![인사이트 이미지]()
With People
AX(AI Transformation) 통한 제조업 혁신 사례
AX(AI Transformation) 통한 제조업 혁신 사례:LG이노텍, AI 비전 검사로 품질 경쟁력과 고객 신뢰도를 높이다(좌)김병욱 책임 (우)양희철 팀장Intro오늘날 전 세계 산업계는 AX(AI Transformation)으로 급격한 전환점을 맞이하고 있습니다. 금융권에서는 초대규모 데이터를 학습해 개인화된 서비스와 리스크 관리 역량을 강화하고 있으며, 헬스케어 분야에서는 의료 영상 진단 및 신약 개발 과정 등에 AI가 깊숙이 들어와 정밀한 분석과 빠른 의사결정을 가능하게 하고 있습니다. 모빌리티 산업에서도 자율주행과 교통 최적화 같은 영역에 AI가 적용되면서 이동의 개념 자체가 새롭게 정의되고 있죠. 이처럼 AI는 단순히 ‘효율을 높이는 도구’가 아니라 산업의 구조와 패러다임을 근본적으로 바꾸는 혁신 기술로 자리매김하고 있습니다.이 변화의 흐름 속에서 제조업 역시 AI의 잠재력이 크게 발휘될 수 있는 분야로 떠오르고 있습니다. 제품 개발부터 공급망 관리, 생산, 품질 검사까지 제조 전 과정이 점차 데이터 중심으로 재편되고 있습니다. 품질 검사 공정에서도 불량률 최소화, 생산성 향상, 자원 절감이라는 제조업의 핵심 과제 해결을 위해 AI가 활발히 적용되고 있죠.그렇다면 이러한 AI·AX 혁신이 LG이노텍의 제조업 현장에서는 어떤 모습으로 구현되고 있을까요? 세계 1위 카메라 모듈이 탄생하기까지 AI가 어떤 역할을 했는지, 그리고 실제 생산 과정에서 어떻게 적용되고 있는지 LG이노텍 AI검사기술팀의 양희철 팀장님과 김병욱 책임님을 만나 직접 그 이야기를 들어보았습니다.Q. 먼저 AI검사기술팀은 LG이노텍에서 어떤 역할을 담당하고 있는 팀인지 소개 부탁드립니다.저희 AI검사기술팀은 LG이노텍
생산혁신을 위해 검사 AI와 자동화 분야를 전문적으로 담당하고 있습니다. 전사적으로 검사 관련 솔루션을 개발하고 이를 실제 양산 현장에 적용하는 것이 저희의 역할입니다.딥러닝 기반 판정 정확도 향상, 목시 외관 검사 자동화 및 지능화 등 다양한 프로젝트를 수행하며, AI를
활용해 검사 공정에서 발생하는 데이터를 분석하고 이를 바탕으로 공정을 개선해 제조 현장의 품질과 효율성을 높이고 있습니다.Q. LG이노텍이 제조 현장에 AX(AI
Transformation)를 도입하게 된 배경은 무엇인가요?LG이노텍이 AX를 도입하게 된 가장 큰 이유는 생산 효율성과 품질 경쟁력을 동시에 확보하기
위해서였습니다. 제조 산업은 하나의 제품이 완성되기까지 수많은 공정이 유기적으로 연결된 복합적인 과정입니다. 각 공정은 독립적으로 운영되지만, 이를 전체적으로 관제하고 모니터링하며, 제어하는 체계가 뒷받침되어야만 효율적이고 안정적인 운영이 가능합니다. 특히
대규모로 진행되는 품질 검사 공정의 경우, 공정 라인의 전체적인 운영,
즉 시스템을 고도화하는 것이 효율성 개선을 위한 핵심 과제입니다.LG이노텍은 이러한 과제를 해결하기 위해 독자적인 기술을 바탕으로 시스템을 정교하게 발전시켜 왔습니다. 이제는
제조 과정의 모든 단계를 데이터화하고, AI가 그 데이터를 학습해 사람이 놓칠 수 있는 각 공정의 함정들을
피할 수 있게 되었습니다.과거에는 제품을 전량 생산한 뒤 불량 여부를 확인해야 했고, 제조
공정마다 차이는 있지만 보통 2일 이상이 걸렸습니다. 이미
생산된 불량품은 폐기할 수밖에 없었죠. 하지만 지금은 사전 감지 및 예측이 가능해 거의 한 시간 이내에
불량 여부 판별이 가능합니다. 그 결과 폐기되는 부품을 최소화하고 불필요한 자원 낭비를 줄일 수 있었습니다.Q. 말씀하신 AX 적용
사례 중 하나인 AI 비전 검사에 대해 간단히 설명 부탁드립니다.우선 비전
검사란 생산 공정에서 제품의 외관을 살펴 이상 여부를 확인하는 과정을 말합니다. 기존에는 사람이 직접
검사를 진행했지만, 최근에는 카메라와 센서를 활용해 자동화하고, AI를
