설명한 경계(합격과 불합격의) 상태에 놓여있으면 더욱 좋다. 

부품의 복잡성에 따라 다르겠지만, 결함 목록은 일반적으로 60개에서 100개 정도의 부분으로 나뉠 것이다. 결함의 종류가 ‘너무 많은’ 것보단 어느 정도 적절한 것이 좋다. 목록에 다양한 지식을 추가하기보다는 반드시 필요한 정보가 누락되지 않도록 하는 것이 더욱 중요하기 때문이다.

결함 목록 작성에 있어 큰 과제 중 하나는 품질 부서와 자동 영상제어 시스템 개발자 사이의 원활한 소통이 이루어지지 않는다는 점이다. 자동 영상제어 시스템 개발자는 제품 제조공정에 대한 전반적 이해가 필요하며, 품질 부서는 검사 시스템이 가지고 있는 한계를 인지해야 한다.

이를 알기 쉽게 설명해보자. 품질 기술자는 Flash 현상(고무가 도구의 분리선Separation Line 안쪽으로 눌려 들어가면서 발생하는 현상)에 대해 이미 숙지하고 있다. 그럼에도 특정 속성, 예를 들어 형상, 부드러운 정도, 두께 등 일부 정보를 상세히 기술해 자동 영상제어 시스템 개발자에게 제공해야 한다. 자동 영상제어 시스템 개발자들이 개발한 시스템이 결함이 있는 부품을 찾아내고 양품에 불량 판정을 내리지 않게 하기 위해서다. 원인에 따라 결함이 넓고 얕은 영역(Wide Thin Area, 압축이 과했음을 의미)일 수도, 혹은 작고 얇은 섬유(Small Thin Fiber, 도구에 긁힌 자국이 남을 의미)일 수도 있다. 이들을 검출하기 위해서는 서로 다른 접근방식이 필요하다.
 
4) 결함을 찾기 위한 프로그램
특정한 결함을 확실하게 찾기 위해서는 프로그램이 다섯 가지 단계를 수행해야 한다.
 
① 부품의 위치 측정. 프로그램이 영상 내에서 부품의 위치를 찾을 수 있어야 한다. 나아가 처리 시스템의 약간의 차이도 보상할 수 있어야 한다.
 
② 영상 분할(세분화). 프로그램은 기능적으로 영상을 분할할 수 있다. 분할되는 각 영역은 특정 결함을 제한적으로 검사하며, 하나의 함수로 작용한다. 영역마다 씰 립, 바깥지름, 제품 윗면 등, 부품에 관한 각기 다른 측정 기능을 수행한다. 
 
③ 영상 정규화. 영상에서 좋은 부품에서 일반적으로 발견할 수 있는 ‘모든 것’을 제거한다. 일반적인 제품 변형 및 설계선(Design Line), 형상선(Feature Line) 등을 포함한다. 이는 전체 프로그램 중에서도 핵심 기능이다. 현 제품 영상을 지금까지 촬영한 모든 좋은 부품의 영상과 비교하고, 기록들과 비교했을 때 두드러지는 변화(차이)를 강조한다.
 
④ 신호/노이즈 최적화. 이 시점에서 프로그램이 영상을 여과하여, 사전에 입력해두었던 노이즈로부터 발생할 여지가 있는 결함을 찾는다. 이 단계에서는 특정한 결함 특성을 발견하는데, 어두운 오염과 밝은 흠집 등이 대표적이다.
 
⑤ 결함 검출 및 분류. 마지막으로 프로그램이 의심이 가는 영역을 식별하고 분류 값을 할당한다. 이 분류 값은 합격/불합격 결정에 사용된다. 또한 용인할 만한 수준의 결함이 발생했는지의 여부를 알린다. 이 정보는 생산과정에서 문제가 발생하기 전에 방지하는 역할을 한다.
 
5) 좋은 영상을 확보하라
좋은 검사는 좋은 영상, 구체적으로 좋은 화질의 영상이 좌우한다. 
기업은 자동 영상제어 시스템이 좋은 품질의 영상을 만들 수 있도록 다양한 조치를 취할 수 있다. 영상 품질은 일반적으로 조명 및 카메라 설정에 따라 달라진다. 하지만 조명과 카메라 설정을 변경하려면 결함의 종류 또한 고려해야 한다. 다른 요소로는 불량품에 대해 불합격 판정을 내리는 경우의 수를 최소화하는 것과 필요한 사이클 타임을 벗어나지 않는 것 그리고 장비에 필요한 공간을 최대한 확보하는 것 등이 있다.

가장 적절한 설정을 찾아내기 위해서는 다양한 측면에서의 설험이 필요하다. 결함 목록에 실린 결함이 있는 부품으로부터 이미지를 찾는 것 이외에도, 공정 부품의 변화를 나타내는 제조 부품의 이미지를 확보해야 한다. 이 이미지를 활용한 실험 및 결과를 기반으로 자동 영상제어 시스템 전문가의 예비 조사가 이루어지고, 이를 통해 각 공정에 필요한 설정을 발견할 수 있다.
 
예를 들어 특정한 도구를 청소하기 이전 및 이후의 부품 영상을 확보하거나 서로 다른 도구들을 활용해 촬영한 영상을 확보할 수 있다. 이를 바탕으로 공정의 변화가 영상 품질에 어떤 영향을 미치는지 알 수 있다. 영상을 분석하고 영상처리 소프트웨어에 이러한 결과(즉, 지식)를 적용함으로써 실제로 활용 가능한 솔루션을 창출할 수 있다. 

소프트웨어 측면에서 제한이 있다는 것은 회사가 보다 복잡한 조명 및 카메라 설정을 개발·적용해야 함을 의미한다. 또한 하드웨어 측면에서의 제한은 프로그램 복잡성 혹은 개발 기간을 늘리는 원인이 되거나, 불량품이 증가하는 등의 원인이 된다.
 
6) 큰 투자 = 큰 이익
기업에서 자동 영상제어 시스템을 개발 및 설치하는 것은 커다란 투자를 필요로 한다. 하지만 이러한 투자는 새로운 이익으로 이어진다.
 
가장 큰 장점은 비용이 줄어든다는 것이다. 자동 검사가 수동 검사보다 비용이 저렴하기 때문. 또 자동 영상제어 시스템이 적절하게 개발되었다면 잘못된 검사를 수행하고 결함이 있는 부품을 생산할 확률이 크게 줄어든다. 

장점은 또 있다. 자동 영상제어 시스템을 활용하면 아직 결함이라고 확신하기 어려운 사항들도 발견할 수 있다. 이렇게 수집된 데이터는 엔지니어에게 경고를 보내고, 이를 바탕으로 결함이 있는 부품을 생산하기 전에 생산 공정을 수정할 수 있다.

자동 영상제어 시스템은 고객 불만을 크게 낮추었다. 일부 유형에서는 불만율이 아예 0으로 떨어지기도 했다. 이러한 추세는 계속해서 증가할 것으로 보인다. 일반적인 제품과의 차이점을 발견하는 방법을 찾아 스스로 훈련하는 이른바 ‘스마트 시스템’이 이미 개발 단계에 있기 때문. 스마트 시스템을 자동 영상제어 시스템에 적용하면 프로그래밍 오류의 위험을 낮추는 기능을 활용해 더 많은 현장을 견인할 수 있게 된다. 뿐만 아니라 새 솔루션을 구현하기 위한 시간과 비용 또한 줄여준다.

주요기사
이슈포토