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.
세종사를 통해서 MS Azure , ExpressRoute을 사용하는 중에 기술적인 문제가 발생시에는 어디에 문의하면 기술 지원을 받을수 있는지 궁금합니다.
Azure 기능 자체는 MS 한국지사에 문의해야하는지? 아니면 세종사를 통해서 안정적인 기술지원을 받으면 되는지요?
'고객 ~ MS Azure Expressroute'사이의 Network 구성 이슈의 경우 세종텔레콤을 통한 지원이 가능합니다. 하지만 'MS Azure Expressroute ~ VNET'의 경우 MS 혹은 Azure 전문 파트너를 통해 기술지원이 가능하십니다.
Azure cloud 이슈이면 SBCK에 문의,
ExpressRoute 전용회선의 문제이면 세종텔레콤에
문의하시면 됩니다
설비의 내부 구조도까지 가능한가요?? 내부 구조에서 어떤 부품이 고장이 났는지는 지원이 되나요?
아니요. 외부 구조만 가능합니다.
내부 범위가 어디까지인지 모르겠습니다만, IOT(센서)를 이용해서 실시간으로 확인가능할 것으로 판단됩니다. 그러나 아직 연구단계입니다.
메신 데이터를 관리 하는것 입니다.
AR을 활용하면, 시설물중 확인하고픈 부분, 즉 다른 부품들을 없애고 전기배선만, 파이프만, 기계부분만 확인할수도 있으니, 전문가분들께서 융합하는 방안을 강구하시면 좋은 솔루션이 나올수 있을것으로 생각됩니다
향후 Big Data를 활용하여 예방진단 쪽으로 발전해 나가겠습니다.
[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.