적용해 더욱 정밀하게 고도화하는 추세입니다. 제조업에서는 특히 제품 불량률을 낮추기 위해 다양한 공정에 AI가 활발히 적용되고 있습니다.AI 비전 검사는 말 그대로 사람의 눈과 판단을 AI가 대신하는 검사 솔루션입니다. 사람의 눈으로 불량을 판단하던 것을 카메라와 센서를 통해 자동화하고, 이를 AI 알고리즘이 분석해 사람의 두뇌처럼 정확하게 판단하며, 전체 과정이
마치 사람의 신체가 작동하는 방식처럼 유기적으로 연결하는 시스템까지 갖춰진 것이 LG이노텍의 AI 비전 검사 솔루션이라고 할 수 있겠습니다.Q. AI 비전 검사를 도입하기 전,
기존 검사 방식의 가장 큰 한계나 문제점은 무엇이었을까요?기존 검사 방식에서 가장 큰 문제는 바로 ‘차이의 발생’이었습니다. 예를 들어 카메라 모듈은 크기는 작지만 구조가 입체적이고 세밀해서, 사람이
꼼꼼히 살펴야만 하는 부품입니다. 검사자의 컨디션이나 감각 상태, 경험에
따라 오늘과 어제의 검사 결과에서 차이가 발생할 수 있었죠. 숙련된 사람이라 하더라도 완벽하게 일관된
판정을 내리는 것은 어려웠습니다.실제로 저희가 진행한 실험에서도, 동일한 제품을 가지고 양품과 불량을 판별하도록 했을 때
사람의 정확성은 완벽하게 구분할 수 있는 일반적인 케이스에서도 약 99% 수준에 머물렀습니다. 남은 1%는 사람의 주관과 감성으로는 놓치기 쉬운 부분이었던 것이죠. 물론 사람이 제품을 직접 들고 각도를 바꿔가며 검사할 때 얻는 장점도 있습니다. 그러나 모든 사람의 기준과 감각이 동일하지 않다는 점은 품질을 일정하게 유지하는 데 방해가 되기도 합니다. 저희는 이를 극복하기 위해 다양한 조명에서 취득한 영상을 AI에
학습시키는 방법을 개발했습니다. 이를 통해 사람이 도달할 수 없는 수준, 남은 1%까지 보완하는 양품 판단 정확도를 구현할 수 있었습니다.Q. AI 비전 검사 개발 과정에서 가장 큰 도전과제는 무엇이었으며, 이를 어떻게 극복하셨나요?단위 공정 중에서도 검사 공정에 가장 많은 인력이 필요합니다. 기존에는 자동화를 도입한 후에도 1차로 불량으로 판정된 제품은 현미경이나
확대경을 통해 사람이 다시 확인하는 절차가 필요했습니다. 저희는 이를
AI로 가능하도록 구현했고, 동시에 검출력은 완벽하게 유지하는 것을 목표로 삼았는데 이것이
이번 프로젝트에서 가장 큰 도전 과제였습니다.고객이 더 많은 양과 향상된 품질을 원하기 시작함에 따라
검사 항목도 점점 늘어나는 반면, 기존 방식으로는 이러한 고객의 니즈를 충족하기 어려웠습니다. 검사 자동화로 정확한 불량 판정은 기능해졌지만 더 많은 생산 물량을 검사하기 위해선 더 효율적인 방법이 필요했습니다.이에 따라 저희는 새로운
비전 검사 솔루션을 단계적으로 개발해 나갔습니다. 자동화 초기에는 여러 대의 카메라와 조명을 이용해
제품을 검사했지만, 이후 검사 효율과 정확도를 동시에 높이기 위해 카메라는 1대로 줄이고 거울로 이미지를 반사해 네 개의 카메라 모듈의 스무 면을 한 번에 확인할 수 있도록 설계했습니다. 여기서 더 나아가 설비 공간을 확보하고 관리 포인트를 줄이기 위해 조명을 0도, 45도, 90도로 전부 배열 가능한 돔 형태로 설계하는 방안을 고안했습니다. 이러한 반복적인 개선을 통해 검사 정확도는 높이고, 카메라 수와 설비
규모는 줄인 고효율 솔루션을 완성할 수 있었습니다. 그 결과 생산성은 약 40% 향상되고, 설비 공간은 약
75% 확보하는 성과를 거두었습니다.Q. 그렇다면 AI
성능 고도화를 위해서는 어떤 기술적 접근 방식 및 전략을 활용하셨을까요?돔 조명 기반 자동화 검사로 물리적인 검사 과정에서 상당한
개선을 이뤘지만, 그 못지 않게 불량을 정확히 판정할 수 있는 ‘지능’의 영역이 중요했습니다. 최근에는 이물, 오염과 같이 육안으로 판별하기 어려운 항목이나 사람의 감각과 주관이 개입될 수밖에 없는 결함까지 검사 항목에
포함되는 경우가 많아졌기 때문에, AI 기술의 적극적인 활용이 필요합니다.AI 성능 고도화를 위해서는 데이터 학습 과정이 필수적입니다. 저희는 단기간에 방대한 데이터를
