“자동차 품질 검사도 이젠 사람 대신 AI”..뉴로클, 오토딥러닝 알고리즘 솔루션 혁신!

[데일리카 하영선 기자] 자동차 품질 검사도 이젠 사람 대신 인공지능(AI)이 맡는다. 다양한 딥러닝 알고리즘 솔루션을 통해 가능해졌기 때문이다.

자동차 한 대가 완성되기까지는 수천 개의 부품과 수십 개의 공정을 거치며, 각 단계마다 높은 정밀도와 체계적인 품질 관리가 요구된다. 제조 공정은 프레스, 차체 조립, 도장, 의장 조립, 엔진 가공, 최종 검사 등 여섯 단계로 나뉜다.

프레스 공정에서는 강판을 금형에 넣어 프레임과 바디 패널을 성형하고, 차체 조립 공정에서는 용접을 통해 구조물을 결합한다. 또 도장 공정에서는 외관 품질과 내구성을 높이기 위해 차체를 코팅하며, 의장 조립 공정에서는 엔진, 배선, 배관 등 주요 부품을 설치한다.

엔진 가공 공정에서는 실린더 헤드 등 핵심 부품을 주조·가공하고 결함을 점검하며, 마지막 최종 검사 단계에서는 완성차가 품질 기준에 부합하는지 확인하는 과정을 거친다.

뉴로클은 자동차 제조 전 공정에 자체 개발한 AI 오토딥러닝 기술을 적용해, 기존 육안 검사나 룰베이스 검사로는 놓치기 쉬운 비정형 결함까지 정밀하게 포착한다.
차체 용접부 공정에서는 용접 라인의 균열이나 누락 여부를 실시간으로 감지하고, 실링 공정에서는 로봇팔에 장착된 카메라로 도포 위치·폭·단절 여부를 즉시 검사한다. 또 부품 조립 단계에서는 부품 간 위치 편차와 결합 상태를 자동 분석해 미세한 오차까지 식별할 수 있다.

뉴로클 한혜정 매니저는 “이 같은 공정별 특성에 최적화된 딥러닝 비전검사를 통해 제조 현장은 한층 효율적이고 체계적인 품질 관리가 가능해졌다”고 설명했다. 자동차 품질 검사도 이젠 사람 대신 AI가 맡게 됐다는 의미다.

자동차 제조 공정 중 실링 작업은 차체 조립과 도장 사이에서 이루어진다. 외부 물, 먼지, 공기 침투를 방지하고 도장 공정을 보호하며, 철판 부식과 소음·진동을 흡수하는 중요한 역할을 한다.

실러가 결합 부위나 이음새에 정확히 도포되지 않으면 방수 성능 저하, 구조적 약화, 소음 증가 등 품질 문제가 발생할 수 있어 정밀한 검사와 관리가 필수적이다.

A사의 실링 공정은 차체 접합부를 밀봉하는 단계로, 철판이 컨베이어 벨트를 따라 이동하며 로봇팔이 지정된 경로에 따라 실러를 도포한다. 공정 과정에서 도포 두께나 위치가 일정하지 않으면 방수 성능 저하나 도장 불량으로 이어질 수 있어, 균일한 도포 품질 관리가 중요한 단계다.

그러나 기존 A사에서 사용하던 룰베이스 검사 방식은 여러 한계를 드러냈다. 도포 패턴이 일정하지 않아 비정형 결함 검출이 어렵고, 과검과 미검이 빈번하게 발생했다. 또 검사가 고정된 영역에서만 수행되어, 공정 중 즉각적인 피드백이나 결함 수정이 불가능했다.

이로 인해 생산 효율이 저하되고, 결함이 최종 단계에서 발견될 경우 재작업과 비용 증가로 이어지는 문제가 지속됐다.

