[현대자동차그룹] HMGICs 시각 지능으로 완성한 미래형 제조의 중심, 작업진도관리 시스템

hyokyeong
18시간 전
3분 분량

with 현대자동차그룹, 현대오토에버, 테이아 l 22. 06 - 24. 09

안녕하세요, 시각 지능 솔루션으로 산업의 디지털 전환(DX)을 선도하는 파이미디어랩입니다.

오늘은 현대자동차그룹의 싱가포르 글로벌 혁신 센터인 HMGICs에 적용된 '작업자 위치 기반 작업진도관리 시스템' 구축 사례를 통해, 수동 공정의 품질을 어떻게 디지털로 보증할 수 있었는지 상세히 공유해 드립니다.

Project Background

"수동 공정, 어떻게 실시간으로 검증할 것인가?"

HMGICs는 단순한 자동화 공장을 넘어 사람과 AI가 협업하는 지능형 제조 환경을 지향합니다. 특히 숙련공의 손길이 필요한 수동 조립 공정에서 조립 품질을 실시간으로 검증하고 작업자의 동선을 데이터화하는 것이 핵심 과제였습니다. HMGICs와 같은 첨단 팩토리에서도 사람의 손길이 필요한 수동 공정은 존재하지만 미래형 스마트팩토리에서는 수동 공정이라 하더라도 작업의 정밀도와 품질이 실시간으로 관리되어야 합니다.

품질 검증의 공백: 작업자가 올바른 순서로 조립을 수행하는지 실시간으로 확인하기 어려움
데이터의 불연속성: 작업자의 동선이 파편화되어 공정 최적화를 위한 정확한 공수 산정이 불가능
이상 대응 지연: 작업 누락이나 오류 발생 시 즉각적인 감지와 현장 연계가 어려워 리페어 비용이 발생

창고에서 사람이 바코드 스캐너로 상자를 스캔 중이다. 배경에 다른 사람과 상자가 보이며, 작업 분위기다.

Why Pai Media Lab

🔍 왜 '파이미디어랩'의 기술이었을까요?

고도의 지능형 제조 환경을 구축하기 위해 파이미디어랩은 현대자동차그룹, 현대오토에버와 긴밀하게 협업했습니다. HMGICs가 필요로 했던 것은 단순한 영상 기록이 아니라, 작업자의 위치와 동작을 실시간 데이터로 자산화하여 조립 품질을 100% 보증하는 것이었습니다. 파이미디어랩은 독보적인 시각 지능 기반 위치 측위(Localization) 기술을 통해 이 난제를 해결했습니다.

Solution

1. 사각지대 없는 '좌표 병합 클러스터' 구축

"복잡한 공정 속 작업자의 움직임, 어떻게 끊김 없이 파악할까요?"

문제 :

1) 제한된 시야: 수동 조립 공정은 설비와 자재가 복잡하게 얽혀 있어 단일 카메라만으로는 작업자의 전신이나 움직임을 온전하게 담기 어렵습니다.

2) 추적의 파편화: 작업자가 한 카메라 영역을 벗어나 옆 공정으로 이동할 때, 기존 시스템은 이를 '새로운 인물'로 인식하여 연속적인 동선 파악이 불가능했습니다.

해결 :

1) 다중 카메라 좌표계 통합: 각 셀(Cell)당 4대의 카메라를 배치하고, 이를 하나의 좌표계로 병합하는 기술을 적용했습니다.

2) Deep-sort 기반 연속 추적: 여러 CCTV에 찍히는 작업자에게 고유 ID를 부여하여, 공정 내 어디로 이동하더라도 동일 인물로 인식하고 전체 동선을 끊김 없이 기록합니다.

Solution

2. IPM 기반 조감도(Bird’s Eye View) 변환 및 20cm

오차 정밀 측위

"CCTV 영상만으로 작업자의 실제 위치를 20cm 오차 내로 계산합니다."

문제:

1) 왜곡된 거리 정보: 일반적인 정면 CCTV 영상은 원근감 때문에 화면상의 움직임만으로는 작업자가 실제 어느 부품 앞에 있는지, 조립 위치에 정확히 서 있는지 판별하기 어렵습니다.

2) 수동 판독의 한계: 육안에 의존한 진도 확인은 실시간 대응이 어렵고 데이터의 객관성이 떨어집니다.

해결:

1) IPM(Inverse Perspective Mapping) 기법: 카메라의 정면 영상을 하늘에서 내려다보는 조감도 형태로 실시간 변환하여 거리 왜곡을 제거했습니다.

2) 절대 좌표 매핑: 영상 속 픽셀을 실제 현장의 측정 정보와 1:1로 매핑하여, 작업자의 위치를 20cm 이내의 오차로 정밀하게 찾아내는 초정밀 측위(Localization)를 구현했습니다.

설치당시 설정값과 분석시점 당시의 값이 다를시 알람을 통해 정확도를 유지 할수 있게 유지관리 기능을 제공하였습니다.

Solution

3. IoT 디바이스 통합 진도 관리 및 데이터 파이프라인

"대규모 통합 디바이스 환경에서도 지연 없는 실시간 AI 분석을 실현합니다."

문제:

1) 시스템 부하: 수십 대의 카메라에서 쏟아지는 고해상도 영상을 동시에 처리할 때 발생하는 서버 과부하와 영상 지연(Delay) 문제는 실시간 관제의 가장 큰 걸림돌입니다.

2) 유지보수의 어려움: 현장마다 다른 공정 환경에 맞춰 일일이 소프트웨어를 설치하고 업데이트하는 방식은 운영 효율이 낮습니다.

해결:

1) Gstreamer 기반 영상 최적화: OpenCV 대신 Gstreamer를 활용해 영상 지연을 최소화하고 실시간 싱크 기능을 구축했습니다.

2) Docker & Kubernetes 가상화: 온프라미스 GPU 클러스터 환경에서 컨테이너 기반으로 AI 모델을 배포하여, 대규모 카메라 환경에서도 안정적이고 유연한 시스템 운영이 가능하도록 설계했습니다.

Achievement & Results

지능형 작업진도 관리 시스템: 공정의 '디지털 뇌'

작업자의 감이나 육안 확인에 의존하던 수동 조립 공정을, AI와 IoT 센서 데이터가 실시간으로 소통하는 '디지털 보증 체계'로 혁신했습니다.

파이미디어랩의 솔루션은 단순한 객체 탐지를 넘어, 현장의 복잡한 변수 속에서도 흔들림 없는 성능을 입증했습니다. 위치 측정 오차 범위를 20cm 이내로 좁힌 초정밀 Localization 기술은 업계 최고 수준의 정확도를 자랑하며, 21,800 세트 이상의 방대한 현장 데이터 학습을 통해 실질적인 공정 지능화를 실현했습니다.

특히, 시각 지능 알고리즘(Darknet(YOLOv4), OpenCV, Gstreamer, Flask)의 고도화로 오감지율을 5% 미만으로 낮추고, 머리 부분만 노출되는 극한의 사각지대에서도 전체 신체 위치를 추정해내는 독보적인 기술력을 선보였습니다. 이러한 기술적 성과는 작업 누락 제로화와 정확한 공수 산정으로 이어져, HMGICs가 추구하는 스마트 제조 혁신의 핵심 엔진이 되었습니다.

	최종 실적 (정확도)
알고리즘 인식	95%
데이터세트 학습	80% (21,800 세트 이상의 현장 기반 데이터 세트 학습)
위치 측정 오차 범위	40 > 20cm(초정밀 Localization 실현)
오감지 개선	90 > 95%