제품 표면의 작은 흠집을 놓치지 않으려면 무엇을 봐야 할까요? 설비가 평소와 다르게 움직이고 있다는 사실은 어떻게 알아챌 수 있을까요?
제조 현장에서 AI를 검토할 때 자주 마주하는 두 가지 질문입니다.
하나는 제품 이미지를 이용한 비전검사, 다른 하나는 설비 데이터를 이용한 이상탐지로 이어집니다.
사용하는 데이터는 다르지만, 시작점은 같습니다. 지금 우리 현장에서 수집하는 데이터에 어떤 정보가 담겨 있고, 그 정보로 무엇을 판단할 수 있는지 확인하는 것입니다.
알티엠은 중소벤처기업연수원에서 이 두 주제를 각각 다루는 교육을 진행합니다.
제품검사에 관심이 있다면 AI 비전검사 교육을, 설비 상태를 데이터로 살펴보고 싶다면 공정설비 이상탐지 교육을 선택할 수 있습니다.
교육일: 2026년 10월 16일, 11월 3일
육안검사를 AI로 바꾸고 싶다는 이야기를 들으면 먼저 카메라와 모델을 떠올리기 쉽습니다.
하지만 현장에서는 그보다 앞선 질문이 필요합니다. 어떤 상태를 불량으로 볼 것인지, 그 차이가 이미지에서 보이는지, 제품의 위치나 조명이 달라져도 같은 기준으로 판단할 수 있는지입니다.
AI 비전검사 교육에서는 제품 이미지를 이용해 검사 과제를 정의하고, 과제에 맞는 AI 방식을 선택하는 과정을 다룹니다.
제품 전체를 정상·불량으로 구분하는 방식, 불량이 있는 위치를 찾는 방식, 불량 영역을 더 세밀하게 구분하는 방식은 각각 쓰임이 다릅니다.
모델의 판정 결과를 보는 기준도 살펴봅니다. 정상 제품을 불량으로 판단하는 과검이 많으면 불필요한 재검사가 늘어납니다.
반대로 불량을 놓치는 미검이 많으면 검사 자동화의 목적을 달성하기 어렵습니다. 현장에서 어느 오류를 더 중요하게 관리해야 하는지에 따라 판정 기준도 달라집니다.
예를 들어 사출품의 표면 흑점이나 스크래치를 검사한다면, 먼저 불량의 크기와 형태가 촬영 이미지에 충분히 드러나는지 봐야 합니다.
제품마다 촬영 위치가 달라지거나 표면에 빛이 반사된다면, 모델 결과뿐 아니라 촬영 조건도 함께 검토해야 합니다.
교육을 통해 비전검사 솔루션을 경험하면서 우리 제품에서는 무엇을 불량으로 정의하고, 어떤 이미지와 촬영 조건을 준비해야 할지 생각해볼 수 있습니다.
교육일: 2026년 10월 26~27일
설비에서는 센서값, PLC 데이터, 운전 로그 등 다양한 기록이 만들어집니다.
데이터가 쌓이고 있어도 어떤 값이 정상적인 운전 상태를 보여주는지, 평소와 다른 변화는 어디에서 확인해야 하는지 알기 어려울 수 있습니다.
공정설비 이상탐지 교육은 이 데이터를 이해하는 것부터 시작합니다.
첫날에는 제조 AI와 이상탐지의 개념, 설비진단·예지보전 적용 사례를 살펴봅니다.
이어 센서·PLC·설비 로그의 구조와 정상·이상 데이터의 특성을 배우고, 데이터 누락이나 품질 문제를 점검하는 방법을 다룹니다.
둘째 날에는 데이터 전처리를 이어서 학습하고, AI 이상탐지 솔루션을 활용해 정상·이상 패턴을 분석합니다.
모델을 적용한 뒤에는 알람과 Health Score 결과를 확인하며, 분석 결과를 어떻게 읽어야 할지 살펴봅니다.
예를 들어 설비의 전류값이 달라졌다고 해서 곧바로 고장이라고 판단할 수는 없습니다.
제품이나 운전 조건이 바뀌어서 생긴 변화일 수도 있기 때문입니다.
데이터를 분석하기 전에 가동 상태와 데이터가 수집된 맥락을 살펴봐야 하는 이유입니다.
이 교육에서는 이상탐지 모델을 적용하는 과정뿐 아니라, 어떤 데이터를 분석에 사용할 수 있고 결과를 해석할 때 무엇을 확인해야 하는지 함께 익힙니다.
두 교육 모두 수강 후 곧바로 우리 공장의 검사·관제 시스템이 완성된다는 의미는 아닙니다. 대신 AI 도입을 논의할 때 질문이 구체적으로 달라집니다.
“비전검사를 해보고 싶다”에서 “이 불량을 구분하려면 어떤 이미지와 판정 기준이 필요한가?”로,
“설비 데이터를 활용하고 싶다”에서 “어떤 운전 구간과 데이터를 비교해야 이상 징후를 확인할 수 있는가?”로 옮겨가는 것입니다.
이 질문이 분명해지면 다음 검토 범위도 정하기 쉬워집니다.
제품의 외관 불량을 검사하거나 작업자마다 달라지는 판정 기준을 정리하고 싶다면 AI 비전검사 교육이 더 가깝습니다.
이미지에서 무엇을 찾아야 하는지, 검사 성능을 볼 때 어떤 오류를 함께 고려해야 하는지 살펴볼 수 있습니다.
센서와 설비 로그를 이미 모으고 있지만 활용 방법이 막막하다면 공정설비 이상탐지 교육부터 시작해보세요.
데이터의 구조와 품질을 확인하고, 정상 운전과 다른 패턴을 분석하는 과정을 경험할 수 있습니다.
제조 AI의 적용 범위를 정할 때는 기술 이름보다 현장에서 해결하고 싶은 문제가 먼저입니다.
지금 더 자주 마주하는 문제가 제품검사에 있는지, 설비 운영에 있는지부터 떠올려 보세요.
*신청 가능 여부와 세부 일정은 각 과정의 연수원 안내 페이지에서 확인하실 수 있습니다.
문제와 보유 데이터만 알려주세요.
담당자가 영업일 1일 내에 적합한 적용 방식을 안내해드립니다.
