4. 협동로봇은 검사장비이면서 공정 실행 장비가 된다

협동로봇은 단순히 사람 옆에서 움직이는 로봇이 아닙니다.

자동차 부품 제조에서 협동로봇은 검사장비이면서 동시에 공정 실행 장비가 될 수 있습니다.

첫 번째 역할은 검사 위치 재현입니다.

자동차 부품은 형상이 다양하고 검사 포인트가 많습니다. 고정형 검사기만으로는 모든 각도를 확인하기 어렵습니다. 협동로봇은 카메라와 조명을 일정한 경로로 이동시키며 검사 위치를 반복 재현할 수 있습니다.

두 번째 역할은 부품 Handling입니다.

부품을 투입하고, 방향을 맞추고, Fixture에 안착시키고, 검사 후 양품과 불량품을 분리할 수 있습니다. 이때 Gripper, Vacuum, Force Control, 3D Vision이 함께 사용될 수 있습니다.

세 번째 역할은 조립 보조입니다.

부품 위치를 확인하고, 체결 전 정렬 상태를 검증하고, 조립 후 단차와 체결 상태를 재확인할 수 있습니다. 협동로봇이 직접 조립을 수행하지 않더라도, 조립 전후의 품질 게이트 역할을 수행할 수 있습니다.

네 번째 역할은 데이터 수집입니다.

로봇의 위치, 경로, 속도, 반복 오차, 검사 결과, 장비 상태가 모두 데이터가 됩니다. 이 데이터가 AI Ops와 연결되면 로봇은 단순 자동화 장비가 아니라 제조 데이터 수집 장치가 됩니다.

결국 협동로봇은 “움직이는 검사기”에서 “검사와 실행을 연결하는 Physical AI 장비”로 고도화될 수 있습니다.

5. AI Ops는 검사 데이터를 공정 피드백으로 연결한다

자동차 부품 제조에서 검사 데이터는 단순한 불량 기록이 아닙니다.

램프 검사 데이터는 표면 결함, 단차, 조립 위치, 실링 상태를 보여줍니다.
납축전지 검사 데이터는 케이스, 단자, 용접부, 라벨, 외관 품질을 보여줍니다.
전장부품 검사 데이터는 커넥터, 핀, 체결, 조립 방향, OCR 정보를 보여줍니다.
로봇 데이터는 Handling 안정성, 반복 위치, Cycle Time, 정지 이력을 보여줍니다.
Machine Data는 설비 상태, 조명 밝기, 카메라 상태, 온습도, 공정 조건 변화를 보여줍니다.

문제는 이 데이터가 공정별로 분리되어 있으면 원인을 추적하기 어렵다는 점입니다.

예를 들어 램프 렌즈의 특정 위치에서 반복 스크래치가 발견되었을 때, 그 원인이 소재 투입 단계인지, 이송 과정인지, Fixture 접촉인지, 로봇 Handling인지, 검사 조명 조건인지 빠르게 확인할 수 있어야 합니다.

납축전지 케이스에서 반복적인 찍힘이 발생했을 때도 마찬가지입니다. 단순히 불량품을 분리하는 것만으로는 충분하지 않습니다. 어느 설비, 어느 Lot, 어느 이송 구간, 어느 작업 조건에서 결함이 증가했는지 추적해야 합니다.

이때 필요한 것이 AI Ops입니다.

AI Ops는 검사 데이터, 공정 데이터, 설비 데이터, 로봇 데이터를 연결해 이상 징후를 탐지하고, 반복 패턴을 분류하며, 원인 분석과 공정 피드백을 지원합니다.

AI Ops가 연결되면 다음과 같은 운영이 가능해집니다.

반복 불량 패턴 조기 발견,
검사 기준 변화에 따른 영향 분석,
False Call 저감,
진성 불량과 가성 불량 분류,
Lot별 품질 변동 추적,
조명·카메라·센서 상태 모니터링,
로봇 동작 편차 분석,
설비 조건과 품질 데이터의 상관관계 분석.

결국 자동차 부품 제조에서 중요한 것은 결함을 “보는 것”을 넘어, 결함 데이터를 “해석하고 공정으로 되돌리는 것”입니다.

6. PIE AX 적용 포인트 : 검사·데이터·로봇 실행을 연결한다

피아이이는 자동차 부품 제조의 AX 흐름에 대응할 수 있는 기술 구조를 보유하고 있습니다.

피아이이 IR Deck은 사업영역을 AI 비전검사 솔루션, AI 기반 검사장비, AI Observability, Physical AI/Robotics로 구분하고 있습니다. 또한 AI 기반 Smart Factory Total Solution을 B2B 고객에게 제공하는 구조를 제시하고 있습니다.

이 구조는 자동차 부품 제조와 잘 연결됩니다.

AI Vision은 결함을 봅니다.
Inspection H/W는 검사 데이터를 만듭니다.
AI Observability는 검사·공정·설비 데이터를 통합합니다.
Physical AI/Robotics는 검사 결과를 기반으로 Handling, 이송, 조립 보조, 공정 실행을 수행합니다.

피아이이 IR Deck은 경쟁사와의 차별점으로 개별 H/W 또는 Vision S/W 공급이 아니라, 검사, 데이터, 로봇 실행을 통합 제안하는 Full-Stack Total Solution 구조를 제시하고 있습니다.

자동차 부품 제조에서 이 Full-Stack 구조는 다음과 같이 적용될 수 있습니다.

첫째, 검사 대상 부품의 결함 유형을 정의합니다.

램프는 표면 결함, 단차, 실링, 체결, 광학 패턴을 봅니다.
납축전지는 케이스, 단자, 극성, 누액, 용접부, 라벨을 봅니다.
전장부품은 커넥터, 핀, 조립 방향, 체결 상태, OCR을 봅니다.

둘째, 검사 H/W와 광학계를 설계합니다.

검사 대상의 재질, 반사율, 투명도, 곡률, 크기에 따라 조명과 카메라 구성이 달라집니다. 램프처럼 곡면과 투명 재질이 많은 부품은 멀티 조명과 다각도 검사가 필요할 수 있습니다.

셋째, 협동로봇 또는 자동화 장비와 연결합니다.

고정형 검사기로 커버하기 어려운 부위는 로봇이 카메라와 조명을 이동시켜 검사합니다. 부품 투입, 정렬, Fixture 안착, 검사 후 분류도 자동화할 수 있습니다.

넷째, 검사 데이터와 Machine Data를 연결합니다.

검사 결과는 Lot, 장비, 공정 조건, 로봇 동작 데이터와 연결되어야 합니다. 이 데이터가 쌓일수록 단순 불량 판정을 넘어 공정 개선의 기반이 됩니다.

다섯째, AI Ops로 운영을 고도화합니다.

AI Ops는 반복 불량, 설비 이상, 검사 기준 변화, 로봇 동작 편차를 분석합니다. 이를 통해 검사장비와 자동화 장비는 단일 장비가 아니라 제조 운영 인프라로 확장됩니다.