뉴로클은 A사의 실링 공정 품질 문제를 해결하기 위해 두 가지 솔루션을 적용했다. 먼저, 실시간 통합 검사 시스템이 투입됐다. 실링 도포와 검사를 하나의 공정으로 통합해, 로봇팔에 장착된 카메라가 도포와 동시에 접합부를 촬영하도록 했다. 촬영된 이미지는 즉시 분석 시스템으로 전송돼 공정 중에도 실시간으로 품질 점검이 가능해졌다. 이를 통해 기존 룰베이스 검사에서 발생하던 지연된 피드백 문제와 미검·과검 문제를 크게 줄일 수 있었다.

뉴로클 AI 오토딥러닝 기반 정밀 분석 모델도 포인트다. ROI(Region of Interest)를 설정해 모델이 검사해야 하는 영역에만 집중하도록 환경을 구성함으로써, 불필요한 영역까지 분석하는 과정을 제거하고 정확도를 크게 향상시켰다.

여기에 Segmentation 모델을 통해 실러 도포 영역을 정확히 추출하고, 도포 폭, 단절 여부, 위치 편차 등 기준에서 조금이라도 벗어난 경우 결함으로 자동 판정할 수 있도록 했다. 뉴로클의 AI 오토딥러닝 알고리즘은 모델 구조와 하이퍼파라미터를 자동 최적화하여, 최소한의 데이터로도 높은 정확도를 구현할 수 있다.

뉴로클의 딥러닝 비전검사 시스템 도입 이후, A사는 과검률과 미검률이 각각 70% 이상 감소했다. 검사 정확도도 크게 향상했고, 실링 도포 오류로 인한 품질 문제는 거의 완전히 제거됐다.

실링 도포와 검사를 동시에 수행함으로써 공정 시간이 단축되고 전체 생산 효율도 개선되었으며, 자동화된 검사 덕분에 작업자의 부담은 줄고 품질 관리 업무는 한층 전문적이고 체계적으로 전환될 수 있었다.

A사의 사례는 딥러닝 기술을 실링 공정에 성공적으로 적용해 기존 한계를 극복한 혁신적인 사례로 평가된다. 이런 접근은 제조 현장의 스마트화를 앞당기며, 높은 품질과 생산 효율을 동시에 실현할 수 있는 가능성을 보여줬다.

A사 사례 외에도, 뉴로클은 불량 데이터가 적은 공정에서도 AI 기반 품질 검사 혁신을 실현하고 있다. 타이어 X-ray 검사 공정에서는 불량 발생 빈도가 낮고, 불량 유형 또한 기포, 내층 박리, 이물 혼입 등 다양해 일관된 학습 데이터 확보가 어렵다.

이를 해결하기 위해 뉴로클은 생성형 AI GAN(Generative Adversarial Network) 모델을 활용해 실제와 유사한 가상 불량 데이터를 대량 생성함으로써, 제한된 데이터 환경에서도 안정적인 모델 학습을 가능하게 했다. 이를 통해 기존에는 검출이 어려웠던 비정형 불량까지 식별할 수 있으며, 공정 전반의 불량 검출률과 생산 효율이 크게 향상됐다.

뉴로클은 또 정상 데이터만으로 학습하는 비지도 학습 모델과 AI 기반 레이블링 툴 등 다양한 솔루션을 보유하고 있어, 데이터가 부족하거나 불균형한 공정에서도 효과적인 품질 관리가 가능하다.

뉴로클은 최근 뉴로티 4.5 버전을 출시하며 모델 추론 속도를 최대 28% 향상시켰다. 생산 라인에서 더 빠른 실시간 결함 검출이 가능해졌으며, 불량품 탐지 지연으로 인한 생산성 저하를 막고 신속한 의사결정을 지원한다.

뉴로클은 오는 5일부터 7일까지 수원컨벤션센터에서 열리는 ‘SMATEC 2025’에서 독자적인 AI 기술을 중심으로 ‘AI로 완성되는 품질의 미래’를 선보인다.

뉴로클이 선보인 AI 오토딜러닝 알고리즘 솔루션은 국내 완성차 뿐 아니라 타이어 회사의 제조 공정에서 활용되고 있다. 뉴로클은 독자 개발한 자동차 품질 검사 솔루션을 자동차, 타이어사 등 글로벌 시장에서 지속적으로 확대·적용한다는 마케팅 전략이다.