스마트팩토리 · 공정관리/품질

검사 최적화 (ADJ/ADR)

AI 기반의 높은 정확도를 가진 자동 판정으로 검사자 판정 오류와 재검 부하를 줄인다

Type C · Technical Component — 고객이 궁금해하는 것 “무엇을 지원하며 내 환경에 적용 가능한가?”

원본 브로슈어 ↗

Customer Challenge

AS-IS 에서는 암점 리페어인지 양품 리페어인지를 검사자가 직접 판단해야 한다.

“검사자 숙련도 차이에 따른 판정 오류로 생산/품질 loss가 발생해요”
“육안 검사가 불필요한 불량이 RPC에 로딩되어 1 glass 판정 완료 시간이 많이 소요 돼요”

What it is

개념

ADJ(Auto Defect Judge)는 ML/DL 기반 이미지 분석을 통해 불량을 자동 식별하고 품질을 정밀하게 판정하는 지능형 비전 검사 서비스다. ADJ+/ADR(Auto Defect Judge / Auto Defect Review & Repair)는 비전 검사 시 작업을 자동 분배하고, 자동분류하는 시스템이다.

Key Capabilities

ADJ 구성도 — 검사기(PTN·AMA·RPR)의 검사 요청을 ADJ가 자동 판정하고 판정 불가 건만 검사자 검사로 넘기며, 수집/관리 서버와 학습관리 서버(DAP)가 Deep Learning 기반 판정모델을 학습해 모델별·수시로 배포하는 흐름 — 출처 가로형 브로슈어(국문 57면) p19

사전 필터링

불량 이미지와 검사정보를 자동 분석/판정하여 검사자의 판정/Repair가 필요 없는 defect를 사전에 필터링하는 시스템

판정 logic 기계화

검사자의 행동, 불량 판정 logic를 기계적으로 표현하여 높은 정확도의 불량 검출로 생산성 향상하도록 지원

AI 서비스 플랫폼

최적의 빅데이터 분석환경을 구축하고, AI 기반의 신규 서비스를 제공하는 플랫폼

Key Benefits

정성

ADJ 도입 효과 — 수동 VRS 설비 49대에서 21대로 75% 감소, VRS 작업자 147명에서 63명으로 84명 감소 — 출처 가로형 브로슈어(국문 57면) p19

생산 원가 절감: 검사 장비 관리 일원화, 높은 정확도의 불량 검출, 동일 프로세스 타 검사 공정 확산 가능
생산/품질 loss 최소화: 검사자 판단 오류 방지, 높은 검사 정확도, 불량 유형에 따른 판정효율 향상
생인화: 검사자 판정 불필요 불량 제거, 작업효율 향상

Reference

도입 사례

디스플레이 B사 엔지니어: “자동 판정율이 증가하여 검사자 업무가 감소되었고, 검사자 판정 오류로 인한 품질 loss도 줄어들었습니다.”
전자부품 A사 PL: “Pre-filtering에 따른 VRS 대상 최소화로 검사자 업무가 감소되어 재검 인원 효율이 높아졌습니다.”

Use Case

활용 시나리오

Grade I: 정의된 불량의 이미지/정보 수집하여 표준 검사 운영
Grade II: AI 기반 판정모델 학습 및 적용/모니터링
Grade III: 유관 시스템 구축으로 생산/품질 loss 제로화

다른 솔루션 보기

ⓘ 구성 요소 상태 — 필수(◎) 미작성 2건

Architecture / Integration
Target — 대상 산업·고객

Type C 기준 필수 요소입니다. 원본 자료 확보 후 채웁니다 — 빈 섹션은 화면에 노출하지 않습니다.

도해 가로형 브로슈어(국문 57면) 면 p19 · 원고 content/solutions-v2/adj.md · AI 초안 · 검수 전 · 담당 검토 필요