학습시키기 위해 가상의 불량 데이터를 생성해 AI를 훈련시키는 전략을 적용했습니다. 그 결과, 빅데이터를 활용한 ‘한도성
경계면 학습 AI’를 통해 타겟 불량 검출력은 99.95%를
달성했으며, 실제 고객 유출 관점에서는 불량 발생이 0건으로, 사실상 검출력 100% 운영을 구현하고 있습니다.이 과정에서 조직 간 긴밀한 협업 또한 중요한 역할을 했습니다. 특히 LG그룹 AI연구원의 AI 코어
알고리즘과 저희 검사팀의 도메인 지식(Domain knowledge)을 결합해 AI가 실제 사람처럼 판단하도록 학습하는 전략을 수립할 수 있었습니다. AI 연구원의
전문 지식과 검사팀의 현장 전문성을 유기적으로 융합함으로써, LG이노텍만의 차별화된 AI 솔루션을 구축하고 지속적으로 성능을 향상시킬 수 있었습니다.또한 저희 팀 자체도 빠르게 변화하는 제조 산업 환경에
유연하게 대응하고자 풍부한 경험과 노하우를 갖춘 기존 인력과 AI 기술에 높은 접근성과 이해도를 가진
신입 인력이 시너지를 이루며 더욱 견고하게 성장하고 있습니다.Q. 고객 관점에서는 AI 비전
검사의 도입 등 AX 적용 범위가 확장되면 어떤 가치나 차이를 경험할 수 있을까요?고객사가
가장 직접적으로 얻는 가치는 제품 품질의 명확한 개선입니다. LG이노텍은 현재 적은 데이터만으로도 월등히
높은 검사 판정 성능을 구현할 수 있는 AI 기술을 전체 품질 검사 공정에 적용하고 있습니다. 이를 통해 불량이 고객사로 전달될 확률을 사실상 0%로 줄이고 투명한
공정 데이터를 제공함으로써 고객 신뢰를 공고히 하고 있습니다.과거에는
검사 과정에 사람이 많이 관여했기 때문에, 제품이 좋았을 때와 그렇지 않았을 때의 이유를 명확히 확인하기
어려웠습니다. 어떤 요소가 품질에 영향을 미쳤는지에 대한 데이터가 부족했기 때문이죠. 하지만 AX를 도입하면서 품질의 차이에 대한 명확한 원인을 체계적으로
파악할 수 있는 환경이 마련되었습니다.이로 인해 대량 불량 발생 시에도 사전에 감지하고 대응할 수 있게 되었고, 고객사의
납기 일정과 리드 타임 관리 측면에서 직접적인 효과를 거둘 수 있었습니다. 더 나아가 최종 고객, 사용자의 관점에서는 기존 테스트에서는 문제를 발견하지 못했지만 실제 사용 과정에서 발생할 수 있는 ‘진행성 불량’을 최소화해 더 오래 안정적으로 제품을 사용할 수 있습니다.뿐만 아니라 제조 공정 자체가 효율화되면서 불필요한 자원 낭비를 줄이고, 설비와
에너지 활용 최적화를 통해 탄소 배출을 최소화할 수 있습니다. 이는 단순히 생산성을 높이는 것을 넘어, ESG 경영 실현에도 기여하는 중요한 가치라고 생각합니다.
Q. 향후 제조 산업에서 AX가 어떤 변화를 가져올 것으로 기대하시나요? LG이노텍이 그리는
미래 비전을 말씀 부탁드립니다.제조 산업에서 끊임없이 요구되는 핵심 가치는 결국 ‘품질’입니다. 품질은 단순히 안정적인 수준에 머무는 것이 아니라, 지속성과 성장성을 동시에 확보해야 합니다. 저희는 AI가 이러한 요구를 충족시켜 줄 최종 기술이라고 보고 있으며, 이를
통해 다양한 검사 편차와 빠르게 변하는 시장 환경에도 능동적으로 대응할 수 있는 역량을 갖추고자 합니다.현재 저희는 AI 학습 과정에서 사람이 직접 개입하지 않아도 데이터
트레이닝과 검증, 평가가 스스로 이루어지는 ‘AI 에이전트화’를 목표로 하고 있습니다. 사람이 최종 확인만 수행하는 구조가 되면 AX는 지금보다 훨씬 더 가속화될 것으로 예상합니다.궁극적으로 LG이노텍이
지향하는 목표는 공정 전반에서 AI가 스스로 판단·조치·자가 복구하며 불량을 사전에 예측하는 ‘오토노머스 팩토리(Autonomous Factory)’ 구현입니다. 이를 달성하기 위해
AI검사기술팀은 더 정밀하게 더 넓은 영역을 더 빠른 속도로 검사할 수 있는 솔루션 고도화에 집중하고
있습니다. 이를 통해 고객조차 미처 인식하지 못했던 불편함까지 해소하며, 고객사와 최종 사용자 모두가 완벽한 품질을 경험할 수 있도록 혁신의 발걸음을 멈추지 않겠습니다.
