제조분야 비전 검사는 크게 다음 3가지 문제가 있고 스누아이랩은 다음과 같은 솔루션으로 접근하고 있습니다.
1. 환경 변화: 신규 라인 증설, 조명, 기구, 센서 등의 변경으로 학습된 특징이 변경되는 드리프트(Drift)가 발생하여 성능이 저하됩니다. 보통은 신규 데이터를 수집하고 학습하는 작업으로 이를 해결합니다. 스누아이랩은 Active Learning 기반의 Sampling 기술로 기존 데이터에 신규 데이터를 소량 썩어서 성능을 유지하도록 합니다.
2. 클래스 불균형: 불량률이 적어서 불량 이미지를 수집하기 어렵습니다. 보통은 과탐을 극대화아고 불량률을 0%로하고 육안 검사로 불량을 검출합니다. 스누아이랩에서는 1차 분류 모델 후 2차 이상 탐지 모델로 육안 검사에 대한 노력을 줄이도록 하고 있습니다.
3. 재학습: 머신러닝 분야는 재학습이 수반됩니다. 재학습을 위해서는 숙련된 머신러닝 기술자가 학습해야합니다. 스누아이랩에서는 일반적인 기술자가 설정된(Coordinated) 환경내에서 재학습을 할 수 있도록 플랫폼을 제공하여 기술 난이도를 낮추었습니다.
오픈소스 DB 의 백업방법 방안에는 어떤것이 있나요?
일반적인 Logical backup, Physical 백업(on/offline backup 가능) 모두 가능합니다.
postgres 를 도입한다고 했을 때 전문적인 유지보수 가능한 업체의 수는 어느정도 되나요?
국내 협력사는 4곳입니다.
[질문] 최신 레퍼런스를 알려주세요?
최신 레퍼런스의 경우 상담 요청을 주시면, 적용되는 환경에 따른 레퍼런스를 상세히 말씀 드리도록 하겠습니다.
[질문] 기존에 QoS를 사용하는데 둘다 이용가능한가여? 다른 DDoS 방어 기능은 없을까요?
오늘 세미나에서 말씀드린 QoS는 서비스 별로 간섭이 없도록 하는 솔루션입니다. DDoS의 경우 보안솔루션을 도입하셔서 방어를 하셔야 합니다.
[질문] 도커를 올릴 때도 클라우드 스토리지 사용 때처럼, 도커를 열어둘 수 있는 용량이나 숫자제한이 있을 것 같은데, 기본상품일 경우 대략 몇개 정도 열어두기가 가능한 시스템일지요?
말씀하신 용량이나 숫자제한의 경우 도커의 Limitation에 Dependency합니다.
[질문] 히타치제품으로 교체한다면 기존 히타치 레거시 제품에 대해 처분이나 불용처리는 가능할까요? 아니면 연동이나 재활용이 가능한지 궁금합니다
연동 및 재활용을 위한 솔루션을 제공해 드릴수 있습니다. 상세한 방법론에 대해서는 상담 요청 부탁 드립니다.
[질문] HIAA에서 데이터센터를 고려할때 서버 및 스토리지 제품군과 잘 맞는 벤더사가 있을까요?
대부분의 타 벤더 주요 제품들과는 호환이 가능합니다만 호환성 리스트 확인은 필요합니다.
[질문] 주요 타깃 고객 층은 어디인가요? B2C, B2B 중 어느 층에 더 비중을 두나요?
B2B에 더 비중을 두고 있습니다.
[질문] 히타치는 강한 내구성은 SW 적 특성인가요? HW 적 특성인가요?
고객으로부터 SW/HW 모두 내구성이 좋다는 피드백을 많이 받고 있습니다.^^
*** AI를 이용해 기존 시스템을 완젼 대치하는게 일반적인가요? 보완적 시스템으로 사용되는게 일반적인가요?
기존 환경보다 더 빠르고 효율적으로 구성하기 위한 보완적 시스템으로 봐주시면 될 것 같습니다.
[질문] 제조 현장에서 제품 표면 불량 유.무를 Deep Learning 으로 이용중에 있습니다. 저희도 정합성이 높긴 한데 귀사의 정합성은 어느정도이며, 과검은 또 어느정도 되는지 궁금합니다.