검사의 다음 단계는 판정이 아니라 자율 품질이다

불량을 찾아내는 검사에서, 품질을 스스로 유지하는 생산체계로

산업은 다르지만 제조현장이 직면한 문제는 비슷합니다.

제품은 더 복잡해지고, 품질기준은 높아지고, 제품 전환주기는 짧아지고 있습니다.

이에 따라 제조 경쟁력의 기준도 달라지고 있습니다.

과거에는 불량을 얼마나 정확하게 찾아내는지가 중요했습니다.

앞으로는 불량을 조기에 감지하고, 원인을 추적하며, 동일한 문제가 반복되지 않도록 공정을 얼마나 빠르게 안정화할 수 있는지가 중요합니다.

검사의 다음 단계는 Detection을 넘어 Autonomous Quality로 이동하고 있습니다.

1. 품질관리는 라인의 끝에서 공정 전체로 이동하고 있다

기존의 품질관리는 생산이 끝난 뒤 완성품을 검사하는 방식에서 시작됐습니다.

최종검사에서 불량이 발견되면 제품을 폐기하거나 재작업했습니다.

하지만 불량이 후공정에서 발견될수록 이미 투입된 소재비, 가공비, 설비시간과 물류비가 함께 누적됩니다.

이에 따라 검사는 점차 공정 중간으로 이동했습니다.

전극 코팅 직후, PCB Drill 직후, 유리기판 가공 직후, 자동차 부품 조립 직후처럼 불량이 발생할 가능성이 높은 지점에 검사장비를 배치해 결함을 조기에 차단하는 방식입니다.

그러나 검사장비를 더 많이 설치하는 것만으로는 충분하지 않습니다.

검사 결과가 개별 장비 안에만 남아 있으면 해당 제품이 불량이라는 사실은 알 수 있지만, 왜 불량이 발생했는지는 알기 어렵습니다.

어떤 소재가 사용됐는지, 어느 설비에서 생산됐는지, 당시 공정속도와 온도, 압력, 장력은 어땠는지 함께 봐야 원인을 찾을 수 있습니다.

NIST 역시 다품종 제조환경에서 품질관리 시스템의 적용범위를 확대하기 위해서는 보다 강건한 머신러닝 학습방식과 함께 검사장비·센서·로봇 간 상호운용성이 필요하다고 보고 있습니다.

검사는 더 이상 라인의 끝에서 불량품을 선별하는 독립 장비가 아닙니다.

공정의 변화를 가장 먼저 감지하는 센서이자, 생산라인을 개선하기 위한 데이터의 출발점입니다.

2. 생산라인은 처음 설정한 상태로 유지되지 않는다

제조라인을 처음 구축할 때는 카메라와 조명, 렌즈, 검사 기준을 최적의 조건으로 설정합니다.

하지만 실제 양산이 시작되면 현장조건은 계속 변화합니다.

카메라 렌즈가 오염될 수 있습니다.

조명이 노후화되거나 외부 조명의 간섭이 발생할 수 있습니다.

카메라 위치와 각도가 미세하게 달라지고, 센서와 케이블의 상태도 변할 수 있습니다.

제품 소재의 반사 특성이 바뀌거나, 라인 속도와 품질기준이 변경될 수도 있습니다.

신제품을 투입하면 기존에 없던 결함 유형이 등장하기도 합니다.

문제는 기존 검사기가 처음 설정한 Rule과 기준값을 계속 사용한다는 점입니다.

현장조건이 달라지면 정상 제품을 불량으로 판단하는 가성 NG가 증가하거나, 실제 불량을 정상으로 판단하는 미검출이 발생할 수 있습니다.

따라서 검사 정확도는 검사장비를 설치한 시점의 성능만으로 평가할 수 없습니다.

변화하는 생산조건에서도 검사 성능을 지속적으로 유지할 수 있어야 합니다.

3. Autonomous Quality는 품질을 스스로 유지하는 운영체계다

Autonomous Quality는 사람이 전혀 개입하지 않는 완전 무인 품질관리를 의미하지 않습니다.

핵심은 검사 결과가 데이터와 AI, 공정 실행으로 연결되는 것입니다.

이를 구조화하면 다음과 같습니다.

인식 → 연결 → 분석 → 판단 → 실행 → 검증 → 학습

인식

Machine Vision과 센서가 제품의 표면, 형상, 위치, 치수, 조립 상태와 공정조건을 인식합니다.

연결

검사 이미지와 측정값을 제품, Lot, 설비, 소재, 공정 레시피 및 시계열 센서 데이터와 연결합니다.

분석

기존 정상 데이터와 현재 데이터를 비교해 이상 징후와 변화를 탐지합니다.

판단

결함의 위험도와 원인 후보를 분석하고 재검사, 설비점검, 공정조건 조정 등의 대응방안을 제시합니다.

실행

작업자가 조치를 승인하거나, 사전에 허용된 범위 안에서 시스템이 공정조건과 검사 기준을 조정합니다.

검증과 학습

조치 이후 품질이 개선됐는지 확인하고, 결과를 다음 검사와 AI 모델 운영에 반영합니다.

Fraunhofer는 제조 AI의 발전단계를 품질예측, Human in the Loop, Human on the Loop, 완전자율 제어 단계로 구분하고 있습니다. 즉, 자율화는 한 번에 완성되는 것이 아니라 작업자의 검증과 감독을 유지하면서 단계적으로 확대되는 구조입니다.

결국 Autonomous Quality는 특정 AI 모델이나 검사장비 한 대가 아닙니다.

검사장비, 공정데이터, AI 모델, 작업자와 자동화 설비가 하나의 품질 피드백 루프로 연결되는 운영체계입니다.