목표

프로젝트의 핵심 목표는 배터리 셀 적층 및 압착 공정에서의 미세한 이상 감지와 불량 제품 유출 최소화였습니다. 또한, 공정 데이터의 자동 수집과 학습, 실시간 이상 알림까지 연결되는 AI 기반 품질관리 체계를 마련하여 생산 효율성과 데이터 신뢰성을 동시에 확보하는 것을 목표로 했습니다.

개발범위

LG에너지솔루션의 제조라인에 맞춰 탭(TAB) 적층 공정 실시간 이상감지 시스템과 파우치 및 셀 외형 불량 감지 시스템을 개발했습니다.

기존 AOI 장치 대신 IP 카메라 기반 비전 데이터 수집 기술을 적용하여 설치 제약을 줄였으며, 정상 데이터를 먼저 학습한 뒤 범위를 벗어나는 이상을 자동으로 감지하는 딥러닝 기반 모델을 적용했습니다. 또한, 실시간 모니터링과 이상 결과를 시각적으로 제공하는 관리자용 대시보드 UI를 구축해 공정 현장에서 즉각적인 대응이 가능하도록 했습니다.

기대효과

AI 모델의 적용으로 F1-Score 99% 이상의 감지 정확도를 달성하였으며, 불량 제품 유출 위험 기간을 기존 3일에서 1일로 단축했습니다.
이를 통해 약 50개 라인 규모의 공장에서 연간 250억 원 이상의 생산량 증대 효과를 거두었으며, 모델 학습 기간과 구축 비용을 기존 대비 최대 70%까지 절감했습니다. 한국 공장에서의 성공적인 적용 이후, 현재는 폴란드와 중국 등 해외 제조법인으로 적용 범위를 확장 중입니다.

배경

기존의 AOI(Automated Optical Inspection) 장치는 설치비용과 데이터 확장성 한계로 인해 제조 현장에서 효율적인 이상 감지에 어려움이 있었습니다. 이에 LG에너지솔루션은 보다 유연하고 지능적인 품질관리 체계를 구축하기 위해 정상 데이터를 중심으로 이상을 탐지하는 Philo-AF의 비정상 탐지(Anomaly Detection) 기술을 도입하게 되었습니다.

솔루션

Philo-AF는 딥러닝 기반 품질관리 AI 솔루션으로 LVM(Large Visual Model)을 적용해 높은 성능과 빠른 배포가 가능하며 이벤트 발생 시, 관리자에게 실시간 모바일 알림을 발송해 즉각적인 대응을 지원합니다. 또한, MES 대체형 구조로 공장 가동 중에도 설치가 가능하며 Auto Learn 기능을 통해 데이터를 자동 수집하고 스스로 학습을 진행하여 장기적으로 지속 가능한 AI 품질관리 생태계를 구축할 수 있습니다.